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]

微软宣布全面拥抱MCP - 微软高调宣布全面拥抱MCP，但MCP领域竞争激烈，已有OpenAI、谷歌、百度、阿里等企业布局 [1] - 部分企业可能借助MCP热度推广产品，真正开放生态并为开发者提供切实服务的企业目前较少 [1] 百度在MCP领域的布局 - 百度在4月开发者大会上明确提出帮助开发者全面拥抱MCP，将MCP比作"AI界的万能插座"，通过标准化接口降低开发门槛 [1] - 百度发布全球首个电商交易MCP，其搜索、地图、文库、网盘等业务全面提供MCP Server供开发者调用 [1] - 百度举措让开发者无需担忧模型能力、成本、开发工具等问题，可更专注应用开发 [1] MCP标准化趋势 - MCP标准化是AI行业发展的必然方向，百度选择这一道路具有前瞻性 [1] - 行业企业需在MCP赛道上找准方向并加速前行 [1] 人工智能工程师培训课程 - 工业和信息化部教育与考试中心推出人工智能（大模型）工程师中级课程，涵盖大模型核心原理、开发技能和应用实践 [5] - 课程内容包括AIGC和LLM基础知识、提示词工程、开发环境构建、LangChain框架等 [5][6] - 课程目标是为工程师提供全面学习机会，使其在行业中发挥更大影响力 [5] 行业专家背景 - 大模型资深技术专家曾任职微软中国，专注于云平台、人工智能等领域，拥有近两万小时培训经验 [10] - AlOps国际讲师是AlOps和SRE领域资深专家，拥有15年以上经验，发起中国首个SRE社区 [12] - 智用人工智能应用研究院CTO曾任微软中国首席创新技术架构师，拥有数据科学、人工智能等领域专业学位 [13]

AI Agent行业动态 - OpenAI以30亿美元收购编程工具Windsurf [1] - 编程工具Cursor母公司Anysphere获9亿美元融资 估值达90亿美元 [1] - 中国通用AI Agent项目Manus获Benchmark领投7500万美元融资 [1] - OpenAI推出具备浏览器能力的Operator和复杂任务处理产品Deep Research [1] 技术演进 - 2025年AI Agent技术实现跃迁 结合强化学习与推理模型能力 [8] - RFT(强化学习微调)技术推动Agent具备自主学习能力 [8] - 大语言模型达到"AlphaGo时刻" 能自主探索解题路径 [15] - 环境理解成为关键 Devin构建包含四个子界面的综合开发环境 [21] 产品分析 - Cursor从编程工具向通用平台转型 积极接入MCP接口 [31][55] - Windsurf内置context engine 环境理解能力突出 [19] - Devin创新性加入笔记系统 支持长期开发过程管理 [21] - Manus依赖Claude Sonnet 3.7模型 面临API稳定性挑战 [33] 创业机会 - 通用Agent领域被大厂占据 创业者机会集中在垂直场景 [23] - 服务型Agent面临被整合风险 如Operator覆盖上百个场景 [22] - 个人化Agent可能成为新方向 类似自媒体网红模式 [24] - 评估机制(Evaluation)成为构建竞争力Agent的关键 [40][43] 技术路线 - RFT相比SFT性能提升25% 但成本高出数倍 [47] - Manus采用SFT技术调优外围执行模块而非核心模型 [48] - MCP协议发展缓慢 行业采纳面临商业化障碍 [72] - 代码层成为数字世界操作的关键中间层 [28] 垂直领域案例 - Vantel为保险经纪人节省80%重复工作时间 [58] - Sweet Spot服务中小企业申请政府资助 用户体验优异 [59] - Gamma革新PPT制作流程 模块化设计获长期用户认可 [61][62] - Replit和Fellou在人机交互设计上表现突出 [49][52] 行业趋势 - 产品开发节奏加快 执行优先于计划 [65] - 环境侧建设滞后 MCP生态渗透需以年计 [68] - 编程Agent可能发展为通用型平台 [31][56] - 用户需求理解仍是待解难题 [69]

