文章核心观点 - AI Agent正在颠覆传统软件范式 从"功能即软件"转向"目标即软件" 代表软件存在方式的根本性变异[1][6][16] - Agent通过意图驱动、任务代理和自适应编排三大核心机制重构人、系统与任务的关系[9][11][14] - 软件生态主导权将从App开发商转向Agent平台 软件厂商需从产品设计、技术架构到商业策略进行全面重构[16][24][34] Agent与传统软件范式对比 - 用户交互从点击+表单变为自然语言+意图识别 系统从人操作工具转为系统自主操作工具[10][11][16] - 任务完成方式从人工组合功能变为Agent自动拆解执行 适应能力从流程刚性变为流程弹性[12][13][16] - 软件角色从工具箱变为数字代理人 响应结果从提供操作选项变为提供任务结果[16] 对软件生态的冲击 - App入口地位消解 软件产品形态从应用转变为可组合的能力节点[17][19][23] - 产品边界被打破 功能原子化服务化 形成"功能即API 产品即模块"新常态[20][22][24] - SaaS主导地位受威胁 Agent平台控制应用入口 软件厂商需对接平台避免边缘化[25][26] 延续与重构的逻辑 - 用户价值、数据安全、商业模式和技术架构等底层目标保持延续[28] - 用户交互方式、功能设计理念和流程控制机制等实现路径需要彻底重构[28] - 需接受从产品设计到能力设计、从界面流程到意图响应、从主导使用到融入调度的心智切换[29] 软件厂商转型策略 - 产品设计层将功能模块重构为可被调用的动作 定义意图输入和参数结构[30][31] - 技术架构层标准化API接口 支持状态管理和能力注册机制[32] - 商业策略层主动接入主流Agent平台或自建垂类智能体应用[33] - 组织能力层引入Agent架构师、Prompt工程师等新角色 重构协作模型[34] 行业演进方向 - 软件形态从页面单位变为意图驱动 从模块堆砌变为能力注册+行为编排[35] - 未来赢家是能在Agent生态中扮演关键角色的能力提供者 而非功能最多的公司[36] - 软件不会消失但存在方式改变 本次变革是使用方式、系统结构和软件角色的三重重写[35][36]

行业核心观点 - 2025年中国人工智能代理行业将呈现技术突破与场景深耕双轮驱动格局 市场规模预计以72.7%的年复合增长率爆发式增长[1] - 行业在技术架构、产品形态、行业应用和政策治理四个维度形成差异化竞争路径[1] 技术发展趋势 - 基础模型突破层面 大模型能力跃升与开源化趋势推动AI技术从少数企业垄断向行业普惠化发展[1] - 多模态融合技术扩展模型边界 推动AI代理从单一文本交互向多感官感知进化[1] - 混合架构与协作机制成为技术突破关键方向 MoA混合架构整合通用模型、垂直场景专业模型、工具链平台及数据飞轮四大组件[2] - 场景化专业模型通过蒸馏、微调从基座模型获得专业能力 规模控制在百亿参数以内 特定任务准确率比通用模型高15% 推理成本仅为1/3[2] - MoE架构通过稀疏激活技术降低60%算力消耗 分布式专家网络与区块链节点拓扑高度契合[2] - 多智能体协作机制显著提升系统性能 在蜂群式架构中主Agent统筹全局 子Agent专精代码生成、数据爬取等任务[2] 产品形态趋势 - 形成通用型与垂直型协同发展的产品矩阵 通用型以场景覆盖广度为核心竞争力 具备独立思考、规划及执行复杂任务能力[4] - 编程类Agent如Cursor、Windsurf展现出向通用型进化趋势 通过嵌入编程环境或面向非技术用户完成跨场景任务[4] - 垂直型产品以场景深度挖掘为导向 聚焦特定领域的高效场景化能力[4] - B端市场强调定制化能力 企业级AI Agent平台支持低代码/零代码开发 提供私有化定制和深度集成服务[6] - C端市场侧重标准化体验 产品以提升用户效率或满足情感需求为核心 硬件成本下探推动在智能家居、穿戴设备等场景渗透[6] - B端商业模式从软件订阅转向按需服务(用量计费)[6] 行业应用趋势 - 应用呈现多行业渗透与价值深化特征 金融领域成熟度与价值释放水平均处于较高层级[7] - 