AI專題·Agent：智能體基建厚積薄發(fā)商業(yè)化應(yīng)用曙光乍現(xiàn)

AI專題·Agent西南證券研究院海外研究團(tuán)隊(duì)2025年4月1核心觀點(diǎn)Agent演進(jìn)，AI產(chǎn)品逐步能夠理解目標(biāo)、具備外部記憶和推理能力，相關(guān)智能體產(chǎn)業(yè)鏈正經(jīng)歷從模型能力提升到應(yīng)用商業(yè)化的系統(tǒng)性躍遷。AI大模型能力由預(yù)訓(xùn)練、后訓(xùn)練、測(cè)試時(shí)三條擴(kuò)展曲線推對(duì)大規(guī)模集群依賴程度下降、推理算力需求攀o中間工具厚積薄發(fā)，開發(fā)者生態(tài)積極構(gòu)建。在中間層與工具、智能體與智能體之間建立統(tǒng)一的交互接口。其中，2025年3月MCPServer發(fā)現(xiàn)平臺(tái)Smithery的服務(wù)器創(chuàng)建數(shù)量較2月實(shí)現(xiàn)3倍增長(zhǎng)，A2A已得到50多家合作伙伴的支持，開發(fā)者生態(tài)加速繁榮。開發(fā)工具與底層框架的標(biāo)準(zhǔn)化，可類比為互聯(lián)網(wǎng)時(shí)代移動(dòng)手機(jī)的USB-C接口，或者類比為用于App和操作系統(tǒng)之間通信的AndroidAPI，將加速AI智能體商業(yè)化進(jìn)程。o初代產(chǎn)品創(chuàng)收加速，商業(yè)化應(yīng)用曙光乍現(xiàn)。在應(yīng)用層，智能體應(yīng)用分為跨行業(yè)通用智化轉(zhuǎn)型的重要抓手。目前，智能體作為交互式AI產(chǎn)品開始快速落地，初代產(chǎn)品Cursor、Glea已實(shí)現(xiàn)上億美金年經(jīng)常性收入（ARR展現(xiàn)出較高成的長(zhǎng)潛力，并出現(xiàn)基于實(shí)際交付成果、任務(wù)完成率等指標(biāo)的新收費(fèi)模式。整體來看，AI智能體產(chǎn)品正形成“底層模型能商業(yè)場(chǎng)景落地”的基礎(chǔ)設(shè)施與應(yīng)用協(xié)同的演進(jìn)路徑，未來AI智能體應(yīng)用還需進(jìn)一步提升規(guī)劃能力、具備更好的記憶、擁有更強(qiáng)的多模態(tài)理解能力，釋放o風(fēng)險(xiǎn)提示：AI技術(shù)進(jìn)展不及預(yù)期；AI商業(yè)化進(jìn)展不及預(yù)期；投資回報(bào)不及預(yù)期等風(fēng)險(xiǎn)?！粢?、AI發(fā)展階段：從推理者轉(zhuǎn)向智能體，開始學(xué)會(huì)調(diào)用工具◆二、Agent模型層：底座智能水平提升，推理能力成為核心◆三、Agent中間層：中間工具厚積薄發(fā)，開發(fā)者生態(tài)積極構(gòu)建◆四、Agent應(yīng)用層：初代產(chǎn)品創(chuàng)收加速，商業(yè)化應(yīng)用曙光◆五、相關(guān)標(biāo)的及風(fēng)險(xiǎn)提示231.1AI等級(jí)：AI發(fā)展水平劃為五大等級(jí)，當(dāng)前正從推理者轉(zhuǎn)向智能體o模型多維能力持續(xù)提升，AI從推理者轉(zhuǎn)向智能體。根據(jù)OpenA分為五大等級(jí)：一是聊天機(jī)器人(Chatbot)，能夠用自然語言進(jìn)行對(duì)話；二是推理者，基于推理模型，解決人類級(jí)別的智力問題；三是智能體(Agent)，能夠代表用戶采取行動(dòng)；四是創(chuàng)新者；五是組織。過去，在ChatGPT等聊天機(jī)器人產(chǎn)品推出時(shí)，大模型通常采取一次性推理，用戶與聊天機(jī)器人的交互形式呈現(xiàn)為簡(jiǎn)單的一問一答。而在推理話，實(shí)現(xiàn)內(nèi)部思考，具備推理能力。當(dāng)前，隨著大模型在交互AI等級(jí)聊天機(jī)器人推理者推理者智能體創(chuàng)新者認(rèn)知能力認(rèn)知能力具備語言對(duì)話能力的人工智能鏈?zhǔn)酵评砭邆浣鉀Q人類水平問題的能力鏈?zhǔn)酵评砟軌虿扇⌒袆?dòng)的創(chuàng)新性思考能夠幫助發(fā)明創(chuàng)新的人工智能創(chuàng)新性思考能夠完成組織工作的人工智能 交互能力簡(jiǎn)單式一問一答上下文深入交流環(huán)境中動(dòng)態(tài)交互系統(tǒng)中協(xié)同運(yùn)作泛化能力多領(lǐng)域泛化處理事實(shí)泛化能力多領(lǐng)域泛化處理事實(shí)跨領(lǐng)域整合局限于特定領(lǐng)域任務(wù)跨領(lǐng)域整合局限于特定領(lǐng)域任務(wù) 自主能力依賴人類指令按步驟執(zhí)行命令設(shè)定目標(biāo)自主完成復(fù)雜任務(wù)41.1AI等級(jí)：AI發(fā)展水平劃為五大等級(jí)，當(dāng)前正從推理者轉(zhuǎn)向智能體戶反饋進(jìn)行下一步操作；未來，真正的AI智能用戶與不同AI產(chǎn)品形態(tài)的互動(dòng)以及第一輪交互用戶與不同AI產(chǎn)品形態(tài)的互動(dòng)以及第一輪交互用戶與傳統(tǒng)聊天機(jī)器人的交互結(jié)果用戶與推理者產(chǎn)品的交互結(jié)果用戶與智能體產(chǎn)品的交互結(jié)果幫我分析一下里面的數(shù)據(jù)有什么趨勢(shì)或異常？