2026 年 10 月 30 日，腾讯全球数字生态大会在深圳举行。在地图专场上，腾讯正式公布 Agent 能力全景图。官方宣布，面向产业客户、硬件厂商与开发者全面开放地图 Agent 能力。
OPPO ColorOS 与腾讯地图联合共创的数据同步披露。双方推出的全场景旅行智能体上线后，行前攻略从 9 步手动点击缩短为一句话。相关场景点击率实现翻倍。用户次日留存率提升近 1.5 倍。
拥有数亿用户的国民级地图服务商，主动把交互界面退让给各类 AI 助手。地图正在剥离孤立软件的外壳。它转变为大模型调动物理现实的核心动作中枢。
界面退后，地图从入口变成端侧动作中枢
移动互联网时期的地图竞争，核心在于争夺独立 App 内部的停留时长。路线规划、地点搜索与周边推荐，都需要用户主动拉起客户端。这种将时空服务与孤立窗口绑定的形态，在端侧智能体普及后碰到了天花板。
腾讯集团副总裁、腾讯智慧出行总裁钟翔平给出了判断。在智能体时代，信息入口正在广泛溢出。但导航、打车与路况等强行动需求，依然会收敛到专业地图能力上。腾讯在移动互联网时代因坚持生态优先错过了 App 流量红利。面对大模型浪潮，腾讯地图选择将界面主动后撤，转向「Agent 友好」策略。
这种退让重塑了超级应用的交互逻辑。微信小微助手直接集成了腾讯地图的图卡 Agent。用户在视频号刷到探店视频，或者在聊天中提到餐馆，依靠一句话语义分析就能调出地理卡片。涉及路线导航或叫车支付等深度操作，卡片会自动拉起小程序执行。
运营数据打破了行业对「AI 截流原生应用」的担忧。过去数月，微信小微内的位置查询量持续走高。这项增长并未分流小程序的用户，反而与小程序的访问频次形成了正向协同。独立 App 界面退居幕后，地图服务直接嵌入端侧各大助手的交互前沿。
改造传统 API，三套标准接口把时空数据变成执行结果
大模型接入物理世界，面临的首要阻碍是传统接口的数据形态。过去二十年，地图厂商交付的主要是 RESTful API 或端侧 SDK。接口返回的数据多为经纬度坐标、多段线几何数据或静态商业注记。这类低粒度原子数据需要写代码才能渲染成图。通用大模型无法理解裸坐标串，难以依据它们推导出行动方案。
腾讯地图副总裁张治东在群访中披露了重构方案。技术团队对底层架构进行了系统化改造，推行接口的 Skill 化与 MCP 标准化。腾讯地图将时空能力封装为三大组件：MCP Server、Agent Skills 以及专属业务连接器。地图底座不再输出机械的点位，而是将路网拓扑与周边业态直接加工为结构化的结论型数据。
以找餐厅场景为例，传统搜索 API 只会返回两公里内的商户列表。在全新的 Agent 接口下，搜索 Agent 会自动叠加排队桌数、在线订座入口与优惠券。系统直接生成包含决策依据的综合方案。外部智能体无需拼凑零散数据。调用一次标准接口，就能获取可执行的方案。
图：腾讯地图 Agent 能力全景图。方案展示了面向 AI 助手的 MCP 架构。来源：腾讯发布会演示。
第三方大模型同样能够挂载这套能力。字节跳动的豆包助手或各类开源模型，都可以通过 MCP 协议接入。大模型擅长理解自然语言。腾讯地图负责锚定空间坐标与实时路况。两者通过标准协议形成了明确的分工。
穿透座舱与眼镜，5 个专项智能体跨设备打通物理现实
物理世界的交互环境比手机屏幕复杂得多。在穿戴设备上，用户无法通过手指滑动交互。耳机依赖简短语音播报。轻量 AR 眼镜受限于显示面积与续航开销。强行把手机 App 的全量图层塞入穿戴设备，只会带来算力过载与体验断裂。
