计算机行业深度研究报告：Agent商业化加速，应用场景有望多点开花

---计算机行业深度研究报告 投资评级：推荐（维持） 华龙证券研究所计算机行业分析师：孙伯文执业证书编号：S0230523080004邮箱：sunbw@hlzq.com联系人：朱凌萱执业证书编号：S0230124010005邮箱：zhulx@hlzq.com2025年10月28日 相关报告 《科技自立自强正当时，关注国产化布局机会—计算机行业周报》2025.10.27《美方拟对关键软件出口管制，关注国产替代机会—计算机行业点评报告》2025.10.13 《阿里发布多项技术更新，全球AI基建加码—计算机行业周报》2025.09.29 报告摘要 观点： •AI Agent或接力Chat bot，成为下一阶段主流AI产品形态。根据Lilian Weng在《LLM Powered Autonomous Agents》中对Agent的定义，Agent具备Memory（记忆存储），能够自主规划并调用工具执行任务。执行是下一阶段AI能力的重点，相较于当前主流的Chat bot这一产品形态来说，Agent能够直接交付结果，将大大延展AI在生产力工具范畴的能力边界。从AI的最终形态来看，AI能够在识别、理解、推理的基础上参与决策并执行操作是发展AGI的必经之路。 •过程交付向结果交付过渡，企业付费意愿潜在提升。我们认为从Chat bot到Agent，经历了约三个代际的AI产品形态演变。在演变的过程中，用户与AI的交互更为深入，任务结果交付更为完整。在当下，Agent是“过程交付”转向“结果交付”的更好载体。展望未来，AI产品的演进将更多地强化“生产力”属性，而非纯粹的“工具”属性。对企业来说，劳动力运营支出正在被GPU资本支出取代。具体来说，对B端客户，企业本身对于AI应用助力公司降本增效的需求较为明确。AI应用能够帮助企业提升的产能大于投入的成本，即ROI>1，就会刺激企业客户的付费意愿。并且，由于Agent能够辅助人类产生经济效益这一特性，企业对于AI的支出将从Capex转变Opex。Capex，即资本性支出，指用于获取或升级长期资产（如设备、厂房、技术）的大额投资，通过折旧/摊销分期转化为费用。Opex，即运营性支出，指维持企业日常运营的经常性费用（如工资、租金、水电费）。Agent能够部分替代劳动力职能，带来收益，因此对于Agent的资金投入相当于为劳动力付费，从而这部分资金未来将会从单纯的Capex转变为Opex，更进一步提升企业付费意愿。 •AI Infra建设高速发展，为Agent生态繁荣创造先决条件。在AI战略驱动下，海外云厂微软，谷歌，亚马逊，Meta等北美云厂近年来不断调高资本开支，加码对AI和云基础设施的投入力度。2025年初，阿里在业绩说明会上表明计划在未来三年内对AI和云计算基础设施的投资超过过去十年的总和。以阿里上调资本开支为起点，预计短期内国内大厂资本开支预期将延续上调趋势。另一方面，国产大模型架构不断优化，推理效率显著提升，例如DeepSeek-R1、阶跃星辰Step-3在基模方面持续创新，模型性能竞争依旧白热化，为Agent打下坚实基础。 •垂类Agent多点开花，多Agent协同或成为趋势。多Agent协作（Multi-Agent Collaboration）是指多个自主智能体（Agent）通过通信、协调与任务分工，共同完成单个Agent无法高效或无法独立完成的复杂目标。其核心特征是“去中心化、交互性、互补性”，不依赖单一超级模型，而是通过群体智能涌现超越个体能力的集体表现。技术视角下，从模型到多Agent场景有望形成闭环。生态视角下，AI应用路径或从单点工具走向Agent平台最终形成基于多智能体的垂直行业解决方案。从当前商业模式来看，终端Agent以嵌入终端的形式触达消费者，一般以硬件一次性收入为主要收入来源。非终端Agent通常采用：（1）订阅模式（SaaS模式）。用户按周期（月/年）付费使用AI Agent功能，适用于标准化需求场景（如智能客服、数据分析），企业订阅后可获得稳定服务与持续更新。（2）按调用量付费，即按调用次数或任务量计费。适用于需求波动较大的场景（如云计算、大数据分析）。企业根据实际使用的API调用次数或任务复杂度付费，降低前期投入风险。（3）垂类场景中可按定制化服务收费（按智能体付费）。例如，针对金融、医疗、物流等行业的特定需求提供定制AIAgent，收取开发与部署费用。当前，SaaS和按调用量收费是主流选择方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。（4）按结果付费（RaaS）。这是一种新兴的商业模式，其核心在于企业不再为人工智能技术本身或使用量付费，而是根据智能体实际达成的业务成果来支付费用，要求AI能够交付可量化的商业价值。当前，SaaS和按调用量收费仍然是主流方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。 投资建议：Agent推动企业预算从“买工具”到“买结果”转变，全球算力Capex不断上行，基础模型加速迭代，为Agent生态繁荣创设良好条件。维持计算机行业“推荐”评级。建议关注：（1）办公Agent：金山办公（688111.SH）、泛微网络（603039.SH）、税友股份（603171.SH）；（2）企业管理Agent：鼎捷数智（300378.SZ）、赛意信息（300687.SZ）、汉得信息（300170.SZ）、用友网络（600588.SH）；(3)金融Agent：京北方(002987.SZ)、中科金财(002657.SZ)、同花顺(300033.SZ);（4）多模态Agent：科大讯飞（002230.SZ）、万兴科技(300624.SZ)。 