騰訊大模型戰略首次全景亮相！智慧體平臺重磅上線，從“落地可用”到“智慧協同”

克雷西發自凹非寺量子位 | 公眾號 QbitAI

智慧體的開發門檻，又又又被打下來了！

昨天，騰訊雲在他們的AI產業應用峰會上，正式上線了全新的智慧體開發平臺，率先在行業內實現零程式碼配置多智慧體協同構建。

除了上線智慧體開發平臺，騰訊雲也對從AI Infra到模型到應用的整個體系來了波全面升級。

包括混元系列大模型，也迎來了重磅更新。

騰訊雲副總裁吳永堅對量子位表示：“騰訊雲在智慧體領域的產品佈局，是圍繞企業真實需求逐步演進的。整體思路是從場景出發，紮實解決實際問題，並推動能力從‘落地可用’逐步邁向‘智慧協同’。”

從一系列接踵而來的更新當中，可以看到鵝廠的企業級AI產品體系正在變得越來越完整。

對騰訊雲自身而言，這些釋出和更新也意味著其產品能力被進一步補齊。

多智慧體開發，零程式碼搞定

騰訊雲智慧體開發平臺的前身是“大模型知識引擎”。據吳永堅介紹，平臺在RAG能力、工作流能力、多Agent協作機制及To B實戰場景支援方面具備明顯差異化優勢。

平臺具備先進的RAG（Retrieval-Augmented Generation，檢索增強生成）能力，先從知識庫中檢索資訊，再由大模型基於檢索結果生成準確可追溯的回答。

在具體能力上，在複雜表格問答場景中表現突出；同時支援基於文件自動生成問答對並進行溯源校驗，有效降低運營成本。平臺還率先實現新舊文件比對與高效決策，支援僅針對增量內容生成問答對，顯著減少token消耗。

在支援拖拉拽零程式碼流程搭建的工作流中，騰訊雲智慧體平臺首次推出了具備全域性視野的Agent，支援靈活的節點回退和全域性意圖洞察，智慧控制節點跳轉。

吳永堅舉了個例子，假如讓Agent幫忙獲取一份天氣預報，明確地點和時間後就已經進入了執行環節，但使用者突然發現把地點說錯了，這時智慧體可以回退到地點資訊獲取節點重新詢問，而不是“傻傻的”往前執行而不顧使用者反饋。

此外，騰訊雲智慧體平臺還率先支援了零程式碼配置多Agent協同轉交，靈活配置滿足不同的Multi-Agent協同方式的搭建需求。

外掛生態方面，騰訊雲智慧體開發平臺整合了內部優質能力（如騰訊地圖、騰訊醫典）、RAG元件（如網頁解析、文件解析、Text2SQL）、以及透過MCP協議接入的第三方外掛，實現全面開放與能力融合。

同時，平臺沉澱了很多經過To B實戰打磨沉澱的優勢，支援平臺級、應用級、知識庫等完整許可權體系配置，同時具備企業級智慧體運維的管理後臺，真正做到靈活、可控、安全。

智慧體平臺的落地，對基礎大模型能力提出了更高要求。騰訊雲在大會上還帶來了混元系列大模型的最新進展，包括新模型的釋出和既有模型的升級。

深度思考模型T1全面升級，採用多階段強化學習訓練，競賽級數學能力提升8%；
快思考模型Turbo S，在全球arena榜單中上升到全球第八；
此外還包括視覺深度模型、端到端語音通話模型、生圖模型imageV2.0、3D生成模型3D V2.5以及可以實現工業級遊戲資產生成的混元遊戲模型。

隨著智慧體開發平臺的上線以及既有AI產品矩陣能力的提升，可以看到騰訊雲在大模型領域的產品體系正在日漸完善。

騰訊云為什麼要做智慧體開發平臺？

騰訊雲智慧體開發平臺的出現，順應了企業AI應用的演進過程，以及在一系列過程中湧現出的使用者需求。

吳永堅認為，To B是用於生產的嚴肅場景，使用者輸入問題的複雜度和多樣性比To C場景更高，對輸出的回覆要求更高，目前大模型能力在To B嚴肅場景還不能完全滿足需求，需透過產品能力體系化去解決。