腾讯地图与乐奇 Rokid AI 眼镜以及光帆 AI 耳机展开了定制，上线了穿戴原生打车服务。在眼镜端，图卡 Agent 仅提取关键路线与车辆动态车牌，剔除无关图层。在耳机端，出行服务 Agent 依靠语音确认地点。用户不用掏出手机。单凭自然对话，就能跑通选车、叫车直至免密支付的流程。
智能汽车座舱则是另一处高密度的时空场景。腾讯在车载端部署了专门的「车图 Agent」，由 5 个专项智能体协同运转：出行规划 Agent、地图渲染 Agent、生态内容 Agent、智能领航 Agent 以及停车攻略 Agent。它们分工协作。在长途跨城自驾中，智能体能够结合乘客口味排布多日行程，并按电量推荐充电站点。
图：腾讯地图连接硬件终端全景。涵盖车图 Agent、智能眼镜及跨设备流转方案。来源：腾讯发布会演示。
车载环境对安全的要求高于手机端。车图 Agent 将车道级高精地图与车载感知融合，在立交桥与车道合流处，对加塞车辆与盲区动态做出毫秒级预判。在两轮出行领域，腾讯地图携手 OpenHarmony 鸿蒙生态与小牛电动，实现了两轮车机投屏导航全量开放。骑行者的导航路线在手机与车机间保持无缝流转。
开放桌面工作台，LBSwork 把时空大模型推向产业决策
时空智能体的外溢同样改变着 B 端机构的经营决策。传统线下商业在拓店选址时，依赖人工踩点与历史静态报表。分析周期长达数周，且容易受到主观偏见的干扰。把庞大的时空大数据转化为一线人员可操作的工具，成为产业端的需求。
腾讯地图在大会上发布了桌面端 AI 工作台 LBSwork。该工作台依托腾讯地图时空动态大模型，基于与办公智能体 WorkBuddy 同源的 Harness 框架打造，隶属于「盖亚 2.0」体系。业务人员不需要学习复杂的 GIS 软件。输入日常业务指令，系统便能调取底层数据进行综合研判。
以连锁餐饮选址为例。业务主管只需输入指令：「在天河区选出三处客单价 35 元以上且晚间客流密集的临街铺位」。LBSwork 会综合竞品分布与人口购买力。系统自动生成详尽的选址分析报告。包道与围辣已首批接入实测。繁复的数据清洗流程大幅缩减。
图：桌面端 AI 地图工作台 LBSwork 交互界面。系统支持通过自然语言调动时空数据。来源：腾讯产品演示。
在赋予智能体行动能力的同时，腾讯在数据合规上划定了清晰边界。张治东强调，腾讯地图始终执行「用户确认优先」原则。任何主动推送与位置唤起，都受到严格限制。智能体在调用经纬度或发起支付前，必须获得用户授权。这防止了后台程序越权探测用户行踪。
地图竞争离开图层渲染，终局落在真实世界执行深度
地图竞争的法则正在发生变化。产品从图层展示工具演变为智能体的动作中枢。通用大模型具备推理规划能力。它能在短时间内写出一份自驾游攻略。然而，具体哪条山路正在修路、充电桩排队几辆车，静态语料库无法获知。
现实世界是一个动态变化的物理实体。红绿灯配时、突发路况与商铺变动，都需要实时传感器、路测采集与位置大数据网络进行高频刷新。这些时空数据底座，构成了大语言模型接入物理现实的基础坐标系。
围绕独立客户端的流量争夺正在降温。用户不再频繁打开独立的地图 App。无论戴上眼镜还是坐进座舱，顺畅的导航都在后台平稳运行。精准的商业选址也离不开时空智能体。空间交互的竞争终局，不再看谁占据了屏幕入口。真正的胜负在于谁能扎进物理世界。只有把现实空间转化为即调即用的工具，才能成为物理世界的动作中枢。
参考链接：
- 粤港澳都市网专访报道
- 腾讯全球数字生态大会官方发布
- 新浪财经深度报道
- IT之家科技快讯
