對話騰訊副總裁林松濤：意圖正在代替入口，Agent 需要一顆「小腦」

AI 下半場不缺 Agent 產品，在騰訊內部更是如此。

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

與此同時，騰訊的應用寶團隊也做了一個桌面 Agent，叫 Marvis，定位是「操作系統層級的個人 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 此前實測過 Marvis這款產品，它不太像一個等人提問的聊天框，更像一個常住在電腦里、知道里面有什么的助理。

那么問題也來了，當市面上的 Agent 越來越像，騰訊內部已經有了 WorkBuddy，應用寶為什么還要再做一個？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用寶跨端業務及 Marvis 負責人蔡建濤，接受了 APPSO 在內的媒體采訪。

對于「騰訊內部是否在重復造輪子」這個問題，林松濤和蔡建濤沒有回避。他們給的答案，要從應用商店講起。

從分發軟件，到直接交付服務

應用寶已經做了 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，但分發走到終點，是服務。

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

AI 改變了這條路徑：很多時候，用戶不再需要先找到一個軟件、學習怎么使用，再用它來完成任務。診斷電腦、清理文件這些事，過去都要先下載工具，現在可以由 Agent 直接完成。

蔡建濤說：「今天的 Marvis，本質是過去分發的進階：以前是『商店→分發→用戶自己獲得服務』，現在可以直接從商店走到服務。」

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

「從應用寶到 Marvis，本質是同源的，都是解決『服務』，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是，應用寶十幾年都在做同一件事：把數字能力送到用戶手里。PC 時代分發軟件，移動時代分發 App；到了 AI 時代，只把能力送過去，已經不夠。

過去 20 年互聯網是「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用商店沒關系。但今天意圖代替了入口。 用戶只負責表達意愿，我要買票、我要打車，我們除了送數字能力，還多了一件事：保障結果。

因此，在林松濤看來，Marvis 不是應用寶為了追逐 Agent 熱潮而做的產品，也不是別人發個龍蝦，他們也跟著做一個。它是應用寶必須往前走的一步。

團隊過去在跨端、開發者生態，以及與微軟、英特爾合作中積累的能力，被重新組織進了 Marvis。

這也是 Marvis 與 WorkBuddy 的本質區別，WorkBuddy 更接近從辦公結果交付切入；Marvis 的起點仍然是應用寶那條「分發—服務」的線。

Marvis 想接管的，是用戶與設備之間的關系。

大模型是「大腦」，Marvis 想補上「小腦」

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

蔡建濤把 Agent 的能力拆成四個部分：感知、思考、規劃和行動。

「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。只有做到系統級，才能做到感知。」

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

有了環境感知，你說「上周那件事」，Agent就能理解指的是哪個東西。而不是像現在，需求提給任何一個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。」

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

我們當場追問：用 Codex、WorkBuddy 整理本地發票、處理零散文檔，準確率也可以很高。系統級能力的本質差異究竟在哪里？

蔡建濤說，整理發票誰都能整理，關鍵 Agent怎么把它「找出來」。

一張發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，可以利用系統權限，提前識別哪張圖片是發票，其中包含什么行程、什么抬頭。蔡建濤說：「問問題的時候，我已經有一個「端側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。這是很大的區別。」

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

▲林松濤.

這些任務未必需要很強的算力，也未必非要一個 Fable 5 Max。在本地完成，反而可能更快、更準，也更節省成本。

實測中，我們讓 Marvis 關閉鎖屏廣告，它直接完成了操作。但這項設置在 Windows 里的名稱其實是「關閉 Windows 聚焦」，大多數用戶并不知道它與鎖屏廣告的關系。

這類功能背后有一條明確的選擇標準：大模型一升級就會替代的能力不做；只做那些即使模型繼續變強，也繞不開端側的事，再把時間、效率和成本做到極致。

當被問及 Marvis 的競品是不是 Codex 這類產品，林松濤說：「肯定不是。」

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

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

Marvis 上線后的數據也符合這套判斷：44% 的用戶在使用本地文件能力，28% 在管理電腦硬件，18% 在執行瀏覽器任務，16% 在使用應用能力；把 Marvis 當作搜索工具使用的用戶只有 6%。

蔡建濤說，這個 6% 說明，基本沒有用戶把 Marvis 當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，不是 DAU