金融领域深度渗透风控、投研、信贷审批等核心环节 信贷审批业务全链路任务复刻率达60%[8] - 小微客户画像生成时效达秒级 效能提升倍数达10倍 投研报告生产周期从2-3周缩短至2-3天[8] - 核保流程时效从48小时压缩至15分钟 准确度达95%[8] 政策与治理趋势 - 政策治理呈现发展与安全平衡的核心逻辑 初步构建多层次、多维度的法律治理体系[8] - 涵盖法律法规、伦理规范与安全框架三大层面 包括《生成式人工智能服务管理暂行办法》等规范性文件[8][9] - 治理体系面临四大核心挑战：传统治理模式适应性不足、责任认定困境、数据治理难题、企业出海制度水土不服[9] - 具体表现为法律滞后性与AI Agent自主性脱节 多主体开发导致责任边界模糊 训练数据合法性边界模糊 欧盟严格监管与地缘政治因素加剧合规挑战[10] - 合规科技将成为企业核心竞争力 通过模型可解释性工具、自动化合规审计系统等满足动态监管要求[12] - 合规科技可帮助企业适配不同司法辖区要求 通过区块链溯源、隐私计算等技术明确责任边界并保障训练数据合法性[12] 市场规模与增长驱动 - 2023年中国AI Agent市场规模为554亿元[13] - 2023-2028年市场规模以72.7%的年均复合增长率扩张 2028年预计达到8520亿元[13] - 2030年市场规模突破2.1万亿元 2023-2030年整体年均复合增长率约为65.3%[13][15] - 算力成本持续下降是核心增长引擎 2028年AI算力成本将降至2024年的1/10[13] - 政策层面对智能算力基础设施的支持加速技术落地与市场渗透[13]

核心观点 - 阿里巴巴传奇技术专家多隆（蔡景现）离职加入AI初创公司贝联珠贯 将专注于AI Agent在运维服务领域的应用[1][17][18] - 多隆在阿里巴巴25年职业生涯中主导构建了淘宝交易系统、论坛系统和搜索引擎 是淘宝第一位程序员和阿里最高技术级别P11[4][5][8] - 贝联珠贯由前阿里技术专家毕玄创立 专注于通过AI技术优化云资源管理 已获得多轮融资包括5000万天使轮和数千万元Pre-A轮[14][15] 人物背景 - 多隆非计算机科班出身 2000年杭州大学生物系硕士毕业 同年加入阿里巴巴[3][4] - 2003年参与淘宝初创项目 主导构建交易系统和论坛系统 被称为"淘宝第一个程序员"[4][5] - 2014年成为阿里合伙人 2017年以26亿元身家登上胡润财富榜第1629位[9][11] - 技术特点包括独自维护淘宝搜索引擎（2003-2007年）、TDF文件系统、Tair key-value系统和通讯框架[5][7] 公司信息 - 贝联珠贯成立于2021年 由前阿里云视频云负责人毕玄（林昊）创立[14] - 公司定位为高效云资源管理服务提供商 业务覆盖在线业务型算力、大数据型算力和AI型算力市场[15] - 融资历程：2023年获红杉中国种子基金、舟轩投资、元璟资本5000万天使轮 2024年10月完成由将门创投、西湖科创投领投的数千万元Pre-A轮[14] - 公司入选《杭州AI卧龙图》 跻身"杭州AI 108将"[15] 技术方向 - 核心产品SREAgent通过AI Agent技术将专业运维经验沉淀为自动化服务[18] - 解决运维行业对专业人员高度依赖且难以规模化的痛点 目标实现高质量高效运维服务[18] - 技术基础源自毕玄在阿里期间从0到1打造的HSF中间件和电商异地多活架构[14] 行业影响 - 多隆加入标志著AI Agent技术在运维服务领域的商业化应用进入新阶段[17][18] - 贝联珠贯通过算力资源优化方案帮助企业客户降本增效[15] - 两位阿里技术传奇人物再度合作 结合多隆的系统架构能力与毕玄的中间件经验[13][14][17]

