对话腾讯副总裁林松涛：意图正在代替入口，Agent 需要一颗「小脑」

AI 下半场不缺 Agent 产品，在腾讯内部更是如此。 WorkBuddy 的月活跃用户已经到了 2000 万量级，是今年增长最快的国产智能体产品之一。 与此同时，腾讯的应用宝团队也做了一个桌面 Agent，叫 Marvis，定位是「操作系统层级的个人 AI 助手」。5 月 20 日 Marvis 上线；两天后，DAU 超过 30 万，七日留存约 54%。 APPSO 此前实测过 Marvis这款产品，它不太像一个等人提问的聊天框，更像一个常住在电脑里、知道里面有什么的助理。 那么问题也来了，当市面上的 Agent 越来越像，腾讯内部已经有了 WorkBuddy，应用宝为什么还要再做一个？它解决了什么新的需求呢？ WAIC 2026 期间，腾讯副总裁林松涛和应用宝跨端业务及 Marvis 负责人蔡建涛，接受了 APPSO 在内的媒体采访。 对于「腾讯内部是否在重复造轮子」这个问题，林松涛和蔡建涛没有回避。他们给的答案，要从应用商店讲起。 从分发软件，到直接交付服务 应用宝已经做了 14 年。被问到为什么要做 Marvis，蔡建涛没有先谈 Agent，他先从「商店」聊起。 以前商店是分发，但分发走到终点，是服务。 过去，用户想转换文件格式，要先去商店下载极光 PDF、WPS 等软件，再借助软件完成任务。应用商店提供的是服务之前的一步：把工具送到用户手里。 AI 改变了这条路径：很多时候，用户不再需要先找到一个软件、学习怎么使用，再用它来完成任务。诊断电脑、清理文件这些事，过去都要先下载工具，现在可以由 Agent 直接完成。 蔡建涛说：「今天的 Marvis，本质是过去分发的进阶：以前是『商店→分发→用户自己获得服务』，现在可以直接从商店走到服务。」 开发者在其中扮演的角色也变了。过去，开发者交付的是一个出现在前台的 App；现在，他们也可以成为后台的服务提供方，通过 CLI、MCP、SDK 等方式，把能力接入 Marvis。 「从应用宝到 Marvis，本质是同源的，都是解决『服务』，只是路径从两步变成了一步。」蔡建涛说。 林松涛对这段变化的总结是，应用宝十几年都在做同一件事：把数字能力送到用户手里。PC 时代分发软件，移动时代分发 App；到了 AI 时代，只把能力送过去，已经不够。 过去 20 年互联网是「小助手」逻辑，我们辅助用户做决策。比如说你要买票，我推荐你携程，携程的票买得怎么样跟我应用商店没关系。但今天意图代替了入口。 用户只负责表达意愿，我要买票、我要打车，我们除了送数字能力，还多了一件事：保障结果。 因此，在林松涛看来，Marvis 不是应用宝为了追逐 Agent 热潮而做的产品，也不是别人发个龙虾，他们也跟着做一个。它是应用宝必须往前走的一步。 团队过去在跨端、开发者生态，以及与微软、英特尔合作中积累的能力，被重新组织进了 Marvis。 这也是 Marvis 与 WorkBuddy 的本质区别，WorkBuddy 更接近从办公结果交付切入；Marvis 的起点仍然是应用宝那条「分发—服务」的线。 Marvis 想接管的，是用户与设备之间的关系。 大模型是「大脑」，Marvis 想补上「小脑」 但一段来自应用宝的历史，还不足以证明 Marvis 的必要性。回到产品本身，它仍然要回答：在一批已经能操作电脑、处理文件的 Agent 里，自己的差异是什么？ 蔡建涛把 Agent 的能力拆成四个部分：感知、思考、规划和行动。 「今天市面上的 Agent，我说帮我找一张上周宝宝撑伞的照片，它有 thinking、planning、action，就是缺了『感知』这一环。只有做到系统级，才能做到感知。」 他所说的感知，是在用户授权之后，Marvis 通过本地模型，提前理解设备里有哪些文件、每个文件是什么、安装了哪些程序，以及发生过哪些行为。 有了环境感知，你说「上周那件事」，Agent就能理解指的是哪个东西。而不是像现在，需求提给任何一个Agent ，它扫全盘试一下能不能找到，找不到就算了。这种就没有感知。」 我们在实测中也遇到过类似场景。让 Marvis 找一张只记得画面内容、不记得文件名的《黑神话：悟空》截图时，它的搜索范围不仅包括文件名，还包括文档内容、图片里的场景和截图中的文字。即使描述模糊，它也能找到对应文件。这已经不是 Windows 自带搜索所能覆盖的范围。 我们当场追问：用 Codex、WorkBuddy 整理本地发票、处理零散文档，准确率也可以很高。系统级能力的本质差异究竟在哪里？ 蔡建涛说，整理发票谁都能整理，关键 Agent怎么把它「找出来」。 一张发票图片里有大量字符。普通 Agent 如果事先不了解这台电脑，只能扫描全盘，再把图片逐张交给云端模型识别。