文章核心观点 - LLM Inference 和 LLM Serving 是 LLM 技术中两个密切相关但侧重点不同的概念，行业快速发展导致两者功能边界模糊 [1][3] - Model Context Protocol (MCP) 作为标准化协议连接 AI 模型与数据源/工具，同时涉及 LLM Inference 和 Serving 的功能范畴 [11][16] - MCP 未来可能将 LLM Inference 和 Serving 分离为 Backend Service 和 Frontend Service 以独立发展 [17] LLM Inference 和 LLM Serving 概念介绍 - LLM Inference 是计算密集型过程，依赖专用硬件（GPU/TPU），专注于模型执行和运行时状态 [4][5] - LLM Serving 面向用户端，解决模型服务的工程化问题（如扩缩容、多版本路由），典型框架包括 Kserve [7][10] - 两者并非包含关系，LLM Serving 需集成 LLM Inference 能力但功能范畴不同 [8] MCP 的技术定位 - MCP 是标准化协议，类似 USB-C 接口，连接 AI 模型与数据源/工具（如外部知识库、AI-Agent） [11][15] - MCP Server 承担类似 LLM Serving 的角色，但通过优化模型运行时行为也涉及 LLM Inference 领域 [12][16] - 当前架构难以明确归类为 Inference 或 Serving，属于两者的功能复合体 [16] MCP 的未来发展方向 - 需增强鉴权认证、负载均衡等基础设施能力，并明确划分 Inference 与 Serving 的功能边界 [17] - 可能将 LLM Inference 作为 Backend Service 专注模型优化，LLM Serving 作为 Frontend Service 聚焦用户体验 [17]

MCP协议与AI Agent生态发展 - Manus完成7500万美元新融资并宣布向所有人开放MCP协议接入 无需等待名单或邀请码 [1] - OpenAI上线实验性功能"深度研究连接器" 通过类MCP协议实现第三方工具集成 但仅服务于自身生态系统 [1] - MCP技术推动跨智能体、跨平台、跨工具效应增强 预计三五年内全面替代复杂服务类工作 [1] - 红杉资本预测AI代理将经历三阶段演进：单一助手→协作网络(Agent Swarms)→代理经济(Agent Economy) 涉及资源转移、交易与信任管理 [4] Agent商业化与市场进展 - Agent本质是解决用户需求的产品 通过满足需求形成商业化自循环 吸附更多资源形成商业巨轮 [3] - 2024年Agent已初步泛化落地 如语言模型与外部API打通的应用 但行业仍处于客户教育阶段 [3] - 2025年客户主动问询量显著增长 某公司一季度已完成去年80%收入任务 [3] - Gartner预测到2028年15%日常工作决策由AI Agent自主完成 33%企业软件将集成AI Agent [2] AI Agent安全风险 - MCP协议存在工具投毒攻击(TPA)风险 攻击者可利用代码注释嵌入恶意指令 操纵AI Agent执行未授权操作如读取敏感文件 [8] - MCP协议设计阶段未充分考虑安全机制 开源标准存在认证缺失、恶意调用等隐患 [9] - 大模型训练数据可能被污染 传输环节突破价值观对齐会导致模型输出被操控 [7] - 配置不当问题可能使正常大模型通过对话交互变成恶意模型 数据交互过程需敏感性识别 [9] 安全防御措施 - 安全厂商建议采用智能约束智能策略 如制定规则、鲁棒性检测等技术手段 [11] - 部署边界类智能网关设备(如WAF)监测流量 解决软件系统补丁滞后问题 [12] - 大模型厂商与安全公司需协同互补 厂商解决内生安全问题(模型、算法、语料) 安全公司负责外部防御 [12] - 运行安全是网络安全厂商主要服务阶段 涉及模型落地后的实际应用场景防护 [13] 硬件设备风险 - DeepSeek一体机存在安全风险 适合企业内部训练但不建议向公众开放服务 [10] - 一体机发展路径涉及单体→集群→智算中心 需平衡安全、性能、成本问题 [10]