财务表现与挑战 - 上半年收入同比小幅下滑 嵌入式安全产品因平均单价下降导致收入下滑 [1] - 净利润降幅大于收入降幅 主要因市场竞争导致整体毛利率减少及大额研发营销投入 [2] - 计提较大金额信用减值损失 因部分客户回款延迟按会计政策处理 [2] - 智能硬件 软件及服务业务同比增长较大 [1] 战略措施与业务优化 - 着力拓展订单 提升运营效率 强化成本费用管控与应收账款催收 [2] - 持续加大新品研发与成果商业化 推动数字人民币应用场景落地及AI Agent解决方案创新融合 [2] - 布局海外市场 目标尽快实现扭亏为盈 [2] eSIM业务布局 - 加大eSIM领域研发投入 完善产品线并提升服务能力 [3] - 为国内移动通信运营商提供基于eSIM的创新融合方案 [3] - 打造SIM/eSIM+数字人民币在多场景应用方案 包括公共交通 新零售 消费电子 政府公共事业及物联网 [3] - 对外投资红茶移动(Redtea Mobile) 该公司是首家且唯一获美国苹果公司eSIM合作的中国企业 [3] - 整合通信领域客户资源 推进国际通信服务 消费电子 车联网及物联网业务布局 [3] 数字货币布局 - 作为数字人民币生态建设先行者 与银行等金融机构及多领域场景合作方提供软硬件综合解决方案 [5] - 产品覆盖用户侧 受理侧 发行侧及系统侧 包括数字人民币硬钱包 自助终端 综合业务平台及智能合约管理平台 已试点发行并落地应用 [5] - 把握"一带一路"Web3基建机遇 探索跨境结算优化 通过数字货币桥等方案降低结算成本并提升效率 [5] - 推进SIM/eSIM+数字货币生态合作 提供加密资产冷钱包 RWA数字资产交易及区块链生态解决方案 [5] - 紧跟国家政策 通过场景拓展 技术深耕及跨境合作推动数字货币广泛应用 [5]

活动安排 - 北京活动于2025年8月28日周四晚7点举行 主题为大模型算法 面向大厂 创业公司产品/技术及创业者 人数限制8-10人 [1] - 新加坡活动于同一时间举行 主题为AI Agent 面向相同人群 人数限制6-8人 [1] - 活动报名截止时间为活动前一日晚8点 名额有限 公司会根据参与者背景进行组合安排 [3] 人才招募 - 公司正在招募新一期实习生 [6] - 公司寻找有创造力的00后创业者 项目名称为Z Combinator 定位为AI时代中国年轻版YC [7][8] - 招募涉及多个领域 包括ZL ZP Potentials TH等方向 [7] 业务定位 - Z Combinator明确聚焦AI时代 专注于发掘年轻创业者潜力 [8] - 公司业务范围涵盖Z Finance Z Lives等多个垂直领域 [7]

行业投资评级 - 投资评级为看好并维持 [11] 核心观点 - 当前时点已逐步到达AI应用商业化落地拐点 以智能驾驶作为AI Agent落地范式的参考 技术周期推动下2025年下半年AI应用有望迎来商业化拐点 [4][7][9] - 本轮技术周期下真正的产品化从2024年9月OpenAI发布o1-preview推理模型开始 模型性能支撑Agent产品化探索落地 [7][26] - 当前模型能力已使产品具备商业化能力 商业化速度取决于产品思路和投入能力 [7][56] - AI货币化核心由人力替代程度决定 遵循奇点型爆发原则 每一轮奇点爆发都会重塑格局和商业模式 [7][60] - 分阶段投资视角：阶段一关注数据 推理云/芯片和算力优化加速方向的"铲子股"及具有明确产品思路+能够保障投入的玩家 阶段二寻找率先兑现ROI或流程替代方向的玩家 阶段三关注具备流量入口与垂类Agent/工具优势的公司 [9] 前言：三大非共识观点 - 观点一：2024年9月OpenAI发布o1-preview推理模型 实现从静态知识检索向动态问题解决能力演进 标志Agent产品化探索落地开始 [7][26][27] - 观点二：AI Agent产品迭代速度取决于产品思路与投入能力 早期成功产品公司专注明确想法并快速试错调整 [7][56][57] - 观点三：AI Agent按智能等级分为L0-L5级 货币化程度由人力替代程度决定 预计在替代程度达到一定高度时产生奇点爆发 [7][60][62] 鉴往知来：从智驾落地范式展望AI Agent进阶之路 - 智能驾驶行业发展历程对AI Agent落地具有较强参考意义 从单点落地→端到端辅助驾驶→Robotaxi替代人工的发展路径可类比AI