报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - AI发展从推理者走向智能体，模型底座智能水平提升，产业链从模型能力提升向应用商业化跃迁，大模型能力由三条扩展曲线推进，主次曲线切换，对大规模集群依赖下降，推理算力需求攀升，更聚焦商业化能力和生态建设 [4] - 中间层智能体生态所需通信协议与开发工具涌现，开发者生态加速繁荣，开发工具与底层框架标准化将加速AI智能体商业化进程 [4] - 应用层智能体应用分通用和垂类产品，前者发展成熟，后者起步晚但有望助力B端转型，初代产品已实现上亿美金ARR，出现新收费模式，未来需提升规划、记忆和多模态理解能力释放变现潜力 [4] - 相关标的包括推理算力的英伟达、博通；中间工具和数据层的谷歌、Snowflake；下游应用的Salesforce、SAP、Shopify；云服务的亚马逊、微软、谷歌 [4] 根据相关目录分别进行总结 一、AI发展阶段：从推理者转向智能体，开始学会调用工具 - AI水平分五大等级，当前正从推理者转向智能体，模型多维能力提升，智能体产品加速推进 [6] - AI产品处于中间过渡形态，传统聊天机器人只能执行明确指令，当前中间形态初步具备目标理解和推理能力，未来真正的智能体将能自主规划任务步骤等 [8] - 智能体公式为Agent = LLM + Memory + Planning + Tool use，大模型充当大脑，主动规划可分解任务，记忆分短期和长期，工具使用可与物理世界交互 [12][14] - 具备自主决策能力的智能体分初级和高级，初级可实现任务自动化，决策受限；高级能自主规划完成长时任务，高度自治 [15] - AI产业链中，AI Infra为大模型训练与推理奠定硬件基础，AI Agent在B端软件、C端应用等环节蓄势待发 [19] - 智能体基建与应用协同演进，新应用带动基础设施迭代，基础设施进步催生更智能应用 [25] 二、Agent模型层：底座智能水平提升，推理能力成为核心 - AI模型扩展法则迎来范式转变，从预训练扩展到后训练扩展再到测试时扩展，推理模型迭代加速，投资方向向推理侧转变 [33][38] - 预训练扩展中，算力、模型参数与训练数据影响模型性能，高质量数据成为瓶颈，OpenAI可能因数据问题放缓模型性能提升 [40][43] - 后训练扩展通过微调技术提升模型响应能力，包括监督微调、强化微调、偏好微调，可打造模型特定性格，垂类模型应用前景广阔 [50][54] - 测试时扩展使模型实现深度推理，OpenAI推出o系列推理模型，引入测试时计算提升模型性能 [58] - 未来值得关注的大模型有Meta Llama - 4系列和OpenAI GPT - 5模型 [67] 三、Agent中间层：中间工具厚积薄发，开发者生态积极构建 - MCP是用于管理和交换模型上下文信息的协议，与传统API相比，能提升AI模型理解与执行能力，MCP Server供给增加，开发者生态繁荣，向行业标准迈进 [69][72] - A2A是谷歌推出的开放协议，允许AI代理跨生态系统协作，与MCP互补，合作伙伴众多，能促进智能体跨系统工作 [74][76] 四、Agent应用层：初代产品加速创收，商业化应用曙光乍现 - Agent应用分跨行业通用和垂类专业产品，通用产品发展成熟，融资额和交易数远超垂类，垂类产品处于新兴和验证阶段 [79][81] - Agent赋能集中在降低成本、提高效率、增强体验，垂类智能体赋能垂直业务，跨行业智能体赋能企业工作流 [83][86] - Agent的“摩尔定律”为每7个月能处理的任务长度翻倍，性能提升、成本下降，目前完成简单任务已具性价比 [89][94] - Agent初代产品ARR增长迅速，商业模式多样，未来有望成为AI应用黑马 [98] - 当前AI时代入口尚处早期，呈现中心化特点，类似互联网时代早期 [101] 五、相关标的 - 推理算力相关标的为英伟达、博通 [107] - 中间工具和数据层相关标的为谷歌、Snowflake [107] - 下游应用相关标的为Salesforce、SAP、Shopify [107] - 云服务相关标的为亚马逊、微软、谷歌 [107]