大模型应用挑战与机遇 - 大模型在各行业应用潜力巨大，但如何高效转化为业务价值仍是核心挑战[1] - 企业应用AI需关注三个关键点：识别重要问题、确保高质量数据、AI作为辅助工具提升效率[4] - 选择模型时应重点考虑推理/生成能力、上下文长度和响应性能三个方向[5] 场景选择与ROI评估 - 企业选择AI应用场景应遵循高频和有价值两个原则[6] - 财务领域AI应用分为三类：提升基础作业效率、风险防控、创造增量价值[6] - ROI评估需考虑项目需求、人员投入和计算资源，财务领域优先评估高优先级场景[6] - 风险敞口扫描可确定大模型能管控的风险比例，单笔金额上亿的审核场景尤为关键[10] 技术落地与系统改造 - AI应用有三种范式：AI Embedding(渐进升级)、AI Copilot(渐进升级)和AI Agent(颠覆重构)[13] - 财务领域超过50%场景采用AI Agent模式重构，重新构建财务系统入口[14] - 传统系统改造采取逐步升级策略，在页面添加Copilot插件，将判断逻辑转交大模型处理[16] Agent架构创新 - 蚂蚁集团将Agent分为感知(主动/被动)、决策、执行和反馈四个部分[17] - 明略科技将营销Agent分为感知(市场分析)、认知(内容评估)和行动(内容生产)三部分[21] - 动态反馈机制让业务方成为"AI训练师"，用户可结构化反馈问题以优化模型[19][20] 评测与准确率提升 - 审核场景准确率从20%提升至90%以上，关键审核点达到四个9准确率[29] - 提升措施包括设计详细指标体系、与业务方对齐人工经验、高质量数据集训练[30][31] - 采用辅助审核模式过渡，当准确率持续保持100%时才转为无人值守[29] 行业趋势与组织变革 - 大模型发展呈现"五更"趋势：更强、更便宜、更快、更长上下文、更多模态[37] - 新型岗位"企业知识管理师"崛起，需构建高质量知识库支持数字员工[38] - 工程团队需补充超能力：前端转向AI架构、后端转向Python技术栈、算法转向大模型[39] MCP协议应用 - MCP作为标准化通信协议解决工程化问题，蚂蚁在支付API等场景激进应用[25] - 对于老旧Java系统，在小众场景通过Server list模块支持MCP试点[25] - MCP优势在新应用开发，成熟流程产品中优势不明显[24]

行业业绩表现 - 2024年计算机行业整体承压 营收同比增长5 0%至12499 4亿元 归母净利润同比下降41 1%至182 0亿元 主要受宏观环境影响及行业竞争加剧导致 [1] - 2025Q1行业显著复苏 营收同比增长15 1%至2818 7亿元 归母净利润同比大增790 5%至23 3亿元 主要因宏观环境回暖及前期技术投入效果显现 [1] 估值与机构配置 - 2025Q1计算机板块动态市盈率达81 5x 高于历史中枢水平 公募基金配置比例回升至3 1% 环比上升 [2] - 公募基金重仓前十大计算机公司包括金山办公 海康威视 科大讯飞等 未来配置比例有望随AI赋能及经济复苏进一步提升 [2] 跨境支付发展机遇 - 中美关税博弈升级推动中国减少对美出口依赖 支付宝 腾讯金融等企业加速拓展境外移动支付市场 [3] - 人民币国际地位提升受益于政策支持 金融市场开放及技术创新等多重因素 [3] 技术商业化进展 - 字节跳动扣子空间内测支持MCP扩展 集成飞书多维表格 高德地图等工具 即将开放MCP发布功能 [4] - 阿里Qwen3模型在Agent能力评测中刷新记录 原生支持MCP协议 为任务型应用提供模型层支撑 [4]

