腾讯云AI技术周圆满落幕！回顾如何借助AI提升效率与盈利能力

作者 | 凌敏、刘杨楠、王玮

现在，随着人工智能的浪潮从互联网涌入传统行业，企业面临的一个重要问题就是：如何运用 AI 来降低成本、提升效率并增加收入。这个难题让很多公司都感到困惑。

在2025年腾讯全球数字生态大会即将开幕之际，腾讯云联合InfoQ推出了一个特别的「AI技术周」直播栏目。从9月8日到14日的7天时间里，每天都有两个小时的高强度内容，旨在带领开发者和企业深入探索AI技术的前沿，畅谈未来的发展趋势，并分享多款AI+产品的最新动态。这场为期一周的技术盛宴围绕AI基础设施、智能代理、数据库、大数据、安全、音视频、开发者工具和协同办公等多个关键话题，邀请了多位技术大咖进行深入的交流，助力“好用的AI”在各行各业的快速落地。赶快点击【阅读原文】，免费获取讲师课件和白皮书吧。

1. 破解硬核黑科技如何帮助企业低成本、低门槛搭建AI应用

如今，人工智能正逐渐成为企业中长期发展的“主引擎”，但在这个过程中，算力运维复杂、开发门槛高、需求碎片化和部署周期长等四大难题让许多公司却步。在AI技术周的第一期中，腾讯云的技术专家们通过四种硬核黑科技，逐一解决了这些行业痛点。

腾讯云CVM技术专家梁居宝指出，腾讯云CVM的弹性算力针对智能代理落地所面临的多重挑战，提供了一整套解决方案。通过创建基于模型上下文协议（MCP）的标准化工具调用框架，CVM将多个计算产品的API封装成标准化的MCP Server，向外提供服务，这些产品包括云服务器实例管理、自动化助手TAT和弹性伸缩AS等，已经上线到腾讯云开发者社区等多个主流平台。借助腾讯云CVM提供的MCP Server，开发者可以轻松快速地接入并使用各项云服务，大大简化了云资源的管理和操作流程。此外，MCP Server还提供了一个统一的云资源管理工具，用户可以灵活地将它嵌入自己的AI代理中，扩展更多的自动化应用场景，甚至可以将代理发布到主流AI平台，轻松通过自然语言完成云资源的管理和运维。

如果是更轻量级的业务场景，腾讯云推出了轻量应用服务器（Tencent Cloud Lighthouse），旨在帮助开发者以低门槛开始使用智能代理和MCP Server等AI应用的云端部署。腾讯云高级产品经理曹峻玮表示，智能代理的搭建需要经过需求开发、调试、验证、发布、部署、运行、监测等多个阶段。轻量云针对这一全流程推出了独立应用镜像，比如Agent沙箱提供代码执行和浏览器控制的能力，向量数据库服务则支持实现Agent记忆功能，显著提升了搭建效率。同时，轻量云还封装了流行的Agent开发工具Dify，提供从Agent构建到AI工作流编排，以及RAG检索模块管理等功能，进一步降低了AI应用的搭建门槛。

无论是训练复杂模型还是运行智能代理，背后都离不开强大的算力支持——尤其是GPU。腾讯云异构计算专家龚学健认为，算力是构建AI应用体系的基石，起着至关重要的支撑作用。对于从事AI应用开发的企业和开发者，选择合适的GPU是个关键任务，除了关注基础的算力和显存容量外，在大规模训练场景中，还需特别关注机内互联（比如NVLink）和机间互联（如InfiniBand / RoCE）的性能指标。

具体来说，在GPU选型的初期，首先需要明确具体任务需求，比如大语言模型的训练与推理场景对算力的要求差异很大。训练属于算力密集型任务，通常以吞吐量为导向，对通信要求高，而推理任务则更关注请求延迟。此外，选型还需结合模型特性和业务场景，以实现最佳的成本效益。

当企业在解决了AI算力需求并成功构建出AI应用后，接下来一个重要的问题是：如何确保这些应用，特别是大型模型应用，以高效且可靠的方式真正为用户服务？腾讯云异构计算高级工程师李东昊表示，从大型模型的生命周期来看，主要包括训练和推理两个阶段。目前，基础模型的训练通常由主要的互联网或AI公司完成，而对于大多数企业和开发者来说，常见的任务是对模型进行微调、对齐或直接使用现成的基础模型进行推理。因此，模型推理成为实现AI应用价值的“最后一公里”。在这个环节中，性能与成本、安全与合规是两大核心考虑因素。

