人工智能行業(yè)AI

Agent開發(fā)平臺、模型、應(yīng)用現(xiàn)狀與發(fā)展趨勢

2025Agent定義、技術(shù)與發(fā)展01Agent開發(fā)平臺的布局02模型層與Tokens調(diào)用量分析03C端與B端Agent進(jìn)展04目錄Agent的市場空間與發(fā)展預(yù)期04AI

Agent：重塑企業(yè)智能的核心引擎資料來源：Bang

Liu，《Advances

and

Challenges

inFoundationAgents》，arXiv:2504.01990，國信證券經(jīng)濟(jì)研究所整理資料來源：Bang

Liu，《Advances

and

Challenges

in

Foundation

Agents》，

arXiv:2504.01990，國信證券經(jīng)濟(jì)研究所整理定義：具備自主性、規(guī)劃力與執(zhí)行力的智能實體，超越“指令執(zhí)行”進(jìn)入“代理權(quán)”時代。核心突破在于賦予“代理權(quán)”（Agency）→主動感知環(huán)境、自主規(guī)劃決策、執(zhí)行復(fù)雜任務(wù)。關(guān)鍵特性：1）自主決策：主動感知環(huán)境、制定目標(biāo)并采取行動；2）動態(tài)學(xué)習(xí)：通過記憶與經(jīng)驗積累實現(xiàn)持續(xù)優(yōu)化；3）跨系統(tǒng)協(xié)作：調(diào)用工具、API及多Agent協(xié)同完成復(fù)雜任務(wù)。核心模塊：1）感知層：多模態(tài)輸入（文本/語音/圖像）；2）記憶層：短期記憶（對話上下文）+長期記憶（知識庫）；3）決策層：基于目標(biāo)規(guī)劃與強(qiáng)化學(xué)習(xí)的行動策略；4）執(zhí)行層：工具調(diào)用（API）、跨系統(tǒng)協(xié)作（RAG技術(shù)）。關(guān)鍵區(qū)別：1）LLM≠Agent：LLM是“知識顧問”，Agent是“戰(zhàn)略指揮官”；2）傳統(tǒng)自動化：僅規(guī)則執(zhí)行vsAgent：端到端任務(wù)閉環(huán)。圖：Agent與傳統(tǒng)AI的本質(zhì)差異 圖：基于

LLM

的代理中的推理模式比較 圖：Agent之間的知識共享和專業(yè)分工資料來源：Bang

Liu，《Advances

and

Challenges

in

FoundationAgents》，arXiv:2504.01990，國信證券經(jīng)濟(jì)研究所整理4AGI的分級:Agent處于L3智能體階段性能技能L5：超越100%的人類表現(xiàn)

L4：相當(dāng)于99%的熟練成年人L5：能夠執(zhí)行復(fù)雜的組織任務(wù)?？梢酝瓿沙饺祟悩O限的工作，如預(yù)測未來、與動物交流等，達(dá)到科幻中的智能水平。

L4：能夠自主進(jìn)行發(fā)明和創(chuàng)新。不僅能完成既定任務(wù)，還能提出新的解決方案，幫助人類開拓新的技術(shù)和思路。L3：相當(dāng)于90%的熟練成年人L3：能為用戶采取行動，完成一系列任務(wù)，不僅能理解和推理，還能實際執(zhí)行具體操作。L2：相當(dāng)于50%的熟練成年人L1：相當(dāng)于或略優(yōu)于未受培訓(xùn)的人類L2：可以進(jìn)行基本的推理和問題解決能力。L1：能夠用人類語言，進(jìn)行基本交流互動。L1聊天機(jī)器人具有對話能力的AIL3智能體能思考，還可以采取行動的AI系統(tǒng)L4創(chuàng)新者能協(xié)助發(fā)明創(chuàng)造的AIL5組織者可以完成組織工作的AIL2推理者像人類一樣能夠解決問題的AI未來目前階段過去AI正站在一個關(guān)鍵新階段。參考OpenAI對AI的五級分級，AI已不僅僅是能進(jìn)行對話的聊天機(jī)器人（L1），而是逐步進(jìn)化到智能體（L3）階段：一個能思考、并能主動采取行動的AI系統(tǒng)。圖：AGI的分級5資料來源：OpenAI對于AGI的分級、DeepMind對AGI的分級、國信證券經(jīng)濟(jì)研究所整理代理核心構(gòu)成:①記憶（Memory）：存儲、組織和檢索短期上下文信息和長期知識的系統(tǒng)，支持自我反思優(yōu)化。②感知（Perception）：多模態(tài)環(huán)境識別（視覺/聽覺/傳感器）。③規(guī)劃（Planning）：LLM驅(qū)動的目標(biāo)分解與行動序列生成，復(fù)雜推理和決策，將任務(wù)分解為步驟，并根據(jù)需要進(jìn)行調(diào)整。④工具使用（ToolUsage）：調(diào)用API/代碼/搜索等擴(kuò)展能力，與外部應(yīng)用程序、API、數(shù)據(jù)庫和其他軟件交互的集成功能。圖：AI代理架構(gòu)圖代理的架構(gòu)資料來源：BangLiu，《AdvancesandChallengesinFoundationAgents》，arXiv:2504.01990，國信證券經(jīng)濟(jì)研究所整理6Agent相關(guān)技術(shù)創(chuàng)新:MCP與A2AMCP（Model

Context

Protocol模型上下文協(xié)議）-AI的“萬用接口”，標(biāo)準(zhǔn)化AI模型（LLM）與外部數(shù)據(jù)源、工具間的交互方式Anthropic在2024年11月推出并開源MCP協(xié)議，支持并行工具調(diào)用（如Web搜索、代碼執(zhí)行）和動態(tài)工作流編排。核心組件:① MCP

Server：通過MCP協(xié)議對外提供服務(wù)的輕量級應(yīng)用，可提供工具執(zhí)行、資源訪問、預(yù)定義Prompt等資源。② MCP

Client：充當(dāng)LLM和MCP

Server之間的橋梁，通過MCP

Client

SDK實現(xiàn)Host應(yīng)用與MCP

Server的交互。③ MCP

Host：承載AI模型的應(yīng)用，如Claude

Desktop和Cursor這類智能助手應(yīng)用和IDE。A2A(Agent-to-Agent)：讓不同廠商或框架的AI代理彼此直接通信、協(xié)同2025年4月Google推出的開放協(xié)議，得到了Salesforce、SAP等50多家科技公司的支持參與?；谄湓O(shè)定的AgentCard、Task、Message等概念和相關(guān)認(rèn)證策略，如“智能體卡”概念用于描述智能體的身份、功能和服務(wù)接口。圖：MCP

架構(gòu) 圖：MCP

核心組成部分 圖：A2A

工作原理資料來源：谷歌公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理資料來源：Descope，國信證券經(jīng)濟(jì)研究所整理7資料來源：Descope，國信證券經(jīng)濟(jì)研究所整理請務(wù)必閱讀正文之后的免責(zé)聲明及其項下所有內(nèi)容AI

Agent市場圖譜基礎(chǔ)設(shè)施AI代理開發(fā)平臺多代理與協(xié)同編排身份驗證網(wǎng)絡(luò)搜索與工具調(diào)用數(shù)據(jù)策管支付清算記憶存儲評估與可觀測性語音交互垂直應(yīng)用垂直應(yīng)用金融服務(wù)與保險供應(yīng)鏈與物流法律與合規(guī)游戲行業(yè)醫(yī)療健康工業(yè)橫向應(yīng)用與職能生產(chǎn)力工具與私人助理通用企業(yè)工作流程客戶服務(wù)軟件開發(fā)數(shù)據(jù)分析會計網(wǎng)絡(luò)安全銷售人力資源市場營銷網(wǎng)絡(luò)研究與數(shù)據(jù)提取資料來源：cbinsights，國信證券經(jīng)濟(jì)研究所整理① 基礎(chǔ)設(shè)施類Agent：聚焦底層支撐，涵蓋開發(fā)平臺、多代理協(xié)同、數(shù)據(jù)策管等多環(huán)節(jié)，為AI應(yīng)用構(gòu)建基礎(chǔ)。② 橫向職能類Agent：服務(wù)B/C端客戶，從生產(chǎn)力工具到客服、人力等，跨行業(yè)適配，優(yōu)化流程提效、助力日常運營。③ 垂直應(yīng)用類Agent

：深耕金融、醫(yī)療等特定行業(yè)，貼合行業(yè)流程、法規(guī)與需求，深度融合專業(yè)知識，形成行業(yè)專屬解決方案。圖：Agent市場圖譜8圖：2024年主要企業(yè)人工智能代理和Copilot市場的年度收入估計細(xì)分圖：有前景的垂類Agent市場資料來源：CBINSIGHTS(截止2024年底)，國信證券經(jīng)濟(jì)研究所整理資料來源：CBINSIGHTS(截止2025年2月19號)，國信證券經(jīng)濟(jì)研究所整理AI

