腾讯云AI产业应用大会主论坛顺利举办，腾讯云副总裁、CodeBuddy&WorkBuddy负责人刘毅在会上的发言，为当下如火如荼的企业AI热潮注入了理性思考：“企业想要的，从来不是更聪明的个人工具，而是组织生产力。”

这一观点并非否定个人提效的价值，而是精准戳中了当前行业的普遍痛点——过去两年，各类AI工具催生了大批“超级个体”，但企业整体的产出速度并未同步提升。“大量超级个体，不代表是超级团队”，这既是刘毅反复强调的核心判断，也是本次大会腾讯云想要解答的行业核心问题。

2026：企业Agent真正的爆发元年

刘毅在大会上明确提出，2026年是企业Agent真正的爆发元年，这一判断基于三大关键条件在同一时间窗口同时成熟：模型成本一年内下降80%，让Agent规模化运行成为可能；企业已验证Agent可脱管运行并接入生产环境；用户使用习惯已全面养成，AI协助完成工作成为常态。

这一判断有着腾讯自身数据的强力支撑。作为国内桌面端大模型产品的头部玩家，WorkBuddy发布后迅速风靡市场，短短三个月内人均Token消耗量增长十倍，用户留存表现健康，规模持续扩张，其高价值应用场景集中在金融、文档办公、教育、法律等领域。在模型调用方面，混元模型占据主流，Hy3 preview版本表现亮眼；DeepSeek凭借效果与成本优势实现快速增长；GLM、Kimi、MiniMax等国产模型也各自拥有稳定的用户群体。不过在刘毅看来，这些仍属于“超级个体”阶段的成果，组织级的AI爆发才刚刚拉开序幕。

三层进阶能力：打通个人到组织的提效路径

为了实现从“会用AI的人”到“会用AI的组织”的跨越，WorkBuddy推出了专家、助理、团队三层进阶能力，三者叠加构成了完整的组织级AI落地解决方案。

第一层是专家能力。传统AI使用中，每次都需要重复说明身份、背景、工具与输出格式，效率低下且无法复用。WorkBuddy的“专家”功能将这些信息结构化，相当于“把岗位说明书写进了AI产品里”。其背后依托Skill、MCP、连接器、Pipeline四大基石，不仅降低了个人使用门槛，更让配置好的专家能力可在团队内分享，转化为可复用、可传承的标准工作流入口。例如某知名游戏公司已在WorkBuddy中部署了游戏引擎、策划、全栈工程、内容创作等多类专家，覆盖从策划到生产再到营销的全流程，大幅提升了项目推进效率。

第二层是助理能力。专家能力存在“一次性调用”的局限，而助理则将专家能力迁移至云端，成为7×24小时长驻的数字员工。它支持多端访问，拥有持久记忆，能记住用户的习惯与要求，并将有效流程自动转化为标准化Skill存入云端专属技能库。理想状态下，用户可同时唤起销售、法务、数据、文案等多个专家助理，让它们异步协作并最终汇总交付成果。

第三层是团队能力，这也是三层中难度最高的核心环节。超级个体无法自动形成超级团队，根源在于三大结构性问题：人类与AI组织缺乏共同协作空间；上下游信息不共享、不透明，经验难以持续沉淀；企业资产无法在人与AI之间自由流转。WorkBuddy的团队功能将人与助理纳入同一项目空间，实现上下文共享，让个人积累的技能与成果沉淀为全团队可复用的AI资产，真正做到“一人产出，全盘受益”。

本次大会还同步发布了WorkBuddy Enterprise企业版，将上述三层能力打包交付，同时支持Agent运行观测、效果评估、AI资产管理、成本管理与权限安全审计，提供SaaS、VPC独占和私有化部署三种形态，满足不同企业的需求。

腾讯内部三年实验：从23%到90%的进化之路

在组织AI转型方面，腾讯自身就是一个跑通了全流程的标杆样本。2022年，腾讯开始在内部推行AI Coding服务，彼时代码接受率仅为23%。经过三年的持续迭代，到2025年底，腾讯大部分研发团队的AI代码生成率已超过90%，工程师得以并行处理多个任务，研发流水线实现全面提速，整体工程师覆盖度超80%，编码时间平均减少40%。

刘毅将腾讯的AI转型之路梳理为缺一不可的四步路径：第一步是培养超级个体，鼓励优秀员工大量使用AI，在实战中打造效率标杆；第二步是沉淀AI资产，将超级个体摸索出的经验转化为可复用的Skill、专家与AI助理，避免经验困在个人电脑中；第三步是融入全流程，将AI能力拓展至研发之外的财务、行政、招聘、法务等所有业务岗位；第四步是建立AI治理体系，由企业管理部门统一管控成本、安全、权限与风险。

在转型过程中，腾讯也踩过不少技术层面的坑：初期放开Token使用导致成本激增，需要精细化的成本治理才能持续推进；AI幻觉带来的细节错误若直接流入生产，会引发严重问题。但刘毅坦言，这些技术难题都并非最难跨越的障碍。