幫我分析一下里面的數(shù)據(jù)有什么趨勢(shì)或異常？幫我分析一下里面的數(shù)視化圖表，你需要繼續(xù)視化圖表，你需要繼續(xù)深入哪個(gè)部分嗎？趨勢(shì)是指增長(zhǎng)嗎？異常用戶：給出任務(wù)目標(biāo)AI用戶：給出任務(wù)目標(biāo)AI：通過使用工具并進(jìn)行規(guī)劃，直接完成任務(wù)，甚至具備修正能力用戶：給出明確且具體的每一步指令A(yù)I：根據(jù)一個(gè)指令產(chǎn)生一個(gè)動(dòng)作AI：用戶：給出明確且具體的每一步指令A(yù)I：根據(jù)一個(gè)指令產(chǎn)生一個(gè)動(dòng)作51.2Agent等級(jí)：初階能夠使用工具，高階可自主完成長(zhǎng)時(shí)任務(wù)o智能體(Agent)=大模型(LLM)+記憶(Memory)+主動(dòng)規(guī)劃(Planning)+工具使用(Tooluse)。61.2Agent等級(jí)：初階能夠使用工具，高階可自主完成長(zhǎng)時(shí)任務(wù)自主決策能力是基礎(chǔ)，解決長(zhǎng)時(shí)任務(wù)是關(guān)鍵。根據(jù)智能體“推理+記憶+使用工具+規(guī)劃”的四大決策的智能體。根據(jù)CBInsights研究，具備一定自主決策能力的智能體可分為兩大等自主性擴(kuò)展聊天機(jī)器人副駕駛助手受限制的智能體完全自主代理核心能力推理能力外部記憶使用工具推理能力外部記憶推理能力外部記憶使用工具推理能力外部記憶使用工具推理能力外部記憶使用工具1.3AI產(chǎn)業(yè)鏈：AIInfra奏響主旋律，AIAgent拉開新畫布AIInfra：核心算力、半導(dǎo)體產(chǎn)業(yè)鏈、硬件設(shè)781.3Agent產(chǎn)業(yè)鏈：智能體基建厚積薄發(fā)，商業(yè)化應(yīng)用曙光乍現(xiàn)來依舊需要通過預(yù)訓(xùn)練、后訓(xùn)練和測(cè)試時(shí)計(jì)算進(jìn)行擴(kuò)展。中間層：Agent產(chǎn)業(yè)鏈的中間層工具正加速構(gòu)建，數(shù)據(jù)庫、身份治理、通信協(xié)作等成為重要議應(yīng)用層：Agent應(yīng)用形態(tài)隨著以上底層大模型和中間原生基礎(chǔ)設(shè)施的發(fā)展逐步從構(gòu)想更加貼近現(xiàn)實(shí)。?檢索增強(qiáng)生成RAG等?偏好優(yōu)化算法等?參數(shù)高效微調(diào)PEFT?監(jiān)督微調(diào)SFT等應(yīng)用層通過AI技術(shù)實(shí)現(xiàn)內(nèi)容生產(chǎn)、傳播優(yōu)化、互動(dòng)增強(qiáng)的下一代媒體形態(tài)，覆蓋游戲/社交/廣告等智能體智能體?數(shù)據(jù)治理：管理結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)，提供高精度標(biāo)注服務(wù)?數(shù)據(jù)分析：通過AI工具強(qiáng)化數(shù)據(jù)分析，表現(xiàn)為L(zhǎng)LM驅(qū)動(dòng)下更強(qiáng)的BI能力，數(shù)據(jù)分析門檻與難度降低?模型管理：提供模型全生命周期管理，支持從訓(xùn)練到監(jiān)控的自動(dòng)化流?自動(dòng)化工具：超參數(shù)調(diào)優(yōu)工具、托管成百上千個(gè)預(yù)訓(xùn)練模型平臺(tái)等增強(qiáng)人類能力的智能輔助系統(tǒng)91.3Agent產(chǎn)業(yè)鏈：智能體基建厚積薄發(fā)，商業(yè)化應(yīng)用曙光乍現(xiàn)基礎(chǔ)設(shè)施加速發(fā)展推動(dòng)新應(yīng)用誕生，新應(yīng)用進(jìn)一步催生出更智能的應(yīng)用，如Open模型、Anthropic的Claude模型（Sonnet-3迭代至3.7）Pro）。