證券研究報告·行業(yè)年度策略報告·傳媒互聯(lián)網(wǎng)增持（維持）AI

Agent深度（二）：2025

Agent元年，AI從L2向L3發(fā)展2025年5月4日核心觀點1.

我們認為

2025年是Agent元年：AI

正從

L2（推理者）向

L3（Agent/智能體）進化，標志著

AI從“思考”走向“行動”。這一轉(zhuǎn)變由四大驅(qū)動力促成：

①技術(shù)成熟度達到臨界點：

強大的多模態(tài)基礎(chǔ)模型（能理解視覺信息如

GUI

界面）和成熟的強化學(xué)習(xí)訓(xùn)練方法已準備就緒

。②標桿產(chǎn)品的出現(xiàn)：

行業(yè)領(lǐng)導(dǎo)者（如

OpenAI,

Google,

Anthropic）推出了關(guān)鍵產(chǎn)品（如

Operator,DeepResearch），基準測試（如

RE-Bench）顯示頂尖

Agent在特定任務(wù)上的效率已可匹敵甚至超越人類專家

。③MCP

協(xié)議的普及將促進

Agent

生態(tài)的互聯(lián)互通

。④市場需求驅(qū)動：

經(jīng)歷了大模型能力競賽（2023年）和初步應(yīng)用探索（2024年）后，市場（尤其是

B端）迫切需要

AI能夠落地解決復(fù)雜業(yè)務(wù)問題、自動化多步驟流程，并帶來顯著的生產(chǎn)力提升，Agent

的出現(xiàn)恰好滿足了這一需求

。2.

為什么要關(guān)注Agent？我們認為其重要性在于：①深度自動化：

Agent具有深度自動化、指數(shù)級效率提升和成本優(yōu)化潛力，將人類從重復(fù)性勞動中解放出來，聚焦更高價值的創(chuàng)造性工作

。

②通往

AGI：Agent（L3）是通往通用人工智能（AGI）和具身智能的關(guān)鍵環(huán)節(jié)。③重塑互聯(lián)網(wǎng)入口：Agent可能改變用戶獲取信息和完成任務(wù)的方式，挑戰(zhàn)傳統(tǒng)搜索引擎，并可能使操作系統(tǒng)、瀏覽器或“超級

App”成為新的核心入口。我們預(yù)計入口級通用

Agent的競爭將在

2025

年下半年開啟

。3.

Agent的競爭格局是“巨頭環(huán)伺，新銳突破”：

①巨頭環(huán)伺：大型科技平臺（OpenAI,Google,微軟；國內(nèi)

BAT、字節(jié)、等）憑借模型、數(shù)據(jù)、算力、生態(tài)優(yōu)勢主導(dǎo)通用

Agent

和平臺生態(tài)的構(gòu)建

。②垂直機會：垂直領(lǐng)域憑借深度領(lǐng)域知識和工作流整合仍有創(chuàng)新機會，但長期面臨通用

Agent能力提升的威脅

。初期

AI應(yīng)用價值高度依賴模型能力，但簡單的“淺層套殼”產(chǎn)品（

即Wrapper

）缺乏壁壘，易被顛覆。真正的護城河在于復(fù)雜工作流的可靠編排、高質(zhì)量工具集成能力和深度領(lǐng)域知識。4.

投資建議：①重視

Agent

投資窗口：2025

年是布局

Agent領(lǐng)域的重要窗口期，需密切跟蹤基礎(chǔ)模型（尤其多模態(tài)、推理、規(guī)劃）、強化學(xué)習(xí)、工具調(diào)用可靠性、推理成本優(yōu)化以及標準化協(xié)議（如

MCP）的進展。②長期配置平臺巨頭：擁有強大基礎(chǔ)大模型、算力、數(shù)據(jù)和生態(tài)系統(tǒng)的大型科技平臺公司是

Agent

時代的核心受益者，最有可能主導(dǎo)通用

Agent的發(fā)展，并能整合或取代單一功能應(yīng)用，具備長期配置價值。

例如海外的Google、微軟，以及與

OpenAI、Anthropic

深度綁定的公司；國內(nèi)的阿里、騰訊、字節(jié)（未上市）。

③關(guān)注垂直領(lǐng)域領(lǐng)跑者：在通用

Agent能力尚未完全成熟之前，那些在特定垂直賽道已經(jīng)建立深厚領(lǐng)域知識壁壘、擁有清晰商業(yè)模式和客戶基礎(chǔ)的垂直

Agent提供商具有較高的短期增長潛力。

我們認為知識工作領(lǐng)域（如編程、研究、法律）將是最先落地的場景，其中，編程領(lǐng)域會是最快落地、最先實現(xiàn)PMF和商業(yè)化的領(lǐng)域，已有成功案例（如

Cursor、Devin）。其他垂直應(yīng)用也值得關(guān)注：我們總結(jié)了30家上市公司在垂類Agent方面的布局，其產(chǎn)品基本符合Agent定義且具有垂直領(lǐng)域的比較優(yōu)勢。例如出版校對（果麥文化）、電商外貿(mào)（焦點科技）、企業(yè)服務(wù)（創(chuàng)業(yè)黑馬）、美學(xué)設(shè)計（美圖公司）等。建議關(guān)注其利用

AI

Agent解決具體行業(yè)痛點的能力和商業(yè)化進展

。5.

風(fēng)險提示：技術(shù)成熟度風(fēng)險，高成本風(fēng)險，商業(yè)模式不確定性風(fēng)險，競爭加劇風(fēng)險。2目錄一、

為什么說

2025

年是

Agent元年？AI從

L2向

L3進化驅(qū)動力：技術(shù)成熟度達到臨界點；行業(yè)領(lǐng)導(dǎo)者推動，標桿產(chǎn)品驗證；市場需求驅(qū)動定義：不是所有的

AI模型/產(chǎn)品都叫

Agent；Agent

的四個必要構(gòu)成（缺一不可）；Agent

的智能程度是有層次和梯度的二、

Agent

為何重要？深度自動化、指數(shù)級效率提升、解放人類生產(chǎn)力與創(chuàng)造力通往

AGI

和具身智能的關(guān)鍵環(huán)節(jié)重塑互聯(lián)網(wǎng)流量入口格局預(yù)計入口級

Agent大戰(zhàn)將于

25H2

開啟三、

競爭格局：模型即產(chǎn)品，通用

Agent

將由大廠主導(dǎo)Agent領(lǐng)域的競爭維度模型即產(chǎn)品：爆款應(yīng)用背后是模型能力更新、淺層套殼產(chǎn)品終將被顛覆Big

Giants：角逐

AGI、通用

Agent

和流量入口Niche

market：垂直

Agent長期面臨通用

Agent的威脅、垂直

Agent

的價值在于深耕領(lǐng)域知識、談?wù)?/p>

Cursor

的壁壘四、

Agent

將最先落地于知識工作（尤其是代碼）Agent最先落地的行業(yè)和場景預(yù)測代碼/軟件開發(fā)領(lǐng)域的進展與觀點法律

AI

Agent

對比五、

投資建議六、

風(fēng)險提示3一、為什么說2025年是Agent元年？4我們認為2025年將是Agent之年OpenAI將AI發(fā)展階段分為L1到L5五個階段。我們認為，

AI正從L2（推理者）向L3（Agent）進化，Agent代表了AI從“思考”走向“行動”的關(guān)鍵一步，是繼大模型之后的下一個重要發(fā)展階段和業(yè)界尋求的新突破口。驅(qū)動力來自：技術(shù)、產(chǎn)品、需求。L1-

聊天機器人

(Chatbot)

：以ChatGPT（2022年底發(fā)布）為代表，具備自然語言交互能力。機器直接輸出文字或回答。相較于機器學(xué)習(xí)時代，AIChatbot

實現(xiàn)了“通用性”

，不再局限于特定場景或單一問題，而是能處理廣泛的語言任務(wù)。這是從基于規(guī)則、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、Transformer架構(gòu)一路發(fā)展過來的通用大模型階段。在這一階段，交互模式是主要是輸入-輸出模式，用戶提問，模型回答。L2-

推理者

(Reasoner)：具備更強的推理能力，能夠處理更復(fù)雜的問題。用戶能看見模型的推理過程。代表產(chǎn)品如OpenAI的o1系列、DeepSeek

R1。相較于L1階段，引入了強化學(xué)習(xí)和思維鏈（CoT）技術(shù)，模型在輸出最終答案前會進行多步思考。L3-

智能體

(Agent)：能夠自主規(guī)劃和執(zhí)行復(fù)雜任務(wù)的智能體。具備記憶、規(guī)劃、工具使用和行為記憶四大核心能力。相較于L2階段，AI從被動的“信息處理/推理”走向主動的“與外部世界交互和執(zhí)行”。能調(diào)用工具（如瀏覽器、API）、操作軟件界面，形成“指令->思考->交互->觀察->再思考...”的閉環(huán)系統(tǒng)。L2L3L4L5L1推理者智能體創(chuàng)新者組織者聊天機器人像人類一樣能夠解決不僅能思考，還可以采取行動的AI系統(tǒng)能否協(xié)助發(fā)明創(chuàng)造的可以完成組織工作的具有對話能力的AI問題的AIAIAIChatGPT的出現(xiàn)DeepseekR1標志著從L1到L2

Operator標志著從L2到L3資料：synthetic，東吳證券研究所5WhyNow？——技術(shù)成熟度達到臨界點驅(qū)動力一：技術(shù)成熟度達到臨界點。支撐通用Agent發(fā)展的關(guān)鍵技術(shù)要素，特別是強大的多模態(tài)基礎(chǔ)模型（能理解視覺信息如屏幕內(nèi)容）和成熟的強化學(xué)習(xí)訓(xùn)練方法（能訓(xùn)練Agent與環(huán)境交互），已經(jīng)發(fā)展到相對成熟的階段。?