Agent發(fā)展：增長迅猛，客戶服務(wù)、軟件開發(fā)占比較高頭部細(xì)分市場：根據(jù)CBINSIGHTS企業(yè)工作流、編碼兩大領(lǐng)域2024年營收均超10億美元，前者覆蓋通用生產(chǎn)力、研究等場景，后者因AI編碼工具爆發(fā)，半年內(nèi)催生獨角獸，速度達(dá)AI行業(yè)平均4倍。核心驅(qū)動與玩家：2024年科技巨頭主導(dǎo)營收，微軟Microsoft

Copilot（2024年收入約8億美元）、GitHub

Copilot（2024年收入約6億美元），總占整體市場超25%份額。初創(chuàng)企業(yè)增長迅猛，如Cursor年ARR從100萬升至2億美元。

垂類市場:調(diào)查主要針對企業(yè)端，客戶服務(wù)、軟件開發(fā)為高潛力賽道，24年底調(diào)查顯示，64家組織中2/3計劃12個月內(nèi)用AI代理支持客服。垂類AIAgent覆蓋企業(yè)通用場景（人力、營銷、安全運營等），較基礎(chǔ)設(shè)施、垂直賽道商業(yè)落地更成熟。9國內(nèi)AI

Agent生態(tài)：阿里、騰訊、字節(jié)、百度、快手、小米、美圖、金蝶10資料來源：.各公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理請務(wù)必閱讀正文之后的免責(zé)聲明及其項下所有內(nèi)容圖：國內(nèi)AI

Agent生態(tài)圖：海外AI

Agent生態(tài)海外AI

Agent生態(tài)：微軟、谷歌、OpenAI、META、亞馬遜、Anthropic11資料來源：.各公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理請務(wù)必閱讀正文之后的免責(zé)聲明及其項下所有內(nèi)容Agent定義、技術(shù)與發(fā)展01Agent開發(fā)平臺的布局02模型層與Tokens調(diào)用量分析03C端與B端Agent進(jìn)展04目錄Agent的市場空間與發(fā)展預(yù)期04資料來源：各公司官網(wǎng)，BangLiu，《AdvancesandChallengesinFoundationAgents》，arXiv:2504.01990，國信證券經(jīng)濟(jì)研究所整理，國信證券經(jīng)濟(jì)研究所整理Agent是GenAI從“概念驗證”邁向“企業(yè)級應(yīng)用”的關(guān)鍵橋梁，其核心在于通過流程重構(gòu)與數(shù)據(jù)整合釋放AI的規(guī)模化價值。圖：Agent開發(fā)平臺架構(gòu)Agent平臺典型架構(gòu)與核心環(huán)節(jié)算力資源：提供CPU、GPU、TPU等計算資源，支撐Agent的模型推理、訓(xùn)練及數(shù)據(jù)處理（如分布式計算集群）。存儲系統(tǒng):結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)存儲（數(shù)據(jù)庫）與緩存，存儲

Agent配置、用戶信息、日志等。網(wǎng)絡(luò)與通信層：API網(wǎng)關(guān)用于統(tǒng)一管理外部系統(tǒng)與Agent的接口調(diào)用，消息隊列支持Agent間、

Agent與外部系統(tǒng)的通信，以及

MCP、A2A等各類協(xié)議適配。智能體管理：Agent生命周期管理，創(chuàng)建、初始化、啟動、銷毀

Agent實例，支持批量部署與版本控制。實時跟蹤Agent運行狀態(tài)（如資源占用、任務(wù)進(jìn)度），提供監(jiān)控面板。多Agent協(xié)作管理，協(xié)調(diào)分工交互。感知決策與交互：利用CV、NLP技術(shù)對各類輸入感知處理并理解，提供各類大模型作為Agent決策推理的基礎(chǔ)，利用API接口執(zhí)行操作或輸出生成。數(shù)據(jù)管理與處理:數(shù)據(jù)采集，從內(nèi)部系統(tǒng)、外部API、用戶交互中收集數(shù)據(jù)。數(shù)據(jù)清洗、標(biāo)注、特征提取、知識庫管理。數(shù)據(jù)補(bǔ)充，外部與合成數(shù)據(jù)填補(bǔ)數(shù)據(jù)缺口。安全與風(fēng)控：管理用戶、Agent、外部系統(tǒng)的訪問權(quán)限。加密存儲敏感數(shù)據(jù)、控制數(shù)據(jù)傳輸加密。風(fēng)險防控檢測異常請求（如惡意攻擊、高頻調(diào)

用），防止模型被濫用（如提示詞注入防護(hù)）。開發(fā)者工具：如低代碼開發(fā)平臺工具，調(diào)試工具支持

Agent對話流程調(diào)試、模型輸出可視化。SDK/API文檔提供標(biāo)準(zhǔn)化接口，方便開發(fā)者集成Agent能力。運維與監(jiān)控：日志系統(tǒng)收集全鏈路日志（請求、處理、錯誤），支持檢索與分析。告警機(jī)制設(shè)置閾值（如響應(yīng)超時、錯誤率）。監(jiān)控資源瓶頸（CPU、內(nèi)存、網(wǎng)絡(luò)），自動擴(kuò)縮容或優(yōu)化資源分配。插件市場與標(biāo)準(zhǔn)適配層：通過標(biāo)準(zhǔn)化接口、可插拔組件支持開發(fā)者根據(jù)需求自定義功能、集成外部資源，允許開發(fā)者開發(fā)“功能插件”（如特定領(lǐng)域插件、自定義工具調(diào)用），供用戶按需安裝。外部協(xié)同與開發(fā)者生態(tài):通過工具鏈、合作機(jī)制、共享資源等吸引第三方參與者（開發(fā)者、企業(yè)、服務(wù)商），形成“平臺-開發(fā)者-用戶”的協(xié)同生態(tài)。整合外部成熟服務(wù)（如支付接口、地圖服務(wù)、OCR識別），形成行業(yè)解決方案模板庫，建立社區(qū)與知識共享平臺。13圖：AI

Agents由90%的軟件工程和10%的AI組成資料來源：RakeshGohel，國信證券經(jīng)濟(jì)研究所整理Agent平臺重要性：AI

Agents由90%的軟件工程和10%的AI組成

冰山上端如Perplexity、Cursor等知名的AIAgent產(chǎn)品是用戶能直接接觸到的表象。

但冰山水下部分支撐AIAgents的軟件工程體系占比達(dá)90%，體現(xiàn)了AIAgent背后大量的工程化、系統(tǒng)化工作。而Agent平臺正是把這些AIInfra和工具鏈集成、優(yōu)化、整合的關(guān)鍵，復(fù)雜的工程鏈條包括：①前端開發(fā)（如Streamlit、Flask等框架）②記憶模塊（如zep、memo等工具）③認(rèn)證系統(tǒng)（如Auth0、Okta等）④各類工具（如Google

Search、DuckDuckGo等）⑤基礎(chǔ)大模型（如OpenAI、Gemini等）?數(shù)據(jù)處理（ETL）⑦數(shù)據(jù)庫（如Chroma、Pinecone等）⑧基礎(chǔ)設(shè)施（如Docker、Kubernetes等）⑨算力提供（如NVIDIA、AWS等）Agent平臺案例：微軟Azure

AI

Foundry（Open

Agentic

web）2025年微軟Build大會題目開放代理式網(wǎng)絡(luò)（Openagenticweb），強(qiáng)調(diào)發(fā)布多項工具含GitHubCopilot代理、AzureSRE代理，助力開發(fā)及運維。AzureAIFoundry：構(gòu)建企業(yè)級AI模型與智能體全生命周期管理體系。已被80%的財富500強(qiáng)企業(yè)使用，25Q2處理的tokens超500萬億，同比增長超7倍，agent

service客戶數(shù)達(dá)1.4萬。集成Grok-3等1900+模型。圖：Azure

AI

Foundry架構(gòu)開發(fā)工具copilots

模型資源層，提供微軟及合作

端云一體開發(fā)平臺

方訓(xùn)練的基礎(chǔ)模型

部署環(huán)境代碼集成

Azure云開發(fā)環(huán)境

負(fù)責(zé)Agent

的創(chuàng)建、調(diào)度、交互管理

混合云代碼協(xié)同

檢索能力

預(yù)封裝功能（如語音識別、圖像分析等

）

機(jī)器學(xué)習(xí)平臺

安全模塊/無代碼開發(fā)平臺軟件開發(fā)

中臺：可觀測模塊，監(jiān)控

本地部署工具包

Agent

運行狀態(tài)底層基礎(chǔ)設(shè)施：容器編排、彈性擴(kuò)展

托管WEB應(yīng)用

輕量容器平臺、Agent部署

函數(shù)級任務(wù)無服務(wù)器計算資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理15資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理Copilot

