21世纪经济报道记者吴佳楠
2026年，AI Agent赛道正站在一个微妙的分水岭上。
一边是从游戏研发到跨境电商，从智能客服到数据分析，Agent开始真正干活。腾讯云互联网行业技术总经理陈亮在2026腾讯全球数字生态大会期间接受包括21世纪经济报道在内的媒体采访时透露，无论Token调用数据还是WorkBuddy的交互次数，都呈现出斜率很高的增长。
钛动科技“钛极”大模型负责人丁俊玮同样表示，在广告营销领域，洞察、创意生产、投放调优三个环节，90%以上的工作任务都可以由Agent实现。
另一边是当所有人都在用AI生产内容时，AI“卷”AI的焦虑随之而来，当企业将Agent深度融入工作流时，成本的线性上升与收益的斜率之间的赛跑，成为需要计算的经济题。面向具身智能赛道，源策未来CEO李天羽认为，具身智能要求的99.99%稳定性，目前的大模型还很难做到，能够适配家居机器人或者服务机器人的这类模型，五到八年才能推向通用市场。
这正是2026年AI作为企业创新力最真实的一面，它不再是Demo，但仍要回答的是，AI发展到今天，究竟是成为了企业的创新力，还是只停留在工具层面的效率改良？经济账算不算得过来？边界究竟在哪里？
从2026腾讯全球数字生态大会发布的《AI Agent落地实践白皮书》看，答案不仅仅体现在WorkBuddy一系列产品矩阵背后，更在淘米、盛和、紫龙、畅游、富通天下等一批企业的落地实践中，从超级个体到超级团队，从对话到上岗，AI正在改写企业创新力，并跨越组织惯性、成本结构与商业判断的重重关卡。
腾讯云今年发布的企业级Agent解决方案，把智能体描述为能对话、能干活、能上岗，其角色从问答工具到流程连接器，再到按KPI交付的组织新角色。
陈亮认为，大家一直在探讨的AI让个人提效已经充分被验证了，现在是怎么做组织提效。“例如研发流程，原来产品经理提需求，再评审、开发、测试、发布、运维，AI来了以后你发现，它可能本身就是一个全栈，原来岗位职责的区别、工作流可能需要重塑。”
真实场景亦有印证。淘米网络手握《摩尔庄园》《赛尔号》《小花仙》等IP，核心矛盾是多IP并行、产能跟不上内容需求，策划出方案、美术画素材、内容再迭代，一棒一棒往下交，版本更新常卡在等素材。引入WorkBuddy与CodeBuddy后，接力跑被改造成并行协同，覆盖约80%员工，内容生产效率提升近80%。
游族网络的路径更彻底。这家国内最早一批出海的游戏公司，海外营收占比连续11年超过国内营收占比。它让Agent进入每一个岗位：算力由公司买单、全员免费无限额、接入47个模型，并以WorkBuddy作为企业级入口，把数据中台、资讯系统与广告素材链路封装成Skill，目前Agent渗透率超75%。2025年海外收入同比增长8.06%，公司将其部分归因于AI与广告业务融合，带动毛利率提升2.46%。
但漂亮数字之外，“组织重构”的代价正被重新计算，单位Token究竟能换来多少收入？
陈亮表示，互联网长期以来的商业模型建立在规模效应之上，规模越大，边际成本越低；但模型使用上，对于新的业务创新包括企业应用，成本可能偏线性，因为用户多、访问次数多，Token就多，所以技术上就在想办法，比如怎样使用国产的开源模型降低成本、怎么压缩上下文节省Token消耗，这也是企业在做内部组织提效以及外部业务创新时要考虑的。
降本因此被推到基础设施层。腾讯云TokenHub 以统一标准API支撑企业各部门快速接入、灵活迭代多家大模型。在播客平台小宇宙的场景中，热词提取、打标分类等高频任务超过70%请求命中缓存，单次调用输入成本最低降至0.02元；游卡游戏中，武将推荐、局内问答、武将介绍三大功能上线后，牌局内问答的平均响应延迟控制在2秒左右，较早期方案下降约40%，叠加DeepSeek以及HY3隐式缓存命中，单次推理成本降低约30%，回答质量稳定。
钛动科技算的是另一本账。过去一年，钛动推出Navos营销智能体，基于开源模型做广告营销领域的后训练，Agent已能吃下洞察、创意生产与投放调优三个环节90%以上的工作任务。产能跃迁是数量级的，过去一个设计师一天做十个视频已属高效，现在通过AI，一个人一天能生产上千个同样类型的素材。
