Token经济火爆亚马逊关闭AI榜单腾讯云ADP 4.0助力企业AI落地提效今年以来Token经济概念火爆全球。但在刚刚过去的5月底亚马逊却选择关闭内部AI使用榜单KiroRank。这个榜单原本统计员工在Kiro开发平台上的Token消耗。然而榜单启用后一些员工让AI执行无意义任务只为把使用量刷高。亚马逊高级副总裁Dave Treadwell随后提醒员工不要为了使用AI而使用AI。外媒报道称亚马逊已经把考核重点从原始Token消耗转向标准化部署也就是工程师用AI实际交付了多少可用结果。企业AI第一轮热潮里管理层最常问的是员工有没有用AI部门有没有接入AI业务有没有做Agent。KiroRank关闭后第一批大规模应用AI的企业开始面对另一个问题AI用量被推高以后谁能证明它带来了业务结果本月初一个新词开始在美国企业AI圈层流行AI sticker shockAI账单震惊。按量计费的AI产品进入企业后企业用户发现支出账单变得难以预测。Agent进入企业后又面临海量Token消耗带来的成本攀升。于是一个问题被反复提及企业真正需要的Agent平台究竟应该是什么样这个由Agent生态引发的系统性问题正在等待新一代企业级AI平台作答。失控的Token亚马逊关闭内部AI榜单KiroRank背后是企业大量应用AI后Token反而失控的现实。亚马逊原本希望用榜单鼓励工程师使用Kiro开发平台但结果是一些员工让AI执行无意义任务把使用量刷高。这是企业AI落地后的第一重困境用量会失真。员工用了多少AI部门建了多少Agent都可以出现在汇报文档上。但企业真正关心的是项目有没有推进Agent做出了多少产出人工链路有没有被缩短。瑞典金融科技公司Klarna也在客服场景遇到了相似困境。2024年Klarna曾对外称AI客服承担了相当于700名全职客服的工作。一年后公司开始重新招聘人工客服。Klarna CEO Siemiatkowski承认过度转向AI影响了服务质量。Klarna前后两次动作让行业开始重新审视AI节省下来的成本如果换来更多复核成本就不能称得上是靠谱的生产力。在组织管理侧企业大规模引入AI后的资源配置问题也开始显现。澳大利亚联邦银行CEO Matt Comyn在近期谈到企业把AI用于更复杂任务后相关成本会变得更难预测。他还批评低价值AI产出正在增加用work slopAI工作垃圾形容那些看似完成工作实际价值有限的内容。换言之AI消耗了很多Token组织未必获得更多结果。这也是一些咨询机构调低Agent项目预期的原因。国际研究与咨询机构高德纳Gartner预计到2027年底超过40%的Agentic AI项目会因为成本上升、业务价值不清或风险控制不足被取消。Agent项目能否持续不只取决于模型能力也取决于企业能否把它放进真正的生产流程。成本和效率之外Agent进入企业生产流程后还会把安全问题推到台前。本月初Meta一款用于Instagram账号支持的AI客服机器人被安全研究人员发现存在漏洞。攻击者通过设计特殊话术诱导AI执行错误操作最终获得多个高影响力账号的控制权限其中包括奥巴马白宫账号丝芙兰等知名品牌账号。当Agent开始连接企业系统后这类错误操作可能在更长链路中引发连锁反应。它不只是回答错一句话而可能错误修改账号信息触发业务操作或者访问本不该访问的数据。成本同样是绕不开的一环。此前一篇新加坡南洋理工团队的研究提到在工具调用链场景下Agent可能被引导进入极长调用链实验中单次查询成本最高被放大658倍能耗提升100到560倍。随着Agent接入MCP插件和企业内部系统传统按Token计费开始面临新的挑战。企业今天面对的已经不是简单的接入AI问题而是如何让Agent真正实现有效产出。AI下半场更难的是寻找好问题好场景和好环境。在近日举行的2026腾讯云AI产业应用大会上腾讯首席AI科学家、腾讯混元大语言模型及AI Infra负责人姚顺雨这样说道。行业高速变迁下模型能做的事情越来越多但企业仍要回答什么才是值得被Agent解决的问题。可靠的Agent才能进入系统层今天AI原生服务的推理成本仍然较高用户提交的任务复杂度不同成本消耗差异也很大。