风险提示：（1）市场竞争加剧。（2）所引用数据资料的误差风险。（3）AI应用落地速度不及预期。（4）技术迭代速度不及预期。（5）重点关注公司业绩不达预期。（6）政策标准出台速度不及预期。 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 Agent概念定义01 •生成式AI智能体是一种能够自主运行的应用程序，它通过感知环境并调用相关工具来执行任务，以实现预设目标。其具备以下核心特征：首先，它拥有高度自主性，可在无需人工干预的情况下独立运作；其次，它表现出显著的主动性，能够自主制定行动计划；更重要的是，即使在没有人类明确指令的情况下，智能体也能通过自主推理确定最优行动路径，最终达成既定目标。 •模型是智能体流程中央决策者。智能体可以使用一个或多个语言模型，这些模型可以是通用模型、多模态模型或经过微调的专用模型。 •工具是连接智能体内部能力与外部世界的桥梁。借助工具，智能体可以访问和处理现实世界的信息，从而支持更专业的系统，如检索增强生成（RAG）技术等。因而智能体能够打破依赖基础模型的局限性，并执行比基础模型能够实现的更广泛的操作。 资料来源：《LLM Powered Autonomous Agents》，Lilian Weng，华龙证券研究所 Agent与人类行为的对比01 Agent是通往AGI的必经之路 •AI Agent或接力Chat bot，成为下一阶段主流AI产品形态。根据Lilian Weng在《LLM Powered Autonomous Agents》中对Agent的定义，Agent具备Memory（记忆存储），能够自主规划并调用工具执行任务。执行是下一阶段AI能力的重点，相较于当前主流的Chat bot这一产品形态来说，Agent能够直接交付结果，将大大延展AI在生产力工具范畴的能力边界。从AI的最终形态来看，AI能够在识别、理解、推理的基础上参与决策并执行操作是发展AGI的必经之路。 •从设计理念来看，Agent的产品形态和工作流程可以看做人类行为习惯的多维度映射。比如Agent基于大模型进行决策，大模型承担了类似于“大脑”的角色。同时，Agent具备“知识库”（记忆）、工具使用（技能）等方面特征，同样具有“类人”特性。 Agent——协调者角色01 Agent在交互流程中扮演核心协调者的角色 以谷歌Agent示例来看，用户与Agent具体交互步骤包括： （1）用户输入查询指令后，Agent会主动构建结构化指令——整合提示词和示例模板发送给模型； （2）模型根据接收到的提示词和示例模板解析用户意图，生成JSON负载并通过Agent传到用户端UI； （3）用户端UI直接调用API并返回数据，以富格式内容向用户展示结果。 在此过程中，模型的作用是提供客户端所需的参数，而实际的API调用由客户端UI负责执行。在一些应用场景中，API最终的响应数据也会返还给智能体，以便智能体在推理、逻辑决策或行动选择中进行参考和利用。因而Agent在此过程中扮演的角色类似于一个信息拆解、分配、处理的中枢。 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 需求引领下，Agent的出现具有必然性 02 从Chatbot到Composer到Agent的必然性 从Chatbot到Agent，经历了约三个代际的AI产品形态演变。 第一代（Chatbot） 第二代（Composer） 第三代（Agent） •定位：聊天程序•任务完成度：用户输入问题，产品输出答复/解决方案，具体执行需要用户完成。•代表产品：Chatgpt •定位：编程实习生•任务完成度：用户输入问题，产品生成解决问题的代码，并且自动填入代码编辑器的编译区，需用户审核、进一步编写和执行。•代表产品：Cursor，Copilot •定位：个人秘书•任务完成度：用户输入问题，产品生成完整的的解决方案，可调用工具、数据库等自动执行任务，用户需选择执行方案或决定是否终止执行。•代表产品：Manus 在演变的过程中，用户与AI的交互更为深入，任务结果交付更为完整。在当下，Agent是“过程交付”转向“结果交付”的更好载体。展望未来，AI产品的演进将更多地强化“生产力”属性，而非纯粹的“工具”属性。对企业来说，劳动力运营支出正在被GPU资本支出取代。 资料来源：Github，华龙证券研究所 需求引领下，Agent的出现具有必然性02 Agent有望推动AI应用付费逻辑转变 •具体来说，对B端客户，企业本身对于AI应用助力公司降本增效的需求较为明确。AI应用能够帮助企业提升的产能大于投入的成本，即ROI>1，就会刺激企业客户的付费意愿。而以Agent对劳动力的补充效应来说，人与AI的交互模式可以拆解为三种：Embedding模式、Copilot模式和Agents模式。在这三种模式中，Agents模式下，AI会完成绝大部分工作，人只需要设立目标、提供资源并且监督结果。由于在这种模式下，Agent能够直接交付成果，对于工作任务的完成度或对劳动力的补充效果指标更容易量化，因此更容易形成看得见的ROI提升。 •并且，由于Agent能够辅助人类产生经济效益这一特性，企业对于AI的支出将从Capex转变Opex。Capex，即资本性支出，指用于获取或升级长期资产（如设备、厂房、技术）的大额投资，通过折旧/摊销分期转化为费用。Opex，即运营性支出，指维持企业日常运营的经常性费用（如工资、租金、水电费）。Agent能够部分替代劳动力职能，带来收益，因此对于Agent的资金投入相当于为劳动力付费，从而这部分资金未来将会从单纯的Capex转变为Opex，更进一步提升企业付费意愿。 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速