Studio：低代碼構(gòu)建復(fù)雜智能體工作流，實現(xiàn)跨角色任務(wù)自動化。①

低代碼多Agent編排：支持通過組件連接Copilot、Azure或自建Agent，協(xié)同處理復(fù)雜任務(wù)（如法律文檔生成+合規(guī)審查）。②

協(xié)議支持：支持MCP協(xié)議，可調(diào)用符合開放標(biāo)準(zhǔn)的第三方智能體。圖：Copilot

Studio(AI

copilot的定制化平臺)架構(gòu)Agent平臺案例：微軟Copilot

Studio身份認(rèn)證與權(quán)限管理聊天機(jī)器人開發(fā)管理平臺生成式AI模型客戶關(guān)系管理與支持平臺數(shù)據(jù)安全治理渠道交互入口企業(yè)級數(shù)據(jù)平臺，存儲管理系統(tǒng)數(shù)據(jù)云工作流引擎集成海量數(shù)據(jù)源問答知識庫低代碼AI應(yīng)用開發(fā)軟件即服務(wù)集成服務(wù)層：擴(kuò)展運維、數(shù)據(jù)治理跨系統(tǒng)交互基于角色的訪問控制應(yīng)用生命周期管理復(fù)雜問題升級處理自定義對話流程插件化擴(kuò)展系統(tǒng)預(yù)設(shè)對話流程基于LLM的多意圖分析輸入關(guān)鍵信息交互層：渠道+身份環(huán)境生態(tài)：對接微軟生態(tài)+第三方服務(wù)能力核心：對話理解+任務(wù)執(zhí)行檢索能力自然語言理解模塊執(zhí)行層，Copilot生成式能力核心BingCopilotOutlookZOOMPowerAutomateSlack365copilotTeamsMessenger

X16Agent平臺案例：谷歌數(shù)據(jù)與AI產(chǎn)品架構(gòu)數(shù)據(jù)綜合層數(shù)據(jù)控制層數(shù)據(jù)層業(yè)務(wù)活動層AI平臺（Vertex

AI、AgentDev

Kit、Agentspace）AI模型（Gemini、Veo、Imagen、Chirp、Lyria）AI協(xié)議（Agent2Agent）面向商業(yè)智能（BI）的生成式AI（Looker）分析型（BigQuery）向量型（AlloyDB）操作型（BigTable、Cloud

SQL、Firestore、Memorystore、Spanner)AI嵌入式應(yīng)用（嵌入AI的客戶互動解決方案）面向業(yè)務(wù)用戶的智能體（AgentGallery、Agentspace）代理式對話界面（Conversational

Agents、Agent

Designer）數(shù)據(jù)智能（DataPlex、BigQuery）治理（DataPlex、BigQuery）工程（Data

Fusion、DataFlow）知識發(fā)現(xiàn)（Chrome

搜索集成、深度研究智能體、

Vertex

AI

搜索）存儲和管理原始數(shù)據(jù)的數(shù)據(jù)底座負(fù)責(zé)數(shù)據(jù)訪問、治理以及合規(guī)的核心控制層負(fù)責(zé)數(shù)據(jù)整合、支撐模型訓(xùn)練與應(yīng)用的數(shù)據(jù)處理與供給層AI能力落地業(yè)務(wù)場景的價值輸出層高性能數(shù)據(jù)存儲解決方案英偉達(dá)高性能AI芯片谷歌定制化AI芯片

賦能基礎(chǔ)設(shè)施：

功能、場景、硬件等支持TPU

v7

Ironwood、擴(kuò)展的英偉達(dá)（NVIDIA）支持、Vera

Rubin硬件、集成的NetApp存儲圖：谷歌AI平臺架構(gòu)17資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理海外Agent平臺布局：微軟、谷歌、亞馬遜對比18總結(jié)：微軟聚焦B端基礎(chǔ)設(shè)施，是市場上模型支持最全面的平臺，工具鏈和生態(tài)整合全面，安全與穩(wěn)定性強(qiáng)；谷歌依托AIStudio兼顧B/C端多場景，多模態(tài)強(qiáng)但生態(tài)不成熟、市場占有率低；亞馬遜/Anthropic依托AWS服務(wù)中小企業(yè)為主，側(cè)重算力銷售與便捷部署，Claude模型實用性強(qiáng)，但工具鏈分散。圖：海外云廠Agent平臺對比類別微軟谷歌亞馬遜/Anthropic產(chǎn)品定位聚焦“AI平臺+云服務(wù)”，以Azure

AI

Foundry為核心，提供一站式Agent開發(fā)與部署生態(tài)，偏向To

B場景依托AI

Studio構(gòu)建Agent平臺，兼顧To

B與消費級場景，側(cè)重多模態(tài)模型能力依托AWS構(gòu)建Agent部署平臺，側(cè)重算力銷售與部署靈活性，服務(wù)中小企業(yè)為主產(chǎn)品架構(gòu)采用Azure

AI

Foundry（云端）和Windows

AI

Foundry（本地）雙模式，整合LLM、WebSearch、向量數(shù)據(jù)庫，與Azure存儲/VM打通，Copilot

Studio支持智能體開發(fā)基于Gemini模型構(gòu)建代理式架構(gòu)，通過

Agent2Agent協(xié)議推動跨平臺Agent的互操作性，整合Web

Search等工具依托MCP協(xié)議開發(fā)Claude工具鏈，提供

VS

Code插件等IDE深度集成方案模型市場上模型支持最全面的平臺，支持OpenAI模型、開源模型（如DeepSeek）及未來可能接入claude，幾乎無自研核心模型以Gemini模型為核心，Gemini2.5Pro后能力達(dá)到業(yè)界認(rèn)可Bedrock平臺集成多廠商模型+自研

Nova（文本、圖、視頻生成）與Anthropic合作密切（Claude模型）用戶相關(guān)主要用戶為企業(yè)客戶（尤其是AI公司、需要工具鏈整合的企業(yè)），用戶對LLM相關(guān)應(yīng)用依賴性高（如Outlook、Word等）用戶包括開發(fā)者、企業(yè)及消費級用戶，AIStudio平臺活躍度低，市場信任度和占有率不足主要用戶為中小企業(yè)，側(cè)重滿足企業(yè)對算力和靈活部署的需求行業(yè)與場景覆蓋廣泛To

B場景，包括企業(yè)辦公、內(nèi)部信息檢索（BusinessChat），銷售、服務(wù)、財務(wù)、供應(yīng)鏈等業(yè)務(wù)流程自動化覆蓋企業(yè)級模型開發(fā)、消費級辦公（如NotebookLM）、數(shù)據(jù)分析、網(wǎng)絡(luò)安全及多模態(tài)場景（視覺+文本處理）等聚焦中小企業(yè)AI部署場景，如模型快速上線、算力密集型任務(wù)支持等。Claude模型擅長金融、法律、編程等知識密集型且嚴(yán)謹(jǐn)性的場景優(yōu)勢工具鏈和生態(tài)整合全面，與云服務(wù)深度協(xié)同，規(guī)模和市場份額大，安全與穩(wěn)定性強(qiáng)多模態(tài)模型能力強(qiáng)\迭代快，優(yōu)于微軟同類產(chǎn)品算力資源豐富，部署靈活性高，適合中小企業(yè)快速落地，模型能力達(dá)到實用閾值劣勢受安全領(lǐng)域投入分流影響AI應(yīng)用進(jìn)展，應(yīng)用多模態(tài)能力較弱平臺生態(tài)成熟度不足，AI

Studio活躍度低，進(jìn)入

AI市場較晚，市場信任度和占有率待提升工具鏈分散，生態(tài)整合能力弱于微軟資料來源：.各公司官網(wǎng)，彭博社，華爾街新聞，國信證券經(jīng)濟(jì)研究所整理海外云廠25Q2云收入：微軟云受AI驅(qū)動加速明顯、勢頭領(lǐng)先資料來源：公司財報、國信證券經(jīng)濟(jì)研究所整理微軟云:云與Azure加速增長，本季度智能云收入為299億美元，同比+26%，環(huán)比加速，其中Azure同比+39%，超業(yè)績指引的

34-35%。Azure年收入超過750億美元，本季度未披露AI貢獻(xiàn)Azure占比，上季度AI貢獻(xiàn)Azure的16個點。盡管本季度新增數(shù)據(jù)中心容量，但需求仍高于供應(yīng)，預(yù)26財年上半年仍有算力容量限制。

AWS(Amazon):25Q2AWS業(yè)務(wù)收入309億美元（同比+17.5%），目前AI相關(guān)收入繼續(xù)保持三位數(shù)增速，數(shù)十億美元規(guī)模。AWS目前仍處于供應(yīng)能力不足，25Q2積壓訂單1950億美元，同比+25%，原因最大的是電力限制，另外芯片和組件數(shù)量不足、芯片交付節(jié)奏延遲、服務(wù)器良率不達(dá)預(yù)期等，預(yù)計未來幾個季度仍無法滿足需求。Google