從L0到L1：標志GPT-3、ChatGPT（2022年底）為標志。背后的技術(shù)驅(qū)動力是Transformer架構(gòu)的出現(xiàn)，使得訓(xùn)練更大、更通用的語言模型成為可能。在這一階段，實現(xiàn)了

“通用性”

(Generality)，模型不再局限于特定場景，而是能夠處理廣泛的自然語言任務(wù)，像一個巨大的知識庫。從L0到L1的技術(shù)演進路徑基于規(guī)則機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)transformerGPT-3chatgpt人對結(jié)果的反饋成為學(xué)習(xí)過程的一部分依賴人工規(guī)則，靈活性差智能處理的數(shù)據(jù)量較少數(shù)據(jù)驅(qū)動，泛化能力增強分類固定量數(shù)據(jù)深度學(xué)習(xí)自注意力機制并行計算預(yù)訓(xùn)練+微調(diào)強泛化復(fù)雜數(shù)據(jù)處理能力提升自然語言生成能力資料：electropages，東吳證券研究所6WhyNow？

——技術(shù)成熟度達到臨界點?

從L1到L2：L1到L2的技術(shù)演進，核心在于大模型基礎(chǔ)上的推理能力突破，涉及多步推理訓(xùn)練、檢索增強、邏輯融合等關(guān)鍵技術(shù)，使AI從“會說”進化到“會想”，實現(xiàn)更高層次的智能。從L1到L2的躍遷，是AI從“語言表達”到“認知推理”的質(zhì)變，這為AI在科學(xué)發(fā)現(xiàn)、復(fù)雜決策、自動規(guī)劃等高價值場景的應(yīng)用奠定了基礎(chǔ)。技術(shù)突破包括：?

多步推理訓(xùn)練：通過鏈式思維（Chain-of-Thought,

CoT）等方法，訓(xùn)練模型在給出答案前進行多輪、分步驟的推理。?

檢索增強生成（RAG）：結(jié)合外部知識庫，提升模型的事實一致性和推理深度，減少“幻覺”。?

更高質(zhì)量的數(shù)據(jù)與反饋機制：采用專家數(shù)據(jù)、復(fù)雜問題集和強化學(xué)習(xí)等方式，持續(xù)優(yōu)化模型的推理表現(xiàn)AlphaGo

Zero快速超越了Alpha

GoL1ChatbotL2Reasoner主要能力技術(shù)核心代表模型自然語言生成復(fù)雜推理與決策思維鏈CoTRAG大規(guī)模transformer預(yù)訓(xùn)練MoE等GPT-3ChatGPTO1Deepseekr1Strawberry等資料：datahub，東吳證券研究所7WhyNow？

——技術(shù)成熟度達到臨界點?

從L2到L3：關(guān)鍵的技術(shù)要素（強大的多模態(tài)基礎(chǔ)模型和成熟的強化學(xué)習(xí)訓(xùn)練方法）已經(jīng)趨于成熟，達到了可以支撐通用

Agent發(fā)展的階段。

OpenAI在2025年1月發(fā)布Operator，更是印證和點燃了這一行業(yè)共識。具體來說，關(guān)鍵的成熟要素包括：?

強大的基礎(chǔ)模型：像Claude

Sonnet3.5這樣強大的、原生的多模態(tài)基礎(chǔ)模型已經(jīng)出現(xiàn)。這些模型具備了足夠好的視覺理解、語言理解和基礎(chǔ)推理能力，能夠“看懂”圖形界面（如網(wǎng)頁、操作系統(tǒng)界面），這是構(gòu)建基于GUI（圖形用戶界面）的Agent的前提。而在過去（例如OpenAI在2016年嘗試類似項目時），缺乏這樣強大的基礎(chǔ)模型是導(dǎo)致失敗的關(guān)鍵原因。?

成熟的強化學(xué)習(xí)技術(shù)與框架：以強化學(xué)習(xí)為核心的

Post-training技術(shù)在2024年通過O1、O3等模型在純文本領(lǐng)域被證明是極其有效的，能夠顯著激發(fā)和提升基礎(chǔ)模型的深層推理和規(guī)劃能力。行業(yè)將這種成功的范式應(yīng)用到多模態(tài)領(lǐng)域，以訓(xùn)練出能夠與環(huán)境交互、執(zhí)行任務(wù)的Agent。過去五年AI持續(xù)刷新各類排行榜o3模型和

o4-mini

模型在數(shù)學(xué)和代碼能力上表現(xiàn)出色資料：機器之心，澎湃新聞，東吳證券研究所8WhyNow？——行業(yè)領(lǐng)導(dǎo)者推動，標桿產(chǎn)品驗證驅(qū)動力二：行業(yè)領(lǐng)導(dǎo)者推動，標桿產(chǎn)品驗證。

OpenAI、Anthropic、Google等頭部公司發(fā)布關(guān)鍵產(chǎn)品（如Operator,DeepResearch）和技術(shù)協(xié)議（如MCP），并投入研發(fā)，起到了引領(lǐng)和示范作用。相對成型的Agent產(chǎn)品開始涌現(xiàn)（例如Manus、AutoGLM、Genspark等），驗證了技術(shù)可行性，并點燃了行業(yè)共識，標志著Agent從設(shè)想走向相對成熟的產(chǎn)品階段。工具底層模型核心技術(shù)自主性級別多模態(tài)能力OpenAIOperator定制CUA模型瀏覽器自動化、視覺理解高（網(wǎng)頁交互）強（視覺理解）ManusDevinCursorClaudeSonnet3.7未公開多智能體架構(gòu)、Linux沙盒遠程執(zhí)行環(huán)境、規(guī)劃系統(tǒng)代碼上下文理解、智能補全高（跨領(lǐng)域任務(wù)）高（軟件開發(fā)）中（輔助編碼）強（文本、圖像、代碼）中（主要文本和代碼）弱（主要代碼處理）多個大模型AutoGPTWindsor.ai可定制LLM專有AI模型任務(wù)分解、互聯(lián)網(wǎng)連接數(shù)據(jù)歸因、營銷分析多步驟研究、網(wǎng)頁瀏覽高（自主執(zhí)行）中（數(shù)據(jù)處理）中（研究執(zhí)行）中（文本和圖像）弱（主要結(jié)構(gòu)化數(shù)據(jù)）強（文本、圖像、PDF）Deep

ResearchGemini

1.5ProChatGPT

CanvasGPT-4代碼編輯、多文件管理低（輔助編輯）弱（主要代碼處理）資料：lamatic，智通財經(jīng)，新智元，東吳證券研究所9WhyNow？——行業(yè)領(lǐng)導(dǎo)者推動，標桿產(chǎn)品驗證2024年的RE-Bench基準測試顯示：在2小時短時限內(nèi)，頂尖AI

Agent得分是人類專家的4倍；但將時間放寬到32小時，人類表現(xiàn)則反超部分Agent。這表明Agent在特定任務(wù)上已能匹敵人類專家，且更快、更經(jīng)濟，但人類在長時策略上仍有優(yōu)勢。資料：斯坦?！?025

AIIndex

Report》，東吳證券研究所10WhyNow？——MCP的普及助推Agent互聯(lián)互通在MCP出現(xiàn)之前，Agent想利用外部工具或數(shù)據(jù)源（例如調(diào)用一個API、查詢數(shù)據(jù)庫、讀取Slack消息、操作某個軟件），面臨著巨大挑戰(zhàn)：接口各異、定制開發(fā)成本高、生態(tài)割裂。MCP的普及有助于推動Agent行業(yè)互聯(lián)互通。MCP

（Model

Context

Protocol，模型上下文協(xié)議），是由Anthropic提出的一個開放協(xié)議，旨在統(tǒng)一大型語言模型（LLM）/Agent與外部工具、數(shù)據(jù)源之間的通信方式。MCP通過提供一個開放、統(tǒng)一的通信標準，可以解決Agent與外部世界交互的碎片化和高成本問題。它的普及將極大地降低集成門檻，增強不同模型、Agent和工具間的互操作性，催生出一個更加繁榮、開放和互聯(lián)互通的Agent生態(tài)系統(tǒng)，最終賦能更強大、更通用的AI

Agent應(yīng)用。在MCP出現(xiàn)之前agent的挑戰(zhàn)MCP的普及有助于促進互聯(lián)互通①接口各異：每個工具、每個數(shù)據(jù)源都有自己獨特的API接口或交互方式。②定制開發(fā)成本高：Agent開發(fā)者需要為每一個想要連接的工具編寫特定的適配代碼，以理解該工具的輸入輸出格式和調(diào)用邏輯。同樣，工具開發(fā)者如果想讓自己的服務(wù)被不同的Agent調(diào)用，也可能需要適配多種不同的Agent框架。①建立“通用語言”：MCP提供了一套標準化的規(guī)則和格式，定義了Agent（通過MCP