智能體中間層則陸續(xù)出現(xiàn)LangChain、ToolCalling、MCP和A2A等工具；應(yīng)用層相繼出Agent基礎(chǔ)設(shè)施建設(shè)與應(yīng)用協(xié)同演進(jìn)Agent基礎(chǔ)設(shè)施建設(shè)與應(yīng)用協(xié)同演進(jìn)應(yīng)用層應(yīng)用層應(yīng)用層?旅行規(guī)劃應(yīng)用層?旅行規(guī)劃應(yīng)用層?安全集成?安全集成中間層中間層模型層模型層模型層◆一、AI發(fā)展階段：從推理者轉(zhuǎn)向智能體，開始學(xué)會(huì)調(diào)用工具◆二、Agent模型層：底座智能水平提升，推理能力成為核心◆三、Agent中間層：中間工具厚積薄發(fā)，開發(fā)者生態(tài)積極構(gòu)建◆四、Agent應(yīng)用層：初代產(chǎn)品加速創(chuàng)收，商業(yè)化應(yīng)用曙光◆五、相關(guān)標(biāo)的及風(fēng)險(xiǎn)提示2.1AI模型擴(kuò)展法則：擴(kuò)展法則迎來范式轉(zhuǎn)變，主次擴(kuò)展曲線逐步切換o擴(kuò)展法則迎來范式轉(zhuǎn)變，推理模型迭代節(jié)奏加2018年6月至2023年3月——預(yù)訓(xùn)練擴(kuò)展階段：OpenAI大模型預(yù)訓(xùn)練快速推進(jìn)，在五年內(nèi)從未推出下一代預(yù)訓(xùn)練大模型GPT-5。2023年下半年至2024年5月——后訓(xùn)練擴(kuò)展階段：基于微調(diào)技術(shù)開始打磨多模態(tài)、上下文等能力，提升特定指標(biāo)性能。2024年9月至今——測(cè)試時(shí)擴(kuò)展階段：2024年9月OpenAI-o1模型預(yù)覽版亮相，標(biāo)志正式進(jìn)入推億參數(shù)，強(qiáng)大的理解能力GPT-4數(shù)；數(shù)據(jù)源擴(kuò)充；增加訓(xùn)練后處理和行為預(yù)測(cè)GPT4.5:截至目前最大LLM模型，世界知識(shí)豐富，情商更高-o1推理模型預(yù)覽版亮相-o3-型發(fā)布GPT-4.1理復(fù)雜任務(wù)的模型GPT-3 億參數(shù)；可完成大多數(shù)NLP任務(wù)GPT-4V覺能力GPT-4o時(shí)處理多種輸入類型，提升響應(yīng)速度和性能OpenAI-o1模型完整版向OpenAI-o1模型完整版向用戶開放推理模型OpenAI-o3預(yù)覽GPT-1：1.17億參數(shù)；有一定的泛化能力GPT-2參數(shù)；生成能力提升-o3&o4mini模型發(fā)布GPT-4-多模態(tài)能力提升；上下文更長(zhǎng)、價(jià)格更低、性能更高預(yù)訓(xùn)練擴(kuò)展階段后訓(xùn)練擴(kuò)展階段測(cè)試時(shí)擴(kuò)展階段預(yù)訓(xùn)練擴(kuò)展階段后訓(xùn)練擴(kuò)展階段測(cè)試時(shí)擴(kuò)展階段2.1AI模型擴(kuò)展法則：擴(kuò)展法則迎來范式轉(zhuǎn)變，主次擴(kuò)展曲線逐步切換o規(guī)模法則從訓(xùn)練階段延伸至推理階段，推動(dòng)計(jì)算需求持續(xù)提升。預(yù)訓(xùn)①預(yù)訓(xùn)練擴(kuò)展法則(Pre-train名稱預(yù)訓(xùn)練擴(kuò)展法則（Pre-trainingScalingLaw）后訓(xùn)練擴(kuò)展法則（Post-trainingScalingLaw）測(cè)試時(shí)擴(kuò)展法則（Test-timeScalingLaw）訓(xùn)練（training）階段的scalinglaw訓(xùn)練（training）階段的scalinglaw推理（reasoning）階段的scalinglaw定義和計(jì)算資源來提升模型能力。模型在預(yù)訓(xùn)練階段術(shù)對(duì)模型進(jìn)行進(jìn)一步優(yōu)化，后訓(xùn)練通常涉及對(duì)模特點(diǎn)圖像、視頻等）和計(jì)算資源。②模型通過大規(guī)模數(shù)據(jù)集進(jìn)行自我學(xué)習(xí)，獲取廣③是訓(xùn)練過程中的初步階段，主要幫助模型建立基座能力。②強(qiáng)調(diào)通過模擬“自我提升”的方式逐步提升模③可以看作是“訓(xùn)練后的進(jìn)步”或“微調(diào)”過程，幫助模型在特定領(lǐng)域變得更精通。①重點(diǎn)是在實(shí)際使用中，通過調(diào)整計(jì)算資源的分配來提升決策過程的質(zhì)量。估最優(yōu)解。