目前，企业或开发者在尝试自主部署推理集群时，通常会遇到以下问题：首先是高昂的部署成本，包括算力、电力和机房硬件投入；其次，部署周期较长，需要组建团队并完成复杂的环境搭建；第三，运维难度大，需要协调算力、存储、网络等多种资源；最后，安全隐患，无论是自建集群还是使用第三方MaaS服务，都存在数据泄露和安全攻击的风险。针对这些痛点，腾讯云高性能应用服务HAI推理集群提供了一套完整的解决方案：支持按需计费、开箱即用，并提供全托管服务和可信执行环境。此外，HAI还具备智能扩缩容能力，支持基于定时策略和大型语言模型特有的指标（如等待队列长度、最小连接数等）进行弹性伸缩，以适应不同的流量场景，在保障服务稳定性的同时优化资源成本。

### AI 算力与智能体：企业数字化转型的新机遇

在最近举行的“AI 算力千百问”圆桌会议上，几位专家围绕算力的多样化应用进行了深入的探讨。说到中小企业在应用 AI 时遇到的算力选择和成本优化的问题，专家们一致认为，企业需要根据具体的模型和任务需求来合理配置算力、显存和网络资源。尤其是在 CPU 和 GPU 的配比上，得特别留意。同时，持续跟踪模型与推理引擎的优化也是不可或缺的，建议优先选择那些技术服务强大、合规可靠的云服务商，这样才能以高性价比获得所需的算力支持。

在尝试 AI 能力的初期，建议选择按需付费的云服务模式，采用低成本的配置来快速验证想法。其实，直接调用厂商提供的大模型 API 也是一个不错的选择，这样可以避免在模型部署上过早投资。而且，切忌一开始就追求庞大而全面的自研模型，应该从“小而准”的场景入手，逐步扩展。此外，团队还需理性评估业务需求，充分利用“小模型”来解决特定任务，确保资源得到最佳匹配，避免因为盲目使用大模型而造成资源的浪费。

想了解更多精彩内容，欢迎点击这里查看：
https://www.infoq.cn/video/j93Y519pZ0rluRmeQGQm

2 AI Agent 技术创新与企业级智能体快速落地路径

如今，AI Agent 正在以惊人的速度进入企业的生产、营销和服务流程中。不过，从一个流行的技术概念到一个可靠的“数字员工”，企业在实施过程中依然面临不少挑战。腾讯云 AI 技术周第二期的 AI Agent 专场邀请了来自各个领域的嘉宾，大家齐聚一堂，共同探讨企业级智能体的落地路径。

在智能体应用的过程中，企业普遍会遇到三个主要问题：知识问答的准确率不够，导致用户体验不佳；业务流程缺乏灵活性，信息一旦变更就得重新处理；多智能体之间的协作受限，无法实现高效的分工与衔接。为了解决这些痛点，腾讯云智能体开发平台的产品经理夏宇介绍，平台已经完成了RAG、Workflow 和 Agent三大应用开发框架的全面升级。RAG 现在进化成了 Agentic RAG，提升了知识问答的准确性；Workflow 引入了全局视野 Agent，可以在用户修改信息时，自动“倒带”到相应节点进行修正；而 Agent 框架则升级为 Multi-Agent，支持多种方式的协作配置。

此外，平台还提供了140多款高质量插件、可复用的提示词模板，以及80余套配套开发要点的应用模板，避免了从零开始的麻烦。同时，平台在应用评测、运营和权限管理上也进行了强化，确保企业的 AI 应用落地过程快速而可控。

可以说，腾讯云智能体开发平台就像是为企业通往 AI 世界修建的一条高速公路，而腾讯元器则是为每位创作者和开发者铺设的便捷通道。腾讯元器的产品运营张瑞波表示，元器与微信生态的结合是其最大的亮点。

公众号创作者通过一键授权即可将历史文章转换为知识库，并保持自动更新。比如育儿博主“童爸”，只花了10分钟就建立了自己的“数字分身”智能体，已经为6万个家庭提供了服务。在知识变现方面，元器内置的微信支付 MCP 能力，让创作者在智能体中实现商业收入。法律科普博主“飞哥”就是一个成功案例，他利用这一功能搭建了法律咨询智能体，短短两周就获得了千元以上的打赏。这说明，智能体不仅能够提升工作效率，还能开辟出新的商业模式。

