报告行业投资评级 - 增持（维持） [7] 报告的核心观点 - 英伟达 FY26Q1 业绩超预期和 Coreweave 股价快速上涨，表明推理端对高性能计算需求快速释放，AI 算力景气度持续验证 [1] - 云大厂能力全面升级，加速 AI 应用落地 [2] - 算力是 Agent 爆发的前提，支撑中长期成长，从模型训练到服务推理，从应对高并发访问到保障服务稳定性，算力已成为支撑 Agent 发展的关键基础设施和核心瓶颈 [3] 根据相关目录分别进行总结 英伟达 FY26Q1 业绩超预期，验证 AI 算力长期景气度 - 2026 财年第一季度英伟达实现收入 441 亿美元，较上一季度增长 12%，较去年同期增长 69%，数据中心同比+73%，Blackwell 芯片贡献数据中心收入的 70% [1][12] - AI 推理的 token 生成量在短短一年内激增十倍，随着 AI 智能体成为主流，业界对 AI 算力的需求将加速增长 [13] - 游戏和 AI PC 第一季度收入达 38 亿美元，较上一季度增长 48%，较去年同期增长 42%；专业视觉收入为 5.09 亿美元，与上一季度持平，较去年同期增长 19%；汽车和机器人业务第一季度收入为 5.67 亿美元，较上一季度下降 1%，较去年同期增长 72% [14][15] - 英伟达对 2026 财年第二季度收入预计达 450 亿美元，上下浮动 2%；GAAP 和非 GAAP 毛利率预计分别为 71.8%和 72.0%，上下浮动 50 个基准点；GAAP 和非 GAAP 运营费用预计分别约为 57 亿美元和 40 亿美元 [17] - AI 基础设施服务商 CoreWeave 自上市以来持续上涨，英伟达持股占比 3.86%，它有 32 个数据中心，超 25 万个 NVIDIA GPU，获超 260MW 电力支持 [1][18] 云大厂能力全面升级，加速 AI 应用落地 - 字节：5 月 13 日火山引擎发布豆包·视频生成模型 Seedance 1.0 lite、豆包 1.5·视觉深度思考模型，升级豆包·音乐模型；Data Agent 正式亮相、Trae 接入豆包深度思考模型并升级；6 月 11 - 12 日将召开 2025 FORCE 原动力大会春季会议 [21] - 阿里云：4 月 9 日召开 AI 势能大会，算力上第九代 ECS 开启商业化，算力最高提升 20%、价格降 5%；存储上文件存储 CPFS 面向 AI 智算能力升级；运维上跨域网络 SLA 提升至 99.995%，网络智能服务 NIS 推出；管控上“灵骏”可主动发现故障并“自愈”；推理上人工智能平台 PAI 面向 MoE 架构及推理模型全面升级；上线业界首个全生命周期 MCP 服务，预告 AI Agent Store 愿景；启动“繁花计划” [2][27][35] - 华为云：4 月 10 日召开华为云生态大会 2025，推出 CloudMatrix 384 超节点；推动盘古大模型在行业场景落地；开发者规模超 1200 万 [2][36][38] 算力是 Agent 爆发的前提，支撑中长期成长 - Agent 需要处理长上下文和接入外部数据，增加了上下文长度和处理复杂度，加剧算力消耗 [40][42] - Agent 执行任务验证带来算力开销，如 Manus AI 的三重校验体系需额外计算资源 [43] - 多模态发展使 Agent 需处理整合多种类型数据，带来更大算力需求 [44] - 算力瓶颈影响 Agent 服务的用户体验，服务提供商需预留冗余算力应对用户流量波动 [45][46] - 算力需求不仅体现在用户端推理服务，也体现在模型训练阶段，如阿里 Qwen3 系列模型训练需海量算力 [47] 建议关注 - 算力：寒武纪、海光信息等 [4][50] - Agent：金山办公、泛微网络等 [4][50] - 垃圾发电：旺能环境、盈峰环境等 [4][50] - 互联网大厂 AI 链：寒武纪、恒玄科技等 [5][51] - 军工 AI：能科科技、品高股份等 [5][51]