模型OpenAIGPT系列模型：GPT-1至GPT-4OpenAI-o1至o3系列模型2.1AI模型擴(kuò)展法則：擴(kuò)展法則迎來范式轉(zhuǎn)變，主次擴(kuò)展曲線逐步切換o模型性能提升路徑持續(xù)探索，主次增長(zhǎng)曲線發(fā)生轉(zhuǎn)變。2020年1月和2022年3月，OpenAI和谷歌先后發(fā)布論文《ScalingLawsforNeuralLanguageModels》和《TrainingCompute-Optimal2024年8月谷歌發(fā)表論文《ScalingLLMTest-TimeC展模型參數(shù)來提升模型性能更有效。根據(jù)英偉達(dá)CES大會(huì)信息，除預(yù)訓(xùn)練和后訓(xùn)練擴(kuò)展法則之外，測(cè)試時(shí)擴(kuò)展法則同樣推動(dòng)算力需求持續(xù)增長(zhǎng)，以O(shè)penAI-o系列模型為代表的推理模型通過測(cè)試時(shí)2.2預(yù)訓(xùn)練擴(kuò)展：三要素影響模型性能，高質(zhì)量數(shù)據(jù)成為瓶頸o算力決定Transformer模型性能上限，模型參數(shù)與訓(xùn)練數(shù)據(jù)比例影響和Google相關(guān)研究，模型性能隨著模型參數(shù)大小、訓(xùn)練數(shù)據(jù)集大小、計(jì)算量的增加而提高。對(duì)于規(guī)模，D代表預(yù)訓(xùn)練數(shù)據(jù)集大??；C代表預(yù)訓(xùn)數(shù)量與數(shù)據(jù)量的擴(kuò)展比例尚存爭(zhēng)議，OpenAI在論文中指出模型參數(shù)規(guī)模比數(shù)據(jù)集大小更重要，兩相似的模型架構(gòu)相似的模型架構(gòu)2.2預(yù)訓(xùn)練擴(kuò)展：三要素影響模型性能，高質(zhì)量數(shù)據(jù)成為瓶頸擴(kuò)展，從2018年的GPT-1到2020年的GPT-3，模型參數(shù)量從1.17億增長(zhǎng)至1750億，數(shù)據(jù)量從GPT-4發(fā)布至今，已將近兩年，OpenAI仍未發(fā)布下一代GPT模型。由于模型能力的指數(shù)級(jí)增長(zhǎng)離不開算力和數(shù)據(jù)資源的同步增加，目前OpenAI可能遇到數(shù)據(jù)增長(zhǎng)跟不上模型性能提升訴求的問題，因此OpenAI在尋求更多預(yù)訓(xùn)練數(shù)據(jù)的同時(shí)，逐步轉(zhuǎn)向結(jié)合Re-train、Post-train和Test-time數(shù)據(jù)規(guī)模、質(zhì)數(shù)據(jù)規(guī)模、質(zhì)量不斷增長(zhǎng) GPT-240GBhuman-filtereddata HumanHumandemonstrationsandannotations相似的模型架構(gòu) 模型參數(shù)量不斷增加2.3后訓(xùn)練擴(kuò)展：微調(diào)技術(shù)持續(xù)創(chuàng)新，打造模型特定性格人工反饋、強(qiáng)化學(xué)習(xí)等方法來進(jìn)一步提升模型響擇性地對(duì)某些任務(wù)或場(chǎng)景實(shí)現(xiàn)強(qiáng)化。o微調(diào)技術(shù)持續(xù)創(chuàng)新：OpenAI于2024年12月發(fā)布會(huì)推出o1強(qiáng)化微調(diào)、偏好微調(diào)等技術(shù)。1）強(qiáng)化幾十到幾千個(gè)高質(zhì)量數(shù)據(jù)，模型能夠通過強(qiáng)化學(xué)習(xí)自行探索和學(xué)習(xí)如何推理復(fù)雜任務(wù)。2）偏好微監(jiān)督微調(diào)/強(qiáng)化微調(diào)/偏好微調(diào)方法對(duì)比監(jiān)督微調(diào)/強(qiáng)化微調(diào)/偏好微調(diào)方法對(duì)比特點(diǎn)監(jiān)督微調(diào)強(qiáng)化微調(diào)偏好微調(diào)定義在已經(jīng)預(yù)訓(xùn)練的模型基礎(chǔ)上，使用標(biāo)注好的數(shù)據(jù)集進(jìn)行進(jìn)一步的訓(xùn)練。模型通過輸入-輸出對(duì)的方式學(xué)習(xí)，從而調(diào)整權(quán)重和參數(shù)。通過強(qiáng)化學(xué)習(xí)方法對(duì)預(yù)訓(xùn)練模型進(jìn)行進(jìn)一步于執(zhí)行的動(dòng)作獲得獎(jiǎng)勵(lì)或懲罰。