“腾讯云全栈融合创新，让Agent真正转化为生产力工具。

在数字化浪潮席卷全球的当下，国产化替代已成为科技产业发展的关键命题。过去数年，中国科技产业的自主创新更多聚焦“补短板”，即通过技术攻关确保极端情况下的业务连续性，筑牢发展底线。

然而，随着AI时代的到来，这一战略逻辑正在发生根本性转变。正如5月20日腾讯集团副总裁、政企业务总裁李强在2026腾讯云融合创新峰会现场所言：“AI时代的自主创新，已从守住底线，跃迁到拉高上限。”

在AI时代，中国科技的“底座厚度”决定着智能高度。唯有构建覆盖芯片适配、算力、模型、应用与安全的完整创新底座，企业才能高效拥抱AI、驱动业务创新，让Agent真正重塑生产力与竞争力。

基于此，腾讯云全面升级面向Agent时代的融合创新基础设施，构建覆盖多场景的Agent服务，助力政企融合创新加速迈入Agent时代。

作为这一战略的核心支撑，腾讯已打造了包括TencentOS、TDSQL、TBDS等在内的“6T”国产软件体系，并持续针对AI时代升级产品矩阵，以全栈融合创新能力为中国智能产业注入新动能。

从“守底线”到“拉上限”
国产数字化如何借AI重构竞争力？

大模型与Agent技术的爆发，正在改写企业数字化的底层逻辑。当AI从“辅助工具”进化为“生产力主体”时，国产数字化升级的路径也悄然生变，不再是简单的“国产替代”，而是构建国产化全栈融合创新体系，在保障安全可控的前提下，用AI驱动业务创新，抢占智能时代的制高点。

从“补短板”到“筑长板”，展现的是AI时代的趋势之变。

过去几年，国产数字化的核心是“守底线”，防风险，补漏洞，确保在极端情况下业务不断档。

但2026年的今天，游戏规则变了。李强在峰会上指出：“AI时代的自主创新，已从守住底线，跃迁到拉高上限。”

数据印证了这一判断：中国AIGC用户已超6亿，Token价格两年下降99%，日均调用量增长千倍。

更关键的是，52%的中国CEO已确认AI带来实际业务增长，远高于全球30%的平均水平。这意味着，国产数字化不再是被动防御，而是要通过AI能力建设，主动培育新质生产力。

而构建“全栈融合创新体系”成为最现实的路径选择。

面对这一趋势，单点技术的突破已不足以应对竞争。峰会上发布的《AI时代国产数字化升级落地路径研究报告》就明确指出：落地路径就是构建国产化全栈融合创新体系。

腾讯云的实践提供了范本，已构建起以“6T”为核心的全栈融合创新产品体系，覆盖从芯片适配到上层应用的全链路：

底层基石是操作系统TencentOS（累计装机超1000万套）、专有云平台TCE与TCS，解决算力调度与资源管理问题。

数据中枢则包括数据库TDSQL（连续多年金融市场份额第一，覆盖4大行核心系统）、大数据平台TBDS，保障数据要素的安全流通与高效处理。

智能引擎涵盖AI平台TI及大模型聚合服务平台TokenHub，为企业提供从模型训练到推理的一站式服务。

这套体系的价值在于“融合”，不是简单的软硬件堆叠，而是深度适配与协同。

目前，腾讯云106款产品入选工委会软硬件图谱，完成3069项厂商互认证，真正实现了“中国底座”的可用性、可靠性和安全性。

用“智能体”重构行业场景就成为最有力的落地实践。

全栈能力的价值，最终要体现在业务场景中。腾讯云通过“分层赋能”策略，将AI能力注入千行百业：开发层，CodeBuddy助力程序员效率提升；办公层，WorkBuddy重构企业协作流程；行业层，ClawPro+ADP支持企业定制开发专属Agent。

目前已经涌现众多标杆案例，如中国银行基于腾讯云底座，实现了4地8中心的全球级金融创新，4000+AI模型让数据处理成本下降60%；南方电网则借助TCE与RAG技术，打通5省数据，构建起自主可控的智能调度平台。

在AI全球竞争从“模型竞争”走向“体系竞争”的当下，国产数字化的核心命题已非常清晰：只有筑牢全栈自主创新的底座，才能撑起中国AI的高度。这不仅是技术的胜利，更是产业生态的胜利。

腾讯云全栈产品升级
构成面向Agent的融合创新能力矩阵

在AI与Agent技术深度融合的当下，企业数字化正从“单点工具应用”向“全栈能力重构”跃迁。在峰会上，腾讯云副总裁王义成发布面向Agent时代的融合创新能力矩阵，覆盖国产硬件、操作系统、云平台、数据平台、AI引擎、Agent服务及安全服务7大层面，通过全栈内生安全贯穿始终，构建起支撑Agent时代的国产数字化底座。