AI在企业中的新角色：如何打破技术壁垒，实现高效落地

对于那些预算紧张、技术力量不足的小企业来说，微盛 AI·企微管家的创始人兼首席执行官夏京安指出，成功的关键在于降低使用门槛。企微的即时通讯功能正好成为了一个自然的切入点，员工们可以在熟悉的聊天环境里直接调用智能助手，身份验证和数据授权都能轻松衔接。此外，这些模型还能够通过不断的互动进行优化。在会议记录、审批、日程安排和请假等频繁的应用场景中，智能助手可以迅速接手任务，不影响工作流程。微盛的数据显示，结合企微的应用后，客服、营销、质检等环节的智能化应用显著提高了效率，并创造了可观的商业价值。在他们的实际操作中，借助企微的 AI 聊天跟进，销售转化率提升了30%，真正实现了低投入、高回报的成果。

然而，在更广泛的企业应用中，挑战显得更加复杂。腾云悦智的数据智能服务部副总经理梁卫星总结了四大难点：模型幻觉、数据安全、高质量数据和大模型性能。他提出的“知、行、赢”方法论强调，企业需要在三个阶段逐步推进落地。第一步“知”，即管理层和技术团队要对模型的边界和主要挑战达成共识；第二步“行”，通过咨询、方案设计、定制开发和效果优化逐步落实；第三步“赢”，在上线后利用真实用户数据不断反馈和迭代，从而形成持续的价值创造。这一方法论为企业在复杂场景中推进智能助手提供了切实可行的流程指导。

从腾讯云智能助手开发平台的技术进步，到元器降低创作门槛与探索商业模式，再到腾讯云智能助手与企微结合推动小企业的低成本实践，以及腾云悦智的方法论框架，可以看出，AI 助手的落地路径正逐步明确并成熟。在不同规模和行业的企业中，这一模式都得到了验证并被复制。随着技术能力、应用场景和组织流程的不断协调，AI 助手正在真正融入企业运作体系，担任“数字员工”的角色，并通过持续的迭代为业务创造可衡量的价值。

想了解更多精彩内容，请点击链接查看：
https://www.infoq.cn/video/Pd7y5EkGFke1KVrWwMiD

3 从被动存储到主动决策：AI 如何推动数据库与大数据智能进化

在数字化浪潮的推动下，数据与人工智能的深度融合已经成为企业构建核心竞争力的关键所在。

腾讯云 AI 技术周第三期直播聚焦“Data+AI”这一核心主题，邀请了四位来自腾讯云大数据和数据库领域的专家，系统性地分析了 AI 如何推动数据基础设施与大数据应用的智能进化，呈现了从数据交互、平台构建到存储引擎的全链路技术蓝图。

直播一开始，腾讯云大数据 WeData 的研发总监虎兴龙就深入剖析了当前 Data Agent（数据智能助手）在企业落地时面临的最大痛点，即信任缺失与沟通鸿沟。

企业花了重金构建 Agent，但业务人员（如市场和运营）在用自然语言提问时，AI 常因无法准确理解复杂的企业数据上下文，导致生成的 SQL 查询结果错误或不可靠。这使得 Data Agent 变成了“花架子”，业务决策仍需依赖数据分析师的手动介入，数据的潜在价值难以在 AI落地的“最后一公里”得以充分释放。

虎兴龙提出的解决方案是从根本上重塑人机协作的模式，核心在于构建一个统一的数据语义层（WeData Unity Semantics）。这个方案的深度在于，它认识到问题的本质并非优化 AI 写 SQL 的能力，而是要建立人与机器之间的新信任基础：数据上下文系统。在数据分析领域，人与机器共同理解的上下文包括：数据的概念、业务术语、数据之间的关系、指标、维度等业务语义。

WeData Unity Semantics 从统一元数据、统一治理和统一语义入手，为用户提供了一套数据上下文构建和治理的平台，规范了数据的概念、业务术语、关系、口径、分析维度的定义，并为下游应用提供了一致、可信、高效的数据访问接口，例如：MCP、API、JDBC、数据发现服务等。因此，AI 的交互模式从充满不确定性的文本到 SQL，转变为调用确定性的、封装了复杂逻辑的文本到 API。

这一转变将复杂性从难以预测的 AI 模型转移到了可由专家定义和治理的语义层，从而在机制上保证了查询的准确性与可解释性，为建立人机信任奠定了坚实的基础。

腾讯云大数据 EMR 的资深产品经理孙爱林指出了另一个普遍存在的组织与技术痛点：大数据团队与机器学习团队的“相爱相杀”。

由于历史原因，这两个团队往往使用不同的技术栈、独立的资源集群和割裂的运维体系。这直接导致了数据需要在平台间反复迁移，链路冗长；资源无法共享，造成了巨大的浪费；以及研发流程脱节，严重拖慢了从数据准备到模型训练的迭代速度。