在預(yù)訓(xùn)練的基礎(chǔ)上，通過用戶反饋、偏好評(píng)分、針對(duì)性的主觀反饋來優(yōu)化模型，使其符訓(xùn)練數(shù)據(jù)標(biāo)注數(shù)據(jù)(輸入-輸出對(duì))環(huán)境交互和人類反饋人類偏好反饋(選擇/評(píng)分/建議等)優(yōu)化技術(shù)監(jiān)督學(xué)習(xí)，通過最小化預(yù)測(cè)誤差優(yōu)化強(qiáng)化學(xué)習(xí)，通過獎(jiǎng)勵(lì)優(yōu)化行為基于人類反饋/選擇或評(píng)分/偏好反饋優(yōu)化輸出，符合用戶需求提高模型在特定任務(wù)上的準(zhǔn)確性優(yōu)化模型行為，便其適應(yīng)復(fù)雜環(huán)境優(yōu)化模型輸出，便其符合用戶的個(gè)性化需求應(yīng)用場(chǎng)景分類任務(wù)、生成任務(wù)、回歸任務(wù)、情題分析、機(jī)器翻譯等任務(wù)對(duì)話系統(tǒng)、游戲AI、對(duì)話系統(tǒng)個(gè)性化對(duì)話系統(tǒng)、個(gè)性化推薦等2.3后訓(xùn)練擴(kuò)展：微調(diào)技術(shù)持續(xù)創(chuàng)新，打造模型特定性格訓(xùn)練環(huán)節(jié)，模型專注打造自身特點(diǎn)和性格。根據(jù)Ope學(xué)微調(diào)模型案例，微調(diào)出o1-minifinetune模型，用于分析發(fā)病癥狀景廣闊，B端科研領(lǐng)域有望受益。目前，OpenAI的強(qiáng)化微調(diào)技術(shù)已對(duì)企業(yè)、大學(xué)和研究院開放申2.4測(cè)試時(shí)擴(kuò)展：模型實(shí)現(xiàn)深度推理，Agent落地未來可期紹OpenAI-o1模型；2025年12月向用戶開放完整版o1模型，并預(yù)告下一代OpenAI-o3模型；2025年4月推出完整版o3模型。在o系列推理模型中，OpenAI引入測(cè)試時(shí)計(jì)算（Test-timecompute使模型能夠根據(jù)用戶提問調(diào)節(jié)思考行為、分配計(jì)算資源、優(yōu)化輸出結(jié)果、提升模型性能。2024年9月，OpenAI-o1推理模型的推出標(biāo)志著測(cè)試時(shí)ScalingLaw開啟；2025年4月，OpenAI-o1模型性能隨測(cè)試時(shí)計(jì)算實(shí)OpenAI-o1模型性能隨測(cè)試時(shí)計(jì)算實(shí)訓(xùn)練時(shí)間計(jì)算測(cè)試時(shí)計(jì)算2.5AI模型擴(kuò)展循環(huán)：智能水平仍需提升，大模型擴(kuò)展持續(xù)進(jìn)行型Maverick目前已對(duì)外發(fā)布，大模型Behemoth仍在訓(xùn)練中。根據(jù)Meta公布，大模型Llama-4-AIAgent產(chǎn)業(yè)鏈三大環(huán)節(jié)核心玩家AIAgent產(chǎn)業(yè)鏈三大環(huán)節(jié)核心玩家預(yù)訓(xùn)練擴(kuò)展預(yù)訓(xùn)練擴(kuò)展科技大廠主導(dǎo)科技大廠主導(dǎo)ANTHROANTHROPVCTencent騰訊后訓(xùn)練擴(kuò)展后訓(xùn)練擴(kuò)展模型廠商主導(dǎo)模型層模型廠商主導(dǎo)模型層◆一、AI發(fā)展階段：從推理者轉(zhuǎn)向智能體，開始學(xué)會(huì)調(diào)用工具◆二、Agent模型層：底座智能水平提升，推理能力成為核心◆三、Agent中間層：中間工具厚積薄發(fā)，開發(fā)者生態(tài)積極構(gòu)建◆四、Agent應(yīng)用層：初代產(chǎn)品加速創(chuàng)收，商業(yè)化應(yīng)用曙光◆五、相關(guān)標(biāo)的及風(fēng)險(xiǎn)提示協(xié)議，旨在不同的AI模塊、系統(tǒng)或模型之間共享環(huán)境、狀態(tài)和上下文數(shù)據(jù)。自推出以來，MCP迅API充當(dāng)二者之間的中介，開發(fā)者通常需要分別集成多個(gè)服務(wù)接口，單獨(dú)處理認(rèn)證、數(shù)據(jù)格式和通傳統(tǒng)API技術(shù)路線示意圖傳統(tǒng)API技術(shù)路線示意圖AnthropicMCP技術(shù)路線示意圖AnthropicMCP技術(shù)路線示意圖MCPServer發(fā)現(xiàn)平臺(tái)Smithery的服務(wù)器創(chuàng)建數(shù)量較2月同期實(shí)現(xiàn)3倍增長(zhǎng)；截至2025年4月初，MCPServer的GitHubstar數(shù)已突破2.5萬，曲線呈現(xiàn)加速上升趨勢(shì)；同時(shí)，MCPTypeScript的人選擇自己搭建MCP服務(wù)器或者在自己的應(yīng)用中支持MCP，開發(fā)者更傾向于為未來的使用場(chǎng)景做準(zhǔn)備，而非為現(xiàn)有用戶需求去部署MCP工具。