AI 下半場不缺 Agent 產(chǎn)品，在騰訊內(nèi)部更是如此。

WorkBuddy 的月活躍用戶已經(jīng)到了 2000 萬量級，是今年增長最快的國產(chǎn)智能體產(chǎn)品之一。

與此同時(shí)，騰訊的應(yīng)用寶團(tuán)隊(duì)也做了一個(gè)桌面 Agent，叫 Marvis，定位是「操作系統(tǒng)層級的個(gè)人 AI 助手」。5 月 20 日 Marvis 上線；兩天后，DAU 超過 30 萬，七日留存約 54%。

APPSO 此前實(shí)測過 Marvis 這款產(chǎn)品，它不太像一個(gè)等人提問的聊天框，更像一個(gè)常住在電腦里、知道里面有什么的助理。

那么問題也來了，當(dāng)市面上的 Agent 越來越像，騰訊內(nèi)部已經(jīng)有了 WorkBuddy，應(yīng)用寶為什么還要再做一個(gè)？它解決了什么新的需求呢？

WAIC 2026 期間，騰訊副總裁林松濤和應(yīng)用寶跨端業(yè)務(wù)及 Marvis 負(fù)責(zé)人蔡建濤，接受了 APPSO 在內(nèi)的媒體采訪。

對于「騰訊內(nèi)部是否在重復(fù)造輪子」這個(gè)問題，林松濤和蔡建濤沒有回避。他們給的答案，要從應(yīng)用商店講起。

從分發(fā)軟件，到直接交付服務(wù)

應(yīng)用寶已經(jīng)做了 14 年。被問到為什么要做 Marvis，蔡建濤沒有先談 Agent，他先從「商店」聊起。

以前商店是分發(fā)，但分發(fā)走到終點(diǎn)，是服務(wù)。

過去，用戶想轉(zhuǎn)換文件格式，要先去商店下載極光 PDF、WPS 等軟件，再借助軟件完成任務(wù)。應(yīng)用商店提供的是服務(wù)之前的一步：把工具送到用戶手里。

AI 改變了這條路徑：很多時(shí)候，用戶不再需要先找到一個(gè)軟件、學(xué)習(xí)怎么使用，再用它來完成任務(wù)。診斷電腦、清理文件這些事，過去都要先下載工具，現(xiàn)在可以由 Agent 直接完成。

蔡建濤說：「今天的 Marvis，本質(zhì)是過去分發(fā)的進(jìn)階：以前是『商店→分發(fā)→用戶自己獲得服務(wù)』，現(xiàn)在可以直接從商店走到服務(wù)?！?/p>

開發(fā)者在其中扮演的角色也變了。過去，開發(fā)者交付的是一個(gè)出現(xiàn)在前臺的 App；現(xiàn)在，他們也可以成為后臺的服務(wù)提供方，通過 CLI、MCP、SDK 等方式，把能力接入 Marvis。

「從應(yīng)用寶到 Marvis，本質(zhì)是同源的，都是解決『服務(wù)』，只是路徑從兩步變成了一步。」蔡建濤說。

林松濤對這段變化的總結(jié)是，應(yīng)用寶十幾年都在做同一件事：把數(shù)字能力送到用戶手里。PC 時(shí)代分發(fā)軟件，移動(dòng)時(shí)代分發(fā) App；到了 AI 時(shí)代，只把能力送過去，已經(jīng)不夠。

過去 20 年互聯(lián)網(wǎng)是「小助手」邏輯，我們輔助用戶做決策。比如說你要買票，我推薦你攜程，攜程的票買得怎么樣跟我應(yīng)用商店沒關(guān)系。但今天意圖代替了入口。 用戶只負(fù)責(zé)表達(dá)意愿，我要買票、我要打車，我們除了送數(shù)字能力，還多了一件事：保障結(jié)果。

因此，在林松濤看來，Marvis 不是應(yīng)用寶為了追逐 Agent 熱潮而做的產(chǎn)品，也不是別人發(fā)個(gè)龍蝦，他們也跟著做一個(gè)。它是應(yīng)用寶必須往前走的一步。

團(tuán)隊(duì)過去在跨端、開發(fā)者生態(tài)，以及與微軟、英特爾合作中積累的能力，被重新組織進(jìn)了 Marvis。

這也是 Marvis 與 WorkBuddy 的本質(zhì)區(qū)別，WorkBuddy 更接近從辦公結(jié)果交付切入；Marvis 的起點(diǎn)仍然是應(yīng)用寶那條「分發(fā)—服務(wù)」的線。