腾讯云 EMR 提出的解决方案是构建 Data+AI 一体化平台，其核心价值在于“融合”与“统一”。通过统一存储、统一调度和统一计算，平台将原本分立的两个领域紧密相连。

例如，通过 TC-Catalog 提供覆盖结构化数据和非结构化数据及 AI 模型的统一元数据管理、权限管理等功能；支持 Spark、StarRocks、Hive、Xpark 等多种大数据及 AI 计算引擎，大数据和 AI 引擎可以平等统一地访问 Catalog 中的结构化数据、非结构化数据和模型文件，从而减少数据在大数据和 AI 系统间的搬迁。

这一方案的深层价值不仅在于技术上的集成，更是促进组织协同的催化剂。它将数据处理和模型训练视为一个连续的整体工作流，让大数据团队和 AI 团队在同一平台上协作，从而根除数据孤岛和流程内耗，为企业实现高效的 MLOps 打下基础。

数据时代的挑战与解决方案：腾讯云的智慧应对

在直播的下半场，我们将目光投向了数据的基石——数据库。现在行业面临的挑战可以说是两极分化。比如，对于那些流量波动极大的企业，比如电商和游戏，传统的固定数据库就像一个无形的枷锁，让他们在“资源浪费”和“流量崩溃”之间进退两难。而对于中小企业来说，虽然自建开源数据库听起来是个省钱的选择，实际上却会让他们面临高昂的隐性运维成本，比如安全、备份和监控等问题，可靠性也令人堪忧。

对此，腾讯云的数据库产品经理邓昕瑞和高级产品经理扶婕分别提供了一系列针对性的解决方案。

TDSQL-C Serverless采用了“计算存储分离”的云原生架构，从根本上解决了流量的不确定性。它可以灵活地控制资源的扩展和缩减，持续监测用户的 CPU 和内存等工作负载情况，并根据预设规则自动调整资源。它还具备自动启停功能和弹性防抖动能力。使用这种Serverless集群，企业可以大幅提升资源的利用率，节省成本，让计算资源像水电一样按需使用、按量付费，彻底摆脱繁琐的容量规划，轻松应对任何流量高峰。

而腾讯云的云数据库 MySQL可谓是其最经典、最具历史的公有云数据库产品，自推出以来已经为近20万家客户提供了服务。

这款云数据库 MySQL的经济型和单节点实例，正是针对中小企业的成本痛点所设计的。它利用云的弹性优势，以一个平易近人的价格，为预算紧张的客户提供了企业级的高可用性，同时也为开发测试等非核心场景提供了极具性价比的选择，明显降低了中小企业享受专业、稳定数据库服务的门槛。

总体来看，这场直播深入剖析了“Data+AI”时代所面临的行业难题，并提供了系统性的解决方案，为企业在追求数据智能化的过程中，如何建立信任、打破壁垒、平衡成本与性能，指明了明确的发展方向。

想了解更多精彩内容，点击链接查看：
https://www.infoq.cn/video/8SOET0sY3huapapqEMbK

4 数智时代的安全操盘手：AI 安全可控，风控增效无忧

对于企业来说，安全问题始终是重中之重。当业务飞速增长时，AI 安全又该如何充当企业的“隐形保镖”？智能风控又是怎样帮助企业节省百万营销预算的呢？展望未来，AI时代下的安全与风控趋势又将如何发展？在AI技术周的第四期节目中，腾讯云天御的风控与零信任技术专家，从风险识别和办公安全两个角度，深入探讨了数智时代的安全操盘手。

如今，互联网欺诈行为快速增长，预计到2024年，国内作恶手机号的数量将同比上涨30%，作恶IP的数量则将飙升95%。这些虚假手机号和代理IP被广泛用于攻击企业的营销活动，导致营销费用被恶意消耗，真正的用户难以受益，从而造成企业资源的浪费和转化效果的下降。需要注意的是，黑产攻击已经渗透到各个行业，从金融、电商到社交、直播、航空出行等领域，作弊手段五花八门，给企业带来了不小的风险。

腾讯云天御的风险识别正是基于大数据和AI技术的智能风控解决方案。

腾讯云天御：构建企业安全的新防线

腾讯云天御的风控专家王雷雷提到，他们的解决方案主要围绕风险感知、风险评估和风险处置三个方面来搭建一个全方位的安全体系。首先，在风险感知阶段，天御利用设备指纹技术，能够对设备的环境进行有效识别，并为每台设备生成一个独特的标识，这样就能轻松识别出异常情况。接着，在风险评估阶段，天御会把用户的账号信息，比如手机号、OpenID和IP地址等进行综合分析，评定出用户的风险等级。同时，他们还整合了多个行业定制化的策略，确保在不同的业务场景下都能精准识别风险。最后，在风险处置阶段，针对那些高风险行为，天御提供了多种验证方式，比如行为验证码和多因素认证，让安全防护更加可靠。