從原始數(shù)據(jù)來看，受益于新服務(wù)器和開發(fā)工具的Smithery平臺(tái)上Smithery平臺(tái)上MCP服務(wù)器創(chuàng)建數(shù)量本發(fā)布本發(fā)布新開放協(xié)議Agent2Agent(A2A)，允許AI代理跨生態(tài)系統(tǒng)協(xié)作能體負(fù)責(zé)制定和傳達(dá)任務(wù)；遠(yuǎn)程智能體則負(fù)責(zé)執(zhí)行任務(wù)或采取行動(dòng)。谷歌A2A開放協(xié)議工作原理谷歌A2A與MCP協(xié)同工作師案例，A2A協(xié)作能夠大幅簡(jiǎn)化流程：在統(tǒng)一界面Agentspace中，HR可以指派客戶端智能體根統(tǒng)合作，幫助尋找合適的候選人。根據(jù)谷歌披露信息，A2A的發(fā)布已得到包括Atlassian、Box、Cohere、Intuit、Langchain、埃森哲、BCG、Capgemini、Cognizant等在內(nèi)的50多家技術(shù)合谷歌A2A招聘應(yīng)用示例谷歌A2A招聘應(yīng)用示例HRHR指派客戶端智能體尋找匹配候選人遠(yuǎn)程智能體獲取潛在候選人遠(yuǎn)程智能體獲取潛在候選人HR指派客戶端智能體對(duì)候選人背調(diào)；另一遠(yuǎn)程智能體實(shí)施背調(diào)并反饋結(jié)果谷歌A2A合作伙伴生態(tài)谷歌A2A合作伙伴生態(tài)服務(wù)合作伙伴：將技術(shù)應(yīng)用到具體的業(yè)務(wù)場(chǎng)景中?！粢?、AI發(fā)展階段：從推理者轉(zhuǎn)向智能體，開始學(xué)會(huì)調(diào)用工具◆二、Agent模型層：底座智能水平提升，推理能力成為核心◆三、Agent中間層：中間工具厚積薄發(fā)，開發(fā)者生態(tài)積極構(gòu)建◆四、Agent應(yīng)用層：初代產(chǎn)品加速創(chuàng)收，商業(yè)化應(yīng)用曙光◆五、相關(guān)標(biāo)的及風(fēng)險(xiǎn)提示4.1Agent類別：把握“通用”與“垂類”兩大應(yīng)用方向隨著AI技術(shù)的發(fā)展、以及基于過去通用SaaS產(chǎn)品的歷史經(jīng)驗(yàn)，當(dāng)前已有眾多初創(chuàng)企業(yè)針對(duì)多種行金融研究創(chuàng)企Boosted.ai、工業(yè)控制創(chuàng)企Composabl等，為特定客戶類別制定個(gè)性化解決方案?！ぷ髁鳌闶哿闶跘gent其他行業(yè)…企業(yè)1企業(yè)..廠家1廠家..機(jī)構(gòu)1機(jī)構(gòu)..公司1公司..商家1商家..金融&保險(xiǎn)工業(yè)Agent金融Agent醫(yī)療Agent4.1Agent類別：把握“通用”與“垂類”兩大應(yīng)用方向易數(shù)均遠(yuǎn)超垂類行業(yè)領(lǐng)域，融資額實(shí)現(xiàn)35億美元，交易達(dá)成149筆，垂類行業(yè)的創(chuàng)企融資額僅為2020-2025年2月AI2020-2025年2月AIAgent創(chuàng)企融資額及交易數(shù)針對(duì)垂類行業(yè)的針對(duì)橫向跨行業(yè)的融資額（億美元）交易筆數(shù)（筆）截至2025年2月通用和專業(yè)AI截至2025年2月通用和專業(yè)AIAgent成熟度份額針對(duì)垂類行業(yè)的針對(duì)橫向跨行業(yè)的已成熟規(guī)?；渴鹬序?yàn)證中新興期4.2Agent賦能：把握“降低成本+提高效率+增強(qiáng)體驗(yàn)”三項(xiàng)賦能垂類行業(yè)降低成本提高效率增強(qiáng)體驗(yàn)AI助手能夠大規(guī)模分析和合成財(cái)AI伴侶關(guān)注健康和心理健康，合4.2Agent賦能：把握“降低成本+提高效率+增強(qiáng)體驗(yàn)”三項(xiàng)賦能企業(yè)內(nèi)部工作流降低成本提高效率增強(qiáng)體驗(yàn)客戶服務(wù)強(qiáng)人力資源管理財(cái)務(wù)管理軟件開發(fā)網(wǎng)絡(luò)安全4.3Agent摩爾定律：處理任務(wù)長(zhǎng)度每7月翻一倍，性能增長(zhǎng)且成本下降50%的可靠性標(biāo)準(zhǔn)下，完成的任務(wù)長(zhǎng)度（以人類專業(yè)人士完成任務(wù)所需時(shí)間衡量）大約每7個(gè)月翻一番，若以該“摩爾定律”線性外推，到2029年AI或許能處理需1個(gè)月的復(fù)雜任務(wù)芯片中的晶體管數(shù)每18-24個(gè)月翻一倍芯片中的晶體管數(shù)每18-24個(gè)月翻一倍模型以%的可靠性完成的任務(wù)長(zhǎng)度大模型發(fā)布時(shí)間4.3Agent摩爾定律：處理任務(wù)長(zhǎng)度每7月翻一倍，性能增長(zhǎng)且成本下降o智能體處理任務(wù)長(zhǎng)度正大幅提升，完成簡(jiǎn)單任務(wù)已具性價(jià)比。