一组需要认真看的数字
2026 年 9 月，中国电信披露了其星辰超级智能体 TeleAgent 的运营数据：注册用户突破 100 万，日活跃用户达到 13 万，日均词元（Token）消耗超过 8000 亿。作为对照，中国电信整体内外部应用的日均词元消耗量达到 8 万亿规模。TeleAgent 自 2026 年 7 月中旬发布，到公布数据时不过一个多月。
技能广场是另一个值得关注的口径：已汇聚 4 万余个技能，其中 99% 由用户自主创建，超过 90% 为非研发人员结合业务需求定制。这三个比例叠在一起，说明它的扩展方式不是厂商开发技能、用户使用，而是用户自己造工具、平台提供底座。
需要说明的是，公司未披露付费转化率、企业版定价、用户留存与活跃结构等数据，官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
它把安全做成了卖点，而不是合规成本
TeleAgent 对外强调的差异化有三项：安全、效率、效果。其中安全被放在很重的位置，而且给出了相当具体的清单。
它获颁国家首批智能体身份码；通过信通院、电信研究院等机构评测，以及长亭、奇安信等安全厂商的渗透测试；构建了应用安全、内容安全、数据安全、网络安全四层保障体系；对外承诺操作可追溯、高危必拦截、数据可审计，并强调企业数据全程不出域。此外，它还获得工信部「企业级类 Agent 智能体安全能力评估证书」，支持 MCP 协议扩展与多模型切换。产品侧配置了自研的轻量级沙盒，用于限定文件访问范围。
这套组合的含义值得解读。央企做 AI 产品，天然面对更严格的合规与审计要求，把安全做成显性能力，一方面回应了监管，另一方面也解决了企业客户最现实的顾虑——不是「能不能用」，而是「敢不敢让它碰核心数据」。在这一点上，央企背景从约束变成了优势。
效率侧的关键词是「自主可控」
效率维度上，公司强调的是从词元生产到词元消耗的全程自主可控。生产端由自研的星辰大模型体系承担，官方称其具备「全模态、全尺寸、全国产」三个特征：融合语义、语音、图像、视频四类模态；支持端侧轻量、边侧百亿级、云侧千亿级的三级协同；实现数据、算力、模型全链路国产化。其中语义大模型开源了全国产千亿 MoE 模型，语音大模型支持中英 60 余种方言自由混说，视觉大模型日调用量超 60 亿次，多模态大模型用户超 820 万。
消耗端则依靠自研的模型路由按需匹配模型，结合上下文压缩技术来降低响应时间与成本。产品层面按任务复杂程度自动选择模型，自主拆解步骤、调用工具、交付成果，全过程可追溯。
产品功能上，TeleAgent 聚焦日常办公，覆盖查、搜、写、审、析、连、管、做八类能力，可完成表格合并透视、跨系统自动化流转、定时任务执行与自然语言生成代码等任务。官方给出的一个使用反馈是：某咨询分析师做季度经营分析，过去要从 5 个系统导出 20 多张报表、清洗数据制图，耗时半天以上；现在上传原始数据、说明分析维度后，约 5 分钟即可生成带可视化图表的完整报告。这是一条用户自述，不是受控测试结果，参考时需要区分。
「从流量经营到 Token 经营」在说什么
比产品数据更值得注意的是运营思路的表述。中国电信在服贸会与智博会相关场合提出，公司正从传统的「流量经营」迈向「Token 经营」，配套展示了一体化词元运营平台，把大模型消耗做成可计量、可定价、可按套餐购买的服务——演示中从选档、下单到开通，约一分钟完成。
这个转向的商业逻辑很清楚。运营商过去卖的是连接，计费单位是流量；如果智能体成为企业的主要用 AI 方式，那么计费单位就会转向词元。谁掌握词元的调度、计价与交付，谁就掌握了新的收费入口。对运营商而言，这是一次把「基础设施资产」转化为「服务收入」的尝试，而不只是一次产品发布。
当前 TeleAgent 的软件及默认星辰大模型词元服务全部免费，这符合新入口的常见打法：先用免费降低使用门槛，把用户规模做起来，再通过企业版、私有化部署与增值能力变现。真正的商业验证要等到免费期结束后才能看清。
央企路径的独特性与边界
把 TeleAgent 与市场上的其他办公智能体放在一起看，它的路径有明显的独特性。它不追求在通用能力上与头部模型对标，而是深耕中文办公场景，适配周报、PPT、表格等任务，并依托长期记忆保证关键信息不丢失。这种「不套用通用编程智能体方案」的定位，本质上是承认自己在通用能力上不占优势，转而在场景深度与合规资质上建立差异。
它的分发优势也很难被复制。中国电信拥有覆盖全国的政企客户网络与算力资源，这决定了它的客户获取成本远低于创业公司。但同一张网络也是它的约束：政企客户的采购周期长、定制要求高、验收标准严，规模化复制比互联网产品慢得多。技能广场 99% 由用户自建这一点，既是生态活力的体现，也意味着技能质量参差不齐，平台需要承担审核与治理成本。
中立思辨
需要辩证看待几件事。其一，百万用户与 8000 亿日词元消耗是运营口径，没有披露活跃结构、留存曲线与付费转化，用户规模与商业价值之间还有很长的距离。其二，免费策略是拉新的有效手段，但也会延缓付费能力的验证，一旦进入收费阶段，用户流失率是关键未知数。其三，安全能力的清单很长，但这些资质与认证回答的是「是否符合标准」，不完全等于「在实际攻击下能否守住」，真实对抗效果需要长期观察。其四，「数据不出域」与「云端智能体」之间存在天然张力：能力强依赖云端大模型，数据不出域又要求本地闭环，两者的平衡点在不同行业会不一样。其五，技能广场由用户自建的模式能快速扩展能力面，但也把技能可靠性风险分散到了用户侧，一个由非研发人员编写的技能如果被广泛复用，出错的影响面会被放大。其六，央企路径的资源优势明显，但它同时也意味着产品迭代节奏需要匹配组织流程，面对快速变化的市场，灵活性可能成为短板。
趋势研判
短期看，TeleAgent 的核心任务是验证「免费期结束后的留存」，这个指标比用户数更能说明问题；中期看，如果「词元经营」的模式跑通，它可能改变企业采购 AI 的方式——从按项目买系统，转向按用量买能力，这对整个企业 AI 市场都是结构性变化；长期看，运营商做智能体的真正壁垒可能不在模型，而在「可被审计、可被信任、可被规模化交付」这套体系，这正是政企客户最看重、创业公司最难复制的部分。
对采购方来说，一个务实的评估方式是把注意力从「能力榜单」转向「治理清单」：这个智能体能访问哪些系统、能执行哪些动作、出了错谁负责、审计日志能保留多久。这些问题回答清楚了，才谈得上规模化部署。