Client）如何向工具（MCP

Server）發(fā)出請求、傳遞參數(shù)，以及工具如何返回結(jié)果。這就像為AI

Agent和外部工具之間建立了一種通用的“交流語言”。②降低開發(fā)與集成復(fù)雜度：Agent開發(fā)者不再需要為每個工具編寫定制化的適配器。只需要讓Agent支持MCP協(xié)議，理論上就能與任何同樣支持MCP的工具進行交互。工具/數(shù)據(jù)源提供者只需將自己的服務(wù)通過一個MCP

Server暴露出來，就能被所有支持MCP的Agent發(fā)現(xiàn)和調(diào)用，降低了接入AI生態(tài)的門檻。就像USB-C統(tǒng)一了各種設(shè)備的物理連接和數(shù)據(jù)傳輸標準一樣，MCP旨在統(tǒng)一Agent與工具的“數(shù)字連接”。傳統(tǒng)模式MCP模式模型1模型2github模型1模型2github③生態(tài)割裂：這種點對點的、定制化的連接方式，導(dǎo)致整個生態(tài)系統(tǒng)外賣外賣MCP③促進互操作性，催化生態(tài)系統(tǒng)繁榮：當(dāng)Agent和工具都遵循同一是割裂的。Agent

A可能只能使用它

標準時，它們之間的互操作性大大增強。這意味著用戶或開發(fā)者專門適配過的工具集X，而Agent

B只能使用工具集Y，它們之間難以共享或調(diào)用對方生態(tài)中的工具，形可以更自由地組合來自不同提供商的模型、Agent框架和工具，構(gòu)建出更強大、更靈活的解決方案，打破了原有的供應(yīng)商鎖定或生態(tài)壁壘。標準化是生態(tài)繁榮的基礎(chǔ)。MCP的普及將鼓勵更多開發(fā)模型3地圖模型3地圖成了“數(shù)據(jù)孤島”和“能力孤島”

。

者參與Agents生態(tài)，形成一個更加開放、組件化、可互相協(xié)作的Agent生態(tài)系統(tǒng)。資料：36氪pro，newline，東吳證券研究所11WhyNow？——MCP的普及助推Agent互聯(lián)互通和其他工具調(diào)用方式（

FunctionCalling,

A2A,Browser

Use）相比，MCP的優(yōu)勢是什么？——通用性、A2A的原理和MCP類似互操作性、低門檻1、Function

Calling是

OpenAI

的早期嘗試，開發(fā)者在調(diào)用

LLM

API時可以定義一組可用的函數(shù)（工具）。當(dāng)用戶需要執(zhí)行某個功能時，模型不會直接執(zhí)行，而是會輸出一個包含函數(shù)名和所需參數(shù)的JSON對象。開發(fā)者接收到這個對象后，自己編寫代碼去執(zhí)行相應(yīng)的函數(shù)，并將結(jié)果返回給模型，讓模型繼續(xù)生成回復(fù)。Function

calling

的缺點是，沒有定義一個通用的、跨平臺、跨模型的標準，每個開發(fā)者都需要根據(jù)OpenAI

的規(guī)范來實現(xiàn)。2、MCP

旨在建立一套通用的協(xié)議或規(guī)范，來定義

Agent如何發(fā)現(xiàn)、理解和調(diào)用各種工具，以及工具如何返回結(jié)果。相較于

Function

Calling，MCP的優(yōu)勢在于：①統(tǒng)一度量衡：

MCP

就像是為工具調(diào)用設(shè)定了國際標準（如米、千克），取代了之前各種自定義、不兼容的“度量方法”（類似

Function

Calling

的非標準化狀態(tài)）。②互操作性

&降低門檻：

有了統(tǒng)一標準，開發(fā)者開發(fā)的

Agent可以更容易地調(diào)用任何遵循MCP

規(guī)范的工具，反之亦然。工具開發(fā)者只需支持

MCP，就能被眾多

Agent

使用。這大大降低了工具集成和生態(tài)構(gòu)建的門檻。A2A可以融入到MCP框架中3、A2A

(Agent-to-Agent)

是Google

提出的概念，聲稱不僅能讓

Agent調(diào)用工具（Tool），還能實現(xiàn)Agent與

Agent之間的直接交互。但我們認為這其實是概念冗余：從工程角度看，一個

Agent本身也可以被封裝成一個符合

MCP

規(guī)范的

Tool。因此，通過

MCP

協(xié)議，已經(jīng)可以間接實現(xiàn)

Agent調(diào)用另一個

Agent（作為工具）。A2A

并沒有帶來根本性技術(shù)突破，更像是一種“KPI

工程”或爭奪標準化話語權(quán)的戰(zhàn)略行為，而非必要的技術(shù)創(chuàng)新。資料：36氪pro，daily

doseofdata

science，東吳證券研究所12WhyNow？——MCP的普及助推Agent互聯(lián)互通初創(chuàng)產(chǎn)品Browser

Use，由兩名學(xué)生在4天時間內(nèi)開發(fā)完成，可以理解網(wǎng)頁內(nèi)容。該初創(chuàng)公司2025年3月融資1700萬美元。和其他工具調(diào)用方式（

Function

Calling,

A2A,Browser

Use

）相比，MCP的優(yōu)勢是什么？——通用性、互操作性、低門檻4、Browser

Use讓

Agent

能夠像人一樣操作瀏覽器，瀏覽網(wǎng)頁、提取信息、填寫表單、點擊按鈕等。但需要明確的是，Browser

Use和MCP并不互斥。Browser

use的驅(qū)動方式分為兩種：MCP驅(qū)動和GUI操作。??MCP驅(qū)動（更成熟、常用）：這并不是讓

AI真的“看”屏幕去點。而是通過調(diào)用瀏覽器提供的

API（例如，獲取網(wǎng)頁

DOM

結(jié)構(gòu)、執(zhí)行

JavaScript、模擬網(wǎng)絡(luò)請求等），或者將這些瀏覽器操作封裝成符合

MCP

標準的工具，然后讓

Agent通過代碼調(diào)用這些工具來間接“操作”瀏覽器?，F(xiàn)在很多所謂的BrowserUse演示，其背后很可能就是這種基于代碼/API/MCP

的方式。代表產(chǎn)品有BrowserUser和Manus。GUI操作（尚不成熟）：這是真正意義上Browser

Use的準確率較高的“看屏幕、點鼠標”。Agent

接收瀏覽器窗口的截圖，通過視覺模型識別界面元素（按鈕、輸入框等），計算出坐標，然后通過模擬鼠標點擊和鍵盤輸入來進行操作。這種方式目前面臨準確性和穩(wěn)定性的瓶頸，因為視覺模型在精確識別和定位界面元素（尤其是動態(tài)或復(fù)雜的網(wǎng)頁）時容易出錯，導(dǎo)致點擊錯誤位置或無法完成操作。資料：InfoQ，東吳證券研究所13WhyNow？——市場需求驅(qū)動驅(qū)動力三：市場需求驅(qū)動?；仡橝I發(fā)展歷程，如果說2023年是“模型競賽年”（以LLM本身性能競賽為標志），那么2024年則是“應(yīng)用探索年”。在2024年，涌現(xiàn)了大量基于LLM的應(yīng)用，例如各種聊天機器人、寫作助手、簡單的Copilot等。企業(yè)投入資源進行嘗試，希望將AI能力融入業(yè)務(wù)流程。然而，2024年的應(yīng)用探索也暴露出一些局限性。許多應(yīng)用可能只是“薄封裝”，未能深入解決核心業(yè)務(wù)痛點；或者其自動化能力僅限于相對簡單的單點任務(wù)，難以應(yīng)對跨系統(tǒng)、多步驟的復(fù)雜工作流；帶來的生產(chǎn)力提升往往是局部的、漸進式的，未能完全達到市場最初的高期望，也使得AI投入的ROI不夠清晰。進入2025年，市場心態(tài)發(fā)生了轉(zhuǎn)變，特別是對于需要為AI投資尋求明確商業(yè)價值的To

B而言：①

從“嘗試”到“落地”：企業(yè)不再滿足于概念驗證（PoC）或小范圍試點。他們需要能夠真正部署到生產(chǎn)環(huán)境中、穩(wěn)定可靠、能與現(xiàn)有系統(tǒng)集成、并產(chǎn)生可衡量業(yè)務(wù)成果的AI解決方案。市場渴望看到AI技術(shù)從“玩具”或“助手”變成真正能干活、能解決問題的“員工”或“自動化引擎”。②

渴望自動化“更復(fù)雜任務(wù)”：簡單的問答、基礎(chǔ)的內(nèi)容生成等“低垂果實”已被初步采摘。企業(yè)現(xiàn)在關(guān)注的是那些更耗時、更繁瑣、涉及多個步驟、需要調(diào)用不同工具或信息源的復(fù)雜流程。例如，自動完成一份包含數(shù)據(jù)搜集、分析、圖表生成和報告撰寫的市場研究報告；或者自動化處理一個需要查詢訂單系統(tǒng)、物流系統(tǒng)、與客戶溝通并執(zhí)行退款操作的客服請求；亦或是完成整個軟件開發(fā)周期中的部分環(huán)節(jié)。這些是傳統(tǒng)自動化或簡單AI應(yīng)用難以觸及的領(lǐng)域。③