Agent从单点走向全局赋能 [8][80] - 智驾上半场（L1-L2阶段）：产品从易用到好用建立粘性 规则算法驱动下功能从ACC AEB等低阶向高速NOA升级 头部车企通过持续研发投入取得身位领先 [8][84][97] - 特斯拉FSD V12实现端到端自动驾驶 代码从30多万行精简到3000行 数据飞轮效应显著 截至2025年7月驾驶里程数据突破45亿英里 [8][103][108] - 端到端技术架构使算法 算力 数据成为核心竞争要素 产业链价值向头部车企集中 华为ADS3 0和理想汽车快速迭代跻身第一梯队 [8][120][126] 趋势掘金：如何把握AI Agent落地过程中投资机遇 - 2025年下半年AI应用迎来商业化拐点的核心原因：海内外应用渗透率指标向好 产品路径逐步清晰 国内模型使用成本下降带动产品向细节打磨 [9] - 阶段一投资重点：数据 推理云/芯片和算力优化加速方向的"铲子股" 以及具有明确产品思路+能够保障投入的玩家 [9] - 阶段二投资重点：创作 客服 电商 招聘 税务 多模态 司法等场景有望率先落地ROI或流程替代 [9] - 阶段三投资重点：具备流量入口与垂类Agent/工具优势的公司有望建立护城河 [9] - OpenAI 2025年7月ARR达130亿美元 Anthropic达40亿美元 海外垂直领域如Grammarly ARR达7亿美元 国内市场美图ARR达2 2亿美元 [68]

Data Agent落地挑战 - Data Agent看似容易上手但实际落地存在显著困难 90%的难点源于软件工程问题 统一语义层建设是成功关键[2] - 企业若忽略场景聚焦 技术框架可迭代能力或语义模型和运营体系 即使投入数月也可能无法监控评估或修改 最终停留在原型阶段[2] - 掌握统一语义层 完善技术框架和运营体系 才能使AI代理真正理解数据 快速迭代并落地应用 显著提升企业数据智能化效率[2] 技术支撑体系 - Agent交互形态是数据分析的新"head" 需要两方面技术革新:数据语义工程平台化能力和完善Agent Ops平台基础[6] - 数据工程交付将升级为Data engineering + Data Context Engineering 目标是提供data+ai一体化数据智能底座[6] - 多模态一体化高性能存算引擎支撑统一语义层的元数据和统一数据访问能力 对Agent快速响应至关重要[7] 语义层架构 - 数据语义包含四个维度:概念描述业务意义 数据表关联关系 指标计算口径 维度观测角度[8] - 语义层核心能力包括统一访问接口 MetaRAG语义元数据知识库 强大语义建模能力 自适应加速能力[8] - 统一语义层是对数据治理的更高要求 传统数据治理能力是其基础支撑 重点在于业务建模后提供统一数据知识接口[13] 实施难点与解决方案 - 从原型到成熟产品的最大落差是低估场景落地难度 存在"邓宁-克鲁格"效应 实践中90%工作量解决行为一致性 仅10%做prompt和模型调优[9] - 企业接入面临两大挑战:数据杂乱缺乏唯一真相 以及Agent效果评估体系不统一[14] - 解决方案是场景聚焦 针对特定场景构建统一语义层和评估体系[15] 行业影响与人才变革 - Agent不会替代数据工程师和科学家 但会取代部分执行工作 推动数据工作角色融合[10] - 劳动细分模式将改变 复合型人才将脱颖而出 各行业在大模型时代呈现劳动角色融合趋势[10] - 每个人都应了解Agent和LLM基本原理以更好运用大模型技术[11] 实施建议 - 企业构建统一语义层应首先聚焦场景进行语义抽象 重点构建指标和维度体系[16] - 建议以指标平台为载体构建指标语义层 该场景已被验证可行并能大幅提升数据分析效率[17] - 技术建议包括:场景聚焦搭建可迭代技术框架 强化语义模型能力建设 配套监控标注评估体系[18] 战略价值 - 掌握企业数据语义数字孪生意味着掌握下游所有AI代理行为的主动权[12] - 腾讯云通过统一数据资产平台纳管企业结构化和非结构化数据 提供统一语义建模平台进行Data Context Engineering[12] - 语义模型是对物理世界环境 关系 知识的结构化定义 是数据分析领域人与AI的共同context[12]