Agent技术发展 - 2025年OpenAI、Cursor、Manus等公司通过强化学习微调(RFT)和环境理解实现技术突破，编程类Agent向通用型进化[7] - 垂类产品如Vantel、Gamma展现潜力，例如Gamma实现AI辅助PPT制作，用户提供框架即可自动生成内容并排版[7] - 技术进步使Agent性能提升30%以上，应用场景从办公扩展到电力、金融等8大行业[6][7] 市场投融资动态 - 2024年全球AI Agent赛道融资金额突破665亿元人民币，中国AI行业一级市场融资达1052.51亿元[5] - 头部项目融资案例：Cursor母公司Anysphere获9亿美元融资(估值90亿美元)，Manus获Benchmark领投7500万美元[10] - 2025年资金集中流向硬科技赛道，人民币投资事件占比超60%，早期项目获投数量同比增长45%[10] 商业化应用进展 - 办公类Agent如Sweet Spot实现政府资助申请自动化，企业知识检索工具Glean的ARR两年内翻倍[7][8] - 电商领域DayDream链接2000+品牌，通过自然语言检索提供个性化产品推荐[8] - TOB场景商业化快于TOC，金融/医疗领域工作流重构效率提升50%以上[15][18] 行业趋势与政策 - 国家政策推动AI推理成本指数级下降，2025年企业AI采用率同比增长70%[6][9] - DeepSeek开源模型优化中文语义理解，在金融/医疗领域实现工作流重构[15] - 行业从单一模型转向多模型组合，定制化解决方案需求增长200%[9] 技术定义与特性 - Agent具备自主性(独立决策)、社会能力(多Agent协作)、反应性(环境感知)和主动性(目标驱动)四大特征[12] - 核心技术包含机器学习(预测准确率提升40%)、NLP(交互成功率85%)和强化学习(行为策略优化)[13] - 应用场景覆盖智能家居(控制响应时间<0.5秒)、自动驾驶(决策准确率99.9%)等12个领域[13] 超级APP潜力 - 需突破软件互联(授权通过率<30%)和支付流程(成功率92%)两大TOC商业化瓶颈[18] - 未来可能整合现有工具类APP，但需明确解决具体问题如行程规划全流程自动化[19] - Sam Altman提出GPT发展五阶段理论，AGI演进路径将推动Operator级Agent诞生[17]

AI六小龙现状分析 核心观点 - AI六小龙（智谱AI、MiniMax、月之暗面、阶跃星辰、百川智能、零一万物）已缩减为"AI四小强"，零一万物和百川智能因技术团队动荡和战略调整掉队 [1][4][7] - 剩余四家公司面临商业化困境、技术迭代放缓及大厂竞争压力，融资活动几乎停滞 [5][7][10] - 开源模型DeepSeek的崛起冲击了六小龙的闭源技术路线，OpenAI的估值增长（3000亿美元）凸显行业差距 [12][14] 行业格局变化 - **六小龙分化**：零一万物转向应用层并放弃AGI研发，百川智能专注医疗垂类但基础模型停更 [1][4] - **技术迭代放缓**：智谱AI最新模型为GLM-4-32B-0414（2025年1月），月之暗面Kimi1.5热度被DeepSeek R1压制，阶跃星辰1月更新6款模型后无动作 [5] - **商业化对比**：OpenAI付费用户达100万，2025年预计收入127亿美元（同比+200%），六小龙未公开营收数据 [9] 竞争压力 - **大厂入局**：字节、阿里、腾讯投入百亿资金扶持AI应用，美团、小红书自建大模型团队，六小龙先发优势丧失 [10][11] - **人才流失**：零一万物高管曹大鹏、戴宗宏、谷雪梅离职，百川智能联创陈炜鹏、焦可出走，智谱AI视频模型负责人加入字节 [4][16][17] - **技术路线争议**：开源模型（如DeepSeek）成为主流，杨植麟曾称"开源落后于闭源"的观点被现实挑战 [12][14] 未来挑战 - **融资困境**：2024年下半年起除智谱AI外几乎无新融资，行业转向具身智能和Agent领域 [7][20] - **历史教训**：AI 1.0时代的四小龙（商汤、旷视、云从、依图）因商业化失败和大模型冲击裁员，四小强或重蹈覆辙 [7][23] - **市场预判**：李开复称中国市场最终可能仅剩DeepSeek、阿里、字节三家大模型提供商 [23]