腾讯云副总裁王义成

这一矩阵以“AI-Ready”为核心，针对企业智能化转型的全场景需求，以技术创新突破国产化瓶颈，为企业高效拥抱AI、驱动业务创新提供“一站式”解决方案。

第一，操作系统层，TencentOS Server AI增强版堪称AI Agent的“智能底座”。

操作系统的适配性与智能化水平直接影响上层AI应用的运行效率与运维成本。腾讯云此次发布的TencentOS Server AI增强版，首次为AI Agent打造“AI-Ready”操作系统。

系统拥有开箱即用的AI开发环境。传统操作系统需企业自主配置AI开发组件，耗时且易出错；而TencentOS Server AI增强版内置AI开发与部署所需的核心组件，支持9大领域24个真实运维场景的“零命令”自动完成OS运维，大幅降低企业AI应用的部署门槛。

同时利用AI辅助运维能力。针对Agent部署后复杂的运维需求，系统内置AI运维工具，可自动识别故障、优化资源分配，实现“越用越懂业务环境”的智能运维，显著提升系统稳定性。这一升级使TencentOS成为首个深度适配AI Agent运行环境的国产操作系统，为大模型训练、推理及智能体交互提供底层算力保障。

第二，云平台层，TCE与TCS全栈国产化的“性能标杆”。

云平台是企业数字化转型的基础设施，其国产化适配能力与性能表现，直接决定上层应用的运行效率。腾讯云专有云平台TCE与PaaS平台TCS在此次升级中实现两大突破：

全栈国产软硬件100%适配。TCE/TCS支持国产芯片、服务器、存储等全链路硬件，以及国产操作系统、中间件等基础软件，彻底打破“卡脖子”技术壁垒，确保企业数据与应用的安全可控。

行业顶级性能验证。通过中国信通院融合创新云IaaS性能总体架构最高等级检验（即“五星认证”），TCE/TCS在全栈国产环境下的性能表现已达行业顶级水平。这意味着企业基于TCE/TCS部署AI应用时，可无缝对接现有国产硬件生态，无需为“性能损失”妥协，为AI Agent的高并发、低延迟运行提供了可靠的基础设施支撑。

第三，数据平台层，TDSQL与TBDS实现从“数据存储”到“智能决策”的跨越。

数据是AI的“燃料”，而数据平台的智能化水平决定了企业能否从海量数据中快速挖掘价值。腾讯云此次升级的数据平台产品，实现了从基础存储到智能Agent的跨越。

数据库TDSQL实现了性能与易用性的双重突破。企业版计算引擎优化后，OLTP性能提升50%，OLAP性能提升20倍，深度基于国产芯片调优，性能追平传统架构表现，满足金融、政务等对高并发、高可靠数据存储的需求。

而智能运维工具DatabaseClaw通过一句话定位故障根因，并结合业务环境数据自动分析，实现“越用越懂业务”的智能诊断，降低运维成本。

大数据平台TBDS从多模态湖仓到智能Agent的升级。TBDS核心升级体现在3个方面：搭建多模态湖仓基座，统一支撑结构化、非结构化、半结构化全类型数据，为大模型训练提供更丰富的数据源。

智能开发WeData平台实现DataOps（数据开发运维一体化）与AIOps（AI驱动运维）的深度融合，支持业务人员通过自然语言完成数据处理与分析。

而智能Agent赋能上层推出数据分析、智能自治、业务自助等Agent，业务人员可即问即得完成从数据查询到决策建议的全流程操作，真正实现数据驱动业务。

第四，AI能力层，TI平台+TokenHub+ADP实现了全流程AI引擎的国产化适配。

AI能力的国产化适配是企业落地AI应用的关键瓶颈。腾讯云此次构建的一云多模全流程AI引擎，覆盖大模型训练、推理、开发及应用全生命周期：

TI平台作为一站式大模型训推平台，全面适配国产AI芯片（如海光、鲲鹏等），兼容国产操作系统（如TencentOS），支持从模型训练到推理的全流程优化，降低企业大模型落地的技术门槛。