期待“更顯著”的生產(chǎn)力提升：市場不再滿足于10%或20%的效率提升。他們期待的是數(shù)量級（例如數(shù)倍甚至更高）的生產(chǎn)力飛躍，能夠真正重塑工作方式、顯著降低成本、或者將人力解放出來從事更高價值的創(chuàng)造性或戰(zhàn)略性工作。而AI

Agent（智能體）的出現(xiàn)，恰好精準地契合了市場的這種新期待：①為復(fù)雜任務(wù)而生：Agent的核心能力（如自主規(guī)劃、記憶、工具使用）使其天然適合處理多步驟、需要與外部環(huán)境（如網(wǎng)頁、軟件、API）交互的復(fù)雜任務(wù)，這正是市場所需要的。②強調(diào)“執(zhí)行”與“行動”：不同于L1/L2主要停留在“對話”或“推理”，L3

Agent的設(shè)計目標就是完成任務(wù)、采取行動，這與企業(yè)追求“落地”和實際效果的需求高度一致。③潛力巨大：通過自動化更復(fù)雜、更耗時的工作流，Agent有望帶來指數(shù)級的效率提升和生產(chǎn)力解放，滿足市場對“顯著”價值回報的期待。資料：東吳證券研究所14定義：不是所有的AI模型/產(chǎn)品都叫Agent當(dāng)前存在著大量的垂類Agent。根據(jù)AI

Agents

Directory統(tǒng)計，截至2025/4/7，全球共有1211個AI

Agent，覆蓋57個不同類別，其中數(shù)量較多的有Agent平臺（136個）、生產(chǎn)力Agent（94個），客戶服務(wù)Agent（66個），個人助手Agent（50個）等。雖然部分應(yīng)用可能并不屬于嚴格意義上的Agent（需要有調(diào)用工具的能力和規(guī)劃執(zhí)行的能力等），但也能直觀上反映當(dāng)前應(yīng)用生態(tài)的復(fù)雜多樣。然而，這些都能被稱之為Agent嗎？AI

Agent

landscape按照行業(yè)分類的AI

Agent數(shù)量（截止25/4/7）AlAgentsPlatformProductivityVoiceAlAgentsPersonalAssistantDataAnalysisContentCreationWorkfiowRecruitingAl

AgentsAlVideoAgentsWebAl

AgentsImagesLeadGenerationSoftwareTestingAlAvatarToolLibrariesAlSecurityModelServingAlDocsAgentsAlAgentMemoryMarketingAlShoppingAgentsTravelAl

AgentGamingAdsAlAgentsNSFWAuthenticationAgentsEcommerceCodeGenerationMobileAppBuilders020406080100120140160資料：AI

Agents

Directory，東吳證券研究所15定義：不是所有的AI模型/產(chǎn)品都叫Agent關(guān)于Agent的討論往往存在定義混亂的問題。以至于一千個人眼中有一千個Agent。我們認為，只有同時具備了這四項能力（對話能力、推理能力、長記憶、工具調(diào)用），才能被稱之為Agent。其中，工具調(diào)用是最核心的區(qū)分要素。只有對話能力的是

Chatbot；只有對話和推理能力的是

Reasoner。而工具調(diào)用又是建立在前三個基礎(chǔ)之上的。Agent必須理解用戶的指令，記住過去對話的內(nèi)容，記住其任務(wù)目標、分解動作和已執(zhí)行的步驟、遇到的問題，才能順利地完成多步驟任務(wù)。Agent的構(gòu)成ChatbotCopilot

&Assistant半自動Agent全自動Agent√√√√對話能力推理能力長記憶能力√√√√√√√√√√調(diào)用工具的能力規(guī)劃的能力資料：Google

AgentWhitepaper，東吳證券研究所16定義：Agent的智能程度是有層次和梯度的盡管如此，我們?nèi)匀粺o法準確定義AI

Agent，例如：????????一個

AI系統(tǒng)僅僅能響應(yīng)指令、生成內(nèi)容就夠了嗎？還是要看它是否能為了達成某個特定目標而主動采取一系列行動？Agent的“行動”是否必須對外部世界（數(shù)字或物理）產(chǎn)生狀態(tài)改變？生成信息、報告或建議算不算定義中的“行動”？這個系統(tǒng)是只在內(nèi)部進行計算和推理，還是需要感知外部環(huán)境的狀態(tài)，并能對環(huán)境施加影響（無論是數(shù)字環(huán)境還是物理環(huán)境）？在執(zhí)行任務(wù)的過程中，系統(tǒng)是嚴格按照預(yù)設(shè)步驟執(zhí)行，還是能夠根據(jù)當(dāng)前情況自主進行決策、選擇策略或調(diào)整計劃？需要多大程度的獨立決策和執(zhí)行能力才能稱之為

Agent？需要人類確認或干預(yù)到什么程度就不再是（完全自主的）Agent？系統(tǒng)完成任務(wù)是僅靠自身內(nèi)置的知識和能力，還是需要識別并調(diào)用外部的資源或工具（如

API、數(shù)據(jù)庫、其他軟件）來輔助完成？Agent

交互的“環(huán)境”必須是動態(tài)的、不可預(yù)測的嗎？與一個靜態(tài)數(shù)據(jù)庫交互算不算環(huán)境交互？系統(tǒng)處理任務(wù)是一次性的“問答”或“生成”，還是能夠在持續(xù)一段時間內(nèi)保持對目標和上下文的認知（記憶），以完成需要多個步驟或較長時間才能完成的任務(wù)？?Agent的“大腦”是什么？它與底層的LLM是什么關(guān)系？Agent

是

LLM本身，還是一個圍繞

LLM構(gòu)建了規(guī)劃、決策、執(zhí)行框架的系統(tǒng)？這些問題其實是同一個問題，即，Agent需要智能到什么程度，才可以被稱之為Agent？再比如：?AI搜索（如Perplexity、DeepResearch、New

Bing）是Agent嗎？一個能理解復(fù)雜問題、自主上網(wǎng)搜索、閱讀并整合信息，最終生成一份摘要報告或直接答案的

AI搜索系統(tǒng)，是

Agent嗎？它“使用”了瀏覽器或搜索引擎作為工具，并“行動”生成了報告，這是否足夠？如果這個

AI搜索系統(tǒng)只是呈現(xiàn)整合后的信息，而沒有根據(jù)這些信息去執(zhí)行下一步的、改變外部狀態(tài)的動作（比如基于搜索結(jié)果去預(yù)訂、購買或發(fā)送郵件），它與一個高級的L2

Reasoner的核心區(qū)別是什么？Deep

Research

這類工具，其“Agent”屬性體現(xiàn)在哪里？僅僅是研究過程的自動化嗎？??AI編程（如Github

Copilot、Cursor、Devin）是Agent嗎？GitHubCopilot根據(jù)代碼上下文提供建議，開發(fā)者選擇采納。它有環(huán)境感知（代碼上下文），也有行動（生成代碼建議），但自主性較低，它算

Agent

嗎？還是更像一個“智能感知代碼的

L1模型”？AI推薦系統(tǒng)是Agent嗎？一個能分析你的歷史行為、理解你的偏好，并主動推送（行動）相關(guān)內(nèi)容或商品的推薦引擎，它具備目標（提升用戶參與度/轉(zhuǎn)化率）、環(huán)境感知（用戶行為數(shù)據(jù)）和行動（推送），它算

Agent

嗎？它的“自主性”和“規(guī)劃”體現(xiàn)在哪里？資料：東吳證券研究所17二、Agent為何重要？解放生產(chǎn)力、走向AGI和具身智能、挑戰(zhàn)入口格局182.1

Agent將帶來革命性的變化——深度自動化AI

Agent作為下一代AI應(yīng)用形態(tài)，將帶來革命性的變化，遠超簡單的信息檢索或內(nèi)容生成。Agent是能夠主動執(zhí)行任務(wù)、解決問題的數(shù)字化勞動力或超級助理，其核心價值體現(xiàn)在：①深度自動化：超越簡單重復(fù)：不同于RPA或傳統(tǒng)腳本主要處理固定流程的重復(fù)性任務(wù)，Agent能夠理解模糊指令，自主規(guī)劃并執(zhí)行復(fù)雜的、多步驟的、甚至需要適應(yīng)變化的認知型任務(wù)。例如，Operator能模擬人類操作任意GUI界面完成預(yù)訂或購物，Devin能自主完成軟件開發(fā)中的編碼、調(diào)試、測試等系列環(huán)節(jié)。端到端流程：

Agent有潛力打通原本需要多個人類角色、多個軟件系統(tǒng)協(xié)作才能完成的端到端工作流，實現(xiàn)更高層次的自動化。認知自動化：

其核心是自動化需要思考、判斷、與數(shù)字世界交互的“知識工作”，而不僅僅是體力或簡單的點擊操作。用operator采購商品用operator自動預(yù)定餐廳資料：openai，東吳證券研究所192.1

Agent將帶來革命性的變化——指數(shù)級效率提升②指數(shù)級效率提升：???速度與規(guī)模：

對于特定任務(wù)，Agent的處理速度可以遠超人類（如RE-Bench短時限測試表現(xiàn)）。更重要的是，Agent可以7x24小時不間斷工作，并且可以輕松擴展（理論上增加算力即可增加Agent數(shù)量），實現(xiàn)人力無法比擬的規(guī)?；?。成本優(yōu)化潛力：