Marvis 想接管的，是用戶與設(shè)備之間的關(guān)系。

大模型是「大腦」，Marvis 想補(bǔ)上「小腦」

但一段來自應(yīng)用寶的歷史，還不足以證明 Marvis 的必要性。回到產(chǎn)品本身，它仍然要回答：在一批已經(jīng)能操作電腦、處理文件的 Agent 里，自己的差異是什么？

蔡建濤把 Agent 的能力拆成四個(gè)部分：感知、思考、規(guī)劃和行動(dòng)。

「今天市面上的 Agent，我說幫我找一張上周寶寶撐傘的照片，它有 thinking、planning、action，就是缺了『感知』這一環(huán)。只有做到系統(tǒng)級，才能做到感知?！?/p>

他所說的感知，是在用戶授權(quán)之后，Marvis 通過本地模型，提前理解設(shè)備里有哪些文件、每個(gè)文件是什么、安裝了哪些程序，以及發(fā)生過哪些行為。

有了環(huán)境感知，你說「上周那件事」，Agent 就能理解指的是哪個(gè)東西。而不是像現(xiàn)在，需求提給任何一個(gè) Agent ，它掃全盤試一下能不能找到，找不到就算了。這種就沒有感知?！?/p>

我們在實(shí)測中也遇到過類似場景。讓 Marvis 找一張只記得畫面內(nèi)容、不記得文件名的《黑神話：悟空》截圖時(shí)，它的搜索范圍不僅包括文件名，還包括文檔內(nèi)容、圖片里的場景和截圖中的文字。即使描述模糊，它也能找到對應(yīng)文件。這已經(jīng)不是 Windows 自帶搜索所能覆蓋的范圍。

我們當(dāng)場追問：用 Codex、WorkBuddy 整理本地發(fā)票、處理零散文檔，準(zhǔn)確率也可以很高。系統(tǒng)級能力的本質(zhì)差異究竟在哪里？

蔡建濤說，整理發(fā)票誰都能整理，關(guān)鍵 Agent 怎么把它「找出來」。

一張發(fā)票圖片里有大量字符。普通 Agent 如果事先不了解這臺電腦，只能掃描全盤，再把圖片逐張交給云端模型識別。這不僅會(huì)帶來近乎沒有上限的 Token 消耗，也難以解決隱私問題。

Marvis 跑在端側(cè)，可以利用系統(tǒng)權(quán)限，提前識別哪張圖片是發(fā)票，其中包含什么行程、什么抬頭。蔡建濤說：「問問題的時(shí)候，我已經(jīng)有一個(gè)「端側(cè) AI」知道你的全局了。目前一些 Agent 更多是什么都不知道，全盤盲掃，掃到就掃到。這是很大的區(qū)別。」

對此，林松濤給出了一個(gè)更形象的比喻：「大家去拼編程、拼更長程的推理，是在拼大模型的『大腦』。我們做的很多端側(cè)模型，是『小腦』和『反射神經(jīng)』，用于保證速度和執(zhí)行效率與穩(wěn)定，在這個(gè)前提下，再做端云結(jié)合才會(huì)事半功倍。」

▲林松濤 .

這些任務(wù)未必需要很強(qiáng)的算力，也未必非要一個(gè) Fable 5 Max。在本地完成，反而可能更快、更準(zhǔn)，也更節(jié)省成本。

實(shí)測中，我們讓 Marvis 關(guān)閉鎖屏廣告，它直接完成了操作。但這項(xiàng)設(shè)置在 Windows 里的名稱其實(shí)是「關(guān)閉 Windows 聚焦」，大多數(shù)用戶并不知道它與鎖屏廣告的關(guān)系。

這類功能背后有一條明確的選擇標(biāo)準(zhǔn)：大模型一升級就會(huì)替代的能力不做；只做那些即使模型繼續(xù)變強(qiáng)，也繞不開端側(cè)的事，再把時(shí)間、效率和成本做到極致。

當(dāng)被問及 Marvis 的競品是不是 Codex 這類產(chǎn)品，林松濤說：「肯定不是?！?/p>

蔡建濤補(bǔ)充道，Codex 是 Coding Agent，更聚焦通用的編程能力；Marvis 想做的是一個(gè)真正懂用戶、也懂設(shè)備的助理。「生成一個(gè)很牛的 PPT 我們也會(huì)做，但那不是最核心的定義。」