Agent技术进展 - 2025年Agent技术取得显著突破，OpenAI、Cursor、Manus等公司通过强化学习微调(RFT)和环境理解实现技术突破，编程类Agent向通用型进化[1][5] - 垂类产品如Vantel、Gamma展现出巨大潜力，例如Gamma能自动生成PPT内容并排版，Sweet Spot帮助SMB、NPO申请政府资助[5] - 技术进步提升了Agent性能和效率，拓展了应用场景[1][5] 市场与商业化 - 2025年被视为Agent AI商业化元年，应用场景从办公类扩展到垂直类和更广泛行业应用[1][6] - 未来式智能等企业已在电力、金融、泛互联网、制造业实现常态化应用[1][6] - Glean优化企业数据检索ARR翻倍增长，DayDream链接2000+品牌提供产品推荐[6] 投融资情况 - 2024年全球AI Agent赛道融资金额突破665亿元人民币，中国AI行业融资1052.51亿元[2] - 2025年头部企业获巨额融资：OpenAI以30亿美元收购Windsurf，Cursor母公司Anysphere获9亿美元融资[8] - 投资机构重点关注技术框架落地和市场反馈，垂直场景落地能力与商业化前景是核心决策逻辑[2][7] 行业趋势与政策 - 2025年受益于大模型技术红利和国家政策支持，AI Agent迎来历史性发展机遇[3] - AI推理成本指数级下降，可靠性取得重大突破，企业步入AI时代[3] - 国家政策支持、技术进步和市场需求共同推动AI相关产业蓬勃发展[7] Agent定义与应用 - Agent是能自主感知环境并做出决策的软件系统，具有自主性、社会能力、反应性和主动性[9] - 应用领域包括智能助手(Siri、Alexa)、自动化办公、在线客服、智能家居、自动驾驶等[10] - 实现技术包括机器学习、自然语言处理(NLP)、强化学习和多Agent系统[10] 未来发展 - Agent将更智能化，能处理更复杂任务，提供个性化服务[11] - 与物联网、大数据等技术深度融合，形成更强大系统[11] - 安全性和隐私保护将成为重要议题[11] 超级APP潜力 - TOC商业化面临软件联通和用户体验挑战，TOB商业化先行一步[17] - 下一个Super APP可能出现在Agent赛道，整合现有工具属性强的软件[18] - 需要解决从Chat到Act的突破，实现跨软件调用和任务执行[17]

报告行业投资评级 - 计算机行业评级为增持（维持），计算机应用行业评级为增持（维持）[7] 报告的核心观点 - DeepSeek于5月28日更新R1 - 0528模型，性能提升15% - 26%，接近OpenAI的o3模型，与Google Gemini 2.5 Pro各有高低，且开始支持工具调用，有望在Agent领域探索并打破依赖海外模型现状，推荐标的聚焦Agent和MCP方向[1] 根据相关目录分别进行总结 模型更新情况 - R1 - 0528与旧版R1相比，在数学和代码等领域性能提升15% - 26%，与海外模型相比，各项性能接近o3，与Google Gemini 2.5 Pro各有高低，且幻觉率降低45 - 50% [1][3] - R1 - 0528基座模型是去年12月发布的DeepSeek - V3，与R1旧版本一致，靠后训练Scaling