现在我们去见客户的时候，不谈智能体（AI Agent）客户都不见你。”
腾讯云副总裁、腾讯云智能及优图实验室负责人吴运声对「甲子光年」表示。
这句略带调侃的言论，精准地描绘了如今智能体的市场热度。2025年被普遍认为是智能体元年。作为AI时代产业变革的重要抓手，如今的智能体，已经演变为企业高层必须严肃思考的战略议题。
但问题在于，让AI从一个聊天机器人，转变成一个能深度融入核心业务流程、安全可靠、可规模化扩展的企业级智能体，中间需要跨过巨大的技术落地鸿沟。这片充满了复杂场景、异构知识和严苛工程挑战的深水区，正成为阻碍智能体价值兑现的最大障碍。
当然，挑战与机遇并存。面对这一拐点性机遇，各大厂商纷纷入局。在2025年9月16日的腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生明确指出，“向智能化要产业效率”已是企业增长的核心动力，而智能体，正是腾讯为产业打造的效率引擎。
要帮助产业解决如此复杂的命题，技术提供方自身必须是智能体的深度实践者。在这方面，腾讯的优势在于其丰富的业务场景——从社交、游戏到广告，内部大规模的智能体落地应用，为其积累了宝贵的实战经验。例如，其AI原生应用腾讯元宝，已成为国内头部产品；大模型也显著驱动了广告与游戏业务的增长。
如今，腾讯正试图将这些经过内部验证的能力，系统性地开放给产业。这不仅是一次技术输出，更是一场让智能体从“为我所用”到“为人所用”的战略升级。
1.跨越鸿沟：企业级智能体落地的三大阻碍
正如APP之于移动互联网，智能体被普遍认为是AI时代的主要应用载体。
这种共识，让企业对智能体的热情空前⾼涨。根据Gartner的预测，未来6个⽉内将有40%的企业有计划探索Agentic AI⽅案。
然而，热潮之下是冰冷的现实。
IDC此前发布的《AI Agent企业级应⽤现状与推荐，2025》调研报告显示，国内超过⼀半的企业尚未完成对智能体落地的场景与技术⽅案选择。
而以「甲子光年」的长期观察，企业级智能体的落地并非一蹴而就，其核心挑战在于如何跨越从“通用智能”到“产业智能”的鸿沟。其中，场景复杂性、知识专业性以及工程化挑战等，构成了智能体在企业端落地的难点。
首先是场景的复杂性。
以酒店预订场景为例，当顾客说“我不想要昨天订的房了，你还是给我留我前面说的靠近花园的房”，这句话包含了取消、确认、回溯历史偏好等多重意图，常规智能体极易混淆。
吴运声透露，仅酒店住宿这一个场景，就需要梳理上百个意图，并保证极高的准确率。而且真实的企业场景，充满了类似的模糊性、多意图叠加和动态变化。远比demo复杂。
如何精准理解意图、处理多任务流程，是智能体落地业务的首要难点。
其次是知识的专业性。
企业私有知识是智能体发挥价值的“燃料”，但这些“燃料”的形态却极其复杂：图文混排的产品手册、跨页的财务报表、多源异构的数据库……如何让智能体精准、高效地理解和运用这些非结构化知识，是对RAG（检索增强生成）技术在企业场景的核心考验。
最后是工程化的挑战。
将智能体从实验室的“玩具”变为生产环境的“工具”，需要迈过严苛的工程化门槛。吴运声强调，企业应用对权限管控、数据安全、高并发、低延迟有着不容妥协的要求。
以腾讯云智能内部千人团队共用一个开发平台为例，复杂的组织架构要求平台必须具备金融级的精细化权限管理能力，“不仅要管到知识库，甚至要管到知识库里的某一条目谁能看谁不能看。”
实际上，智能体在企业端落地的痛点远不止于此，还包括高昂的训推成本、模型的幻觉与泛化性难题、以及与现有业务流程的深度耦合问题等。这些问题，共同构成了阻碍智能体价值兑现的思考题。