企业AI转型最难的坎：突破人性壁垒

“员工不愿意把自己摸索出来的经验分享给同事，这不是坏人，是人性。你辛辛苦苦搭出来的一套AI工作流，凭什么白送给团队？”刘毅的这番话，点出了多数企业AI转型中容易被忽视的隐形陷阱。

腾讯并未依靠口号推动经验分享，而是搭建了完善的激励机制：通过举办技能大赛、专家大赛，将员工的通道晋升与AI影响力直接挂钩，把个人AI能力覆盖的同事数量、为组织沉淀的AI资产规模，纳入晋升考核的核心指标，从根本上解决了分享动力不足的问题。

AI原生组织的核心特征与安全保障

如今，腾讯内部的AI原生团队已形成了独特的运转模式：组织结构极度扁平，仅保留小组层级；所有上下文实现透明共享，代码、需求、用户反馈、工单、设计等信息全员可见。在这样的环境下，AI不会因信息隔阂产生低效问题，原本因信息壁垒存在的管理层级也逐渐失去了存在的必要。

在代码安全方面，腾讯建立了三重硬约束机制：由资深专家把控架构设计，AI不得随意改动核心架构，架构变动将自动触发告警；引入AI辅助代码评审，且生成代码的AI与评审代码的AI必须相互独立；推动质量左移，利用AI批量生成自动化测试代码，在CI/CT阶段提前拦截风险，避免问题进入生产环境。

对于无代码背景的业务人员，刘毅表示，小特性、低风险的改善型功能，产品经理可借助AI独立完成并灰度上线；核心模块或大型特性，则需要设计师、架构师在同一协作空间内共同推进，全程透明化是AI团队协作的核心原则。

衡量AI转型健康度的两大核心指标

如何判断企业AI转型是否真正有效？刘毅认为，“效率提升X倍”这类一次性数据的参考价值有限，更值得关注的是两个动态可追踪的指标。

第一个是需求吞吐率，即组织在单位时间内能够响应并落地的需求数量，它直接反映了企业的创新速度与市场响应能力，可用于不同团队的横向对比和同一团队的纵向追踪。第二个是AI平滑度，指端到端完成任务的顺畅程度，具体体现为过程中的卡点数量、系统权限申请与人工审批的频次，卡点越少则AI平滑度越高，这一指标依赖MCP对企业各类系统与数据的打通能力。

国产AI工具的竞争力与未来方向

针对国内AI Coding工具与海外产品的差距问题，刘毅客观表示，在模型层面，中国与硅谷确实存在一定差距，算力仍在追赶阶段；但在产品功能层面，2025年中以后双方已无明显差距，CodeBuddy的harness工程在SWE-bench类测试中的表现，并不逊色于Claude Code。

在他看来，跑分只是参考，真正的核心是结合用户场景与业务流程解决实际问题。WorkBuddy能够在激烈的市场竞争中脱颖而出，主要得益于三点：选准了大模型最擅长的代码赛道作为起点；经过两年多打磨，形成了以Coding Agent为基石的成熟Agent OS；依托腾讯的产品基因，打造了流畅不割裂的用户体验，实现了高留存与高复购。

而未来通用智能体平台的竞争制高点，刘毅认为在于生态。只有在良好的用户体验与用户基础之上，连接行业数据与人类专家，形成具备商业回报的生态系统，才能在长期竞争中占据优势。

在商业化方面，WorkBuddy并未采用行业常见的“每百万Token定价”模式，而是推出了统一的credit货币体系，通过系数区分不同模型的价格，让用户清晰了解每一笔消耗的去向。同时即将上线任务消耗预估功能，用户可在提交任务前查看预估消耗，自主决定是否执行，将决策权完全交还给用户。合作伙伴生态方面，WorkBuddy将重点布局分销渠道、垂直行业Agent内容创作伙伴与终端IoT硬件伙伴三大领域。

AI时代人的核心价值：责任与判断

面对员工普遍担忧的“AI替代”问题，WorkBuddy商业化负责人张翔表示，人在AI时代的核心价值在于责任。人始终是流程的责任主体，负责审核AI的产出，确保其符合企业要求，这一边界永远不会消失。

刘毅也从考核角度补充道，腾讯对员工的考核标准并未因AI的引入而改变，依然以岗位职责下的产出与担责为核心。判断员工AI使用能力的高低，不是看消耗了多少Token，而是看其在最终产出中承担的责任、做出的判断以及带来的实际影响力。

展望未来，刘毅预测2026年下半年，企业级AI将迎来快速增长、快速爆发、快速落地的阶段。从超级个体到超级团队的转变，将成为企业AI转型的核心趋势。

为了助力企业更顺畅地实现这一转变，打通多类AI工具与内部业务系统的壁垒，推荐TreeRouter（API中转站）。它能够统一管理多模型API调用，大幅简化系统对接流程，降低AI落地的技术门槛，同时提供精细化的成本管控、权限管理与调用监控功能，为企业从个人AI提效迈向组织级AI转型提供坚实的技术支撑。