根據(jù)機(jī)構(gòu)METR的研究《Measuring前已可完成16個(gè)小時(shí)的軟件任務(wù)，但在完成長(zhǎng)時(shí)序現(xiàn)實(shí)世界任務(wù)方面，人類在整個(gè)工作循環(huán)中仍然需要發(fā)揮較大作用和價(jià)值。在2025年4月17日OpenAI發(fā)布的o3和o4-mini模型中，o3和o4-mini在很多情況下比各自的前代o1與o3-mini更高效、更節(jié)省成本，在AME2025基準(zhǔn)測(cè)試中，性動(dòng)AI智能體進(jìn)一步應(yīng)用與滲透。4.4Agent初代產(chǎn)品：產(chǎn)品ARR迅速增長(zhǎng)，爆發(fā)潛力可期付費(fèi)滲透空間較大。根據(jù)Sacra數(shù)據(jù)，Agent初代產(chǎn)品Cursor已成為年經(jīng)常性收入(ARR)從0增長(zhǎng)至3月ARR迅速達(dá)到2億美金。根據(jù)當(dāng)前AI智能體創(chuàng)企公司及產(chǎn)品來看，布局領(lǐng)域主要集中于編碼、務(wù)完成率等指標(biāo)）定價(jià)的AI應(yīng)用產(chǎn)品，或根據(jù)資源消耗量收費(fèi)，也可采用常見的SaaS產(chǎn)品訂閱方式對(duì)商業(yè)模式進(jìn)行補(bǔ)充?；谥悄荏w產(chǎn)品爆AI初創(chuàng)企業(yè)產(chǎn)品定位ARR增長(zhǎng)速度2024年ARR($億)2024年估值2024年估值倍數(shù)CursorAI編程助手12個(gè)月內(nèi)從0做到1億美元125Lovable非程序員的AI軟件開發(fā)平臺(tái)2個(gè)月內(nèi)從0做到1000萬美元0.07//Glean企業(yè)級(jí)AI搜索平臺(tái)21個(gè)月內(nèi)從0做到1億美元4642CodeiumAI編程助手/0.121HarveyAI法律助手26個(gè)月內(nèi)從0做到5000萬美元HebbiaAI驅(qū)動(dòng)的金融/法律助手/0.137Bolt.newAI驅(qū)動(dòng)的網(wǎng)頁構(gòu)建平臺(tái)2個(gè)月內(nèi)從0做到2000萬美元0.25//MercorAI驅(qū)動(dòng)的招聘平臺(tái)2年內(nèi)從0做到5000萬美元5DecagonAI驅(qū)動(dòng)的客服代理/0.06SierraAI驅(qū)動(dòng)的客服軟件/0.245225CommureAI驅(qū)動(dòng)的醫(yī)療軟件/0.44.5Agent流量入口：AI入口尚處于早期階段，或?qū)⒊尸F(xiàn)中心化特點(diǎn)互聯(lián)網(wǎng)流量入口從中心化轉(zhuǎn)向分散化，AI時(shí)代入口可能處于早期收斂階段。1）互聯(lián)網(wǎng)1.0時(shí)期：門戶網(wǎng)站Yahoo、Sina成為信息獲取的主要入口，流量入口高度中心化；2）互聯(lián)網(wǎng)2.0時(shí)代：搜索引擎如百度、谷歌成為主流入口；3）互聯(lián)網(wǎng)3.0階段：隨著移動(dòng)互聯(lián)網(wǎng)和智能終端的就是普及，漸向場(chǎng)景和服務(wù)轉(zhuǎn)移。類比互聯(lián)網(wǎng)時(shí)代來看，當(dāng)前AI時(shí)代的入口尚處于早期階段，ChatGPT、———————b2014————————心2022 技術(shù)邏輯商業(yè)模式產(chǎn)品入口技術(shù)邏輯商業(yè)模式戶既是消費(fèi)者也是生產(chǎn)者；戶既是消費(fèi)者也是生產(chǎn)者；2）PC在家庭和個(gè)人用戶中廣泛普及1）信息找人；1）信息找人；2）智能手機(jī)滲透率攀升；3）區(qū)塊鏈實(shí)現(xiàn)數(shù)據(jù)確權(quán)與跨鏈互通基于基于HTML靜態(tài)網(wǎng)頁，用戶僅能通過瀏覽器被動(dòng)獲取信息，內(nèi)容由專業(yè)開發(fā)者單向灌輸1）流量經(jīng)濟(jì)；2）用戶行為數(shù)據(jù)成為核心生產(chǎn)資料，通過精準(zhǔn)推薦和增值服務(wù)變現(xiàn)1）流量經(jīng)濟(jì)；2）用戶行為數(shù)據(jù)成為核心生產(chǎn)資料，通過精準(zhǔn)推薦和增值服務(wù)變現(xiàn)家庭和個(