计算机行业：Agent迎来落地奇点，把握应用入口机会

证券研究报告/行业点评报告 计算机 报告摘要 评级：增持（维持） Agent=数字打工人，实现自主决策和任务执行。AIAgent=LLM×(规划+记忆+工具+行动)，能够感知环境、自主决策并执行行动，具备了通过独立思考和调用工具逐步完成目标的能力，不仅限于对标另外一类形式的应用，而是直接对标人工劳动力。目前以TaskAgent为主流，Multi-Agent协作应用体验提升。Agent市场潜力充足，助力产业降本和价值重塑，专业服务、金融、医疗、零售场景意愿强烈，万亿级中国AI市场有望开启。 分析师：孙行臻执业证书编号：S0740524030002Email：sunxz@zts.com.cn 奇点将至：Manus通用智能体初成型，开启AIAgent新时代。大模型发展重心已朝向“后训练、推理侧、自主智能体”偏移，从“卷基座、卷模型”向“卷推理、卷AIAgent、卷应用落地”过渡。2025年3月6日，首款通用型AI智能体Manus问世，可将复杂任务拆解为可执行的步骤链，并在虚拟环境中灵活调用工具，最终交付完整成果，在形式上初步体现出Agent独立工作能力，或标志着AI从Reasoner走向Agent，Agent能力进入“TakeActions”阶段。 上市公司数360行业总市值(亿元)49,146.26行业流通市值(亿元)42,331.96 产业展望：重视入口，AI应用+智能硬件迎来产业变革。 AI应用：流量为王，产品工程化能力为后续重点。Agent竞争入口为王，掌握更多用户流量的厂商有望实现“流量-数据-使用体验”的正向循环，且随着开源模型能力升级弥补大厂及中小厂技术代差，AI产品工程化能力或拉开产品使用体验差距。 1)通用vs垂类：通用型Agent对泛化的能力要求更高，平台型公司研发禀赋较高，并且户基数大、产品矩阵广、数据积累足、现金流充裕，在通用型Agent竞争中具备更大优势。而垂类Agent需要加强特定领域的理解能力，相关垂类厂商有望通过客户资源、业务理解、特定数据积累做出差异化。2)ToCvsToB：C端Agent侧重于产品的使用体验，本质还是回归于流量和付 费率的竞争；B端Agent则聚焦企业级任务，一方面企业的降本增效意愿强烈，另一方面企业明确的业务场景、业务逻辑以及行业数据也更适用于Agent的使用。 相关报告 智能硬件：Agent的端侧实现是智能体最后一公里，各类智能硬件遍地开花。随着AIAgent技术迭代与产业化进程的提速，智能硬件产品或面临产业升级机会，成为通用或垂类领域的“流量入口”。 1、《“大模型之手”Manus发布，再掀AI应用革命》2025-03-06 投资建议： 应用端：端侧成本革命+自主智能，Agent应用有望迎来爆发。DeepSeek开源周掀起成本革命，模型能力升级推动应用落地加速，关键环节工具产品智能化升级全面爆发。建议关注：同花顺、金山办公、合合信息、萤石网络等。 算力端：应用需求爆发对应的是算力消耗增长，公有云+私有云+一体机作为三种主流部署形式，带动国产算力核心受益。1)公有云：云计算大厂加大CAPEX支出，推动算力及有效算力上调。建议关注：阿里巴巴、腾讯等。2)私有云：私有化部署系国情刚需，采购意愿提升。建议关注：海光信息、中科曙光、深桑达A等。3)一体机：党政及金融场景轻量化开箱即用，需求火热。建议关注：神州数码、软通动力、烽火通信、拓维信息、大华股份等。 风险提示：AI产品工程化能力不及预期；商业化进展不及预期；模型技术迭代进展不及预期；研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险。 内容目录 一、Agent：数字打工人，千行百业智能化革命将启......................................................3 1.1模式变革：Agent=数字打工人，实现自主决策和任务执行................................31.2技术走向：目前以TaskAgent为主流，Multi-Agent协作应用体验提升............41.3潜力充足：助力产业降本和价值重塑，万亿级中国AI市场有望开启.................6 二、奇点将至：Manus通用智能体初成型，开启AIAgent新时代................................7 2.1产业趋势：“卷基座、卷模型”→“卷推理、卷AIAgent、卷应用落地”.......72.2Manus：首款通用型AI智能体问世，标志AI从Reasoner走向Agent.............8 三、产业展望：重视入口，AI应用+智能硬件迎来产业变革.........................................9 3.1AI应用：流量为王，产品工程化能力重要度提升...............................................93.1.2通用vs垂类：平台型公司加速部署通用Agent............................................103.1.2ToCvsToB：ToC更重产品力，ToB注重行业Know-How.............................123.2智能硬件：端侧实现Agent落地最后一公里.....................................................12 投资建议..........................................................................................................................13 