Law提效，投入更多算力提升思维深度与推理能力，用户端模型思考长度变长[2] 模型亮点 - R1 - 0528支持工具调用，在Tau - Bench测评集上与OpenAI o1 - high相当，有望被Agent开发者用于复杂Agent流程编排；蒸馏的Qwen3 - 8B数学性能提高，利好端侧模型进步和部署[4] 推荐标的 - 看好R1 - 0528带来的Agent潜在推动和MCP广泛普及，推荐金山办公、福昕软件、网宿科技、鼎捷数智；其他产业链公司中，MCP工具类有合合信息，Agent客户端类有三六零、卓易信息，2B Agent开发类有汉得信息[5] 重点推荐公司情况 - 金山办公2025年Q1营收13.01亿元（yoy + 6.22%），归母净利4.03亿元（yoy + 9.75%），扣非净利3.90亿元（yoy + 10.72%），得益于产品卡位与AI功能升级，AI商业化有望提速，维持“买入”评级，略下调收入预测，略上调盈利预测[14] - 福昕软件2024年营收7.11亿元（yoy + 16.44%），归母净利2695.83万元（yoy + 129.64%），扣非净利 - 2.02亿元，双转型战略推进使营收符合预期、归母净利优于预期，上调收入预测，维持“买入”评级[15] - 网宿科技25Q1营收12.35亿元（yoy + 10.26%），归母净利1.92亿元（yoy + 38.54%），扣非净利1.50亿元（yoy + 52.60%），营收提速因CDN及边缘计算业务需求放量，净利率提升因公司人效提升、期间费率下降，维持“买入”评级，维持收入预测，上调盈利预测[16] - 鼎捷数智2024年营收23.31亿元（yoy + 4.62%），归母净利1.56亿元（yoy + 3.59%），扣非净利1.38亿元（yoy + 13.18%），业绩低于预期受部分下游客户需求延后影响，看好25年业务提速，维持“买入”评级，下调收入预测，上调盈利预测[17][18]

大模型竞争格局 - DeepSeek-R1模型上线彻底改变国内大模型竞争格局，开源、低成本特性迫使"大模型六小虎"调整策略甚至放弃基础模型研发[5] - 基础大模型已如水电般普及，未来领域将只剩少数玩家，应用公司将成为主流[5][11] - 顶级大模型能力差别在3~6个月之间，模型更新速度极快导致技术优势难以持续[15] 创业策略与商业模式 - 创业公司应聚焦场景优先和数据为王，而非迷信通用大模型[4] - 大模型本身缺乏商业模式，初创公司难以长期坚持，除非像OpenAI获得特殊支持[13] - DeepSeek并非典型创业公司，其母公司幻方具备充足资金、数据和算力支持[14] 应用开发趋势 - 用户体验成为最核心指标，应用开发者应更关注用户需求而非底层技术[16] - 开发范式转向以大模型为核心，Agent框架让应用更贴近用户需求[25] - 应用开发思路类似互联网早期，强调快速实现和小步快跑[25][26] 机器人产业发展 - 人形机器人短期内难以产业化，实验室探索可行但落地需聚焦实用场景[5] - 机器人发展分三阶段：基础移动能力(3-5年)、加装手臂(再3-5年)、双足结构(遥遥无期)[34][35] - 机器人产品需跨越从Demo到稳定可复制产品的三大鸿沟，每个阶段可能耗时数年[36] AI技术应用实践 - 全员AI转型成为趋势，组织需调整考核体系和岗位设置以适应新技术[40][42] - AI特种兵模式兴起，非技术人员可通过AI工具快速完成编程等复杂任务[40] - 技术最内核部分往往变成公用基础设施，商业价值体现在应用层面[13] 全球化视野 - 中国科技企业国际声望提升，应用开发能力在全球具备明显优势[8][9] - 创业者应多关注硅谷生态和GitHub创新，结合中国执行力实现软件出海[44][46] - 硬件出海是中国公司的重要机会，需重视合作伙伴关系[47]