在如今远程办公和移动办公日渐普及的背景下，企业的办公安全也越来越重要。腾讯零信任产品负责人刘登峰指出，过去二十年，企业的办公模式经历了快速的变化，从最初的电子化办公逐渐演变为现在的智能协同办公。在AI技术的推动下，企业的办公效率得到了显著提升，但也带来了全新的安全挑战。

• 首先，AI技术大幅降低了网络攻击的门槛。如今，基于AI的钓鱼攻击平台可以自动分析目标企业的社交媒体和网站，生成高度仿真的钓鱼内容，攻击的效率比传统方式提高了好几倍。而且，AI还被用于生成恶意代码和深度伪造内容，使得钓鱼攻击变得更加复杂和隐蔽。

• 其次，企业运营需要提升效率来应对快速增长的安全威胁。安全运营团队面临着警报数量激增和专业人才短缺的双重挑战，因此必须依靠AI技术，从“辅助驾驶”向“自动驾驶”转型，实现智能化的运营升级。

• 第三，混合办公模式逐渐成为常态。远程与混合办公打破了传统的网络界限，增加了企业的暴露面和攻击面。而且，混合办公模式下设备的多样性和网络的复杂性，让传统的安全措施难以覆盖到所有终端，风险自然也就增加了。

• 最后，AI工具带来了企业数据泄露的新隐患。虽然这些工具提高了工作效率，但同时也可能导致数据泄露的风险。

基于自身的无边界零信任企业网最佳实践，腾讯推出了新一代的办公安全方案——腾讯iOA零信任安全管理系统（Zero Trust Security Management）。

刘登峰表示，在推动自主研发的零信任安全架构时，团队明确了几个核心方向。首先，安全架构需要全面转向零信任，而不仅仅是用零信任产品替代VPN，并且要推进全场景的接入。其次，以“终端All in one”为标准，在核心业务场景下推进零信任的建设，确保全终端覆盖。基于腾讯iOA与企业微信构建的智能协同办公方案，可以支持PC和移动端的双重访问，确保用户无论使用哪种设备或网络，都能安全接入企业内网，有效保护敏感数据不被泄露。此外，iOA还利用AI能力快速识别恶意样本，提升威胁响应和运营效率，并通过加密链路与终端环境评估，确保只有合规的终端能够访问内部的AI应用。

想了解更多精彩内容，请点击链接查看：
https://www.infoq.cn/video/FCd29mVdmZOBcXu0Wulg

5 解码AI时代的实时交互秘籍：万物互联，实时互动

当实时音视频互动技术从“看得清、听得见”的初级阶段发展到今天，我们正迎来一个由AI驱动的新纪元，追求极致的沉浸感与智能交互。在腾讯云AI技术周的第五期直播中，腾讯云音视频的多位专家与行业创业者共同探讨了AI与实时交互深度融合的未来蓝图。从能够感知情绪的AI玩具，到跨越语言障碍的实时翻译，再到虚实结合的在线娱乐，这场技术与思想的碰撞展现了AI如何为实时互动注入活力，并催生出巨大的商业机会。

AI陪伴玩具、具身智能、智能穿戴、智能点餐、导览、AI面试等AIoT场景，越来越多地融入了我们的日常生活。那么，这些场景是如何实现人与硬件的自然“对话”的呢？

腾讯云音视频TWeTalk产品负责人黄成言在直播中深入探讨了TWeTalk方案背后的思路。腾讯云音视频TWeTalk是为智能硬件量身定制的AI对话软硬件一体化产品，通过与主流嵌入式芯片和模组厂商合作，整合端-云-通信的全链路能力，为AIoT设备提供了一站式接入，成为AI赋能智能硬件的标杆实践。

标题：让智能玩具更有温度，腾讯云音视频带你体验未来互动

最近的一场直播活动中，真是让人眼前一亮！和黄成言老师一起出现在镜头里的，还有一只“会说话”的QQ公仔。这玩意儿可不简单，它不仅能回答问题、讲故事，还支持双向微信通话。用户只需通过语音指令，比如说“帮我呼叫妈妈”，就能直接拨打微信联系人电话，甚至还可以通过手机小程序一键呼叫这个玩具。正如黄老师所说，“当IoT遇上AI，让你的公仔变得更温暖。”她还预测，未来AI玩具、具身智能和智能穿戴将会成为AI与智能硬件结合的新兴热门领域，腾讯的AIoT也会与合作伙伴一起，共同打造生态，持续探索新机遇。