但丁俊玮表示，产能释放后瓶颈发生了一次转移。“虽然内容生产效率提升了，广告投放最终还是要决定预算、要真的花钱。就算生产出一千个素材，最终可能还是只投其中一百个。所以现在人的精力已经成了广告营销领域的卡点。”更关键的是，模型无法替人承担这个判断，它能讲清情节和每一帧，却没办法告诉人这个广告视频最关键的那几秒是什么。
这正是钛动下一步后训练要解决的问题，把投放真实效果数据喂回模型，让它学到什么素材好、什么素材差，如何实现更优效果。这意味着，AI要成为创新力，得从会生产走向会判断。
陈亮表示，AI变革，路径可以是整体变革、划出新业务，或者找一个场景做试点。作为云服务厂商，腾讯云会跟企业一起探索能让ROI算回来的局部场景，例如在短剧制作、广告视频素材等场景，两年多前在大模型还没有很成熟的情况下，就已经通过技术管线、算法截取关键帧，然后做理解，通过理解抓热点，再通过热点结合产品的特性，再去二创一个新产品。
如果说企业Agent的落地是在确定性中寻找增量，那么具身智能则是在不确定性中摸索边界。
李天羽表示，拍一张照片问AI这是什么，可能答得八九不离十，视频理解能力已经有比较高的稳定性了。但它成功率到底是90%还是80%，都不是具身智能要求的99.99%。具身智能在物理世界中应用时，需要其具备长时间稳定运行的能力，而不是每执行十次任务就打碎一个杯子。
这直指当前具身智能赛道的核心矛盾：大模型在数字世界展现出的泛化能力，让市场对物理世界的智能产生了过高的期待，但物理世界的容错率极低。李天羽将稳定性拆解为多环节的链条，包括硬件平台的稳定性、软件平台的稳定性、通信的稳定性、云端网络可用性，最后才是算法的稳定性。“这些链路里，大家直观能看到的是智能，其实硬件和通信也是非常难以逾越的。”
被问及行业“大脑”的实质进展，李天羽认为，大部分具身智能模型，尤其“物理AI”这一层完成单个任务已不是难题，难点在于完成这个任务所需要投入的后训练数据采集和研发能力。问题在于，它解决的可能只是一个小场景，这个场景的可复制性、能带来的收入，可能和投入的研发不成正比。
一个例子是，即使是简单的机械臂控制，现在大模型的主流方案，在操作机械臂时，还要使用coding作为中介，或者使用大规模推理作为中介，这个推理的平均长度可能是数千Token，在这个Token 量级下，它的执行频率不管再怎么优化也不可能达到1赫兹，这远远达不到具身应用的需求。
“长期看，大家说模型可以做小型化、可以优化，算力也可以优化。但有一件完全没法优化的事，是假设算力无限、Token 能秒出，我们以10赫兹的速率控制一个机器人，按今天它的推理强度，如果让它7×24小时运行一个月，一个月要花千万级人民币的Token成本，这跟我们能够接受的价格差五到六个数量级。这个数量级的差距，不是今天芯片的发展能够弥补的。”李天羽表示。
李天羽认为，一个相对泛化、达到80%至90%任务成功率的模型会在两年内出现，但难以达到99.99%，更现实的部署路径是先落地于半结构化的商业零售与服务业场景，工业场景的尝试已经开始；真正的通用模型落地家居或服务机器人，保守讲还是需要五到八年时间。
陈亮表示，具身智能与通用大模型有本质差异，大语言模型包括多模态，互联网上有大量数据，具身智能涉及人形或者说具身的物理轨迹，数据获取相对更困难。数据采集、清洗、打标，大脑与小脑的训练，物理环境的仿真验证，这些环节构成了云端能力与具身智能企业的合作空间。
据了解，源策未来从大脑与小脑训练、数据处理管线到真机部署的链路，大部分都会部署在整个腾讯云生态里。
事实上，从个人提效到组织重构，从数字世界到物理世界，AI的创新力从来不在于它能生成多少内容、能调用多少工具，而在于它能否在真实的业务中，把人的执行力解放出来，同时让ROI能跑顺，投向更有价值的地方。
“怎么找到好的创新点，让收入增长的斜率变高，同时让Token消耗的斜率变低，这样产生出来的差值，才是我们真正带来的企业和社会价值。”陈亮表示。
或许这也是今年AI作为企业创新力真实的注脚。