Cloud:谷歌云收入136億美元（同比+32%，環(huán)比+11%）。超過2.5億美元的交易數(shù)量同比增長一倍，25H1簽署的超過

100萬美元的交易數(shù)量與2024年全年持平。未完成訂單在第二季度環(huán)比增長18%，同比增長38%，在本季度末達(dá)到1060億美元。盡管公司加快了服務(wù)器的部署速度，但預(yù)計到26年供需環(huán)境仍然緊張。圖：AWS收入與增速變化（百萬美元，%） 圖：谷歌云收入與增速變化（百萬美元，%）資料來源：公司財報、國信證券經(jīng)濟(jì)研究所整理190%2%4%6%8%10%12%14%16%18%20%05,00010,00015,00020,00025,00030,00035,0002023Q22023Q32023Q42024Q12024Q22024Q32024Q42025Q12025Q2云業(yè)務(wù)云業(yè)務(wù)YoY22FYQ222FYQ322FYQ423FYQ123FYQ223FYQ323FYQ424FYQ124FYQ224FYQ324FYQ425FYQ125FYQ225FYQ3圖：智能云收入與增速變化（百萬美元，%）圖：Azure收入變化（百萬美元，%）35,000

智能云

智能云

30%30,000

25%25,00020%20,00015%15,00010%10,0005,000

5%0

0%25,000

Azure收入

YOY

40%35%20,00030%15,000

25%20%10,000

15%10%5,0005%0

0%24FYQ4

25FYQ1

25FYQ2

25FYQ3

25FYQ4資料來源：公司財報、國信證券經(jīng)濟(jì)研究所整理資料來源：公司財報、國信證券經(jīng)濟(jì)研究所整理圖：海外云廠Agent平臺對比字節(jié)扣子阿里百煉騰訊元器產(chǎn)品定位做到全場景覆蓋，目標(biāo)拿下國內(nèi)全部Agent市場，以流程引擎為核心，聚焦數(shù)據(jù)處理、流程自動化》C端主推行業(yè)專家型Agent（如編程、旅游、律師），聚焦功能深度與用戶體驗，而非“全能型”服務(wù)?！菲脚_側(cè)重優(yōu)先提供解決方案，如視覺Agent方案，而非直接面向B/C端做產(chǎn)品，平臺型產(chǎn)品已完成構(gòu)建收費模式偏向構(gòu)建通用智能體，側(cè)重B端企業(yè)級應(yīng)用，全行業(yè)覆蓋（如金融、政務(wù)、醫(yī)療等），適用復(fù)雜推理、跨行業(yè)生態(tài)集成，支持復(fù)雜業(yè)務(wù)場景（如電商售后、廣告投放優(yōu)化）基于騰訊混元大模型的一站式智能體制作平臺，主打輕量化低代碼開發(fā)，聚焦社交（QQ/微信客服）、游戲等垂類場景快速落地核心功能①服務(wù)覆蓋大型企業(yè)（私有化部署，起步價80多萬+并提供公有云可選方案）②中間層面（HiAgent企業(yè)開發(fā)級平臺、扣子平臺分企業(yè)專業(yè)版/普通版/個人版）③C端用戶（扣子空間、豆包專業(yè)專家Agent）內(nèi)部業(yè)務(wù)重構(gòu)：整合淘寶、天貓、餓了么、飛豬、1688等

電商板塊，推動底層技術(shù)架構(gòu)共用與數(shù)據(jù)互通（如用戶畫像、智能對話信息）。統(tǒng)一技術(shù)架構(gòu)賦能核心業(yè)務(wù)（電商、阿里云、釘釘?shù)龋?，依托一整套技術(shù)棧與模型框架，實現(xiàn)人機(jī)交互模式升級。外部應(yīng)用賦能：通過阿里云+開源社區(qū)輻射B/C端產(chǎn)業(yè)，完善“芯片層-模型層-Agent層-應(yīng)用層”的全棧生態(tài)。主要依托自身社交、游戲生態(tài)進(jìn)行Agent

部署①雙模式創(chuàng)建（提示詞/可視化工作流）；②預(yù)置插件（位置服務(wù)、圖像識別等）及MCP（如微信支付、快遞100等）；③支持QQ智能體/微信客服發(fā)布，含分享權(quán)限管理組織架構(gòu)由豆包系、火山引擎（HiAgent）、扣子團(tuán)隊及整體Agent

平

臺支持團(tuán)隊提供技術(shù)支持，形成“平臺中心+多應(yīng)用”模式，另有內(nèi)部團(tuán)隊負(fù)責(zé)豆包專業(yè)Agent

自研通義實驗室負(fù)責(zé)底座模型及智能體底層框架輸出與整合，業(yè)務(wù)部門基于底層技術(shù)構(gòu)建場景化Agent（如電商、阿里云、釘釘?shù)龋┮劳序v訊混元大模型團(tuán)隊+微信生態(tài)部門，未明確獨立Agent

部門用戶相關(guān)開發(fā)者約170萬，扣子平臺有效智能體超200萬，日新增智能體4000個（文心智能體日增約1000個）B端客戶量10

萬級別，今年目標(biāo)20-30萬，AI解決方案客戶預(yù)計下半年達(dá)到阿里百鏈平臺客戶數(shù)的1/2-2/3。外部調(diào)用集中在教育、工具、服務(wù)類功能目前服務(wù)30余萬企業(yè)客戶，預(yù)計今年能到40-50萬，繁花計劃篩選15-20家頭部標(biāo)桿客戶（單客戶體量3000萬-5000萬，部分過億），優(yōu)先遷移云上客戶至AI平臺，通過頭部示范拉動中長尾客戶重構(gòu)業(yè)務(wù)日新增智能體約700-800個，客戶量少于字節(jié)扣子和阿里百煉，早期以小B商家和社交、游戲領(lǐng)域客戶為主，通過億級token免費額度吸引嘗鮮用行業(yè)與場景扣子Agent貢獻(xiàn)量前三為教育、生活服務(wù)、效率工具，調(diào)用量前三位為情感聊天、教育、生活服務(wù)（旅游、交通、穿搭等）；全行業(yè)覆蓋，核心五大優(yōu)勢行業(yè)貢獻(xiàn)超80%收入，包括互聯(lián)網(wǎng)、金融、汽車、醫(yī)療健康、教育聚焦社交（情感陪伴、社群運營）、游戲（劇情互動），逐步拓展電商、工具類場景優(yōu)勢生態(tài)融合強(qiáng)（與抖音、微信等打通），低代碼平臺吸引大量開發(fā)者，智能體數(shù)量領(lǐng)先，場景化模型功能豐富（如生成博客對話、視頻理解），與火山引擎形成生態(tài)聯(lián)動增長全行業(yè)覆蓋能力強(qiáng)，MCP工具鏈和開源生態(tài)豐富（近4000個MCP服務(wù)，年底預(yù)計破萬），底座模型（QWEN3）接近海外先進(jìn)水平，客戶數(shù)量多且覆蓋核心行業(yè)在社交、游戲領(lǐng)域有天然生態(tài)積累劣勢行業(yè)覆蓋較窄，工具鏈在復(fù)雜跨行業(yè)集成上弱于阿里C端布局相對薄弱，智能體推廣處于早期（Q2剛推廣）底層模型能力一般，功能、復(fù)雜場景支撐弱、依賴插件集成資料來源：.各公司官網(wǎng)，各公司公眾號，彭博社，華爾街新聞，國信證券經(jīng)濟(jì)研究所整理國內(nèi)Agent平臺布局：字節(jié)、阿里、騰訊對比20PaaS/Agent平臺變遷：客戶將根據(jù)平臺AI/工具部署能力重新選擇PaaS/應(yīng)用平臺供應(yīng)商面臨新的市場份額瓜分機(jī)會：根據(jù)IDC調(diào)查，將有70%的受訪企業(yè)將更換或新增云/AI平臺供應(yīng)商。僅僅有17%的受訪客戶認(rèn)為當(dāng)前的云提供商可以滿足他們的AI/ML/GenAI需求。28%的受訪企業(yè)已經(jīng)被迫更換提供商，而另有42%的受訪企業(yè)計劃離開當(dāng)前的提供商或加入云提供商組合。近一半的企業(yè)依賴公有云PaaS服務(wù)商進(jìn)行AI方案落地：通過公有云實現(xiàn)對AI模型進(jìn)行API調(diào)用，是企業(yè)部署AI應(yīng)用的主要和關(guān)鍵方式。其他自建、本地托管或邊緣節(jié)點上使用AI模型占比不到20%。圖：12個月里組織將采用哪些主要方法對AI/ML模型進(jìn)行API調(diào)用圖：整合AI/ML及GenAI解決方案對組織采用新供應(yīng)商影響18%17%5%無需變更，當(dāng)將停止使用/離前的云服務(wù)商