在会后的采访环节腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生把问题拉回企业AI落地本身。这也解释了为什么企业级Agent面临的痛点。当Agent真正进入生产流程后企业更关心的是三件事哪些业务场景值得做Agent接入系统后能不能被安全管理最后有没有形成可核算的业务结果。会上腾讯云智能体开发平台4.0的推出让这一话题再度引发讨论。它瞄准的正是Agent进入企业生产环节后面对的这些问题定位为企业级AgentOps平台打通企业级Agent从构建、连接、分发到治理的全生命周期。ADP 4.0要做的是把这些问题放进一条可管理的生产链路里。第一步找场景当前行业内的一个共性问题是很多企业不是没有AI预算而是不知道哪些流程适合做Agent。ADP 4.0提供50多个场景化模板和行业精选应用首批上线近40个精选Connector并支持150多个Skills。企业可以把CRMERPOA工单客服企业网盘知识库文档系统等已有资源接入Agent而不是手动搬运数据或重复整理材料。这降低了企业从零试错的成本不管是客服场景的接高频问题和工单流转需求还是营销Agent商品推荐场景都有对应的场景和Skill资源支持。Claw模式则进一步降低了复杂Agent的构建门槛。在原有LLMRAG工作流和Multi-Agent三种构建模式基础上ADP 4.0新增支持Agentic Loop机制的Claw模式。创建者无需配置复杂表单只需要用自然语言描述需求平台即可自动生成提示词挂载知识库配置工具并编排工作流。Claw模式面向更复杂更长链路的业务任务。Agent可以在云端沙箱中自主编码运行调用企业Skills执行长时任务。创建完成后可以通过API接口集成到企业业务系统中也可以通过企业微信微信等渠道触达员工和客户。腾讯工业质检平台TI-AOI提供了一个样本。传统视觉检测高度依赖工程师现场经验数据检查日志查看模型判断和参数调整往往需要在多个页面之间切换。基于Claw模式打造的质检Agent可以闭环完成一系列工业流程。工程师只需用自然语言输入查询指令Agent即可自动完成数据健康检查训练可行性判断并给出后续优化建议。第二步控风险一个Agent在进入企业核心流程之前必须先知道它能做什么不能做什么。ADP 4.0将治理能力前置到开发源头。平台支持企业级空间级应用级的分层权限架构并结合RBAC角色权限矩阵实现功能权限与数据权限隔离。企业可以根据组织架构部门岗位和角色配置访问范围确保不同团队不同应用不同知识库之间权限边界清晰。Skills治理也被纳入生产流程。员工提交的自定义Skill需要经过代码静态扫描数据访问网络出站依赖白名单等安全检查及多级审批后才能进入企业专区被调用。Skill不再是个人随手写的工具而是经审批可共享可调度的企业资产。Agent Portal负责跨平台纳管。企业可以对不同平台不同业务场景中的Agent进行集中管理查看调用量活跃度响应质量运行成本和异常报错并定位问题原因。部署方式也开始决定Agent能不能进入核心数据流。ADP 4.0支持公有云私有化混合云和专有云四种部署模式。智能工作台与安全沙箱的私有化方案也将支持在客户内网中安全运行代码调用Skills和执行长时任务。第三步看结果在既有ADP落地中伊利把导购下单和营销做成智能体矩阵。导购智能体上线后社群商品链接点击率提升15.7%导购订单数增长26.02%。智能下单智能体接入语音识别意图理解商品推荐和下单跳转后需求识别准确率达到93%下单转化率提升39%。而在酒旅场景下华住基于腾讯云智能体开发平台升级华小AI协同搭建38条工作流。住客提出需要一瓶水后系统5秒内完成理解与响应自动生成工单并联动机器人完成配送。目前华小AI已落地上万家门店累计执行近150万次任务可自动处理70%以上高频问询。酒店服务里Agent不再停留在问答而是进入客需送物酒店信息服务设施周边查询续住开票等住中流程。在大会上腾讯云副总裁腾讯云智能体开发平台负责人吴运声表示企业级Agent不是比谁更快地搭建而是比谁能让Agent稳定安全持续地运行在业务现场。