TokenHub大模型服务平台提供灵活的模型服务，支持企业按需调用公有云、私有云或混合云的大模型能力，兼顾成本与效率。

ADP智能体开发平台：作为企业级Agent开发与运行引擎，一站式覆盖智能体设计、训练、部署、运维全生命周期，支持多模态输入与大模型调用，大幅缩短智能体开发周期。

第五，Agent服务层：多场景效率Agent矩阵，实现从“工具”到“生产力引擎”的进化。

腾讯云此次构建了覆盖个人、办公、知识、营销、研发、IT等多场景的效率Agent产品矩阵，其中最具代表性的是全新发布的ClawPro专有云版，将公有云ClawPro经百万级用户验证的核心能力完整部署于企业本地环境，兼容主流大模型（如GPT-4、Hunyuan）与异构算力（CPU、GPU、NPU），满足金融、政府等对数据本地化的高要求。

通过国产化软硬件适配、加密传输、权限管理等安全设计，确保企业数据在本地环境中的安全性。支持研发（代码生成、测试）、营销（客户画像、智能客服）、办公（文档处理、会议纪要）等场景，真正实现“AI能力融入日常工作”。

协同共建开放生态，腾讯云全栈融合创新的多行业规模化落地实践

腾讯云全栈融合创新底座的价值，在真实业务场景中得到充分验证。其覆盖芯片适配、操作系统、云平台、数据平台、AI引擎等全链条的技术能力，与生态伙伴的深度协同，推动金融、政务、能源、医疗、交通等行业核心系统实现高效落地。

腾讯云融合创新开放联盟同步完成智能化升级，过去一年联合100多家生态伙伴，完成326个核心应用适配，打造83个覆盖30余行业的解决方案，为规模化落地提供了“技术+生态”的双重支撑。

鑫方盛是腾讯云在工业供应链领域的产业标杆。公司以腾讯云CDC分布式专属云为底座，利用其GPU算力资源部署自有模型及开源模型微调，并直接复用腾讯大数据体系与计算架构，实现存算分离与弹性扩展，整体IT成本较此前多云方案下降约30%。

在此基础上，鑫方盛自主构建了面向工业品供应链的行业AI能力，包括200余个深入SOP流程节点的智能体、基于“出纳+会计”逻辑的多模型交叉校验机制，以及将非结构化数据全面自然语言化的数据治理体系，有效将AI幻觉降至极低水平，品类准确率达97%。

最终，鑫方盛以“开箱即用”和“专业化部署”两种模式向央国企客户交付服务。开箱即用让客户直接调用智能寻报价、商品自动归类等AI能力，报价效率提升180%；专业化部署则因与客户侧技术栈同为腾讯云体系，双方团队无缝对接、集成高效。

由此，鑫方盛帮助央国企客户将原来大量依赖人工的供应链流程——询报价、商品治理、订单审核、对账结算等——用AI重新做了一遍，整体业务效率提升60%以上，真正实现了以懂行的产业能力叠加腾讯云的基础设施优势，为工业供应链的数智化转型提供了可量化、可复制的标杆路径。

而支撑这套体系高效运转的关键，在于鑫方盛针对AI幻觉祭出的三板斧：

高质量数据+自然语言化重构。把所有非结构化数据进行自然语言化转化，不是简单地把“手机型号XXX”扔给模型，而是把它描述成“这是一部用于某某场景、具备某某功能的设备，适合某某人群使用”，相当于给模型写了一本商品说明书。这种自然语言化的数据让模型真正读懂商品，而非仅做向量匹配，从源头上大幅减少因信息缺失导致的幻觉。

多模型交叉校验，类似“出纳+会计”双审。鑫方盛不把决策交给单一模型，而是用多个模型互相验证。以询报价场景为例，一个AI模型完成推理后，会再用另一个AI模型去校验结果是否符合原始诉求，就像企业里出纳做完账、会计再审一遍。

数据格式治理——让数据“喂得对”。鑫方盛把数据治理提升到与模型训练同等重要的高度。依托鑫智鲸数据湖，对结构化、半结构化、非结构化数据进行统一建模，先完成清洗、分类、标准化，再以自然语言形式输入。这套流程让模型拿到的是高规格的知识片段，而非原始碎片，确保AI在推理时有充分的上下文支撑，而非靠猜来补全信息。

三板斧合力之下，鑫方盛在商品标准化场景实现了97%的品类准确率，在询报价场景将效率提升180%，同时将AI幻觉控制在业务可接受的极低水平。

腾讯云副总裁、生态拓展负责人张果在峰会上表示，腾讯云将以“更多伙伴、更强产品、更优政策”为路径，打造开放的AI平台，通过产品能力培训、Skill能力培育和AI转型升级支持，助力伙伴在融合创新与AI叠加的新市场空间中实现更多价值。

未来，随着腾讯云与更多伙伴的深度合作，国产数字化必将在开放协同中实现更可持续的创新发展，为智能时代注入强劲动能。