開當(dāng)前的云服滿足需求

務(wù)商，轉(zhuǎn)向另一家15%13%12%已開始與另一家主流云服務(wù)商合作已開始與一家

新供應(yīng)商（非主流云服務(wù)商）合作計劃開始與另一家主流云服務(wù)商合作計劃開始與新供應(yīng)商（非主流云服務(wù)商）合作49%資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理2119%13%12%5%谷歌云）的PaaS/平臺服務(wù)（如AWS、Azure、有云IaaS上的服務(wù)轉(zhuǎn)向公有云服務(wù)商轉(zhuǎn)向我們管理的公轉(zhuǎn)向非主流公有云服務(wù)商的平臺服務(wù)轉(zhuǎn)向在專用托管數(shù)據(jù)中心、本地數(shù)據(jù)中心上的服務(wù)轉(zhuǎn)向邊緣節(jié)點上服務(wù)PaaS/Agent平臺需求：提高開發(fā)交付效率，安全與隱私是最大障礙PaaS平臺的關(guān)鍵需求:圍繞GenAI應(yīng)用開發(fā)過程提高交付效率的功能/工具是主要需求，企業(yè)客戶優(yōu)先考慮有助于自動執(zhí)行重復(fù)性任務(wù)并提供預(yù)測分析以協(xié)助數(shù)據(jù)驅(qū)動型決策的PaaS/應(yīng)用程序平臺，其次是GenAI相關(guān)功能（AIGC等）。AI驅(qū)動的工作流自動化（如自動測試代碼、模擬重復(fù)性任務(wù)）是首要需求。決策支持（如預(yù)測分析、場景模擬）、代碼生成、聊天機(jī)器人/虛擬助手和數(shù)據(jù)增強(qiáng)合成的重要性也較高，超過30%客戶會因此考慮平臺的選擇。AI解決方案落地的主要阻礙：安全與隱私問題是影響企業(yè)AI項目落地最大的阻礙（19%），其次是數(shù)據(jù)質(zhì)量（15%）和IT部門能力不足（13%）。另外預(yù)算、技術(shù)與倫理風(fēng)險、輸出結(jié)果可信度不足、數(shù)據(jù)使用控制不足也是重要挑戰(zhàn)。圖：最能影響組織使用PaaS或應(yīng)用程序平臺的功能圖：AI/ML或GenAI整合到組織數(shù)字解決方案中的主要障礙19%15%13%12%8%6%6%5%5%4%4%3%安全/隱私問題數(shù)據(jù)質(zhì)量IT

部門尚未準(zhǔn)備好構(gòu)建、部署和管理智能應(yīng)用程序預(yù)算生成式人工智能倫理開發(fā)人員技能對生成式人工智能輸出的信心不足對可用數(shù)據(jù)的控制不足缺乏信任/信任問題不適用所需語言模型的訪問缺乏有說服力的應(yīng)用場景40%資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理2235%33%32%30%27%27%23%19%17%14%AI驅(qū)動工作流/重復(fù)性任務(wù)自動化

AI決策支持（如：預(yù)測分析、場景模擬）代碼生成（如：代碼建議、框架搭建或調(diào)試）聊天機(jī)器人與虛擬助手?jǐn)?shù)據(jù)增強(qiáng)與合成文本、圖像、視頻內(nèi)容創(chuàng)作自定義模型或訓(xùn)練（例如：專有數(shù)據(jù)訓(xùn)練和微調(diào)模型）可解釋性與治理（如：理解AI

決策、確保合規(guī)性和透明度）AI語音（例如：文本轉(zhuǎn)語音、會話代理）多模態(tài)集成（例如：跨文本、圖像和視頻整合）自然語言處理（NLP）（例如：語言理解、摘要、翻譯）PaaS/Agent平臺選擇：AI模型為核心，借成熟生態(tài)（云、集成商）落地4%

5%15%

20%

25%

30%

35%

40%生成式人工智能模型/工具供應(yīng)商（如OpenAI、Anthropic）22%14%云服務(wù)提供商（如亞馬遜AWS、微軟Azure）14%17%IT

咨詢合作伙伴/系統(tǒng)集成商（如Accenture、Deloitte）13%15%企業(yè)應(yīng)用程序提供商（如Oracle、Salesforce）14%13%數(shù)字基礎(chǔ)設(shè)施提供商（如Cisco、Dell）11%11%生成式人工智能初創(chuàng)企業(yè)（如LangChain、Inflection）10%10%商業(yè)咨詢合作伙伴（如McKinsey、Bain）6%8%半導(dǎo)體供應(yīng)商（如NVIDIA、Intel）6%8%行業(yè)專業(yè)供應(yīng)商Most0%

5%

10%Second

most

Important 多數(shù)企業(yè)在開發(fā)和實施GenAI計劃時，資源依賴模式表現(xiàn)得較為明顯。尤其在模型調(diào)優(yōu)/適配、評估/測試，方案集成以及運營/監(jiān)控、基礎(chǔ)算力與數(shù)據(jù)等環(huán)節(jié)。企業(yè)AI戰(zhàn)略“重心分層”，核心模型能力是企業(yè)AI戰(zhàn)略的第一抓手、也是云廠必爭環(huán)節(jié)。①第一層（核心）：生成式AI模型供應(yīng)商+云服務(wù)商（算力）→搶大腦；②第二層（支撐）：IT咨詢（落地）+企業(yè)程序提供商（方案）+→保落地；③第三層（補(bǔ)充）：初創(chuàng)企業(yè)（工具）、半導(dǎo)體（硬件）→補(bǔ)細(xì)節(jié)。圖：最重要和第二重要的戰(zhàn)略AI技術(shù)合作伙伴資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理23PaaS/Agent平臺選擇：云為底座、場景落地優(yōu)先資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理與供應(yīng)商已有的合作關(guān)系,

20%降低供應(yīng)商鎖定風(fēng)險的實施標(biāo)準(zhǔn),25%AI模型治理能力,30%便于非專業(yè)技術(shù)人員使用的工具,37%開發(fā)GenAI應(yīng)用的能力,44%與我們現(xiàn)有IT基礎(chǔ)設(shè)施集成能力,44%49%37%32%25%22%20%15%SaaS提供商（例如：SAP、Oracle、Salesforce、ServiceNow）AI治理工具提供商（例如：IBM、Palantir）IT編排提供商（例如：VMware/Broadcom、Red

Hat、SUSE）LLM運維平臺提供商（例如：IBM、SAS或Domino

Data

Lab）數(shù)據(jù)平臺提供商（例如：Databricks、Snowflake） 企業(yè)落地AI方案時，最關(guān)注“技術(shù)整合能力（44%）”和“應(yīng)用開發(fā)能力（44%）”。企業(yè)想要快速落地專屬GenAI應(yīng)用（如客服、營銷），大模型應(yīng)用是核心環(huán)節(jié)，同時為了避免AI孤島，需打通現(xiàn)有系統(tǒng)（如ERP、CRM），讓AI真正融入業(yè)務(wù)流程。 能幫助企業(yè)實現(xiàn)AI目標(biāo)的供應(yīng)商中云服務(wù)商（49%）碾壓式領(lǐng)先，反映出AI應(yīng)用依賴于AI平臺，而AI平臺=云算力+開發(fā)平臺+生態(tài)的建設(shè)邏輯。 其次為了使AI技術(shù)快速賦能現(xiàn)有業(yè)務(wù)，SaaS提供商和AI治理工具提供商/解決方案商的重要性也凸顯。SaaS提供商可以幫助企業(yè)對現(xiàn)有業(yè)務(wù)系統(tǒng)進(jìn)行AI化升級，AI治理工具提供商可以解決AI合規(guī)性和數(shù)據(jù)分析的痛點。圖：AI方案落地的關(guān)鍵要素 圖：最能助力機(jī)構(gòu)實現(xiàn)

AI目標(biāo)的供應(yīng)商云服務(wù)提供商（例如：谷歌云、AWS、Azure）提供“算力+開發(fā)平臺+生態(tài)對現(xiàn)有業(yè)務(wù)系統(tǒng)AI升級：如Salesforce

AI銷售助手、SAP供應(yīng)鏈預(yù)測解決AI合規(guī)性和數(shù)據(jù)分析痛點，包括模型監(jiān)控、數(shù)據(jù)隱私、偏見檢測管理“混合云/本地IT資源”：協(xié)調(diào)云算力、本地服務(wù)器（企業(yè)使用非公有云）大模型全生命周期管理”：訓(xùn)練、微調(diào)、部署、監(jiān)控（企業(yè)自建大模型時的剛需）數(shù)據(jù)管理：數(shù)據(jù)存儲（數(shù)據(jù)湖/倉）、特征工程、數(shù)據(jù)治理（AI模型效果的基礎(chǔ)）開源供應(yīng)商成本與靈活性優(yōu)勢，但開源的穩(wěn)定性、合規(guī)性稍差24圖：各類數(shù)據(jù)庫特點、場景、主要玩家與2024年增速AI

