5月21日，在2025騰訊云AI產(chǎn)業(yè)應(yīng)用峰會上，騰訊云副總裁、騰訊云智能負責(zé)人、騰訊優(yōu)圖實驗室負責(zé)人吳運聲發(fā)表主題演講。吳運聲認為，當前AI應(yīng)用領(lǐng)域呈現(xiàn)出交互體驗更豐富、模型使用更高效、應(yīng)用構(gòu)建更快捷等趨勢。圍繞新的客戶需求，騰訊云在多模態(tài)語音交互、模型訓(xùn)推、智能體開發(fā)等層面不斷迭代更新產(chǎn)品能力，幫助用戶把技術(shù)創(chuàng)新更快地轉(zhuǎn)化為實際生產(chǎn)力。

騰訊云副總裁、騰訊云智能負責(zé)人、騰訊優(yōu)圖實驗室負責(zé)人 吳運聲

吳運聲提到，為提升用戶與AI應(yīng)用之間的交互體驗，騰訊云正式發(fā)布“騰訊云語音PaaS解決方案”。該方案通過將領(lǐng)先的ASR大模型、TTS大模型與TRTC的實時通信能力深度融合，構(gòu)建起 “語音輸入→智能處理→自然輸出→實時交互” 的全鏈路閉環(huán)，為企業(yè)提供低成本、可快速搭建的語音交互解決方案，幫助企業(yè)優(yōu)化用戶交互體驗。

在模型訓(xùn)推層面，騰訊云TI平臺也實現(xiàn)了全面升級。首先，騰訊云TI平臺升級了精調(diào)工具鏈提供蒸餾精調(diào)、強化學(xué)習(xí)等更多訓(xùn)練方式，并面向自動駕駛領(lǐng)域的廣泛需求推出自駕模型訓(xùn)練能力。同時，TI平臺在資源調(diào)度方面也全面升級，支持訓(xùn)推一體、潮汐調(diào)度。成本是決定大模型是否能落地的關(guān)鍵因素之一，TI平臺持續(xù)升級內(nèi)置的Angel加速套件，以業(yè)界領(lǐng)先的推理加速能力，幫助企業(yè)降本。

從大模型到智能體，AI應(yīng)用步入“平權(quán)時代”。對此吳運聲指出：“智能體的廣泛應(yīng)用將成為企業(yè)創(chuàng)新提效的利器。”為此，騰訊云將大模型知識引擎全面升級為騰訊云智能體開發(fā)平臺，通過行業(yè)領(lǐng)先的RAG技術(shù)、全面的Agent能力、以及實戰(zhàn)打磨出來的匹配用戶需求的功能，幫助用戶在大模型時代快速構(gòu)建智能體。

他表示，經(jīng)過多個真實業(yè)務(wù)場景的打磨，騰訊云智能體開發(fā)平臺沉淀出了多項核心能力，不只是“能用”，而是真正能夠貼合企業(yè)復(fù)雜業(yè)務(wù)、可落地、可運營，滿足企業(yè)的全鏈路需求。例如，QQ瀏覽器基于騰訊云智能體開發(fā)平臺，推出了智能體Qbot，通過各種AI助手來幫助用戶執(zhí)行下載、應(yīng)用更新等任務(wù)。

以下為演講全文：

各位領(lǐng)導(dǎo)、嘉賓、媒體朋友們，

大家上午好！

我是騰訊的吳運聲，很高興在這里跟大家分享騰訊云在大模型工具和智能體開發(fā)層面的進展和思考。

前面混元的同事也有提到，今年以來，模型的進展非?？?，很多AI原生的應(yīng)用在涌現(xiàn)。我們看到了幾個明確的趨勢：

首先，大語言模型和多模態(tài)模型進一步融合，用戶和AI應(yīng)用之間的交互，已經(jīng)從文字進一步演化到語音、視頻等形式。多樣的交互體驗進一步提升了AI應(yīng)用的滲透率。

其次，訓(xùn)練和推理的效率持續(xù)提升。通過算力管理調(diào)度、推理加速優(yōu)化等手段，算力的利用率不斷提升，模型的使用成本降低，這也進一步推動了模型在更多場景落地。

第三，智能體加速落地。今年以來，智能體這個話題特別熱，智能體能夠?qū)崿F(xiàn)自主規(guī)劃執(zhí)行路徑、靈活調(diào)用工具，極大地降低了企業(yè)構(gòu)建AI應(yīng)用的門檻。通過智能體開發(fā)平臺類的工具，企業(yè)可以快速落地智能體。