另外，腾讯云音视频的创新解决方案首席布道师章怡成，更是把视野放得更大，TRTC实时对话式AI解决方案正在为各行各业带来颠覆性的互动新可能。

值得一提的是，多模态能力的提升让大模型拥有了“眼睛”，这使得与用户的互动变得更加自然。而在教育领域，AI辅助教学的应用也在迅速发展，有的案例甚至单月使用超过100小时。与此同时，物理形态的产品在陪伴场景中的重要性愈发明显。像QQ公仔这样的产品在拥有对话能力后，情感价值也随之提升。随着消费电子产品与AI代理的结合，未来会出现更多新应用场景和机会。

在直播的主题分享环节，腾讯云音视频实时互动产品负责人郑光键，以及实时互动解决方案负责人涂签杭和热爪APP的负责人邵海涛还进行了一场圆桌讨论，探讨了实时互动产品应用的新场景与机会。

涂签杭分享了他在过去一年主导的在线电玩城项目，成功上线了在线娃娃机和在线游戏机等客户案例。而邵海涛则从创业者的角度分享了热爪APP的实践经验。他是一位资深的抓娃娃爱好者，决定将线下体验搬到线上，采用“平台+商户入驻”的模式，和优质实体店合作，严格筛选保障玩具质量和设备的稳定性。为了尽可能还原线下的操控感，团队在控制摇杆方面投入了大量研发，最终选择了腾讯云的TRTC作为核心技术，凭借清晰的画质、低延迟和高稳定性，实现了与竞争对手的差异化优势。目前，该平台已接入近700台设备，营业额相当于80到100家线下门店。腾讯的郑光键补充道，TRTC的全球端到端传输延迟可低于300毫秒，使用户能在屏幕另一端操控实体机械，实现跨空间的即时互动体验。这项技术不仅适用于在线娱乐，还具备远程巡检、工业机器人操控及远程医疗等多种扩展潜力。郑光键表示，腾讯云将继续以实时互动技术为基础，帮助更多企业和开发者探索真实、即时、跨空间的创新场景，寻找新的增长机会。

从会说话的QQ公仔到隔空抓娃娃的热爪APP，这些案例展现了音视频交互的巨大潜力。随着技术的不断成熟，人机关系将越来越紧密，我们正朝着万物互联、实时互动的未来迈进。企业和开发者需要做的，就是敏锐把握技术趋势，抓住由此产生的新场景和机会。

想看更多精彩内容，点击这里查看：
https://www.infoq.cn/video/2k0OtvTEeH6FdvvNoZCU

6 AI DevOps 工具如何破解企业研发效能瓶颈？

AI浪潮正在以前所未有的方式重塑软件开发的全生命周期，已经不再是单纯的编码辅助工具，而是深入企业研发流程，重构协作模式和生产效率。腾讯云AI技术周第六期直播邀请了腾讯TAPD架构师负责人鞠武军、产业方代表丽呈集团研发产品总监李延铮及腾讯CNB运营负责人王春雨，从协作平台、产业实践和底层工程三个维度，全面解读AI DevOps工具如何破解企业研发效能的瓶颈，将业务想法高效转化为可上线的敏捷价值流。

直播一开始，腾讯TAPD架构师负责人鞠武军就指出了当前企业研发流程中的主要痛点——工具链的混乱与割裂。他说，目前企业开发的工具链非常复杂，开发人员在处理相对简单的任务时，往往需要对这些繁冗的工具链进行改造，导致额外的工作量。同时，很多复杂的工具平台仍然无法满足企业特定的场景需求，企业需要进行大量的定制化调整。

面对五花八门的工具链，企业不仅会遭遇“选择困难症”，而且即便经历了重重挑战，选出了一套工具链，往往也发现不同工具之间的操作无法互通，基本上得靠产研团队自己去拼凑，而在拼凑过程中，还会面临数据链割裂的问题，进一步增加了数据安全的风险。

在这样的背景下，腾讯提出的解决方案是以TAPD（腾讯敏捷产品开发）为枢纽，构建一条智能化的敏捷价值流。这并不是要取代所有工具，而是通过标准化的连接模型，灵活地将企业现有的各种工具根据业务需求接入到价值流中。