Data

Infra（數(shù)據(jù)基礎(chǔ)設(shè)施）：新需求與數(shù)據(jù)庫產(chǎn)品份額變化根據(jù)IDC數(shù)據(jù)2024年數(shù)據(jù)庫細(xì)分市場增速差異明顯，增長主力為數(shù)據(jù)湖管理系統(tǒng)（+27.7%）、低代碼DBMS（+26.8%）、非結(jié)構(gòu)化DBMS（+21.6%），而傳統(tǒng)的關(guān)系型DBMS增速僅6.7%（雖仍占60%份額）。這一差異反映三大需求趨勢：①靈活、多模態(tài)數(shù)據(jù)處理需求上升：AI時代非結(jié)構(gòu)化數(shù)據(jù)占比超80%，數(shù)據(jù)湖與非結(jié)構(gòu)化數(shù)據(jù)庫支持海量、多格式數(shù)據(jù)（如實時流數(shù)據(jù)、非定義化數(shù)據(jù)），適配倒逼技術(shù)架構(gòu)向"湖倉一體(LakeHouse)"演進(jìn)，要求支持多模態(tài)數(shù)據(jù)統(tǒng)一存儲、高維矩陣計算、批流一體處理;②低門檻開發(fā)需求增長：低代碼DBMS讓非專業(yè)用戶（如知識工作者）無需DBA即可管理數(shù)據(jù)，提升協(xié)作效率；③傳統(tǒng)架構(gòu)需求穩(wěn)定但放緩：關(guān)系型數(shù)據(jù)庫增速低于靈活型，企業(yè)更傾向于“核心系統(tǒng)保留關(guān)系型+新興場景用靈活架構(gòu)”的混合策略。AI對數(shù)據(jù)基礎(chǔ)設(shè)施提出的全新要求，也包括云部署遷移：公共云服務(wù)占比從2023年的56.6%提升至2024年的62.2%；隨著大模型在企業(yè)級市場應(yīng)用場景的快速拓展，更需內(nèi)置AI原生能力，實現(xiàn)"數(shù)據(jù)治理+模型訓(xùn)推"的無縫銜接。庫60%非結(jié)構(gòu)化數(shù)據(jù)庫

16%低代碼數(shù)據(jù)庫5%數(shù)據(jù)湖管理系統(tǒng)

15%導(dǎo)航型數(shù)據(jù)庫

2%內(nèi)存共享數(shù)據(jù)管理2%數(shù)據(jù)庫類型

特點與差異速）2024年增典型使用場景主要玩家與產(chǎn)品基于關(guān)系模型（表結(jié)構(gòu)），需預(yù)定義schema關(guān)系型數(shù)據(jù)庫（明確數(shù)據(jù)對象的結(jié)構(gòu)（字段/列類型、有效值），用SQL操作，數(shù)據(jù)結(jié)構(gòu)化強(qiáng)，適合關(guān)聯(lián)數(shù)據(jù)處理賬、電商訂單）Microsoft：SQL

Server、Azure6.70%企業(yè)交易處理（如銀行轉(zhuǎn)SQL

Database；Oracle：OracleDatabase庫無需預(yù)定義數(shù)據(jù)結(jié)構(gòu)，處理非結(jié)構(gòu)化/半結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)（文本、圖片等），NoSQL特性，可無Schema，高擴(kuò)展性MongoDB；Microsoft：Azure21.60%

AI

語義搜索、社交平臺

Cosmos

DB（文檔

API）；Oracle:非結(jié)構(gòu)化數(shù)據(jù)存儲 NoSQL

DB；Amazon:DynamoDB（文檔存儲）；關(guān)系型數(shù)據(jù)統(tǒng)存儲海量多源異構(gòu)數(shù)據(jù)（結(jié)構(gòu)化+非結(jié)構(gòu)化），低Databricks：Lakehouse

；數(shù)據(jù)湖管理系保留原始格式，可無Schema，按需處理，成本27.70%企業(yè)大數(shù)據(jù)分析（如用戶Microsoft：Azure

Data

Lake；行為挖掘） Amazon：S3

+

Glue；Google：BigQuery+

BigLake；

Snowflake;低代碼數(shù)據(jù)庫

可視化界面開發(fā)，s

hc

em

簡a

單，非數(shù)據(jù)庫管理

26.80%

部門級數(shù)據(jù)管理（如營銷Microsoft：Power

Apps

+用戶可定義管理數(shù)據(jù)，集成腳本語言、報表工具

團(tuán)隊客戶統(tǒng)計）

Dataverse；Oracle：APEX；導(dǎo)航型數(shù)據(jù)庫需schema，基于層次/網(wǎng)狀模型，需預(yù)定義導(dǎo)航路徑，查詢依賴路徑，靈活性低

舊賬戶管理）2.90%傳統(tǒng)金融核心系統(tǒng)（如老Oracle：IMS（歷史產(chǎn)品）；管理

低延遲，部分支持持久化

實時物流調(diào)度）資料來源：IDC，華爾街新聞，各公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理內(nèi)存共享數(shù)據(jù)管理內(nèi)存中瞬態(tài)數(shù)據(jù)，支持多進(jìn)程共享，高并發(fā)15.50%實時應(yīng)用（如高頻交易、Microsoft：Azure

CacheforRedis；Oracle：TimesTen；Amazon：ElastiCache；圖：2024年數(shù)據(jù)庫類型與份額資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理AI

Data

Infra（數(shù)據(jù)基礎(chǔ)設(shè)施）：格局壁壘演繹與主要玩家Microsoft：以30%+的份額領(lǐng)跑（同比+13.4%），憑借SQL

Server、Azure

SQL、CosmosDB的AI集成提升性能與開發(fā)者效率。AWS：份額14%（同比19.6%），推出無服務(wù)器分布式數(shù)據(jù)庫AuroraDSQL，升級Redshift（AI增強(qiáng)）與DynamoDB（一致性/成本優(yōu)化）；Google：份額4%（增速42.7%），新產(chǎn)品AlloyDB集成ScaNN向量搜索、Spanner新增圖數(shù)據(jù)庫功能（SpannerGraph）。Snowflake:份額4%（增速27%）,升級CortexAI提升AI驅(qū)動的數(shù)據(jù)分析與模型監(jiān)控能力；ApacheIceberg表正式發(fā)布，推出開源跨引擎目錄PolarisCatalog，支持多格式數(shù)據(jù)管理；Databricks：份額2%(增速45%、頭部廠商中最高），開源UnityCatalog、升級DeltaLake4.0，強(qiáng)化湖倉架構(gòu)AI能力，。MongoDB:份額2%(增速22%)，作為非結(jié)構(gòu)化數(shù)據(jù)庫（NoSQL）代表，適配企業(yè)對動態(tài)、多模態(tài)數(shù)據(jù)的存儲與檢索需求。圖：各個數(shù)據(jù)庫公司細(xì)分?jǐn)?shù)據(jù)庫產(chǎn)品收入組成（百萬美元）資料來源：公司官網(wǎng)、國信證券經(jīng)濟(jì)研究所整理公司2024年收入增速Microsoft13.4%Oracle4%Amazon19.6%Google42.7%IBM-7.2%Snowflake27%SAP-0.7%Databricks45%MongoDB21.7%Microsoft31%Oracle18%AmazonWebServices14%Google4%SAP3%Snowflake4%IBM4%MongoDB2%AlibabaGroup2%Databricks2%其他

16%圖：2024年數(shù)據(jù)庫廠商份額與增速資料來源：IDC，國信證券經(jīng)濟(jì)研究所整理資料來源：各公司官網(wǎng)、業(yè)績會，國信證券經(jīng)濟(jì)研究所整理2024年至今頭部數(shù)據(jù)庫廠商通過收購強(qiáng)化AI原生、云安全能力，提升用戶體驗與生態(tài)，例如：Microsoft：先后收購Fungible（基礎(chǔ)設(shè)施）+InflectionAI（增強(qiáng)Copilot與自然語言查詢），強(qiáng)化云數(shù)據(jù)庫的性能與智能化；Snowflake：收購TruEra補(bǔ)全AI模型監(jiān)控短板。最新發(fā)布Openflow產(chǎn)品基于收購的Datavolo技術(shù)構(gòu)建，支持結(jié)構(gòu)化/非結(jié)構(gòu)化、批處理/流數(shù)據(jù)接入，瞄準(zhǔn)170億美元數(shù)據(jù)集成市場。SAP：收購WalkMe優(yōu)化數(shù)據(jù)庫平臺的用戶體驗，應(yīng)對云遷移中客戶的上手門檻；IBM：收購HashiCorp，提升多云自動化、簡化數(shù)據(jù)庫安全；圖：近兩年各數(shù)據(jù)庫廠商收購、投資相關(guān)公司情況AI

Data

Infra公司：通過快速收購與推新品完善產(chǎn)品布局2024年第二季度，Snowflake收購了TruEra，這是一家專注于AI可視化和模型監(jiān)控的初創(chuàng)公司，旨在通過先進(jìn)的AI模型監(jiān)控和分析功能來增強(qiáng)Snowflake的數(shù)據(jù)平臺。圖：Snowflake