因此，他們不按職業(yè)劃分用戶，而按需求劃分。程序員同樣要查找照片、管理電腦；編程任務(wù)交給 Codex 更合適，而設(shè)備與應(yīng)用場景的需求，并不專屬于某一類人。

Marvis 上線后的數(shù)據(jù)也符合這套判斷：44% 的用戶在使用本地文件能力，28% 在管理電腦硬件，18% 在執(zhí)行瀏覽器任務(wù)，16% 在使用應(yīng)用能力；把 Marvis 當(dāng)作搜索工具使用的用戶只有 6%。

蔡建濤說，這個(gè) 6% 說明，基本沒有用戶把 Marvis 當(dāng)作豆包或元寶的替代品。用戶對它的定位，反而比想象中更清楚。

最重要的指標(biāo)，不是 DAU

「感知」是 Marvis 選擇的產(chǎn)品切口。真正讓它與大多數(shù) Agent 較勁的，則是一個(gè)不那么典型的互聯(lián)網(wǎng)指標(biāo)。

林松濤說，團(tuán)隊(duì)內(nèi)部最看重的不是日活，也不是會(huì)話數(shù)，而是用戶真實(shí)任務(wù)的實(shí)際完成數(shù)。這個(gè)「完成」不是 Marvis 自己宣告任務(wù)結(jié)束，而是用戶認(rèn)為事情確實(shí)辦成了。

以前做分發(fā)的人不關(guān)心這個(gè)，成功下載 App 就跟我沒關(guān)系了。今天不是這樣。

當(dāng)我們追問目前的任務(wù)完成率，兩人都沒有給出數(shù)字。蔡建濤說，團(tuán)隊(duì)還很難準(zhǔn)確標(biāo)定這個(gè)口徑：「完成是完成了，比如生成一個(gè) PPT，是完成了，但幾分滿意，現(xiàn)在不是特別好標(biāo)?！?/p>

一個(gè)把完成率放在首位的團(tuán)隊(duì)，仍然承認(rèn)自己還無法準(zhǔn)確衡量滿意度。這比直接給出一個(gè)漂亮的數(shù)字，更接近 Agent 今天所處的真實(shí)階段。

這也解釋了 Marvis 那套「電子牛馬」界面。六個(gè) Agent 各有工位：沒有任務(wù)時(shí)打盹、喝咖啡，接到任務(wù)后便開始工作。

蔡建濤說，這套設(shè)計(jì)不只是為了可愛。Agent 執(zhí)行任務(wù)的時(shí)間很長，用戶看不見過程，就容易產(chǎn)生失控感。因此，Marvis 需要把過程攤開，讓用戶知道它在做什么。

最終 Agent 的競爭，拼的是用戶對你的信任，而信任是從「看得見」開始的。

團(tuán)隊(duì)還希望，「電子牛馬」的情緒能隨任務(wù)變化：失敗時(shí)會(huì)懊惱，連續(xù)完成很多任務(wù)會(huì)高興，而不是每次都冷冰冰地留下一句「已完成」。

如果不追求用戶量，商業(yè)化又該怎么解決？尤其是，Marvis 目前每天還在向用戶贈(zèng)送免費(fèi) Token。

林松濤說，現(xiàn)階段還不是謀求收費(fèi)的時(shí)候。在國內(nèi)，Token 是一個(gè)大頭的成本，用戶為這類能力大量付費(fèi)的生態(tài)還沒有形成。一定的免費(fèi)額度不是為了購買用戶，而是先讓用戶完成一次真正的嘗試。

他也提到幾條之后可能展開的路徑：免費(fèi)額度會(huì)根據(jù)產(chǎn)品發(fā)展做調(diào)整；團(tuán)隊(duì)會(huì)推進(jìn) B 端合作；也會(huì)與微軟、英特爾共同探索出海。海外用戶為能力付費(fèi)的基礎(chǔ)與國內(nèi)不同，這是他更看重的方向。

支撐這套產(chǎn)品的是一個(gè)端側(cè)模型群：包括翻譯小模型、多模態(tài)視覺模型等，Marvis 會(huì)根據(jù)不同設(shè)備的算力調(diào)用不同模型。