会后采访环节字母AI提到当前不少企业带着预算和业务场景进入AI建设但真正落地时需求往往并不清晰。很多企业知道要做AI却并不确定哪些流程适合交给Agent哪些环节真正能产生业务价值。吴运声回应称企业AI落地正在要求云厂商往前走一步。在他看来云厂商不能只停留在模型和平台提供层而是需要真正深入客户业务场景。深入到客户的业务场景里面去了解他的业务再让业务流程和模型能力更好结合。瞄准企业生态进击的腾讯AIADP 4.0真正折射出的是腾讯AI战略的一次重心切换——从追求模型打榜转向聚焦场景、好用与提效。过去几年中腾讯的AI战略更多时候把它放在内部效率和生态的存量优化里。2023年腾讯CEO马化腾曾在内部谈到AI是几百年不遇的机会但腾讯最开始不要急着争先。到了2026年股东大会上马化腾用上船形容腾讯在AI浪潮中的位置并表示希望船速能快一点。这种变化很快反映在腾讯AI业务节奏里。今年一季度腾讯营收1964.58亿元同比增长9%。资本开支319.36亿元同比增长16%。腾讯管理层称一季度资本开支大部分用于AI相关投入。若剔除混元元宝CodeBuddyWorkBuddy及QClaw等新AI产品影响腾讯非国际财务报告准则下经营利润增速将从9%提高至17%。新AI产品单季影响经营利润约88亿元。模型侧也在同步加速。混元重构后推出Hy3 preview主打性价比和实用性在OpenRouter最新调用量月榜单中稳居前二。但对腾讯而言更大的变化发生在产品和组织层面。去年知名AI科学家、前OpenAI研究员姚顺雨加入后腾讯把混元大模型和AI Infra放到更重要的位置。到了这次大会腾讯讨论的重点已经从模型参数转向产品落地。在上午的对谈中姚顺雨解释了AI下半场的含义。他说这个概念来自自己去年的一篇博客方法论已经变得非常成熟但寻找问题变得更加困难。在他看来预训练和后训练让大模型像一个万能锤子可以解决各种问题接下来更重要的是找到好的问题、好的产品和好的环境。汤道生则把AI时代的产品变化概括成预制菜和开放式服务的区别。他表示PC和移动互联网时代做产品更多是产品方预先设计功能用户在菜单里点选但AI时代用户可能用自然语言或语音提出需求产品方并不知道用户会问什么所以要充分利用模型能力去理解用户的需求再通过推理和工具调用应对开放式需求。而要做好AI时代的产品汤道生认为核心要具备三种能力。一是场景联接能力通过高频场景触点把大模型嵌到真实业务流。二是工程驾驭能力通过Harness体系让Agent能够稳定可信持续运行。三是模型驱动力依托模型和产品Co-Design兼顾实用性性价比和ROI。汤道生的观点从腾讯云ADP中也能窥探一斑腾讯云开始把Agent本身当成企业里的新软件层来做。在场景连接方面ADP 4.0让Agent不只停留在对话而是开始调用企业知识库、CRM、OA、工单系统和MCP工具还把企业落地经验沉淀成50多个行业应用模板覆盖金融、文旅、交通、教育、传媒、零售等典型场景。企业不需要每次都从零开始只需要一键复制模板配置自己的知识库、权限和业务工具就可以快速生成一个可运行的垂直Agent。在工程驾驭方面ADP云端Harness则负责把原本分散在个人端的Agent运行过程统一纳入权限、日志、成本和安全体系解决了企业级Agent的统一管理、稳定运行、长任务续跑和低成本运营。在模型驱动方面企业通过ADP可以使用腾讯混元也能接入外部模型平台提供多种模型供企业根据不同场景需要灵活选择。ADP的这套做法和腾讯整体AI方法论形成呼应。这一产品升级也意味着腾讯正在把过去云计算时代应用跑在云上的逻辑进一步推进到Agent跑在企业系统里。ADP承担的角色也不只是Agent开发平台而更像腾讯企业AI的一层运行中间件。过去腾讯更多把AI用在广告推荐内容生产游戏研发等内部场景赋能中。现在腾讯云深入到各类企业业务场景的一线中。毫无疑问下一阶段企业AI的竞争不会只看谁让员工多用AI而会看谁能把Agent接进真实业务流程、守住安全边界、减少无效调用最终观察Agent运行的结果能否体现在真实业务产出中。腾讯云ADP 4.0想回答的正是这个问题。