Iceberg表交互架構(gòu)資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理Snowflake

26FYQ2業(yè)績表示AI相關(guān)產(chǎn)品adoption快速提升（近50%新客戶因AI選擇Snowflake，盡管收入貢獻(xiàn)仍較小），重磅產(chǎn)品如下：① IcebergTables（2024年6月10日宣布正式商用）：SnowflakeIceberg表提供了直接與數(shù)據(jù)湖中的Iceberg和Parquet數(shù)據(jù)交互的功能，即可助力模型部署、AI應(yīng)用開發(fā)以通過Snowflake無縫安全地共享、協(xié)作、處理第三方存儲的Iceberg數(shù)據(jù)。② SnowflakeCortex（2024年5月GA）：大語言模型推理的托管服務(wù)，類似Google的VertexAI，涵蓋從模型數(shù)據(jù)的抓取整理，到模型訓(xùn)練、驗證、部署、擴(kuò)展、協(xié)作、治理、監(jiān)控、維護(hù)等整個AI/ML工作流程與模型生命周期。還包括以下功能：Snowflake

Copilot：是一個由LLM提供支持的助手，用于使用自然語言生成和優(yōu)化SQL。Document

AI：適用提取數(shù)據(jù)，客戶可以處理任何文檔（pdf、word、txt、屏幕截圖）并獲得問題的答案。Universal

Search：由LLM提供支持的搜索，用于數(shù)據(jù)云/數(shù)據(jù)庫中搜索和發(fā)現(xiàn)數(shù)據(jù)和應(yīng)用。③ SnowflakeIntelligence（2025年6月預(yù)覽）：AgenticAI功能、企業(yè)級AI代理平臺，整合結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)，支持用戶通過自然語言與企業(yè)數(shù)據(jù)交互（如自動生成采購訂單、更新CRM），已進(jìn)入公開預(yù)覽階段；案例：Snowflake

2026財年上半年推出約250項新功能28圖：Snowflake

AI產(chǎn)品資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理AI

Data

Infra：相關(guān)SaaS公司二財季業(yè)績數(shù)據(jù)表現(xiàn)亮眼0%5%10%15%20%25%30%35%40%05001,0001,5002,0002,5003,0003,5004,000

45%Revenue

cRPORevenue

YoYcRPO

YoY0%5%10%15%20%25%30%35%40%45%01002003004005006007008004/25

7/25RevenueRevenue

YoYcRPO

BookingscRPO

YoY4/23

7/23

10/23

1/24

4/24

7/24

10/24

1/25

4/25

7/25資料來源：公司財報、國信證券經(jīng)濟(jì)研究所整理AI

Data

Infra公司連續(xù)兩個季度收入加速明顯，二季度業(yè)績超公司指引，紛紛上調(diào)全年營收與利潤指引。Snowflake26FYQ2業(yè)績（25年5月1日-25年7月31日）：產(chǎn)品營收為1.09億美元（同比+32%），顯著超公司25%的同比增長指引，核心業(yè)務(wù)強(qiáng)勁。Non-GAAP運營利潤率為11%，超此前指引8%。上調(diào)26財年收入指引至43.95億美元，同比增長

27%（此前指引為同比+25%）。全年上調(diào)則基于Q2超預(yù)期表現(xiàn)、新功能adoption加速及大客戶遷移需求釋放；Mongodb

26FYQ2業(yè)績（25年5月1日-25年7月31日）：營收5.91億美元（同比+24%），高于指引上限。Non-GAAP運營利潤

8700萬美元（利潤率15%，同比提升4個百分點）。上調(diào)26財年預(yù)計營收23.4-23.6億美元，同比+16.4-17.4%（原指引22.5-22.9億美元）。上調(diào)26財年Non-GAAP運營利潤預(yù)計3.21-3.31億美元（原指引2.67-2.87億美元），Non-GAAPOPM上限14%，較原指引提升150個基點。圖：Snowflake

收入與cRPO變化(百萬美元，%)

圖：Mongodb

收入與cRPO變化(百萬美元，%)4/23

7/23

10/23

1/24

4/24

7/24

10/24

1/25資料來源：公司財報、國信證券經(jīng)濟(jì)研究所整理圖：Snowflake用戶數(shù)變化資料來源：公司業(yè)績會、國信證券經(jīng)濟(jì)研究所整理圖：海外云廠Agent平臺對比公司名稱公司業(yè)務(wù)股價YTD股價關(guān)稅底后反彈云服務(wù)商微軟（Microsoft）Azure

云承載AI

算力，集成Copilot+OpenAI

能力，提供企業(yè)級AI

開發(fā)與部署平臺19%42%谷歌（Alphabet）GoogleCloud

提供AI服務(wù)，Gemini

大模型+TPU芯片，賦能搜索、廣告等業(yè)務(wù)AI

化9%43%亞馬遜（Amazon）AWS

云提供AI/ML

服務(wù)（如Bedrock），合作Anthopic、自研Nova大模型，支撐電商等AI應(yīng)用4%33%Oracle提供云技術(shù)應(yīng)用與云基礎(chǔ)設(shè)施平臺Oracle

Cloud

，提供數(shù)據(jù)庫、ERP、CRM

等企業(yè)級應(yīng)用42%89%SaaS方案商ServiceNow企業(yè)服務(wù)管理SaaS，客戶服務(wù)管理、ITSM、HRSD

流程等產(chǎn)品-18%20%Salesforce專注客戶關(guān)系管理，通過云計算提供銷售、營銷、客服等CRM

解決方案，拓展應(yīng)用和平臺服務(wù)-26%1%SAP全球領(lǐng)先的企業(yè)應(yīng)用軟件，專注ERP，提供財務(wù)管理、HR

云等多領(lǐng)域軟件及行業(yè)云解決方案-2%10%AI治理工具IBM業(yè)務(wù)涵蓋AI

平臺、云計算服務(wù)、服務(wù)器等硬件研發(fā)制造，以及企業(yè)咨詢、系統(tǒng)集成等信息技術(shù)服務(wù)13%5%Palantir專注于大數(shù)據(jù)分析和決策支持平臺，為政府和企業(yè)提供定制化數(shù)據(jù)管理與分析解決方案113%106%云平臺安全類

SaaSCrowdStrike網(wǎng)絡(luò)安全公司，通過軟件與服務(wù)為企業(yè)檢測、阻止黑客威脅，利用AI

提供端點、云等安全防護(hù)24%30%Palo

AltoNetworks網(wǎng)絡(luò)安全SaaS，提供先進(jìn)防火墻、云安全、端點防護(hù)等方案2%22%云平臺數(shù)據(jù)類

SaaSSnowflake數(shù)據(jù)云平臺，幫助企業(yè)處理海量數(shù)據(jù)，支持?jǐn)?shù)據(jù)工程、倉庫、科學(xué)等多場景40%60%MongoDB專注數(shù)據(jù)庫領(lǐng)域，提供非關(guān)系型數(shù)據(jù)庫MongoDB，助力開發(fā)團(tuán)隊構(gòu)建智能應(yīng)用30%86%Datadog數(shù)據(jù)觀測性SaaS，診斷系統(tǒng)故障，監(jiān)測服務(wù)器、API

等運行狀況，助力企業(yè)保障IT

系統(tǒng)穩(wěn)定高效運行-12%43%AI芯片與硬件英偉達(dá)（Nvidia）主導(dǎo)AI

算力芯片（GPU/H100

等），為大模型訓(xùn)練、推理提供核心硬件支撐34%87%AMD設(shè)計制造微處理器等，業(yè)務(wù)涵蓋數(shù)據(jù)中心、客戶端、游戲、嵌入式產(chǎn)品領(lǐng)域37%112%Broadcom提供半導(dǎo)體和基礎(chǔ)設(shè)施軟件產(chǎn)品，涵蓋企業(yè)軟件、寬帶網(wǎng)絡(luò)、數(shù)據(jù)中心存儲等多個領(lǐng)域相關(guān)業(yè)務(wù)。28%91%資料來源：Wind，國信證券經(jīng)濟(jì)研究所整理 按照2025年8月28日收盤數(shù)據(jù)統(tǒng)計Agent平臺重要供應(yīng)商：伴隨Agent落地需求股價強(qiáng)勁30Agent定義、技術(shù)與發(fā)展01Agent開發(fā)平臺的布局02模型層與Tokens調(diào)用量分析03C端與B端Agent進(jìn)展04目錄Agent的市場空間與發(fā)展預(yù)期04大模型份額變化：谷歌與Anthropic優(yōu)勢明顯，國內(nèi)模型穩(wěn)健進(jìn)步Gryphe：