大模型应用套壳争议 - Manus采用第三方大模型进行工程化包装实现通用AI智能体能力 被业内质疑为"极致套壳" 但创始团队认为这是成功策略 [2] - 行业普遍以自研基础大模型为荣 DeepSeek OpenAI等头部企业聚焦底层技术研发 形成赢者通吃格局 [2] - 金沙江创投朱啸虎直言"所有AI应用都是套壳应用 所谓壁垒是忽悠人的" 反映行业对应用层技术价值的争议 [2] 市场融资与估值动态 - Manus背后公司"蝴蝶效应"获Benchmark领投7500万美元融资 估值飙升至5亿美元 [2] - 融资事件显示资本市场对AI智能体赛道的认可 尽管存在技术争议 [2] 大厂AI智能体布局 - 字节组建至少5个团队开发不同AI智能体产品 推出"扣子空间"协作平台 提供股票分析和行研分析两类专业Agent [4] - 百度95后团队30天研发对标Manus的"心响"APP 涵盖超200个任务类型 包括专业咨询和日常规划 [4] - 阿里与Manus战略合作 基于通义千问开源模型实现功能复制 并推出"心流"智能体开启公测 [5] 技术生态构建 - 阿里云 腾讯云 蚂蚁集团 百度等大厂相继拥抱MCP机制 推动智能体间通信和资源连接 [6] - 民生证券预测MCP协议+Agentic-based决策路径将成为主流范式 大厂通过协议引入生态伙伴推动产业发展 [6] 安全风险与治理挑战 - AI智能体自主决策特性带来更高安全风险 包括幻觉问题 提示注入攻击 数据泄露等隐患 [7] - 多智能体协作导致访问控制漏洞 资源竞争冲突等问题 安全管理复杂度指数级上升 [8] - 70%以上企业客户对AI智能体认知不足 行业缺乏专职安全团队 产品安全性能存疑 [7][8] 技术本质与发展趋势 - AI智能体需解决感知 理解 规划 执行等多环节协同 技术架构复杂度远超传统系统 [11] - 微软预测未来将出现专业智能体集群 通过通信协作完成任务 Anthropic和谷歌分别推出MCP A2A协议提升搭建效率 [10] - 行业需从被动执行转向主动进化 如自动驾驶系统对传统技术模块的AI化改造 [11]

AI Agent行业概况 - 全球首款通用AI Agent Manus完成7500万美元融资，估值达5亿美元，较前轮增长约五倍，上线仅个把月即实现爆发式增长[1] - 2024年全球AI Agent市场规模约51亿美元，预计2030年达471亿美元，年复合增长率44.8%[4] - AI Agent与Chatbot本质区别在于能自主调用工具执行任务闭环，如Manus可完成简历筛选全流程[1][3] 头部企业布局策略 通用型To C路线 - OpenAI推出推理模型o3/o4-mini，预测2029年AI Agent收入将超越ChatGPT，2030年总营收目标1740亿美元[4] - 百度发布心响App定位智能生活助理，预置200+任务类型，目标扩展至10万+场景，支持绘本生成等复杂操作[6][8] 垂直型To B路线 - 微软Copilot已植入Office等产品，日均处理任务超1亿次，预计2025年占AI总营收35%[11] - 字节跳动扣子空间集成飞书文档等服务，主打协同办公场景[12] - 阿里钉钉构建AI助理矩阵，涵盖HR/客服/代码优化等企业服务[12] 技术基础设施竞争 - MCP协议成为行业标准，使Agent调用外部工具效率提升5倍，全球已部署超4000个MCP服务器[14][16] - 百度/字节/阿里全面接入MCP：百度整合搜索/网盘等产品，阿里Qwen3模型原生支持MCP[16] - 360推出"万能工具箱"聚合100+个MCP工具，加速生态建设[17] 商业模式分化 - C端面临用户教育挑战，需极致体验维持黏性（如心响App需从零积累用户）[12] - B端因降本增效需求明确，微软/钉钉/飞书已形成成熟商业化路径[13]

纪要涉及的行业和公司 - **行业**：计算机、AI行业 - **公司**：Manus、Genspark、Meta、阿里、纳米搜索、TextInMCP Server、Anthropic 纪要提到的核心观点和论据 - **核心观点**：Agent和MCP是AI主线中的主线 - **论据**： - **产品层**：Manus加入主动查看图像功能后开始自动检查生成的数据可视化，AI网络效应或初现，4月底获7500万美元融资；Genspark更新更好的个性化能力，Meta AI基于社交打造个性化有10亿月活，个性化是护城河 [1] - **模型层**：阿里Qwen 3强调Agent能力和MCP生态支持，预期国产模型积极拥抱MCP [2] - **商业化阶段**：工具厂商按API用量计费率先实现收入，如TextInMCP Server覆盖核心产品能力；Agent客户端商业化较快，Manus、Genspark已实现定价和初期用户增长；MCP生态建设者前期免费投入，后期通过广告和高级订阅摘取商业化果实 [2][3] 其他重要但是可能被忽略的内容 - 纳米搜索客户端是上市公司中首个2C Host并支持MCP Server，MCP功能限免，后续可能通过订阅或次数兑现收入 [3] - C端MCP客户端不能直接用于B端，但C端繁荣带来更多B端商机，MCP Server对B端同样受益 [3] - 列出其他MCP相关标的，包括工具类、客户端类、边缘计算类、开发类 [3]