雖然當(dāng)前推理成本較高，但通過自動化高價值、高成本的人類勞動（尤其是專業(yè)知識工作，如軟件開發(fā)、法律咨詢），長期來看具有巨大的成本節(jié)約潛力。一個高效的Agent理論上可以替代或增強多個人類員工的生產(chǎn)力。減少錯誤與提升一致性：

對于定義清晰的任務(wù)，Agent有望減少人為錯誤，提高執(zhí)行的一致性和標準化水平（盡管當(dāng)前可靠性仍是挑戰(zhàn)）。③解放人類生產(chǎn)力與創(chuàng)造力：人機協(xié)作新范式：

Agent不僅僅是替代，更是強大的增強工具和協(xié)作伙伴。它們可以承擔(dān)復(fù)雜流程中繁瑣、耗時的部分，讓人類專家（開發(fā)者、研究員、律師等）從重復(fù)性勞動中解放出來。聚焦高價值活動：

人類可以將時間和精力投入到更需要創(chuàng)造力、戰(zhàn)略思考、復(fù)雜決策、情感溝通和人際協(xié)作等AI尚不擅長的高階任務(wù)上。賦能創(chuàng)新：

通過自動化原本難以完成或成本過高的復(fù)雜分析與操作，Agent可能催生新的科學(xué)發(fā)現(xiàn)、商業(yè)模式或藝術(shù)創(chuàng)作，拓展人類能力的邊界。自動化重復(fù)性、流程化的數(shù)字/知識工作軟件開發(fā)與編程輔助垂直領(lǐng)域的專業(yè)Agent代表產(chǎn)品具體能力OpenAI

DeepResearch,PerplexityGitHub

Copilot,

Cursor,Devin如營銷/人力資源等行業(yè)的Agent??信息研究與報告生成：自動搜集、整理、分析信息并生成報告，輔助研究人員、分析師等知識工作者。操作軟件和網(wǎng)頁：自動執(zhí)行需要與軟件界面或網(wǎng)頁交互的任務(wù)，如填寫表單、預(yù)訂差旅、處理郵件、管理日程、關(guān)閉廣告、計算退款等。????客戶服務(wù):

處理標準化的客戶請求，如查詢訂單、處理退款等。銷售/市場營銷:

自動化部分銷售流程，如潛在客戶篩選、郵件營銷等。人力資源:

輔助處理簡歷篩選、安排面試等流程化任務(wù)。??代碼生成、補全、調(diào)試:

提升開發(fā)者效率。復(fù)雜開發(fā)任務(wù)執(zhí)行:

能夠理解需求、規(guī)劃步驟、編寫代碼、配置環(huán)境、測試、修復(fù)

Bug等更完整的開發(fā)流程。API調(diào)用與集成:

Agent利用編碼能力與其他系統(tǒng)或服務(wù)交互。?特定行業(yè):

如法律文書輔助、醫(yī)療信息查詢與初步分析等?數(shù)據(jù)處理與分析：自動執(zhí)行數(shù)據(jù)提取、清洗、初步分析等任務(wù)。資料：東吳證券研究所202.2

Agent（L3）是通往AGI的關(guān)鍵環(huán)節(jié)AI的發(fā)展遵循一個從簡單到復(fù)雜的層級結(jié)構(gòu)，通常參考

OpenAI

提出的

L1到

L5框架。Agent

(L3)

是承上啟下的關(guān)鍵階段。它不僅需要

L2的推理和規(guī)劃能力，更核心的是增加了與外部世界（數(shù)字世界或物理世界）交互的能力，形成閉環(huán)系統(tǒng)。這與

L1/L2

主要停留在與人交互或純粹內(nèi)部思考不同。雖然

L1到

L3的路徑相對清晰，但從

L3(Agent)

到

L4(創(chuàng)新者)

存在一個巨大的鴻溝。區(qū)別在于：L1-L3

本質(zhì)是遵循指令

(instruction

following/execution)：AI

的主要任務(wù)是理解并完成人類給定的指令或目標。評價標準相對明確（任務(wù)是否完成，結(jié)果是否正確）。而

L4(Innovator)

要求創(chuàng)造力與原創(chuàng)性:

它需要能夠超越指令

(beyond

instructions)，產(chǎn)生新的想法、方法、知識，甚至設(shè)定新的目標。評價標準變得模糊，不再是簡單的“對不對”，而是“好不好”、“新不新”。雖然終極目標是

AGI，但短期內(nèi)

Agent

通往

AGI的路徑體現(xiàn)在其自動化復(fù)雜任務(wù)的能力上。無論是自動化研究信息收集（只讀

Agent），還是自動化軟件操作、任務(wù)執(zhí)行（讀寫

Agent），核心都是解放人類的注意力，提升生產(chǎn)力。通過不斷提升自動化水平和處理任務(wù)的復(fù)雜度，Agent

的能力逐步逼近甚至超越人類特定領(lǐng)域的水平，為最終實現(xiàn)AGI奠定基礎(chǔ)。L1L2L3L4L5AGIchatbotreasonerAgentinnovatorOrganizer一個數(shù)字版的“人”，或者超越人類智慧一個博學(xué)的“客服”或“問事處”一個聰明的“參謀”或“軍師”一個能干的“管家”或“全能助理”一位智慧的“科學(xué)家”或“藝術(shù)家”一個高效運轉(zhuǎn)的“公司”或復(fù)雜的“生態(tài)系統(tǒng)”資料：東吳證券研究所212.2

Agent（L3）是走向具身智能的關(guān)鍵環(huán)節(jié)當(dāng)前以“只讀”型

Agent（如

AI

研究助手）為代表的應(yīng)用已初步展現(xiàn)出明確的產(chǎn)品市場契合點（PMF），主要服務(wù)于知識工作者。下一步的關(guān)鍵是從“只讀”進化到“讀寫”型

Agent，即賦予

AI執(zhí)行操作、調(diào)用工具（如瀏覽器、郵件客戶端、API）、與外部世界交互的能力（如OpenAIOperator、Monica

的探索）。雖然“讀寫”

Agent潛力巨大（能自主完成訂票、發(fā)郵件、甚至發(fā)布懸賞任務(wù)等復(fù)雜操作），但其發(fā)展會更謹慎，因為涉及安全、權(quán)限和潛在風(fēng)險，需要配合監(jiān)控、對齊和防濫用措施。隨著記憶（Memory）和在線學(xué)習(xí)（OnlineLearning）這兩大關(guān)鍵技術(shù)的突破，Agent的能力將進一步飛躍，可能實現(xiàn)

Agent指揮

Agent、更個性化、能實時學(xué)習(xí)適應(yīng)新情況。未來可能出現(xiàn)為

AI設(shè)計的專用工具，進一步提升其效率，超越人類工具的限制。Agent的普及將極大解放人類注意力，從重復(fù)性工作中解脫，可能帶來生產(chǎn)力的指數(shù)級增長，改變工作和生活方式。目前，絕大多數(shù)

AI

Agent

主要活躍在數(shù)字世界中。這是因為數(shù)字世界???環(huán)境結(jié)構(gòu)化:

數(shù)字環(huán)境（如網(wǎng)頁、軟件界面、API）通常具有相對清晰的結(jié)構(gòu)、明確的輸入輸出規(guī)則和可預(yù)測性。信息易獲取:

數(shù)據(jù)以文本、代碼、圖像等形式存在，相對容易被模型理解和處理。行動成本低/可逆:

數(shù)字操作（如點擊、輸入、調(diào)用

API）通常成本低廉，且很多操作是可撤銷或影響有限的。然而，這種數(shù)字世界的局限性也很明顯：AI

的能力被束縛在屏幕和網(wǎng)絡(luò)之內(nèi)，無法直接感知和影響我們生活的物理現(xiàn)實。真正的通用智能必然要求能夠理解并作用于物理世界。資料：東吳證券研究所222.3

Agent將重塑互聯(lián)網(wǎng)流量入口格局我們認為，AI

Agent的發(fā)展可能對現(xiàn)有的互聯(lián)網(wǎng)入口格局產(chǎn)生深遠甚至顛覆性的影響。入口可能更加集中，價值鏈可能重構(gòu)：可能出現(xiàn)少數(shù)幾個主導(dǎo)性的通用Agent。傳統(tǒng)依賴流量分發(fā)的入口（如搜索引擎、應(yīng)用商店）面臨挑戰(zhàn)，能直接完成任務(wù)或提供核心能力的Agent平臺和服務(wù)商可能獲得更大價值。1.

對傳統(tǒng)搜索引擎的挑戰(zhàn)與重塑：?信息獲取方式改變：用戶可能不再需要通過關(guān)鍵詞搜索，然后瀏覽一堆鏈接來尋找答案或服務(wù)。Agent可以直接理解用戶的復(fù)雜意圖（例如“幫我規(guī)劃一個周末去杭州的旅行，包含交通、住宿和景點，預(yù)算2000元”），然后整合信息、調(diào)用工具（訂票、訂酒店API）、進行規(guī)劃，并直接給出完整方案甚至完成預(yù)訂。這大大削弱了傳統(tǒng)搜索引擎作為信息“門戶”的角色。?搜索即執(zhí)行：Agent將搜索從“查找信息”升級為“完成任務(wù)”。入口的價值不再僅僅是分發(fā)流量到其他網(wǎng)站，而是直接滿足用戶的最終需求。像Perplexity、Google的AI

Overviews以及Deep

Search/Research，都體現(xiàn)了這種趨勢——搜索結(jié)果本身就是答案或解決方案的一部分。ChatGPT,Claude,

Perplexity和Bing的搜索份額AI聚合電商信息資料：ARK

big

ideas

2025，東吳證券研究所232.3

Agent將重塑互聯(lián)網(wǎng)流量入口格局2.