圍繞著這三個趨勢和客戶需求，我們也在多模態(tài)語音交互、模型訓(xùn)推、智能體開發(fā)等層面不斷迭代更新產(chǎn)品能力，幫助用戶把技術(shù)創(chuàng)新更快地轉(zhuǎn)化為實際生產(chǎn)力。

在交互體驗上，我們在語音識別、輸出、實時傳輸?shù)葘用娌粩鄡?yōu)化，力爭為用戶帶來更智能、更擬人的語音交互體驗。

語音識別是語音交互的前置重要模塊，ASR準確率的提升，可以明顯提升全鏈路的智能度。相比較傳統(tǒng)的ASR技術(shù)，我們的ASR大模型擁有更強的識別能力，在遠場、噪音等復(fù)雜場景下，字錯率明顯下降。同時支持方言識別，還可以動態(tài)適應(yīng)不同口音、不同語速，真正讓AI“聽得懂”。

在輸出層面，我們的TTS大模型在擬人度、韻律自然度上明顯提升，發(fā)音接近真人自然對話感。TTS大模型可以快速理解本文內(nèi)容，用貼合文本情緒的聲音進行演繹，顯著降低了傳統(tǒng)TTS輸出的人機感。

同時，在實時人工智能交互場景中，LLM及時接收和處理用戶的音視頻數(shù)據(jù)至關(guān)重要。TRTC的超低延遲通信確保了全球范圍內(nèi)音視頻傳輸?shù)亩说蕉搜舆t低于300ms，同時將對話延遲保持在1000ms以下，近似人類自然對話的響應(yīng)時間，讓用戶享受到流暢自然的互動。

今天，我們也正式發(fā)布“騰訊云語音PaaS解決方案“。

我們將前面提到的 ASR大模型、TTS 大模型與TRTC 的實時通信能力的深度融合，構(gòu)建起 “語音輸入→智能處理→自然輸出→實時交互” 的全鏈路閉環(huán)，為企業(yè)提供低成本、可快速搭建的語音交互解決方案，幫助企業(yè)優(yōu)化用戶交互體驗。

在底層，企業(yè)也可以靈活接入混元、DeepSeek 等大語言模型服務(wù)，實現(xiàn) AI 與用戶之間的實時互動，打造符合業(yè)務(wù)場景的 AI 實時對話能力。

面向企業(yè)大模型構(gòu)建的需求，我們的機器學(xué)習(xí)平臺TI平臺持續(xù)升級。

首先是全面升級模型訓(xùn)練能力。我們及時跟進騰訊混元以及開源社區(qū)進展，更新或上架了騰訊混元系列、Deepseek系列，LLama4系列等模型。我們也升級了精調(diào)工具鏈，支持更多訓(xùn)練方式，主要是蒸餾精調(diào)和強化學(xué)習(xí)等。其中，基于DeepSeek R1/V3 蒸餾其他模型，是非常實用的訓(xùn)練模式，可使用較小模型來提供接近 R1的推理能力，我們提供了詳細的最佳實踐以及配套的數(shù)據(jù)萃取工具，幫助用戶更高效完成蒸餾。

同時，面向自動駕駛領(lǐng)域的廣泛需求，我們內(nèi)置了相應(yīng)的訓(xùn)練鏡像，可以快速啟動BEVFormer、FastBEV等多個主流自駕模型訓(xùn)練，降低企業(yè)研發(fā)啟動成本。

在工具鏈之外，TI 平臺在資源調(diào)度方面也全面升級，支持訓(xùn)推一體、潮汐調(diào)度?；谶@個能力，TI 平臺能在夜間，將在線推理業(yè)務(wù)的閑時算力，自動調(diào)度給離線訓(xùn)練任務(wù)和離線數(shù)據(jù)處理任務(wù)，從而大幅提升資源利用率。與此同時，我們也提供了靈活可配置的排隊策略，滿足不同場景下的排隊、調(diào)度需求。

某頭部消費電子企業(yè)，基于 TI 平臺統(tǒng)一管理集團算力，支撐了大模型和傳統(tǒng)CV小模型的研發(fā)，應(yīng)用在電視產(chǎn)品文案生成、視頻分析等場景?；?TI平臺提供的精調(diào)工具鏈和資源管理能力，AI研發(fā)整體提效50%以上，GPU資源利用率也提升了80%以上。