gè)人用戶中廣泛普及廣告；2）用戶作為數(shù)據(jù)源被商權(quán)力結(jié)構(gòu)搜索引擎形成入口，入口中心化特點(diǎn)明顯各垂類權(quán)力結(jié)構(gòu)搜索引擎形成入口，入口中心化特點(diǎn)明顯各垂類APP形成場(chǎng)景化生態(tài)（微信社交/淘寶電商/美團(tuán)本地生活等），入口價(jià)值出現(xiàn)分散門戶網(wǎng)站形成入口，入口中心化門戶網(wǎng)站形成入口，入口中心化特點(diǎn)明顯◆一、AI發(fā)展階段：從推理者轉(zhuǎn)向智能體，開始學(xué)會(huì)調(diào)用工具◆二、Agent模型層：底座智能水平提升，推理能力成為核心◆三、Agent中間層：中間工具厚積薄發(fā)，開發(fā)者生態(tài)積極構(gòu)建◆四、Agent應(yīng)用層：初代產(chǎn)品加速創(chuàng)收，商業(yè)化應(yīng)用曙光◆五、相關(guān)標(biāo)的及風(fēng)險(xiǎn)提示相關(guān)標(biāo)的層面層面模型層模型層推理算力需求提升開發(fā)工具、數(shù)據(jù)層日漸豐富商業(yè)化應(yīng)用曙光乍現(xiàn)重構(gòu)云需求結(jié)構(gòu)與增速y從“推理者”到“智能體”應(yīng)用層應(yīng)用層云端算力/中間工具/應(yīng)用風(fēng)險(xiǎn)提示AI技術(shù)進(jìn)展不及預(yù)期；AI商業(yè)化進(jìn)展不及預(yù)期；投資回報(bào)不及預(yù)期等風(fēng)險(xiǎn)。執(zhí)業(yè)證號(hào)：S1250521120002電話箱：wxj@郵箱：ypk@SOUTHWESTSECURITIES西南證券研究院西南證券研究院西南證券投資評(píng)級(jí)說明西南證券投資評(píng)級(jí)說明報(bào)告中投資建議所涉及的評(píng)級(jí)分為公司評(píng)級(jí)和行業(yè)評(píng)級(jí)（另有說明的除外）。評(píng)級(jí)標(biāo)準(zhǔn)為報(bào)告發(fā)布日后6個(gè)月內(nèi)的相對(duì)市場(chǎng)表現(xiàn)，即：以報(bào)告發(fā)布日后6個(gè)月內(nèi)公司股價(jià)（或行業(yè)指數(shù)）相對(duì)同期相關(guān)證券市場(chǎng)代表性指數(shù)的漲跌幅作為基準(zhǔn)。其中：A股市場(chǎng)以滬深300指數(shù)為基準(zhǔn)，新三板市場(chǎng)以三板成指（針對(duì)協(xié)議轉(zhuǎn)讓標(biāo)的）或三板做市指數(shù)（針對(duì)做市轉(zhuǎn)讓標(biāo)的）為基準(zhǔn)；香港市場(chǎng)以恒生指數(shù)為基準(zhǔn)；美國市場(chǎng)以納斯達(dá)克綜合指數(shù)或標(biāo)普500指數(shù)為基準(zhǔn)。評(píng)級(jí)買入：未來6個(gè)月內(nèi)，個(gè)股相對(duì)同期相關(guān)證券市場(chǎng)代表性指數(shù)漲幅在20%以上持有：未來6個(gè)月內(nèi)，個(gè)股相對(duì)同期相關(guān)證券市場(chǎng)代表性指數(shù)漲幅介于10%與20%之間中性：未來6個(gè)月內(nèi)，個(gè)股相對(duì)同期相關(guān)證券市場(chǎng)代表性指數(shù)漲幅介于-10%與10%之間回避：未來6個(gè)月內(nèi)，個(gè)股相對(duì)同期相關(guān)證券市場(chǎng)代表性指數(shù)漲幅介于-20%與-10%之間賣出：未來6個(gè)月內(nèi)，個(gè)股相對(duì)同期相關(guān)證券市場(chǎng)代表性指數(shù)漲幅在-20%以下評(píng)級(jí)強(qiáng)于大市：未來6個(gè)月內(nèi)，行業(yè)整體回報(bào)高于同期相關(guān)證券市場(chǎng)代表性指數(shù)5%以上跟隨大市：未來6個(gè)月內(nèi)，行業(yè)整體回報(bào)介于同期相關(guān)證券市場(chǎng)代表性指數(shù)-5%與5%之間弱于大市：未來6個(gè)月內(nèi)，行業(yè)整體回報(bào)低于同期相關(guān)證券市場(chǎng)代表性指數(shù)-5%以下分析師承諾報(bào)告署名分析師具有中國證券業(yè)協(xié)會(huì)授予的證券投資咨詢執(zhí)業(yè)資格并注冊(cè)為證券分析師，報(bào)告所采用的數(shù)據(jù)均來自合法合規(guī)渠道，分析邏輯基于分析師的職業(yè)理解，通過合理判斷得出結(jié)論，獨(dú)立、客觀地出具本報(bào)告。分析師承諾不曾因，不因，