Agent本身成為入口：最具顛覆性的可能是，一個或多個強大的通用Agent成為用戶上網(wǎng)和處理數(shù)字任務(wù)的首選入口。用戶首先想到的是“問Agent”，而不是“打開某個App或網(wǎng)站”。這樣的通用Agent有可能是APP、瀏覽器或者OS操作系統(tǒng)。???OS級Agent：操作系統(tǒng)（如Windows

Copilot、未來更強大的Siri/Google

Assistant）可以深度集成Agent能力，協(xié)調(diào)控制設(shè)備上的各種應(yīng)用和數(shù)據(jù)。用戶可能直接通過OS層的Agent下達指令，Agent負責(zé)調(diào)用合適的App或服務(wù)來完成，使得OS本身成為一個更核心、更主動的交互入口。瀏覽器集成Agent：瀏覽器作為訪問Web的主要工具，集成Agent可以輔助用戶瀏覽、總結(jié)網(wǎng)頁、寫作、甚至自動化某些網(wǎng)頁操作。這讓瀏覽器從一個被動的頁面加載器，變成一個主動的智能助手，增強了其入口地位，例如Edge

Copilot、夸克、豆包（也有瀏覽器功能）

?！俺堿pp”入口地位鞏固：對于像微信這樣的超級App，如果能成功集成強大的Agent能力，并打通其內(nèi)部豐富的小程序、服務(wù)和社交關(guān)系，它可能成為一個極其強大的、覆蓋生活方方面面的Agent入口。用戶在一個App內(nèi)就能完成大量任務(wù)。3.部分APP被“管道化”：一些功能單一的服務(wù)型App（如訂票、打車、天氣），用戶可能不再需要直接打開它們，而是通過Agent來調(diào)用其背后的API或功能。這些App可能淪為Agent的“工具箱”，其自身的入口價值下降。而復(fù)雜或體驗型App，仍是入口：對于需要沉浸式體驗或復(fù)雜交互的應(yīng)用（如游戲、專業(yè)創(chuàng)作工具、內(nèi)容社區(qū)），用戶可能仍然會直接打開App。但Agent也可能在這些App內(nèi)部提供輔助功能。wordexcelOutlookteamsEdge郵件IM小程序視頻號pages照片郵件WindowsCopilotSiri微信備忘錄朋友圈AppleIntelligence微信小店powerpointkeynote公眾號資料：東吳證券研究所242.3我們預(yù)計入口級Agent大戰(zhàn)將于25H2開啟我們預(yù)計，圍繞“通用入口級Agent”的大戰(zhàn)將在2025年下半年開始逐漸拉開帷幕。為什么？因為L3級別Agent能力（能夠系統(tǒng)性完成復(fù)雜任務(wù)）可能在一年內(nèi)取得關(guān)鍵突破，一旦技術(shù)相對成熟，能夠支撐起一個足夠“通用”的Agent體驗，各大有實力的玩家就會下場爭奪市場主導(dǎo)權(quán)。Agent在L3的評分有望進一步突破資料：Genspark，東吳證券研究所25三、競爭格局：模型即產(chǎn)品，通用Agent將由大廠主導(dǎo)26AI

Agent的競爭格局是典型的“巨頭環(huán)伺，新銳突圍”AIAgent的競爭格局是典型的“巨頭環(huán)伺，新銳突圍”。大型科技平臺憑借模型、數(shù)據(jù)、資金和生態(tài)優(yōu)勢占據(jù)主導(dǎo)地位，并致力于構(gòu)建平臺和生態(tài)系統(tǒng)。然而，在基礎(chǔ)設(shè)施、工具鏈以及需要深度領(lǐng)域知識的垂直應(yīng)用方面，仍然存在創(chuàng)業(yè)公司和專業(yè)廠商的機會。成本、效率、交互體驗和商業(yè)模式的創(chuàng)新將是未來競爭的關(guān)鍵。后續(xù)續(xù)密切關(guān)注技術(shù)演進、平臺戰(zhàn)略以及細分市場的動態(tài)。我們預(yù)計Agent領(lǐng)域的競爭將圍繞六個維度展開?

平臺

vs.應(yīng)用?

通用

vs.垂直?

成本與效率價值將主要沉淀在擁有核心模型和平臺的巨頭，還是能夠創(chuàng)造獨特價值的Agent應(yīng)用開發(fā)商？通用Agent（如Operator）能力不斷提升，是否會推理成本是Agent大規(guī)模商業(yè)化的關(guān)鍵瓶頸。目前看平臺方優(yōu)勢明顯，平臺公司傾向于將其Agent能力與其現(xiàn)有云服務(wù)、操作系統(tǒng)、辦公套件等深度綁定，構(gòu)建封閉或半封閉生態(tài)，增加用戶遷移成本。Agent的生存空間？擠壓垂直模型效率、訓(xùn)練/推理優(yōu)化、以及芯片成本將是重要的競爭維度。短期內(nèi)，垂直Agent憑借領(lǐng)域知識仍有優(yōu)勢；但長期看，通用Agent的泛化能力是巨大威脅。但應(yīng)用層創(chuàng)新仍有機會。?

交互范式之爭?

數(shù)據(jù)與護城河?

人才競爭Operator代表的直接GUI操作與Manus代表的“可

高質(zhì)量的訓(xùn)練數(shù)據(jù)（尤其是人類示范數(shù)據(jù)和特定見性”過程展示，以及未來可能出現(xiàn)的更優(yōu)化的

領(lǐng)域數(shù)據(jù)）以及持續(xù)的用戶反饋數(shù)據(jù)（盡管其提Agent專用接口，都反映了對最佳人機（或Agent-

升智能的效率存疑，但對產(chǎn)品優(yōu)化有用）是重要頂尖的AI研究員和工程師是各家爭奪的核心資源。機）交互方式的探索。的競爭壁壘，但并非傳統(tǒng)意義上的“數(shù)據(jù)飛輪”。資料：東吳證券研究所27模型即產(chǎn)品：爆款應(yīng)用背后是模型能力更新?在LLM經(jīng)歷突破性發(fā)展的初期階段，模型本身展現(xiàn)出強大能力（如對話、寫作、編碼、推理），以至于模型本身幾乎就等同于產(chǎn)品。模型的“magicmoment”往往直接定義了新的產(chǎn)品可能性。例如：????GPT-3.5解鎖了Chatbot形態(tài)；Claude

Sonnet解鎖了Cursor；DeepSeek的出圈也是因為其R1推理能力，其產(chǎn)品形態(tài)并沒有過多優(yōu)化；OpenAI

DeepResearch并非在O3上做了套殼，而是基于CUA重新訓(xùn)練了專有模型。AI應(yīng)用的核心價值很大程度上就是讓用戶能夠便捷地體驗和使用這些前沿模型的基礎(chǔ)能力。

“模型的能力”幾乎就是產(chǎn)品的全部吸引力。DataBricks

公司生成式AI副總裁Naveen

Rao預(yù)測：在未來兩到三年內(nèi)，所有閉源的

AI模型提供商都會停止銷售

API服務(wù)。這表明，API

經(jīng)濟即將走向終結(jié)。模型提供商與應(yīng)用層之間原本的蜜月期可能已經(jīng)徹底結(jié)束。我們已經(jīng)看到了一些跡象：?大模型公司開始停止提供最新模型的API：DeepSearch

并未提供

API

接口，僅作為

OpenAI高級訂閱的增值功能出現(xiàn)；Claude

Code則只是一個極為簡單的終端整合。模型廠商已開始跳過第三方應(yīng)用層，直接創(chuàng)造用戶價值。?應(yīng)用層企業(yè)開始布局模型訓(xùn)練能力：應(yīng)用型公司也意識到了這種威脅，嘗試轉(zhuǎn)型。例如

Cursor擁有一款自主開發(fā)的小型代碼補全模型；WindSurf

內(nèi)部開發(fā)了

Codium這樣一款低成本的代碼模型；Perplexity

此前一直依靠內(nèi)部分類器進行請求路由，最近更是轉(zhuǎn)型訓(xùn)練了自己的

DeepSeek變體模型用于搜索用途。?“應(yīng)用套殼商”

（Wrappers）實際上處于困境之中：他們要么自主訓(xùn)練模型，要么就等著被上游大模型徹底取代。他們現(xiàn)在所做的事情，本質(zhì)上都是為上游大模型廠商進行免費的市場調(diào)研、數(shù)據(jù)設(shè)計和數(shù)據(jù)生成。資料：極客公園，founderpark，東吳證券研究所28模型即產(chǎn)品：淺層套殼產(chǎn)品終將被顛覆AI

