OpenAI、Anthropic、字節、阿里、百度……幾乎所有大廠都在同一時間把 Agent 能力推到了產品級。OpenAI把Codex合并進ChatGPT，引發了“通用入口吞并垂直Agent”的行業大討論；與此同時，硅谷和國內的AI Coding工具都進入了一輪密集迭代。

然而，隨著AI生成代碼量的指數級爆發，行業正面臨一個普遍的“提效悖論”：員工個人的代碼產出速度大幅加快，但企業整體的項目交付周期、需求響應速度（即組織級效能）卻并未見同比例提升。此外，海量AI代碼的Review瓶頸、AI幻覺帶來的生產環境風險，以及底層大模型同質化下的生態競爭，正成為云廠商和企業共同邁入的“深水區”。

近日，在2026騰訊云AI產業應用大會期間，速途網與多家媒體采訪了騰訊云副總裁、CodeBuddy & WorkBuddy負責人劉毅與CodeBuddy & WorkBuddy商業化負責人張翔，試圖了解騰訊云在內部數萬名工程師中打磨出的“AI原生組織”實戰經驗。

一、個體提效容易，為什么組織提效卻很難？

“到2025年底，騰訊大部分團隊90%以上的代碼都是用AI生成的，程序員甚至能同時指揮4個AI助理并行開發。”當騰訊云副總裁、CodeBuddy & WorkBuddy負責人劉毅拋出這組數據時，還在為AI滲透率發愁的企業應該會感到更加焦慮。

但他卻話鋒一轉，拋出了一個另一個真相：個體效率的提升，并不自動等于組織效率的提升。

在行業中，衡量AI編碼效果的常見指標是“代碼接受率”或“編碼時間縮短比例”。 而在組織層面，劉毅盯的是另一個指標——需求吞吐率。

在他看來，需求吞吐率代表一個團隊把用戶需求快速轉化為上線功能的速度。“對于軟件企業來說，需求吞吐率代表一個組織的創新速度，能快速響應市場和用戶的需求，快速把需求承載的用戶價值真正交到用戶手里，我們內部把它定義為AI Coding的北極星指標”。

“如果不重新定義北極星指標，企業很容易陷入AI生產力幻覺。”劉毅說。

此前，速途網在對企業AI實踐的長期觀察中發現，很多企業引入AI工具之后，個體層面的提效非常明顯，程序員寫得更快、文案產出更多、客服響應更短，然而組織層的關鍵指標（即人均產值、新功能交付周期、跨部門協作效率等）幾乎看不到顯著變化。

圍繞“需求吞吐率”這個北極星指標，騰訊內部走通了一條從超級個體到超級團隊的四步路徑：先培養超級個體；再把經驗沉淀成技能、專家、AI助理，變成組織資產；接著把這些沉淀融入財務、行政、招聘、法務這些生產流程；最后配套AI治理，把成本、安全、權限、風險管控全部跟上。

當然，騰訊的實踐過程并非沒有波折。劉毅坦言，AI幻覺曾經把問題帶入生產環境，我們也交過學費。2026年行業開始強調“harness”，給AI更多約束，快速校驗。另外，人性上員工不一定愿意分享自己的經驗，所以企業內部要用激勵和晉升通道來引導。

二、AI寫代碼之后，人類專家“退居二線”，AI開始“審查AI”

AI Coding的副作用，2026年開始集中暴露。“如果組織內的代碼以10倍速度增長，頂層專家天天除了評審代碼，不用干別的活了。”劉毅描繪的這個場景，正是當下無數技術總監的夢魘，人類肉眼的Review速度，已經遠遠跟不上AI“吐”代碼的速度。

面對行業級的“代碼爆炸”危機，劉毅在采訪中稱騰訊做了三件事。

首先是人類專家守架構。在他看來，AI可以大量生產代碼，但不能隨便改架構。架構一改動就會觸發告警，由最有經驗的專家判斷新代碼是否需要重構。

另外，騰訊還引入AI review AI，但評審的AI和生產代碼的AI不是同一個，這是為了讓AI在另一個角度、決策和約束下去發現代碼的隱患。

最后是質量左移，用AI大量生產自動化測試代碼。以前想用測試代碼覆蓋整個項目，100%UAT 是個巨大成本，AI時代這個成本不再是問題，可以在UAT階段直接攔截AI生產的風險。

劉毅還分享了一個內部實踐，團隊從第一天起就做成AI原生組織，極度扁平，同時，他還要求所有團隊的上下文都是透明的、共享的，即所有代碼、需求、反饋、設計都在一個共享的“大餐”里。在這種模式下，AI的開發范式轉變為人類給AI提需求，AI在非常透明且充分的上下文工作，不會因為信息隔閡而低效，它根據人類意圖拆解任務，找到上下文，生成制品，然后結果又回流到大餐里。

可見，“用AI監督AI”已經從一句口號，變成了2026年AI Coding的基礎設施。

三、生態，是AI Agent的下半場

據騰訊2026年Q1財報披露：以日活躍賬戶數計，WorkBuddy已成為中國最受歡迎的效率AI智能體服務。在2026騰訊云AI產業應用大會上，WorkBuddy企業版及辦公智能體套件Agent Suite正式發布。

那么，衡量企業AI落地健康程度的核心指標到底是什么？劉毅在采訪中表示是需求吞吐率與AI留存的平滑度。至于WorkBuddy為什么能跑出行業第一，底牌在于其底層嵌入了騰訊打磨兩年多的Coding Agent OS內核，這個強大的內核讓WorkBuddy處理各種場景游刃有余。

不過，劉毅在采訪中也直言，字節、阿里都已經推出類似產品，前面基于Coding Agent積累的優勢也不會持續，最后決勝負的是生態。在速途網看來，這與行業對AI Agent的判斷一致，上半場的關鍵詞是“模型”，下半場的關鍵詞正在變成“生態平臺”，而這個轉變，正在以肉眼可見的速度發生。

在生態之外，模型調用的成本也是行業熱議的話題。隨著DeepSeek等模型將百萬token定價拉低至“永久二五折”，企業開始用“每任務成本”而非“每百萬token”來評估ROI。

CodeBuddy&WorkBuddy商業化負責人張翔認為，不同的模型價格不同，不同的任務復雜度也不同，重構一個大型工程和修改一個小模塊，token消耗天差地別。我們在WorkBuddy平臺內建立了統一的貨幣體系，打通各個智能體（包括騰訊文檔等套件），用戶提交任務前可以預估算成本。

四、寫在最后

“2026 年下半年，企業級AI Agent通用生產力產品會出現快速增長、快速爆發、快速落地的階段”，劉毅這樣判斷企業級 AI Agent接下來的發展，在他看來，用戶用習慣一個AI入口之后，離開工作崗位也會接著用。

速途網也判斷，AI Agent從“個體提效”到“組織提效”的拐點正在到來，誰能先跨過去，用工程化的手段守住質量紅線，誰就是下一個十年的基礎設施。

（文/李楠）