行业趋势 - 2025年被业界称为"Agent元年"，各类AI Agent产品快速涌现，但市场尚未形成统一定义[1] - AI Native公司正突破传统框架，探索Agent在商业洞察、创意生成、组织变革等领域的深层价值[1] - 大语言模型使模拟研究从群体行为转向个体层面，催生"生成式社会科学"新兴学科[13][15] 产品创新 - Atypica.ai通过大语言模型模拟真实用户行为，构建典型用户画像(Persona)，解决无标准答案的商业问题[3][4] - 采用多智能体协同工作模式：一个Agent扮演专家采访其他模拟用户，实现高效低成本的大规模用户访谈[6][18] - 独创发散优先模型，允许AI生成非共识观点，适用于需要多元视角的商业问题[5][24] - 工作流程分三步：明确商业问题→生成典型用户画像→多Agent访谈并生成图文报告[17][18] 应用场景 - 解决四大商业问题：市场洞察(如新能源汽车需求分析)、产品共创、产品测试(如巧克力配方选择)、内容规划[19] - 支持跨语言商业分析，如外国企业直接获取中国社交媒体数据并生成本土化报告[20] - 与权威媒体合作整合严谨数据源，平衡社交媒体多元观点与事实准确性[22][23] 技术特点 - 基于大语言模型激发特定个性特征，通过Context控制模拟深度(从简短发帖到长篇访谈)[31] - 采用预设题库+动态提问机制，使问题更贴合用户需求[35] - 保留AI"幻觉"的积极价值，拓宽思维边界，特别适合民意调查等非共识场景[24][27] 组织变革 - AI推动工作方式从专业化分工转向复合型人才，公司架构向更少岗位、更多技能方向发展[40][41] - 开发周期从两周迭代缩短至单日多次迭代，小团队(2-3人)可独立负责端到端项目[43] - 企业需平衡数据安全、私有数据整合、深度分析、结果转化等需求[38] 产品战略 - 避免"老瓶装新酒"模式，主张"新瓶装新酒"(全新AI产品)或"新瓶装旧酒"(AI重构交互)[48][49] - 重点打造账号个性化(Personality)，基于企业数据源进行内容再创造而非简单改编[53] - 开发反对型AI交互，突破大模型过度驯服的问题，增加观点多样性[56][58] 未来展望 - 多智能体交互可暴露人类决策盲区，辅助管理者获得新视角[59][60] - 虚拟Agent可能成为观察人类社会的"镜像"，其形态发展尚难预测但潜力巨大[5][59] - 行业需探索基于AI能力重新设计工作流程，而非简单叠加Copilot功能[52][53]

Agent市场现状与定义 - 2025年被称为"Agent元年"，各类Agent产品快速涌现，但市场尚未形成统一定义[1] - 主流观点将Agent视为传统工具升级版，但其变革潜力可能远超预期[1] - AI Native公司正突破"效率工具"框架，探索Agent在商业洞察、创意生成等领域的深层价值[1] Atypica.ai产品创新 - 采用大语言模型模拟真实用户行为，构建用户画像并驱动决策流程[3][5] - 首创发散优先模型，适合处理商业问题的非共识和艺术性部分[3][26] - 通过多智能体交互揭示人类决策盲区，形成创新研究方法[3][63] - 工作流程包括问题定义、任务分解、社交媒体搜索(Persona生成(5-100个)和访谈总结[18][19] 商业应用场景 - 解决四大类商业问题：市场洞察(如发现MPV需求)、产品共创、产品测试和内容规划[20] - 典型案例包括新能源汽车市场分析、巧克力配方测试和小红书账号定位[20] - 实现跨国调研效率提升(如法语提问直接生成中国社交媒体分析报告)[21] - 正在整合权威媒体数据源，增强定量分析能力[23] 技术实现路径 - 基于Deepseek v3构建上层推理层，专注发散优先模型开发[26][27] - 通过Context激发大模型已有个性特征，而非创造新个性[34] - 采用预设题库+动态调整的提问机制，提升访谈质量[37] - 