成本是決定大模型是否能落地的關(guān)鍵因素之一，TI平臺持續(xù)升級內(nèi)置的Angel加速套件，以業(yè)界領(lǐng)先的推理加速能力，幫助企業(yè)降本。

在技術(shù)升級方面，我們通過深挖內(nèi)核和架構(gòu)延展，在精度幾乎無損的前提下，實現(xiàn)服務(wù)時延的大幅降低，以及吞吐能力的大幅提升。相關(guān)加速能力支持社區(qū)主流的SGLang和VLLM兩個引擎。

近期，我們對SGLang推理框架的優(yōu)化也獲得了SGLang核心作者的認可，感謝我們對FlashMLA后端進行了深度優(yōu)化，相關(guān)技術(shù)方案已經(jīng)貢獻至開源社區(qū)。當然，我們面向商業(yè)化客戶會提供經(jīng)過更加嚴謹測試的、性能更優(yōu)異的版本。

基于以上技術(shù)優(yōu)化，我們實現(xiàn)了行業(yè)領(lǐng)先的加速性能。我們在控制首token延時、并保障吐字速率的同時，大幅提升了QPM。比如在3.5K輸入、1K輸出的典型場景下， 保障首Token延時不高于2秒，吐字速率不低于每秒20 Tokens的同時，2機16卡的QPM可以超過100。當前這些性能都是行業(yè)領(lǐng)先的。

上述加速能力，我們也已經(jīng)在行業(yè)內(nèi)進行交付和應(yīng)用。某頭部新能源汽車制造商基于TI平臺統(tǒng)一納管算力部署DeepSeek專屬模型，支撐知識問答、營銷、座艙語音助手等多個業(yè)務(wù)場景。在使用TI平臺提供的Angel加速能力后，DeepSeek的模型綜合性能顯著提升，資源成本顯著降低。

從模型到智能體，AI應(yīng)用落地的門檻正在逐步降低。智能體的廣泛應(yīng)用或?qū)⒊蔀槠髽I(yè)創(chuàng)新提效的利器。知識庫、插件工具、Multi-Agent框架等正在驅(qū)動著智能體不斷升級，成為懂企業(yè)知識、能調(diào)用工具、自主執(zhí)行復(fù)雜任務(wù)的得力助手。

今天，我們將大模型知識引擎全面升級為騰訊云智能體開發(fā)平臺，通過行業(yè)領(lǐng)先的RAG技術(shù)、全面的Agent能力、以及實戰(zhàn)打磨出來的匹配用戶需求的功能，幫助用戶在大模型時代快速構(gòu)建智能體。

我們始終相信，企業(yè)的智能化能力，必須建立在對企業(yè)私域知識的深度激活和挖掘之上。只有懂企業(yè)知識，智能體才能發(fā)揮最大價值。

我們的RAG能力行業(yè)領(lǐng)先，能夠?qū)崿F(xiàn)：

從復(fù)雜 Excel 表中精準提取答案，支持對接數(shù)據(jù)庫，通過Text2SQL，用戶用自然語言即可精準查詢、秒級返回。

支持從文檔自動生成問答對，并對完整的問答進行校對和管理，全流程可控，顯著降低運營人力投入的時間成本。

同時，支持文檔間比對，輔助高效決策，支持版本對照，高亮增刪改的內(nèi)容，配套 “保留兩者 / 刪除舊版 / 合并更新” 等處理方案一鍵執(zhí)行，支持僅對變更片段生成問答對，顯著降低token消耗。

借助這三項能力，企業(yè)可以用最小的投入快速完成知識更新與決策閉環(huán)，為智能體持續(xù)進化奠定堅實基礎(chǔ)。

在RAG基礎(chǔ)上，我們提供了全面的 Agent 能力支持。這些能力源自大量企業(yè)場景的實戰(zhàn)打磨，既保障了落地所需的穩(wěn)定性和確定性，又保留了對話智能的靈活性，真正實現(xiàn)了易用上手與復(fù)雜場景適配的雙重兼顧。