标题：AI赋能企业，打破协作壁垒，实现效能飞跃！

更令人振奋的是，腾讯在连接的基础上，加入了 人工智能和自动化技术。比如，通过 AI 来自动检查需求的完整性，或者在代码合并之后，自动启动后续的构建、测试和部署流程。这种新模式让研发过程不再是孤立的，转而成为一个由数据和 AI 驱动的、流畅的价值创造系统，彻底解决了工具链混乱给效率带来的困扰。

丽呈集团的研发产品总监李延铮提到的一个普遍问题是：DevOps工具和流程往往只局限于开发团队内部。而业务团队（像运营和市场）通常通过邮件、聊天等非结构化的方式来提出需求，这样就容易造成信息不全和理解偏差，导致大量的沟通返工，造成研发过程中的“翻译成本”和时间浪费。此外，如何以低成本将协作流程扩展到庞大的外部合作伙伴，也是个大难题。

丽呈集团的实践展示了如何打破研发团队之间的“围墙”。他们的巧妙之处在于将TAPD的能力向业务前端和合作伙伴进行“外溢”。

在内部，他们利用“AI需求评审助手”功能，把需求规范转化为AI评审规则，帮助业务人员提交更高质量的需求，把源头治理从“人找人”变成了“系统找人”，这不仅提升了效率，也提高了质量。对外，他们通过调用TAPD的开放API，在自研系统中为数万家酒店用户创建了反馈和跟进渠道，以极低的成本把协作体系延伸至业务末端。可见，真正的效能提升，需要将DevOps的协作理念和平台能力，从研发内部扩展到整个业务生态，构建一个覆盖全链路、快速响应的价值网络。

最后，腾讯CNB的运营负责人王春雨深入分析现代软件开发所面临的严峻挑战：工程复杂度的爆炸性增长。尤其是算法驱动的应用，往往拥有数百GB的代码库，使得本地开发几乎难以承受；复杂的依赖管理、安全规范和构建流程等，极大增加了开发者的认知负担，导致他们将大量时间花费在与核心业务逻辑无关的“杂务”上。

腾讯云的解决方案直击这些痛点。首先，他们基于容器技术创建了云原生开发环境，将开发工作从性能有限的本地机器转移到云端，提供按需、弹性的强大算力，根本上解决了环境配置和大规模项目构建的瓶颈。

而AI代码助手CodeBuddy是腾讯云自研的一款编程提效工具，能以插件形式安装在VS Code或JetBrains等IDE中，帮助开发者编程；基于腾讯的混元+DeepSeek双轮模型驱动，为开发者提供技术问答、Craft编码智能体、智能代码补全、单元测试、智能评审和代码修复等智能功能，兼容MCP开放生态，帮助提升开发者的编码效率和质量。在演示中，CodeBuddy可以独立完成从需求分析、UI生成、全栈代码编写，到安全扫描、问题修复和部署的整个流程。

这标志着开发模式的根本性转变：AI不再是被动的助手，而是作为主动的“智能同事”，承担了大量工程事务，让开发者能真正把精力集中在业务创新和架构设计等高价值工作上。

综上所述，本期直播系统阐述了AI DevOps如何通过战略性的平台、包容性的流程和革命性的工具，解决当今软件研发中的核心痛点。这预示着，研发效能的下一次飞跃，将源于一场由AI驱动的、覆盖从业务协作到代码工程的全方位智能化变革。

7 从协同到增长：AI如何推动企业效能跃升

AI技术正在以惊人的速度重塑企业的运营模式和增长路径。在这样的变革浪潮中，许多企业都在思考：AI协作到底怎么才能真正落地？企业会面临哪些瓶颈与挑战？更重要的是，AI究竟如何重塑团队协作、提升组织效能？在实际业务场景中又是怎样推动效率提升的？在AI技术周第七期栏目中，腾讯的三位技术专家围绕合同管理、知识管理和企业调研这三大关键领域，探讨AI如何推动企业效能的提升。

具体来说，在合同管理中，合同的生命周期通常可以被概括为“拟 – 审 – 签 – 管”四个步骤，尽管这些步骤在各大企业中已运用多年，但每个步骤仍然存在无法回避的痛点。首先，在合同的起草、修订和审查阶段，文案工作量巨大、细节繁多，容易导致效率低下和错误频出。其次，协作效率低下。一份合同涉及的角色非常多，频繁的版本更新和并行处理，容易造成沟通不畅和协作低效。此外，合规管控也难，容易出现遗漏和管理失控的情况。最后，数据同步困难，合同的检索、履约和统计数据难以实时同步。

针对这些痛点，腾讯推出了电子签解决方案。腾讯电子签的AI产品研发经理金元浩指出，该方案基于腾讯云的AI基础设施，通过AI智能写作、AI智能审核、AI智能提取、AI智能签署四大核心能力，全面赋能合同的整个生命周期。