这不仅会带来近乎没有上限的 Token 消耗，也难以解决隐私问题。 Marvis 跑在端侧，可以利用系统权限，提前识别哪张图片是发票，其中包含什么行程、什么抬头。蔡建涛说：「问问题的时候，我已经有一个「端侧AI」知道你的全局了。目前一些Agent 更多是什么都不知道，全盘盲扫，扫到就扫到。这是很大的区别。」 对此，林松涛给出了一个更形象的比喻：「大家去拼编程、拼更长程的推理，是在拼大模型的『大脑』。我们做的很多端侧模型，是『小脑』和『反射神经』，用于保证速度和执行效率与稳定，在这个前提下，再做端云结合才会事半功倍。」 ▲林松涛. 这些任务未必需要很强的算力，也未必非要一个 Fable 5 Max。在本地完成，反而可能更快、更准，也更节省成本。 实测中，我们让 Marvis 关闭锁屏广告，它直接完成了操作。但这项设置在 Windows 里的名称其实是「关闭 Windows 聚焦」，大多数用户并不知道它与锁屏广告的关系。 这类功能背后有一条明确的选择标准：大模型一升级就会替代的能力不做；只做那些即使模型继续变强，也绕不开端侧的事，再把时间、效率和成本做到极致。 当被问及 Marvis 的竞品是不是 Codex 这类产品，林松涛说：「肯定不是。」 蔡建涛补充道，Codex 是 Coding Agent，更聚焦通用的编程能力；Marvis 想做的是一个真正懂用户、也懂设备的助理。「生成一个很牛的 PPT 我们也会做，但那不是最核心的定义。」 因此，他们不按职业划分用户，而按需求划分。程序员同样要查找照片、管理电脑；编程任务交给 Codex 更合适，而设备与应用场景的需求，并不专属于某一类人。 Marvis 上线后的数据也符合这套判断：44% 的用户在使用本地文件能力，28% 在管理电脑硬件，18% 在执行浏览器任务，16% 在使用应用能力；把 Marvis 当作搜索工具使用的用户只有 6%。 蔡建涛说，这个 6% 说明，基本没有用户把 Marvis 当作豆包或元宝的替代品。用户对它的定位，反而比想象中更清楚。 最重要的指标，不是 DAU 「感知」是 Marvis 选择的产品切口。真正让它与大多数 Agent 较劲的，则是一个不那么典型的互联网指标。 林松涛说，团队内部最看重的不是日活，也不是会话数，而是用户真实任务的实际完成数。这个「完成」不是 Marvis 自己宣告任务结束，而是用户认为事情确实办成了。 以前做分发的人不关心这个，成功下载 App 就跟我没关系了。今天不是这样。 当我们追问目前的任务完成率，两人都没有给出数字。蔡建涛说，团队还很难准确标定这个口径：「完成是完成了，比如生成一个 PPT，是完成了，但几分满意，现在不是特别好标。」 一个把完成率放在首位的团队，仍然承认自己还无法准确衡量满意度。这比直接给出一个漂亮的数字，更接近 Agent 今天所处的真实阶段。 这也解释了 Marvis 那套「电子牛马」界面。六个 Agent 各有工位：没有任务时打盹、喝咖啡，接到任务后便开始工作。 蔡建涛说，这套设计不只是为了可爱。Agent 执行任务的时间很长，用户看不见过程，就容易产生失控感。因此，Marvis 需要把过程摊开，让用户知道它在做什么。 最终 Agent 的竞争，拼的是用户对你的信任，而信任是从「看得见」开始的。 团队还希望，「电子牛马」的情绪能随任务变化：失败时会懊恼，连续完成很多任务会高兴，而不是每次都冷冰冰地留下一句「已完成」。 如果不追求用户量，商业化又该怎么解决？尤其是，Marvis 目前每天还在向用户赠送免费 Token。 林松涛说，现阶段还不是谋求收费的时候。在国内，Token 是一个大头的成本，用户为这类能力大量付费的生态还没有形成。一定的免费额度不是为了购买用户，而是先让用户完成一次真正的尝试。 他也提到几条之后可能展开的路径：免费额度会根据产品发展做调整；团队会推进 B 端合作；也会与微软、英特尔共同探索出海。海外用户为能力付费的基础与国内不同，这是他更看重的方向。 支撑这套产品的是一个端侧模型群：包括翻译小模型、多模态视觉模型等，Marvis 会根据不同设备的算力调用不同模型。 这是应用宝与腾讯混元合作的方向：混元训练的中尺寸模型扮演「小脑」，更小的模型则像「反射神经」。 林松涛还透露了一个尚未对外公布的数据：中尺寸模型已经可以在配备 8G 显存的 Windows 电脑，以及 32G 内存的 Mac 上运行。与行业同类方案相比，这是一个较低的配置门槛。 这也关系到我们实测时遇到的问题。Marvis 的本地模式可以让数据全程留在本地，断网也能使用，但目前要求设备至少具备 16 核 CPU 和 32G 内存。 至于许多人关心的手机端，蔡建涛的思路是把手机作为控制端。用户需要的未必是另一套手机 Agent，而是一个可以接收任务、