Graveyard各類型代表性項目什么是“淺層套殼產(chǎn)品”？“淺層套殼產(chǎn)品”（Wrappers）指的是那些僅僅在強大的底層AI模型（通常通過API調(diào)用）之上增加了一個相對簡單的用戶界面（UI）、應(yīng)用外殼或非?；A(chǔ)的功能封裝，而沒有提供顯著附加價值的應(yīng)用。這類產(chǎn)品可能包括：類型產(chǎn)品名簡介Addcontext.xyz為用戶創(chuàng)建個性化聊天機器人的平臺ChatbotWrite-a-cardBibleGPTNeuralcanvasPostgeniusappClucAI賀卡信息生成器圣經(jīng)GPT?????提供特定Prompt模板的簡單問答工具。AI動漫生成平臺社交媒體推文生成器SEO優(yōu)化內(nèi)容生成工具AI照片編輯器對模型輸出進行非常有限的格式化或后處理的應(yīng)用。僅僅是換了個皮膚或交互方式來調(diào)用通用模型API的服務(wù)。缺乏深度工作流整合、獨特數(shù)據(jù)、復(fù)雜功能或差異化用戶體驗的應(yīng)用。它們的核心競爭力幾乎完全依賴于底層模型的表現(xiàn)，自身的“護城河”非常淺。AI

WritingAI

ImagePhotofixMakePoseIllustrate角色和動作生成器AI插圖生成工具可視化室內(nèi)設(shè)計工具AI書簽和筆記工具我們已經(jīng)看過了太多的失敗案例。AI墓地（AI

Graveyard）網(wǎng)站統(tǒng)計了5046個AI應(yīng)用，其中1210個已停止運行或停止服務(wù)（截至2025/4/28），其中許多是套殼產(chǎn)品，停運最多的類型是AI寫作工具。這些套殼產(chǎn)品通常模仿大模型如ChatGPT的功能，但由于娛樂性大于實用性、難以應(yīng)對復(fù)雜社交場景、用戶留存和盈利能力不足等原因而失敗。AI

DesignAIDesignerClipGPTProductivityopenAI開發(fā)的多語言轉(zhuǎn)錄、翻譯和識AudioVideoWhisper.ai別工具Question

YoutubeAI視頻問答工具資料：甲子光年，AIGraveyard，東吳證券研究所29模型即產(chǎn)品：淺層套殼產(chǎn)品終將被顛覆我們認為淺層套殼產(chǎn)品終將被顛覆。為什么？根本原因在于這類產(chǎn)品缺乏可持續(xù)的競爭壁壘，極易受到快速迭代的AI技術(shù)和市場格局的沖擊：?過度依賴底層模型，易受到模型迭代的降維打擊。淺層產(chǎn)品的能力上限完全由底層模型決定。一旦底層模型升級換代緩慢、API提價、調(diào)整服務(wù)策略甚至停止服務(wù)，這些產(chǎn)品將立刻失去競爭力甚至無法生存。它們的命運完全掌握在模型提供商手中。然而，基礎(chǔ)大模型的能力迭代速度極快。今天需要一個“套殼”應(yīng)用才能實現(xiàn)的功能，明天可能通過調(diào)用新一代模型的一個簡單Prompt就能直接完成。模型能力的提升會不斷“內(nèi)化”原本屬于應(yīng)用層的功能，使得那些僅僅是對舊模型能力進行封裝的淺層應(yīng)用迅速變得多余和過時。??缺乏核心壁壘，易被復(fù)制：由于沒有構(gòu)建真正的技術(shù)或產(chǎn)品壁壘，競爭對手可以輕易地通過調(diào)用相同或類似的底層模型API，快速復(fù)制出一個功能相近的產(chǎn)品，導(dǎo)致市場迅速陷入同質(zhì)化競爭和價格戰(zhàn)。平臺整合的擠壓效應(yīng):

擁有強大基礎(chǔ)模型和生態(tài)系統(tǒng)的平臺公司（如微軟、谷歌）傾向于將AI能力深度整合進其操作系統(tǒng)、辦公套件、瀏覽器等核心產(chǎn)品中（如Windows

Copilot,

M365

Copilot）。用戶在熟悉的、高頻使用的平臺內(nèi)就能便捷地獲得類似甚至更好的功能，這將極大擠壓獨立的、功能單一的淺層套殼應(yīng)用的生存空間。平臺方的核心優(yōu)勢1.

掌控基礎(chǔ)大模型:

平臺方如OpenAI、Google、微軟、Anthropic等投入巨資研發(fā)和迭代基礎(chǔ)大模型。這些模型是Agent能力的“大腦”，其性能、成本和功能直接決定了上層應(yīng)用的天花板。應(yīng)用開發(fā)商在很大程度上依賴平臺方提供的模型API。2.

控制算力：Agent的訓(xùn)練和大規(guī)模推理需要龐大的算力、存儲和網(wǎng)絡(luò)資源。平臺方通常也是主要的云服務(wù)提供商（如AWS、Azure等），它們不僅提供這些底層資源，還越來越多地推出專門的Agent開發(fā)、托管和管理平臺。這使得應(yīng)用開發(fā)商在基礎(chǔ)設(shè)施層面也對平臺方產(chǎn)生依賴。3.

設(shè)定技術(shù)標準與構(gòu)建生態(tài):

平臺方有能力推動和設(shè)定關(guān)鍵的技術(shù)標準和協(xié)議（如MCP）。它們通過提供SDK、開發(fā)者工具和應(yīng)用市場（如GPTStore），吸引開發(fā)者圍繞其平臺構(gòu)建應(yīng)用。一旦生態(tài)形成，平臺方可以通過分發(fā)、認證、服務(wù)抽成等方式進一步鞏固其價值地位，并增加開發(fā)者的遷移成本。4.

數(shù)據(jù)與研發(fā)的規(guī)模效應(yīng):

平臺方擁有海量數(shù)據(jù)用于訓(xùn)練更通用的基礎(chǔ)模型，并且具備更雄厚的資金實力進行前沿的AI研究。這種規(guī)模效應(yīng)使得它們在提升模型通用能力和探索新技術(shù)方面具有顯著優(yōu)勢。5.

強大的分發(fā)渠道:

平臺方通常擁有龐大的現(xiàn)有用戶基礎(chǔ)（操作系統(tǒng)、搜索引擎、辦公軟件、社交網(wǎng)絡(luò)、企業(yè)客戶群），可以將Agent能力和相關(guān)產(chǎn)品快速觸達海量用戶，這是初創(chuàng)應(yīng)用開發(fā)商難以比擬的。資料：東吳證券研究所30模型即產(chǎn)品：淺層套殼產(chǎn)品終將被顛覆我們認為真正的壁壘來自于復(fù)雜工作流的可靠編排、高質(zhì)量且持續(xù)維護的工具集成能力、難以通過通用模型獲得的深度領(lǐng)域知識。這三大要素共同構(gòu)成了超越底層模型能力的、真正可持續(xù)的產(chǎn)品壁壘和護城河。它們需要大量的工程投入、領(lǐng)域?qū)ｉL、產(chǎn)品設(shè)計智慧和持續(xù)運營維護。那些能夠在這幾個方面建立優(yōu)勢的

AI

Agent

產(chǎn)品，才能在激烈的競爭中脫穎而出，避免淪為被輕易顛覆的“淺層套殼”。真正的技術(shù)和產(chǎn)品壁壘維度能力超越簡單腳本：

這不是指執(zhí)行幾個預(yù)設(shè)的線性步驟。真正的挑戰(zhàn)在于設(shè)計和管理能夠處理長鏈條、多分支、包含條件邏輯、循環(huán)、甚至并行處理的復(fù)雜任務(wù)流。Agent

需要能將用戶的模糊意圖或高級目標，分解為一系列具體、可執(zhí)行的子任務(wù)，并規(guī)劃它們的執(zhí)行順序和依賴關(guān)系。復(fù)雜的工作流編排駕馭現(xiàn)實世界的混亂：

現(xiàn)實世界充滿不確定性。API

可能臨時失效、網(wǎng)頁結(jié)構(gòu)可能改版、外部服務(wù)可能返回預(yù)期外的數(shù)據(jù)或錯誤。一個強大的

Agent必須具備復(fù)雜的錯誤處理機制（如識別錯誤類型、自動重試、切換備用方案）和動態(tài)重規(guī)劃能力（在某個步驟失敗或環(huán)境變化時，能調(diào)整后續(xù)計劃以繼續(xù)達成目標）。這需要深厚的工程實踐和對失敗模式的充分預(yù)估與處理。超越簡單調(diào)用：

集成工具遠不止是知道一個

API端點。高質(zhì)量集成意味著

Agent能夠在眾多可用工具中，準確判斷在當(dāng)前任務(wù)的哪個環(huán)節(jié)、使用哪個工具最合適。高質(zhì)量的工具集成與維護特定領(lǐng)域知識與優(yōu)化領(lǐng)域?qū)I(yè)知識和數(shù)據(jù)的積累是重要的護城河，通用大模型難以直接具備。資料：東吳證券研究所31BigGiants：角逐AGI、通用Agent和流量入口我們將Agent分為兩大類型：一是垂直型Agent，具有預(yù)先設(shè)定好的prompt和workflow，通常融合了特定行業(yè)的know-how；另一類是通用型Agent，其智能程度更高，會根據(jù)用戶目標自主生成執(zhí)行計劃并決定調(diào)用哪些工具，因此適用范圍更廣。垂直型Agent通用型Agent類似于編程中的“解釋”。Agent在接收到用戶任務(wù)之后，在運行時動態(tài)地、實時地進類似于編程中的“編譯”。用戶在Agent執(zhí)行任務(wù)之前，通過Prompt、