风险提示..........................................................................................................................13 图表目录 图表1：人类与AI协同的三种模式.................................................................................3图表2：AIAgent系统架构.............................................................................................4图表3：主流Agent技术拆解及发展趋势.......................................................................5图表4：OpenAI的Multi-AgentSwarm在客户服务领域工作流程................................6图表5：AIAgent对AI产业的市场规模及各细分领域价值的影响.................................7图表6：大模型发展重心有望进一步向“后训练、推理侧、自主智能体”偏移............7图表7：Manus部分智能体应用案例..............................................................................8图表8：Manus或标志着Agent能力进入第三阶段.......................................................9图表9：Manus在GAIA基准测试上表现突出...............................................................9图表10：驱动AI产品增长的核心变量...........................................................................9图表11：项目视角下AI产品工程化的挑战..................................................................10图表12：我国AlAgent平台型厂商及其产品类型梳理................................................10图表13：2025年2月全球AI网站排行榜（节选）.....................................................11图表14：2025年2月中国AI网站排行榜（节选）.....................................................11图表15：AlAgent行业应用发展象限...........................................................................11图表16：24年最受欢迎Agent集中于C端产品，最实用Agent集中于B端产品.....12图表17：产品对比——Manus个人智能助理vs“智友”企业智能总管.....................12图表18：各类智能硬件均有可能成为不同领域的主流交互入口..................................13 一、Agent：数字打工人，千行百业智能化革命将启 1.1模式变革：Agent=数字打工人，实现自主决策和任务执行 AIAgent是“感知环境-自主决策-执行行动”的智能实体，具备通过独立思考和调用工具逐步完成目标的能力。区别于Prompt模式将大模型作为工具来调用，Agent自主性增强，只需要给定目标就可以在某个流程节点独立完成并减少人类的审核，体现出高于Embedding模式和Copilot模式的智能化。 AIAgent=LLM×(规划+记忆+工具+行动)。在以LLM为基础的AlAgent系统中，大模型作为AIAgent系统的大脑负责计算，并需要其他组件进行辅助，以提升AIAgent的理解力和泛化能力，使其能更好地处理多种任务和上下文信息。 规划(Planning)：1）对需要更多步骤的复杂任务，AIAgent能够调用LLM通过思维链能力进行任务分解；2）通过反思和自省框架，AlAgent可以不断提升任务规划能力。记忆(Memory)：1）对AlAgent智能体系统的所有输入会成为系统的短期记忆；2）AlAgent在完成目标时，需要查询的外部向量数据库成为系统的长期记忆。工具(Tools)：1）AlAgent能够使用外部工具API拓展模型能力，以获取大模型以外的能力和信息；2）类GPT等大模型也更新了插件的功能，能够调用插件访问最新信息或者特定数据源，但需要用户针对提问问题提前选择需要使用的插件，无法做到自然地回答问题。 来源：头豹研究院，中泰证券研究所 我们认为，AIAgent可能不仅限于对标另外一类形式的应用，而是直接对标人工劳动力（如WPS不限于对标微软OfficeSaaS云服务，而是直接对标办公室的员工）。 1.2技术走向：目前以TaskAgent为主流，Multi-Agent协作应用体验提升 技术路径：目前AI产品以TaskAgent为主流，短期内JobAgent有望快速发展。根据技术路径，学术界对于AlAgent的主流分类包括LogicAgent、TaskAgent、JobAgent和自我演进Agent。目前，国内外主要AIAgent产品集中在TaskAgent上，它是一种面向具体任务，分解计划执行对应操作，过程中没有长期状态记忆的Agent，这类智能体技术较成熟，易复制推