「感知」是 Marvis 選擇的產品切口。真正讓它與大多數 Agent 較勁的，則是一個不那么典型的互聯網指標。

林松濤說，團隊內部最看重的不是日活，也不是會話數，而是用戶真實任務的實際完成數。這個「完成」不是 Marvis 自己宣告任務結束，而是用戶認為事情確實辦成了。

以前做分發的人不關心這個，成功下載 App 就跟我沒關系了。今天不是這樣。

當我們追問目前的任務完成率，兩人都沒有給出數字。蔡建濤說，團隊還很難準確標定這個口徑：「完成是完成了，比如生成一個 PPT，是完成了，但幾分滿意，現在不是特別好標。」

一個把完成率放在首位的團隊，仍然承認自己還無法準確衡量滿意度。這比直接給出一個漂亮的數字，更接近 Agent 今天所處的真實階段。

這也解釋了 Marvis 那套「電子牛馬」界面。六個 Agent 各有工位：沒有任務時打盹、喝咖啡，接到任務后便開始工作。

蔡建濤說，這套設計不只是為了可愛。Agent 執行任務的時間很長，用戶看不見過程，就容易產生失控感。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。

團隊還希望，「電子牛馬」的情緒能隨任務變化：失敗時會懊惱，連續完成很多任務會高興，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，商業化又該怎么解決？尤其是，Marvis 目前每天還在向用戶贈送免費 Token。

林松濤說，現階段還不是謀求收費的時候。在國內，Token 是一個大頭的成本，用戶為這類能力大量付費的生態還沒有形成。一定的免費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：免費額度會根據產品發展做調整；團隊會推進 B 端合作；也會與微軟、英特爾共同探索出海。海外用戶為能力付費的基礎與國內不同，這是他更看重的方向。

支撐這套產品的是一個端側模型群：包括翻譯小模型、多模態視覺模型等，Marvis 會根據不同設備的算力調用不同模型。

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

林松濤還透露了一個尚未對外公布的數據：中尺寸模型已經可以在配備 8G 顯存的 Windows 電腦，以及 32G 內存的 Mac 上運行。與行業同類方案相比，這是一個較低的配置門檻。

這也關系到我們實測時遇到的問題。Marvis 的本地模式可以讓數據全程留在本地，斷網也能使用，但目前要求設備至少具備 16 核 CPU 和 32G 內存。

至于許多人關心的手機端，蔡建濤的思路是把手機作為控制端。用戶需要的未必是另一套手機 Agent，而是一個可以接收任務、持續運行的計算容器；手機只負責發出指令、接收結果。

這也是我們體驗過的場景：人在外面，通過手機讓家里的電腦安裝游戲，或者校對一份采訪稿，任務完成后，再由手機接收結果。

這個容器可以是 PC，也可以是已經上線、但仍處于早期階段的云端 Marvis。后者相當于一臺私有化的騰訊云輕量服務器，數據專屬，只歸用戶自己。

「再小的需求，也值得一個應用」

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。」

因此，廣場把 Skill、MCP、CLI 這些技術概念藏在后面，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 要做一個底座，由第三方開發者把能力封裝成 Skill，再形成生態。這個生態未來不排除商業化的可能。

團隊還計劃推出一個「人才市場」：電腦管家、電商專家等虛擬角色由開發者提供，用戶可以像雇傭人才一樣選擇它們，平臺負責連接雙方。

同一條「分發—服務」的邏輯向供給側延伸，又長出了「吐司」——一個可以通過自然語言對話生成 App 的產品。

如果說 Marvis 在需求側管理存量能力，吐司就在供給側創造增量。

林松濤說：「以前做 App 常說『這個需求太小了，不值當開發』。但在 vibe coding 時代，再小的需求，也值得一個應用。」

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

而吐司與 Marvis，在未來某個時間點、某個維度上，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。隨著基礎能力不斷被大模型拉平，差異可能不再取決于多接了幾個工具，而是兩個更具體的問題：一個 Agent 到底有多了解用戶所在的環境；以及，當它說任務完成時，事情是否真的完成了。

Marvis 把賭注放在「感知」和任務的真實完成率上。

這條路并不輕松。它需要繼續深入操作系統，降低端側運行的成本，也要花很長時間打磨可靠性。與用戶數和會話數相比，這些進展也更難在短期內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，恰好是這類產品遲早要解決的問題。