行业投资评级 - 通信行业投资评级为看好（维持）[1] 核心观点 - DeepSeek-V3 1正式发布 引入混合推理架构 支持思考模式和非思考模式 适用于复杂任务处理与快速响应[5][12] - 模型支持128K上下文窗口 API新增Anthropic格式兼容 可无缝接入Claude生态[5][12] - 通过后训练显著增强Agent任务执行能力 编程智能体在代码修复测试中所需轮数减少 搜索智能体在多步推理测试中性能领先[5][13] - V3 1-Think模式在输出token减少20%-50%的情况下 任务表现与前一版本持平[5][13] - 技术架构升级为国产下一代芯片铺路 UE8M0 FP8针对即将发布的下一代国产芯片设计[5][14] - 持续看好全球AIDC算力产业链 卫星互联网 6G等七大产业方向[6][15] 行业数据追踪 5G建设情况 - 2025年5月底我国5G基站总数达448 6万站 比2024年末净增23 5万站[25][31] - 2025年5月三大运营商及广电5G移动电话用户数达10 98亿户 同比增长21 3%[25][28] - 2025年5月5G手机出货2119 0万部 占比89 3% 出货量同比减少17 0%[25][33] 运营商云业务 - 中国移动2024年移动云营收达1004亿元 同比增长20 4%[39][41] - 中国电信2024年天翼云营收达1139亿元 同比增长17 1%[40][41] - 中国联通2024年联通云营收达686亿元 同比增长17 1%[41][43] 运营商ARPU值 - 中国移动2024年移动业务ARPU值为48 5元 同比略减1 6%[41][45] - 中国电信2024年移动业务ARPU值为45 6元 同比略增0 4%[41][46] - 中国联通2023年移动业务ARPU值为44 0元 同比略减0 7%[41][48] 投资建议方向 AIDC机房建设 - 推荐标的：英维克（液冷全链条自研龙头）[6][17] - 受益标的包括申菱环境 银轮股份 同飞股份 高澜股份等风冷液冷企业[6][17] - 受益标的包括光环新网 宝信软件 润泽科技等AIDC机房企业[17] - 受益标的包括科泰电源 泰豪科技等柴油发电机企业[17] - 受益标的包括金盘科技等变压器企业[17] 网络设备 - 推荐标的：中际旭创 新易盛 天孚通信 紫光股份 中兴通讯 盛科通信[6][18] - 受益标的包括源杰科技 锐捷网络 长芯博创等光通信企业[6][18] - 受益标的包括华丰科技 意华股份等AEC铜连接企业[18] - 推荐标的：中天科技 亨通光电等光纤光缆企业[18] IT设备 - 推荐标的：紫光股份 中兴通讯[6][18] - 受益标的包括寒武纪 海光信息等国产AI芯片企业[6][18] - 受益标的包括浪潮信息 华勤技术等AI服务器企业[18] - 受益标的包括欧陆通 麦格米特等服务器电源企业[18] 算力租赁 - 受益标的包括有方科技 云赛智联 润建股份 宏景科技等企业[6][19] 云计算平台 - 受益标的包括中国移动 中国电信 中国联通 阿里巴巴 腾讯等[6][20] AI应用 - 受益标的包括广和通 移远通信 美格智能等AI模组企业[6][21] - 受益标的包括和而泰 拓邦股份等AI控制器企业[24] - 受益标的包括网宿科技等CDN企业[24] - 受益标的包括亿联网络 会畅通讯等AI视频企业[24] 卫星互联网与6G - 受益标的包括海格通信 铖昌科技 臻镭科技 盛路通信等卫星互联网企业[6][22] - 推荐标的：中兴通讯[6][22] - 受益标的包括硕贝德 大富科技 盛路通信等6G企业[6][22] 市场表现 - 通信指数本周（2025 08 18-2025 08 22）上升11 49% 在TMT板块中排名第一[23]