美國，基于

Llama2

架構(gòu)微調(diào)模型

MythoMax，隨競爭消失微軟：自研以Phi系列為主Cohere:加拿大，主要

CommandR+企業(yè)流程類模型OpenRouter：AI模型聚合平臺，Quasar

Alpha免費模型2.2%Google

I/O

2405發(fā)布Gemini

1.5

Pro25年初DeepseekV3\R1相繼發(fā)布并開源2507發(fā)布Kimi

K2MOE模型25年5月Claude4系列發(fā)布，編程能力大幅提升Grok4

2507發(fā)布2024年10月，

Claude

3.5系列問世，復(fù)雜推理能力提升25年2月谷歌發(fā)布

Gemini

2.0模型系列，超長上下文、多模態(tài)與復(fù)雜任務(wù)能力提升。2504，OpenAI推出

GPT-4.1系列2409，OpenAI發(fā)布o(jì)1大模型，包括o1-preview和o1-mini25年2月發(fā)布Claude3.7

Sonnet，全球首款MOE推理模型31.6%6.7%3.2%2.4%25.4%5.1%3.0%2.3%18.1%根據(jù)Openrouter數(shù)據(jù)谷歌與Anthropic模型份額較高，目前占據(jù)模型調(diào)用市場半壁以上江山。兩者陸續(xù)迭代發(fā)布重磅模型版本，如谷歌的Gemini

1.5與Gemini2.0系列，在多模態(tài)、長文本領(lǐng)域優(yōu)勢明顯。Anthropic發(fā)布Claude

3.5\3.7\4.0系列，復(fù)雜推理編程能力突出。國內(nèi)隨著Deepseek推理開源V3/R1模型的發(fā)布，以開源為特點在模型市場份額穩(wěn)步提升。代表如Deepseek系列、QWEN系列、Kimi系列。圖：近一年全球大模型服務(wù)商份額變化(根據(jù)模型調(diào)用量排序)32資料來源：Openrouter，國信證券經(jīng)濟(jì)研究所整理 注;Openrouter市場份額數(shù)據(jù)是基于其平臺上的第三方API調(diào)用量統(tǒng)計Openrouter

API聚合平臺與數(shù)據(jù)口徑說明OpenRouter是面向大模型的統(tǒng)一API網(wǎng)關(guān)/聚合平臺，提供標(biāo)準(zhǔn)化路由、高可用與成本優(yōu)化，兼容OpenAI生態(tài)，支持400+模型與活躍供 應(yīng)商接入。通過兼容接口與SDK，單一APIKey可調(diào)用多廠商模型，降低集成成本。收費方法為：充值通用額度，按上游費率消耗，平臺 收取約5%–5.5%手續(xù)費，類似平臺包括Hugging

Face、AI21

Labs等。OpenRouter模型調(diào)用量口徑說明：僅反映“通過OpenRouter平臺產(chǎn)生的調(diào)用”，不包含用戶直接向模型廠商API的調(diào)用、通過其他云平 臺產(chǎn)生的調(diào)用量以及企業(yè)自建私有化部署大模型量，并非全市場總用量。OpenRouter模型調(diào)用量占比全市場總調(diào)用量我們測算約為1%。2025年5月OpenRouter的年化收入約500萬美元，對應(yīng)年化推理支出（GMV）約1億美元。Polaris

MarketResearch預(yù)測，全球大語言模型市場規(guī)模2025年約為78億美元，占比約1.2%?？紤]到OpenRouter以海外需

求為主、而中國區(qū)模型調(diào)用價格顯著低于全球，OpenRouter整體調(diào)用量份額占比約為1%。OpenRouter平臺用戶特點：主要客戶以“開發(fā)者/小團(tuán)隊”長尾用戶為主，共性是追求多模型統(tǒng)一接入、高可用、成本優(yōu)化與快速迭代；開發(fā)者與小微團(tuán)隊占比高、用量分散，包括有些跨境客戶依賴代理中轉(zhuǎn)實現(xiàn)海外模型合規(guī)接入，以及學(xué)術(shù)/研究機(jī)構(gòu)進(jìn)行統(tǒng)一評測與實

驗，中大企業(yè)與機(jī)構(gòu)占比低。OpenRouter平臺行業(yè)特點：模型調(diào)用量以編程類應(yīng)用為主，占比約87%；其他場景（如營銷、翻譯、角色扮演、金融等）總占比約13%；圖：Openrouter大模型調(diào)用說明33資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理資料來源：公司官網(wǎng)，國信證券經(jīng)濟(jì)研究所整理圖：Openrouter接入步驟請務(wù)必閱讀正文之后的免責(zé)聲明及其項下所有內(nèi)容表：全球調(diào)用量領(lǐng)先的大模型參數(shù)資料來源：各公司官網(wǎng)，Openrouter，國信證券經(jīng)濟(jì)研究所整理 注;Openrouter市場份額數(shù)據(jù)是基于其平臺上的第三方API調(diào)用量統(tǒng)計谷歌模型性價比顯著，引領(lǐng)市場份額模型商 模型名稱 發(fā)布時間 上下文（Tokens）

最大輸出 輸入價格（$/M)

輸出價格（$/M)延遲（s） 模型可用平臺GoogleGemini

2.5

Flash2025/6/171.05M64K0.302.500.51GoogleGemini

2.0

Flash2025/2/51.05M8K0.100.400.58

GoogleGoogleGemini

2.5

Pro2025/6/171.05M66K1.2510.002.30AnthropicClaude

Sonnet

42025/5/22200K64K3.0015.002.14AnthropicClaude

3.7

Sonnet2025/2/24200K64K3.0015.001.33

Google、Amazon、AnthropicAnthropicClaude

Opus

42025/5/22200K32K15.0075.003.09OpenAIGPT-4.12025/4/141.05M32K2.008.000.46

OpenAIOpenAIGPT-4.1

Mini2025/4/141.05M32K0.401.600.42

OpenAIOpenAIGPT-4o2024/5/13128K16K2.5010.000.49

OpenAI、AzureMistralMistral

Nemo2024/7/1932K16K0.010.000.32

開源，多數(shù)主流云平臺（如AWS、Azure、GCP）MetaLlama

4

Maverick2025/4/51.05M16K0.150.600.48

開源，多數(shù)主流云平臺MetaLlama

3.3

70B

Instruct2024/12/6131K16K0.040.120.22

（如AWS、Azure、GCP）xAIGrok

42025/7/9256K256K3.0015.0013.03

xAIDeepSeekDeepSeek

V3

0324

(free)2025/3/2433K164K免費免費1.14

開源，多數(shù)主流云平臺DeepSeekR1

0528

(free)2025/5/28164K164K免費免費2.83

（如AWS、Azure、GCP）月之暗面Kimi

K2(free)2025/7/1133K32K免費免費2.71

開源，阿里云、HuggingFace等可下載阿里Qwen3

235B

A22B2507(free)2025/7/21262K262K免費免費1.88開源，阿里云、HuggingFace等可下載騰訊Hunyuan

A13B

Instruct(free)2025/7/8

33K

32K

免費 免費

2.04開源，騰訊云、HuggingFace等可下載34海外大模型差異化發(fā)展一梯隊OpenAIGPT-4.1

2025/4/14

通用推理大模型支持100

萬token

上下文，編碼能力顯著提升（SWE-bench

得分54.6%），多語言處理效率翻倍。GPT-52025/8/7通用推理大模型集成o系列推理能力，低幻覺率、強(qiáng)大的編碼分析和擬人化能力，支持標(biāo)準(zhǔn)版、mini

版和nano版API，調(diào)用成本進(jìn)一步下降。GoogleGemini

2.0

Flash/Pro2025/2/5推理MOE模型集成Agent

架構(gòu)，支持實時接收文字、語音、圖像、視頻信息并進(jìn)行推理反饋。Gemini

2.5

Flash/Pro2025/6/17模態(tài)推理模型端到端的原生多支持10M

token

超長上下文，推理效率提升，具備代碼生成和多模態(tài)交互能力?；谖谋竞蛨D像提示生成高質(zhì)量視頻，配備V2A

技術(shù)，實現(xiàn)音畫完美同步，支持最高4K

分辨率輸出，具備物理效果模擬能力，可執(zhí)行復(fù)雜鏡頭指令。二梯隊

AnthropicVeo

32025/5/21視頻生成模型Claude

3.7

Sonnet2025/2/24推理/編程模型市場上首個混合推理模型，可在普通回答和深度思考模式間切換，編碼和前端開發(fā)能力突出，API

用戶可控制思考預(yù)算。Claude

Sonnet/Opus42025/5/22推理/編程模型Opus4

支持連續(xù)7

小時復(fù)雜推理任務(wù)，Sonnet4

在SWE-bench

編程測試中得分72.7%。三梯隊Meta模Scout

支持1000

萬token

上下文，Maverick

以402B

總參數(shù)超越GPT-4o，支持圖像理解和代碼生成。xAI支持131K

token

上下文，數(shù)學(xué)推理（AIME

2025

得分93.3%）和代碼生成能力領(lǐng)先，集成DeepSearch

實