騰訊雲智慧體開發平臺的出現，其實是圍繞著企業對於AI應用的多樣化需求逐步演進。

大模型的產品落地，按照產品形態可以分為：API接入、RAG應用、工作流應用和Agent自主決策的應用。在過去兩三年的時間裡，企業級大模型應用的發展過程，大概可以分為幾個階段：

首先，是最簡單的大模型API接入，使用者需求直接傳遞給大模型，由模型根據自身知識返回結果，用以AI聊天、搜尋等相對簡單的場景，透過更加自然、有趣的互動，幫助企業獲取更多流量收益；

第二個階段，透過RAG的加持，可以讓大模型結合企業垂直領域的知識提供更加精準、可靠的回覆；

第三個階段，透過工作流編排“原子能力”，搭建複雜工作流程，解決企業業務流程定製化的問題。

這三種方式，也是過去騰訊雲逐步演進並完善的主要智慧體構建方式，並且已經交付了眾多行業與場景，真正在落地在生產環境中，為企業產生價值。

近期，隨著大模型技術的升級，“模型自驅動”Agent也越來越火熱，即支援模型主動選擇和呼叫工具，並能夠主動糾錯和反思，相比於RAG能夠解決任務執行類的企業需求；相比工作流編排，配置成本更低，表現更靈活。

但是每一類模式的To B落地都會面臨非常多挑戰，比如：

API接入形式雖然輕量易用，但難以應對專業領域問題和複雜任務鏈路；
RAG提升了問答回覆精準度，但對流程執行類任務支援有限；
工作流編排支援人工編排固定流程，但很難保證靈活對話；
Agent雖具備更強的自主性與智慧性，但要全面適配企業級穩定性要求，仍需結合場景深入打磨。

這些問題都是企業使用大模型上會遇到的實際問題。在大模型落地如此困難的背景下，一站式開發平臺的重要性和實戰經驗沉澱就顯得尤為明顯了。

站在企業使用者的角度看，市面上的智慧體平臺已經琳琅滿目，選擇騰訊的優勢又是什麼呢？

騰訊雲的智慧體開發平臺經過To B實戰打磨，沉澱了在RAG、工作流實際的產品優勢功能，並升級支援了多Agent協同。

RAG：端到端的多模態解析大模型和檢索鏈路沉澱、支援複雜表格結構查詢（Text2SQL）、問答對自動生成；
工作流：內建全域性洞察Agent，具備流程回退能力；支援非同步任務控制；滿足企業級流程管控需求；
Agent：嚴審外掛中心的外掛質量，保障工具識別準確率與執行穩定性；新增支援多Agent協同編排，緩解單Agent的決策壓力和工具選擇壓力，讓不同的Agent各司其職，形成類似“專家協作”的機制，滿足企業複雜場景的需要。

平臺同時配套完備的許可權體系，和運營排查工具和管理後臺，能夠確保服務可靠執行。

目前智慧體開發平臺已經在騰訊雲多家客戶的多個場景中落地，據瞭解，在智慧客服落地場景，騰訊雲與一汽豐田合作，全面升級智慧客服體系，顯著提升客戶服務質量與運營效率。透過整合企業專屬知識，構建高質量問答能力，自2024年1月接入以來，智慧客服獨立解決率從37%提升至84%，大幅減輕坐席壓力，最佳化客戶體驗和服務效率。

在醫藥零售領域，大參林基於騰訊雲大模型知識引擎，構建了覆蓋藥品知識、銷售場景、職能辦公等多個場景的專屬AI知識庫，打造了“AI小參”問答助手，已服務總部與上萬家門店的5萬名員工，查詢響應時間縮短超80%。

在醫療行業文書撰寫場景，騰訊雲與邁瑞合作推出“啟元重症”智慧體。邁瑞透過行業模型結合工作流，對接院內系統，實現病情問答、文書生成、知識檢索一體化。醫生只需一句話，即可生成完整參考病例，病歷書寫效率提升近一倍。