财务表现 - 1H25收入26.26亿元 同比增长40.7% 单二季度收入15.49亿元 同比增长49.2% [1] - 1H25扣非归母净亏损同比收窄1.08亿元至-0.44亿元 扣非净亏损同比收窄1.18亿元至-0.51亿元 [1] - 1H25毛利额9.90亿元 同比增长25.4% 毛利率同比下降4.6个百分点至37.7% [2] 业务结构 - 先知AI平台收入21.49亿元 同比增长71.9% 占总收入81.8% SHIFT智能解决方案收入3.71亿元 同比下降18.1% 式说AIGS服务收入1.06亿元 同比下降34.8% [1] - 单二季度先知AI平台收入13.44亿元 同比增长79.6% SHIFT智能解决方案收入1.59亿元 同比下降22.1% 式说AIGS服务收入0.46亿元 同比下降46.2% [1] - 标杆客户数量达90个 ARPU值1798万元 同比增长56.6% [1] 运营效率 - 应收账款余额19.67亿元 较2024年末下降36.3% [1] - 研发费用8.9亿元 同比增长5.1% 研发费用率33.9% 同比下降11.5个百分点 [2] 战略布局 - 加强AI Agent企业合作 与海博思创合作涉猎AI+储能领域 [2] - 智能硬件业务端侧模型搭配OpenHarmony和海思芯片 赋能眼镜耳机音响等AI硬件开发 [2] - DeepSeek V3/R1发布推动一体机硬件需求提升 [2] 投资观点 - 维持跑赢行业评级 目标价上调8.3%至65港元 对应4.0倍2026年预测市销率 [2] - 当前交易于3.3倍2026年预测市销率 较目标价存在20.3%上行空间 [2]

数智化转型范式重构 - 企业数智化转型正经历从以人为中心到以AI Agent为中心的范式重构，传统决策支持系统模式让位于Agent驱动的智能交互[2][17] - 数据技术栈演进历程包括：1970年代Inmon提出数据仓库定义，1980年代Teradata MPP架构突破，1990年代Kimball维度建模与BI工具成熟，2010年后云计算与大数据技术兴起[3][5] - 当前数据系统复杂度与成本高企但价值仍依赖人工解读，成为技术变革突破口[6] AI Agent的核心特征与应用 - Agent是能感知环境、理解语义、自动执行任务的智能体，例如市场Campaign Agent可自动调整广告预算，客服Support Agent可带记忆回答问题，金融Risk Agent可实时触发风控策略[7] - Agent工作模式从"拉取式"数据查询变为"推送式"智能响应，能主动感知业务变化并执行动作[9] - 技术应用仍处探索阶段，例如WhaleStudio Pro可自动生成ETL流程，金融风控与智能客服处于试点[21] 传统数据建设的挑战 - 企业数据建设存在形式主义问题：建模过度导致数据仓库分层堆叠且维护成本高[10] - 治理滞后造成数据目录、血缘关系与业务需求脱节[11] - 人力内耗表现为分析师重复编写SQL和报表[12] - 变更脆弱性导致上游表结构变化引发全线崩溃[13] Agentic Data Stack的创新价值 - 通过Data Flow Agent实现事件触发与意图驱动的自动数据流编排，自适应调整数据结构变化[16] - 采用CDU（Contextual Data Unit）将数据与语义绑定，减少治理开销和使用歧义[16] - 以Semantic Orchestrator取代BI报表作为中枢，通过自然语言协调Agent需求[16] - 核心价值是降低人力介入并提升系统自适应能力，使企业从维护系统转向创造价值[16] 组织与技术架构变革 - 组织层面：数智化不再是IT部门专属项目，业务部门可直接通过AI Agent获取洞察，治理格局可能调整为CDO与CAIO并行[19] - 技术层面：竞争焦点从工具数量转向Agent数据使用效率，数智化从劳动密集型工程转向资本高效型工程[19] - 商业层面：数智化从降本增效的成本中心变为创新引擎，中小企业可通过低门槛Agent获得敏捷性[20] 行业发展趋势 - 未来3-5年Agent协议与工具链将逐步完善，企业数据系统逐步融入Agent元素[21] - 核心竞争力从堆叠工具转向掌握语义与智能的结合点[22] - 数据仓库不会消失但需顺应范式转变，系统从被动支撑人变为主动驱动业务[22]