比如，我們在工作流中首創(chuàng)具備全局視野的Agent，支持參數(shù)回退和全局意圖洞察，對話表現(xiàn)靈活自然；

同時，我們首創(chuàng)零代碼配置多Agent協(xié)同轉(zhuǎn)交，簡單易上手的轉(zhuǎn)交關(guān)系配置，讓用戶能輕松實現(xiàn)模型驅(qū)動的自動協(xié)作，構(gòu)建“多專家”體系，有效分擔(dān)單體 Agent 的任務(wù)壓力；

在插件生態(tài)上，我們?nèi)嬷С諱CP協(xié)議，平臺預(yù)置了豐富的騰訊內(nèi)、外部插件，開箱即用；同時支持自定義插件快速接入，極大提升系統(tǒng)擴展性與可組合性；

依托穩(wěn)定的工作流編排、多智能體協(xié)同機制和完善的 MCP 插件生態(tài)，企業(yè)可以快速搭建高可用、可演進的專屬智能體系統(tǒng)。

經(jīng)過多個真實業(yè)務(wù)場景的打磨，我們的智能體平臺沉淀出了多項核心能力，不只是“能用”，而是真正能夠貼合企業(yè)復(fù)雜業(yè)務(wù)、可落地、可運營，滿足企業(yè)的全鏈路需求。

首先，我們提供完善的權(quán)限體系配置體系。

支持平臺級、應(yīng)用級、知識庫級的多層權(quán)限體系配置，不管是按組織架構(gòu)、崗位角色，還是黑白名單控制，都可以靈活支持。比如，騰訊學(xué)堂是服務(wù)于騰訊內(nèi)部的培訓(xùn)平臺，知識規(guī)模龐大，權(quán)限體系復(fù)雜?；谖覀兊钠脚_，結(jié)合外部權(quán)限控制的方式，騰訊學(xué)堂可以靈活配置權(quán)限，快速落地問答助手。

其次，我們支持意圖達成方式的配置。

在實際業(yè)務(wù)中，不同場景對意圖響應(yīng)的優(yōu)先級存在差異。在我們的平臺上，用戶可以按業(yè)務(wù)需求靈活設(shè)定響應(yīng)路徑，確保優(yōu)先走最合適的方式。如果存在多個易混淆意圖，模型同時給出多個意圖候選，引導(dǎo)用戶選擇。

第三，我們的平臺提供真正面向上線運營的全鏈路支持。

從智能體發(fā)布上線，到后續(xù)的運營監(jiān)控、配置管理，我們都有完善的 OP 系統(tǒng)支持。無論是企業(yè)級 TPM/QPM 配置，還是體驗應(yīng)用的配置管理，都能實現(xiàn)精細化運維，并支持私有化部署，真正讓企業(yè)用得放心、運維省心。

依托這些在實戰(zhàn)中打磨出的能力，我們的平臺已經(jīng)服務(wù)了內(nèi)、外部的眾多客戶，在很多場景中成功落地，真正解決了企業(yè)在智能化應(yīng)用中遇到的核心問題，把AI變成生產(chǎn)力。

比如，QQ瀏覽器基于騰訊云智能體開發(fā)平臺，推出了智能體Qbot，通過各種AI助手來幫助用戶執(zhí)行下載、應(yīng)用更新等任務(wù)。接下來，我們來通過一個視頻看下如何通過智能體開發(fā)平臺搭建一個下載助手Agent。

在實際的使用場景中，我們通常需要多個agent協(xié)同去完成復(fù)雜任務(wù)?，F(xiàn)在借助我們的語音交互能力，我們可以直接口頭指揮agent去完成任務(wù)，接下來我們也可以來看下多個agent是怎么協(xié)同完成寄快速任務(wù)的。

可以看到，通過多Agent的協(xié)作，智能體已經(jīng)能夠非常靈活地處理用戶的各項需求。剛剛這個演示中涉及的產(chǎn)品能力，我們也正在持續(xù)打磨中。在內(nèi)部環(huán)境驗證中，部分環(huán)節(jié)處理的時間會稍微長一點。所以在這個視頻里面，我們做了一些加速處理。

我們相信，隨著大模型的持續(xù)進化和各項工具、框架的升級，產(chǎn)品的體驗會進一步得到優(yōu)化，智能體一定能夠成為企業(yè)和用戶的得力助手。也歡迎大家掃碼試用我們的騰訊云智能體開發(fā)平臺。

未來，騰訊也將圍繞客戶需求，持續(xù)打磨產(chǎn)品，為各行各業(yè)用好大模型、用好智能體提供助力！

謝謝大家。

來源：數(shù)據(jù)猿