這是應(yīng)用寶與騰訊混元合作的方向：混元訓(xùn)練的中尺寸模型扮演「小腦」，更小的模型則像「反射神經(jīng)」。

林松濤還透露了一個(gè)尚未對外公布的數(shù)據(jù)：中尺寸模型已經(jīng)可以在配備 8G 顯存的 Windows 電腦，以及 32G 內(nèi)存的 Mac 上運(yùn)行。與行業(yè)同類方案相比，這是一個(gè)較低的配置門檻。

這也關(guān)系到我們實(shí)測時(shí)遇到的問題。Marvis 的本地模式可以讓數(shù)據(jù)全程留在本地，斷網(wǎng)也能使用，但目前要求設(shè)備至少具備 16 核 CPU 和 32G 內(nèi)存。

至于許多人關(guān)心的手機(jī)端，蔡建濤的思路是把手機(jī)作為控制端。用戶需要的未必是另一套手機(jī) Agent，而是一個(gè)可以接收任務(wù)、持續(xù)運(yùn)行的計(jì)算容器；手機(jī)只負(fù)責(zé)發(fā)出指令、接收結(jié)果。

這也是我們體驗(yàn)過的場景：人在外面，通過手機(jī)讓家里的電腦安裝游戲，或者校對一份采訪稿，任務(wù)完成后，再由手機(jī)接收結(jié)果。

這個(gè)容器可以是 PC，也可以是已經(jīng)上線、但仍處于早期階段的云端 Marvis。后者相當(dāng)于一臺私有化的騰訊云輕量服務(wù)器，數(shù)據(jù)專屬，只歸用戶自己。

「再小的需求，也值得一個(gè)應(yīng)用」

Marvis 值得一提的，還有它的 Skill「廣場」。

為什么要做成廣場？蔡建濤提到一個(gè)幾乎所有 Agent 都存在的問題：「你們看過 Skill 的名字沒有？基本全是英文，很多很難的單詞，不是普適、用戶友好的東西?！?/p>

因此，廣場把 Skill、MCP、CLI 這些技術(shù)概念藏在后面，只把「需求」留給用戶：用戶描述自己想做什么，Marvis 再去尋找對應(yīng)的解決方案。目前，廣場的滲透率約為 37%，仍處于早期。

林松濤說，Marvis 要做一個(gè)底座，由第三方開發(fā)者把能力封裝成 Skill，再形成生態(tài)。這個(gè)生態(tài)未來不排除商業(yè)化的可能。

團(tuán)隊(duì)還計(jì)劃推出一個(gè)「人才市場」：電腦管家、電商專家等虛擬角色由開發(fā)者提供，用戶可以像雇傭人才一樣選擇它們，平臺負(fù)責(zé)連接雙方。

同一條「分發(fā)—服務(wù)」的邏輯向供給側(cè)延伸，又長出了「吐司」——一個(gè)可以通過自然語言對話生成 App 的產(chǎn)品。

如果說 Marvis 在需求側(cè)管理存量能力，吐司就在供給側(cè)創(chuàng)造增量。

林松濤說：「以前做 App 常說『這個(gè)需求太小了，不值當(dāng)開發(fā)』。但在 vibe coding 時(shí)代，再小的需求，也值得一個(gè)應(yīng)用?！?/p>

他也沒有回避一個(gè)更長期的問題：AI 出現(xiàn)之后，人們是否還需要那么多 App，目前仍然要打一個(gè)問號。

而吐司與 Marvis，在未來某個(gè)時(shí)間點(diǎn)、某個(gè)維度上，也存在整合的可能。

今天的桌面 Agent 正在迅速變得相似：都可以操作電腦、處理文件、安裝 Skill，甚至界面也開始彼此接近。隨著基礎(chǔ)能力不斷被大模型拉平，差異可能不再取決于多接了幾個(gè)工具，而是兩個(gè)更具體的問題：一個(gè) Agent 到底有多了解用戶所在的環(huán)境；以及，當(dāng)它說任務(wù)完成時(shí)，事情是否真的完成了。

Marvis 把賭注放在「感知」和任務(wù)的真實(shí)完成率上。

這條路并不輕松。它需要繼續(xù)深入操作系統(tǒng)，降低端側(cè)運(yùn)行的成本，也要花很長時(shí)間打磨可靠性。與用戶數(shù)和會(huì)話數(shù)相比，這些進(jìn)展也更難在短期內(nèi)變成漂亮的增長曲線。

但如果 Agent 最終要替人把事情辦成，而不只是陪人聊天，那么這些不太顯眼的部分，恰好是這類產(chǎn)品遲早要解決的問題。