行思考、規(guī)劃和決策，決定下一步該做什么。Agent根據(jù)當(dāng)前情況和目標，自主生成執(zhí)拖拽界面或其他方式，預(yù)先設(shè)定好一個固定的

Workflow。它會在流

行計劃（可能是內(nèi)部的，也可能展示出來），并靈活調(diào)用工具（包括代碼編寫、網(wǎng)頁執(zhí)行方式代表產(chǎn)品靈活性程中調(diào)用大模型來完成特定步驟，但整體路徑是固定的。瀏覽、用戶交互等）來執(zhí)行。沒有完全固定的、預(yù)先編譯好的針對該具體任務(wù)的工作流。Devin,

Cursor（早期或特定功能模式下），以及面向特定行業(yè)的智能體，它們往往內(nèi)置了固化的行業(yè)知識和操作流程。OpenAIDeep

ResearchManus,OpenAIOperator,

Genspark靈活性高:能夠應(yīng)對更廣泛、更開放的任務(wù)，可以根據(jù)實際情況調(diào)整策略，甚至在遇到困難時（如虛擬機崩潰、搜索失?。┠茏灾鲗ふ易兺ǚ椒ǎㄈ缯埱笥脩魠f(xié)助）。展現(xiàn)“計算思維”:能根據(jù)任務(wù)需要，自主選擇最高效的工具和方法，例如判斷出寫代碼比純粹“思考”更有效時就去寫代碼。靈活性低:無法應(yīng)對工作流之外的突發(fā)情況或新需求。一旦某個環(huán)節(jié)出錯，可能整個任務(wù)就失敗了。通用性穩(wěn)定性適用范圍窄:只能處理那些能被預(yù)定義流程覆蓋的任務(wù)。穩(wěn)定可靠:因為流程固定，執(zhí)行結(jié)果相對可預(yù)測，不易出錯。通用性強:不受限于預(yù)設(shè)流程，理論上能處理更復(fù)雜、新穎的任務(wù)。穩(wěn)定性較低:動態(tài)規(guī)劃可能導(dǎo)致行為不可預(yù)測，任務(wù)失敗率可能更高。成本較低:可以優(yōu)化模型調(diào)用，甚至某些步驟無需調(diào)用大模型，效率高。成本較高:需要更多的實時思考和規(guī)劃，意味著更多的大模型調(diào)用，計算成本更高。響應(yīng)時間較長:實時規(guī)劃和執(zhí)行復(fù)雜步驟需要時間，任務(wù)耗時可能較長。成本易于融入行業(yè)Know-how:開發(fā)者可以在設(shè)計工作流時直接嵌入行業(yè)數(shù)據(jù)。領(lǐng)域知識融入相對困難:主要依賴底層大模型的通用能力，深度垂直領(lǐng)域的Know-how不如編譯型Agent那樣容易直接嵌入。行業(yè)know-how資料：東吳證券研究所32BigGiants

：角逐AGI、通用Agent和流量入口“通用性”在AI行業(yè)發(fā)展的主線，也是“皇冠上的明珠”。

L1階段的大模型是通用大模型，到了L2的推理模型，我們也在追求通用推理模型。幾乎沒人去做垂直行業(yè)的專屬模型，推理模型一出現(xiàn)就是通用的。我們認為在L3階段，仍然會是大廠（例如美國“七姐妹”、OpenAI、Anthropic以及國內(nèi)的騰訊、字節(jié)、阿里等）主導(dǎo)通用型Agent的格局。通用型Agent要求底層模型具有較強的智能，是幾乎所有的大廠都在追求的皇冠明珠。大廠一方面在底層模型上持續(xù)迭代，另一方則布局Agent平臺和生態(tài)，并將Agent能力集成到現(xiàn)有的產(chǎn)品和業(yè)務(wù)中。底層大模型的智能提升如同攀登珠穆朗瑪峰科技大廠主導(dǎo)通用Agent與生態(tài)策略例子OpenAI的GPT系列、Google的Gemini、Anthropic的Claude、Meta的Llama、X的Grok、字節(jié)的豆包、騰訊的元寶、阿里的通義千問等科技大廠基本都擁有或正在大基礎(chǔ)大模型

力投入研發(fā)自己的基礎(chǔ)大模型，這是構(gòu)建Agent能力的核心科技大廠不僅開發(fā)自己的Agent應(yīng)用，更致力于提供Agent開發(fā)平臺與生態(tài)

平臺，構(gòu)建圍繞自身模型的開發(fā)者生態(tài)系統(tǒng)，讓第三方也能亞馬遜的Amazon

Bedrock

Agents、OpenAI的

Agents

SDK、微軟的Microsoft

CopilotStudio、谷歌的Vertex

AI

Agent

Builder、阿里的百煉、百度的文心智能體平臺等開發(fā)和部署Agent。操作系統(tǒng)（微軟）、辦公軟件（微軟）、社交平臺（Meta的Facebook、X、字節(jié)的抖音和頭條、騰訊的公眾號和視頻號）、電商（阿里）、云服務(wù)、搜索（百度、谷歌、微軟Bing）等將Agent能力集成到現(xiàn)有的核心產(chǎn)品和業(yè)務(wù)中是普遍策略應(yīng)用集成注：縱軸為模型在多個測試集（包括MMLU,GPQA

Diamond,MATH-500,

HumanEval）的得分均值資料：Artificial

Analysis，東吳證券研究所33BigGiants

：谷歌——平臺制勝、標準引領(lǐng)、生態(tài)融合谷歌正在構(gòu)建一個全方位的

AI

Agent生態(tài)系統(tǒng)，其戰(zhàn)略包括：???平臺制勝:

以

Vertex

AI

AgentBuilder為引擎，打造企業(yè)級

Agent

開發(fā)與部署的強大中樞，最大化整合其在

AI

研究、云計算及開發(fā)者生態(tài)的深厚積累。標準引領(lǐng):

采取“采納+主導(dǎo)”的雙協(xié)議策略

(MCP

+

A2A)，既確保當(dāng)下兼容性，又力圖塑造未來多智能體協(xié)作規(guī)則，鞏固其平臺和生態(tài)的戰(zhàn)略優(yōu)勢。生態(tài)融合：將

Agent

能力深度植入其龐大的現(xiàn)有產(chǎn)品矩陣

（搜索、Android、Workspace、Cloud），利用

AI賦能數(shù)十億用戶與企業(yè)客戶，實現(xiàn)核心業(yè)務(wù)的鞏固與擴張。方向布局消費者端:

Google

Assistant

深度整合

Android及智能家居生態(tài)。企業(yè)端:

Agent

Assist

聚焦呼叫中心，提供實時智能輔助Agent產(chǎn)品Gemini

驅(qū)動同名聊天機器人

(前

Bard)

。Agent

能力全面滲透

Google

核心服務(wù)：搜索、Workspace、Android

、Cloud等Google

Assistant

SDK賦能第三方集成產(chǎn)品深度整合基礎(chǔ)模型谷歌是

Transformer

架構(gòu)的奠基者及

LaMDA

的開發(fā)者谷歌的

Gemini

系列

(Nano/Ultra,

1.5Pro/Flash,

2.5Flash)

具有強大的多模態(tài)能力和開創(chuàng)性的超長上下文窗口

(如

1.5Pro/Flash

支持

1M

tokens)中心平臺是Vertex

AI

AgentBuilder(基于

Google

Cloud)，提供構(gòu)建與部署企業(yè)級多智能體系統(tǒng)的端到端解決方案。核心組件包括：Agent

Garden（發(fā)現(xiàn)與探索

Agent

范例及工具）、ADK（開源框架，簡化復(fù)雜

Agent

構(gòu)建）、Agent

Tools（全面的工具庫，涵蓋內(nèi)置工具、RAG

引擎、GoogleCloud、MCP

協(xié)議支持及第三方）、Agent

Engine（全托管運行時，賦能生產(chǎn)環(huán)境的Agent

部署、管理與規(guī)?；瘮U展）、輔助工具（Google

AIStudio

提供便捷的Gemini

API

訪問，并與

Langbase

等第三方平臺協(xié)同）開發(fā)者生態(tài)協(xié)議領(lǐng)導(dǎo)力采納

MCP:

擁抱模型上下文協(xié)議

(MCP)，確保與現(xiàn)有工具生態(tài)的廣泛兼容。主導(dǎo)

A2A:

牽頭發(fā)起

Agent2Agent(A2A)協(xié)議，旨在定義未來

Agent間通信與協(xié)作的標準，發(fā)布即獲

50+伙伴支持。資料：IBM，Google，Platform

Engineering，東吳證券研究所34BigGiants

：騰訊——元寶嵌入微信生態(tài)，后續(xù)潛力值得期待騰訊尚未推出獨立的Agent產(chǎn)品與OpenAI等直接競爭，而是將其AI能力融入到現(xiàn)有生態(tài)中，旨在利用網(wǎng)絡(luò)效應(yīng)，通過AI增強核心產(chǎn)品的用戶體驗和粘性，進一步鞏固其生態(tài)壁壘。例如，混元大模型已在騰訊內(nèi)部支持超過700個業(yè)務(wù)場景

。眾