行业投资评级 * 报告未明确给出统一的行业投资评级，但通过详尽的投资建议和标的列表，隐含了对人工智能（AI）Agent、算力基础设施及相关应用领域的高度看好 [5] 报告核心观点 * 人工智能（AI）Agent 领域正经历从“技术驱动”向“应用驱动”的关键转型，其发展范式因 Skills（技能）标准化与 OpenClaw 等开源框架的成熟而跃迁，行业开发门槛大幅降低，生态进入规模化发展阶段 [2][4] * Anthropic 推出的 Agent Skills 通过结构化文件夹（包含指令、代码、资源）将任务模块化封装，其“按需加载”机制优化了上下文效率，使 Agent 能力实现“可配置、可沉淀、可共享”，成为生态发展的关键基础设施 [2][10][11] * OpenClaw 作为完全开源、本地运行的 Agent 框架，定义了完整的工程化范式，通过预设身份、规则、工具、用户偏好及创新的分层记忆系统（长期记忆与每日记忆），使 Agent 具备持续执行复杂任务和演化的能力，为自定义 Agent 落地提供了标准路径 [3][14][20][23] * 未来自定义 Agent 的核心竞争力取决于三大要素：基础大模型的原生能力（决定智能上限）、高质量专属化数据资源（决定专业深度与差异化）、开发者对需求与场景的理解与拆解能力（决定有效落地），这标志着 AI 进入以问题定义和评估为核心的下半场 [4][24][26] 一、Skills：Agent 可配置性的一大突破 * Anthropic 于 2025 年 10 月 16 日推出 Agent Skills，并在同年 12 月 18 日将其规范开放为开放标准，旨在将 Claude 从通用助手转变为专业化工作流执行者 [10] * Skill 的本质是一个结构化的文件夹，相当于 AI 的“工作手册（SOP）”，其核心文件是 SKILL.md，包含完成任务所需的指令（Instructions）、代码（Code）和资源（Resources） [10] * Skill 的核心设计哲学是“按需加载”（渐进式披露），AI 启动时仅加载元数据，执行任务时才动态加载详细内容，这能有效节省上下文消耗、提升效率与稳定性 [11] * Skill 具备可复用性、可组合性，并可跨平台移植共享，实现了智能与专业的解耦，业务规则更新时仅需修改 Skill 文件，无需重训模型，降低了维护成本 [11] * Skills 的推出促进了 Agent 生态的繁荣，例如在 Clawhub 社区中已积累了大量可共享的 Skill，其中“Summarize”技能的下载量已达 214k [11][13] 二、OpenClaw：开源自定义 Agent 框架机制解析 * OpenClaw 由独立开发者 Peter Steinberger 于 2025 年 11 月推出，是一个完全开源且本地运行的 AI Agent 框架，具备强大的行动力，可执行终端命令、读写文件、管理日程等 [14] * 该框架推出仅两个月便击败 Linux，登顶 GitHub 星标榜，成为史上最受欢迎的开源项目之一 [14] * OpenClaw 的核心在于其完整的运行链路，包括消息接收、上下文组装、技能注入、工具调度、持久化存储及多 Agent 协作等，超越了传统聊天机器人或工具调用框架 [17] * 框架引入了创新的分层记忆系统：长期记忆（如项目规则、API文档）在 Agent 启动时直接注入系统提示词；每日记忆（如当日待办、会议记录）则通过记忆搜索工具按需检索，并带有时间衰减权重 [20] * 其动态上下文管理机制通过组装一系列预设文件（如 AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md 等）来塑造 Agent 的完整身份和运行环境，使 Agent 并非每次从零开始对话 [20][23] * 当会话 token 数接近上下文窗口上限（默认软阈值为 4000 tokens）或会话转录文件大小超限时，会触发 Memory Flush 机制来管理每日记忆 [20] 三、决定自定义 Agent 能力的三大要素 * 随着 Skills 和 OpenClaw 等框架的成熟，搭建自定义 Agent 的技术门槛被大幅拉低，行业进入“全民共创”生态的发展趋势 [24] * 决定自定义 Agent 能力上限与商业价值的首要因素是基础大模型的原生能力，包括逻辑推理、长文本理解、工具调用和复杂任务拆解等，这直接决定了 Agent 的智能基础上限 [24] * 第二个关键因素是高质量、高专属度的数据源，如行业私有数据、实时资讯和垂直知识库，数据的精准度、新鲜度和专属度是支撑 Agent 实现专业应答和差异化优势的核心 [26] * 第三个核心要素是开发者的需求定义与场景拆解能力，这要求开发者像产品经理一样思考，精准梳理业务流程、明确核心场景，这决定了 Agent 能否真正贴合业务需求并高效落地 [26] * 这一趋势与前 OpenAI 研究员姚顺雨在《The Second Half》中提出的“AI 进入下半场”判断相呼应，即评估比训练更重要，关键在于定义问题和衡量进展 [26] 投资建议与相关标的 * 报告列出了覆盖 AI 产业链上下游的广泛投资标的，显示了对该赛道全面看好的态度 [5] * 海外算力/存储相关标的包括：中际旭创、东山精密、胜宏科技、天孚通信、新易盛、工业富联、兆易创新、Lumentum、美光、SK 海力士、中微公司、北方华创等 [5] * 国内算力相关标的包括：寒武纪、海光信息、协创数据、中科曙光、浪潮信息、首都在线、神州数码、百度集团、中芯国际、华虹半导体等 [5] * CPU 相关标的包括：海光信息、中科曙光、澜起科技、龙芯中科等 [5] * AI 应用相关标的包括：超级入口（如腾讯控股、阿里巴巴、科大讯飞）、以及星环科技、中控技术、昆仑万维等在 AI 基础设施、高增长和高壁垒领域的公司 [5]