开发重点从群体模拟转向个体行为研究[13][16] 组织变革影响 - 推动工作方式从专业化分工向复合型技能转变[43][45] - 典型项目团队从10人缩减至2-3人，开发周期从两周缩短至单日多次迭代[47] - 目标让300人公司每位员工发挥"独角兽"潜力，增强端到端责任感[45][47] - 产品开发模式从300人天规划转变为10人天为上限的敏捷模式[47] 行业转型建议 - 避免"老瓶装新酒"式AI改造，应开发真正的新型产品("新瓶装新酒")[53] - 内容行业需注重账号Personality塑造，从简单改编转向个性创作[57][58] - AI陪伴领域需突破模型过度驯服问题，增强个性表达[60][61] - 企业转型应重新设计工作流程而非单纯提升效率[56]

提示词工程师行业变迁 - 2023年提示词工程师职业火爆，国外年薪可达25-33万美元，门槛低且被视为转行AI捷径 [1] - 2023年中期行业存在大量机械化工作，如套壳强化版chatbot开发和竞品调研 [24][25] - 2024年模型能力提升导致提示词优化重要性下降，单纯写prompt的工程师失去竞争力 [2][31] - 2024年9月OpenAI o1 Preview模型发布，内置思维链进一步降低人工提示词工程价值 [34][35] 岗位职责演变 - 早期工作内容：30%时间写提示词，70%时间评估输出 [23] - 中期转型：50%提示词优化，50%工作流设计和调整 [26] - 现阶段核心：业务理解、模型选型、方案设计，提示词优化仅占不到10%工作时间 [37][38] - 新兴要求：需具备产品思维、跨行业技术咨询能力，工作涉及全流程 [27][39] 行业人才结构 - 从业者背景多元，包含计算机、金融、心理学等专业 [21] - 2023年外语专业人才被大量招募从事国际化AI产品开发 [22] - 当前AI产品经理中70%由提示词工程师转型而来 [48] - 行业严重缺人，基层岗位空缺明显，优秀人才遭争抢 [50] 技术发展趋势 - 模型从"难驯野兽"变为"家养宠物"，提示词优化边际效益递减 [32][33] - 多模态趋势导致文本模型参数量占比下降，提示词难度提升 [46] - Agent技术兴起要求更细致的工作流设计和业务理解 [46] - 评估模型输出成为新挑战，需要语言敏感度和主观判断能力 [49] 入行路径变化 - 2023年可通过短期培训快速入行，存在信息红利期 [7][8] - 现阶段需要系统学习深度学习、神经网络等专业知识 [15] - 文科生入行优势：语言能力和跨学科思维受重视 [14][49] - 持续学习成为必需，每年知识更新率极高 [39]

在AI（人工智能）浪潮席卷全球的当下，企业办公方式正在经历深刻重构。 5月22日，微软大中华区现代化办公事业部总经理缪臻颖在接受采访时表示，智能体（Agent）的真正价 值不在于简单替代，而在于以"知人成事"的方式，成为人类工作的伙伴，重塑组织沟通方式与岗位定 义。 不过，在这场变革中，智能体虽能力强大，但也不是"完美员工"。它们在情感判断、伦理决策上仍需人 类补位，企业员工对其信任的建立也尚需时间。随着越来越多企业将智能体纳入核心业务，企业不仅要 解决技术部署问题，更需深入挖掘业务场景，重新思考"员工-智能体"协作模式。 全球科技巨头纷纷入场 2025年开年，Manus（一款智能体产品）引爆智能体热潮，其母公司蝴蝶效应估值一度超5亿美元。5月 12日，Manus宣布全面开放注册。 与此同时，全球科技巨头纷纷切入智能体赛道，谷歌、Anthropic（公司名）、微软、科大讯飞、百 度、阿里等纷纷展开布局。微软方面表示，随着AI进入从泛用助手向场景智能体演进的新阶段，微软 正加速推动AI在不同行业中的深度融合与规模落地。 此外，微软近期发布的《2025年度工作趋势指数：前沿公司诞生》（以下简称"工作趋势指数"）报 ...