腾讯 AI 助力企业高效管理与决策

说到AI的智能写作，首先能帮我们减轻那些重复文书和信息检索的负担；而在智能审核方面，它可以提前识别潜在风险，以更专业的方式适应企业各自的规章制度。再看看智能提取，这项技术可以迅速抓取合同中的关键信息，甚至能够发出履约风险的预警。至于智能签署，它能智能匹配签署组件，并且识别手写签名和进行视频语音验证，这些都大大提升了效率。

在知识管理方面，腾讯有一个名为“乐享”的平台，自2008年上线以来，一直是内部知识沉淀和共享的重心。到了2017年，乐享开始向外部提供服务，而在2023年推出了AI版本，预计2025年会有结合DeepSeek大模型的DS版本。目前，乐享已经积累了腾讯超过80%的原创知识，95%的员工每天都会使用，知识总量已达到150万份，月浏览量也突破了5000万次。

根据腾讯乐享的高级研发工程师杨锡坤的说法，乐享知识库的核心功能包括：多种格式的知识统一管理、知识更新和属性管理、企业级权限与安全控制、数据洞察以及智能问答检索和追溯。整个AI知识库的架构中，导入的知识会先通过OCR模型和音视频解析服务进行初步处理，然后再用语义拆分模型将其切割为合适的文本片段，最后经过图片理解模块深度解析，并通过精调的向量模型计算写入AI数据库。

在企业调研方面，传统流程通常包括需求沟通、研究设计、研究执行和研究输出四个阶段。腾讯问卷的AI产品负责人傅薇指出，这些阶段中都有一些长期困扰企业的痛点。例如，在需求沟通阶段，往往会出现需求模糊和沟通成本高的问题；而在研究设计阶段，设计效率可能会低下；至于研究执行阶段，数据清洗和主观题分析不仅耗时还容易出错；最后在研究输出阶段，分析的不深入和报告产出效率低也是普遍存在的挑战。

针对这些行业痛点，腾讯问卷推出了全面的AI解决方案，核心目标就是把可以自动化和标准化的环节交给AI去处理，这样人力资源就能集中在更高价值的判断和决策上。从问卷设计、执行到分析，整个流程都能打通定量问卷和定性访谈，支持大样本统计，也能实现深度洞察。更棒的是，系统可以在网页、H5和小程序等不同平台上使用，方便团队协作，有效降低整体流程成本。

在“AI如何提升团队协作与组织效能提升”的圆桌讨论中，三位嘉宾围绕AI Agent等话题展开了热烈的讨论。金元浩提到，Agent技术发展迅速，行业内对它的潜力十分关注，但在实际应用中，它距离全面落地还有些距离，整体仍在探索阶段。Agent的定义主要包括感知环境、决策和执行三个环节，而在AI合同场景中，这三点面临着不少挑战。

关于企业调研与Agent技术的结合，傅薇表示，腾讯问卷已经引入了AI Agent的能力，提升数据分析和用户访谈的智能化水平。在AI报告生成方面，腾讯问卷利用Agent技术，有效解决了大模型在数据分析中计算结果不准确和输出不稳定的两个痛点；在AI访谈场景中，构建了访谈Agent以实现更深入的用户信息挖掘。在AI知识库领域，杨锡坤认为，Agent技术明显提升了问答系统的能力，乐享在优化问答效果的过程中也引入了先进的Agent构建思想，比如使用表格计算工具和专业研究模式来增强对用户问答意图的识别和问题拆解能力。

8 结语

腾讯云 AI 技术周的启示：未来更智能的前景

虽然腾讯云的 AI 技术周已经落下帷幕，但这场盛会激发的关于 AI 未来的讨论和想象，正在转化为一行行代码和一个个实用的解决方案，逐渐在各个行业扎根。可以说，AI 现在已经融入了腾讯的“新业务基因”。

在2025年腾讯全球数字生态大会上，我们也目睹了腾讯在 AI 技术和产品方面的最新进展。例如，从基础设施的角度来看，腾讯云推出了名为“Agent Runtime”的 Agent Infra 解决方案，腾讯的混元大模型也进行了再一次的升级，同时腾讯云智能体开发平台（ADP）也在全球范围内发布了3.0版本等等。

借助智能体解决方案、“SaaS+AI”和大模型技术这三大升级，腾讯云全面开放了 AI 的落地能力以及优势场景，助力“好用的 AI”在各行各业快速应用。当技术的重大突破转化为业务的实质增长，一个更加智能的未来，正一步步向我们走来。