行业投资评级 - 维持计算机行业“推荐”评级 [2][6][20] 核心观点 - 国产AI厂商加速进入创新周期，效率提升有望加速AI下沉，细分领域应用厂商有望受益 [6][20] - OpenClaw持续爆火，成为2026年现象级AI产品，有望带动新一轮AI基建扩张 [6][20] - 拥有自我进化能力的厂商有望构建更深的护城河，重塑行业利润分配格局，利润将向具备全栈技术、能实现闭环迭代的头部企业集中 [6][17] - 更高效、低成本的模型进化路径将加速AI Agent在金融、软件、医疗等垂直领域的商业化落地，利好相关应用生态与解决方案公司 [6][17] - 全球AI需求爆发带来成本压力，云计算行业或从“折扣战”进入新一轮“涨价周期” [6][19] 一周市场表现 - 2026年3月16日-3月20日，申万计算机指数下跌4.74% [9] - 板块个股涨幅前五名分别为朗科科技、同有科技、铜牛信息、中润光学、东方国信 [9] - 板块个股跌幅前五名分别为星环科技-U、古鳌科技、佳缘科技、每日互动、湘邮科技 [9] 行业要闻 - GTC2026召开，英伟达预计2025到2027年期间，市场AI计算需求增长将至少为公司带来1万亿美元收入 [13] - 英伟达发布全新的Vera Rubin全栈计算平台，包含7款芯片和5套机架系统 [13] - 英伟达积极拥抱开源项目OpenClaw，并推动AI从数字智能体向“物理AI”扩展 [13] 重点公司公告 - 铜牛信息控股股东拟变更为北京数据集团，实际控制人将变更为北京市国资公司 [13] - 软通动力股东CEL Bravo Limited拟减持不超2%股份 [13] - 首都在线2025年实现总营业收入12.37亿元，同比减少11.47%；实现归母净利润-1.70亿元，同比增长43.91% [13] 本周观点：AI模型与算力服务动态 - MiniMax于2026年3月18日发布新一代Agent旗舰大模型M2.7，核心突破在于首次实现“模型自我进化” [6][14] - M2.7通过构建复杂Agent Harness，自动执行超过100轮“分析-改进-验证”闭环，在内部评测集上实现约30%的效果提升 [6][14] - M2.7能够在RL场景实例中承担30%至50%的工作流 [6][14] - M2.7在SWE-Pro基准测试中取得56.22%的成绩，几乎接近Opus最好水平 [6][14] - M2.7在VIBE-Pro测试中得分55.6%，在Terminal Bench 2测试中得分57.0% [6][14] - 智谱在2026年第一季度内进行了两次API价格上调 [6][18] - 2026年2月12日，伴随GLM-5发布，其API调用价格相比GLM-4.7平均上涨50% [6][18] - 2026年3月16日，发布GLM-5-Turbo，其API价格上调20% [6][18] - 阿里云于2026年3月18日宣布对部分产品提价，新价格于4月18日生效 [6][18] - 提价涉及AI算力与文件存储服务，其中平头哥真武810E等算力卡相关服务价格上调5%至34% [6][18] - CPFS（智算版）文件存储的价格上调30% [6][18] - 此次提价源于全球AI需求爆发带来的成本压力，春节期间AI Agent应用爆发以及Openclaw火爆导致算力需求激增 [6][19] - 全球主要云厂商如AWS、谷歌云近期均已上调价格 [6][19] 投资建议与关注标的 - 建议关注AI基建与AI应用两条主线 [6][20] - AI基建关注标的：海光信息、寒武纪-U、优刻得-W、润泽科技、中科曙光、浪潮信息、首都在线 [6][7][20] - AI应用关注标的：卓易信息、鼎捷数智、汉得信息、赛意信息、能科科技 [6][7][20] 重点关注公司盈利预测 - 浪潮信息：2026年3月20日股价59.50元，2026年预测EPS为2.56元，预测PE为23.2倍，投资评级为增持 [8][21] - 汉得信息：2026年3月20日股价21.06元，2026年预测EPS为0.30元，预测PE为70.0倍，投资评级为未评级 [8][21] - 鼎捷数智：2026年3月20日股价40.17元，2026年预测EPS为0.93元，预测PE为43.2倍，投资评级为增持 [8][21] - 润泽科技：2026年3月20日股价85.97元，2026年预测EPS为1.94元，预测PE为44.4倍，投资评级为未评级 [8][21] - 赛意信息：2026年3月20日股价19.90元，2026年预测EPS为0.39元，预测PE为50.8倍，投资评级为未评级 [8][21] - 首都在线：2026年3月20日股价30.11元，2026年预测EPS为-0.004元，2027年预测PE为111.5倍，投资评级为增持 [8][21] - 中科曙光：2026年3月20日股价83.76元，2026年预测EPS为2.09元，预测PE为40.1倍，投资评级为未评级 [8][21] - 能科科技：2026年3月20日股价38.85元，2026年预测EPS为1.24元，预测PE为31.3倍，投资评级为增持 [8][21] - 海光信息：2026年3月20日股价216.42元，2026年预测EPS为2.00元，预测PE为108.2倍，投资评级为增持 [8][21] - 优刻得-W：2026年3月20日股价45.00元，2026年预测EPS为0.06元，预测PE为732.9倍，投资评级为未评级 [8][21] - 寒武纪-U：2026年3月20日股价1025.00元，2026年预测EPS为11.00元，预测PE为93.2倍，投资评级为增持 [8][21] - 卓易信息：2026年3月20日股价109.00元，2026年预测EPS为0.94元，预测PE为116.0倍，投资评级为增持 [8][21]

市场整体表现 - 3月23日市场尾盘下挫，三大指数均跌超3%，北证50跌超5% [2] - 两市个股呈普跌态势，下跌个股近5200只 [2] - 截至收盘，沪指报3813.28点，跌3.63%，深成指报13345.51点，跌3.76%，创指报3235.22点，跌3.49% [2] 行业板块表现 - 煤炭开采加工、油气开采及服务板块涨幅居前 [2] - 煤炭股中云煤能源、辽宁能源涨停 [2] - 油气股中博迈科涨停 [2] - 贵金属、旅游及酒店、元件、轨交设备板块跌幅居前 [2] - 午后旅游板块跌势扩大，三峡旅游、桂林旅游、岭南控股等多股跌停 [2] - 贵金属板块全天走弱，赤峰黄金、四川黄金跌停 [2] - 养殖业板块走弱，生物股份跌停 [2] - 午后银行板块跌幅持续扩大，青农商行跌幅居前 [2] 热点板块分析：煤炭 - 中东地缘冲突持续已超过三周，国际油、气价格上涨显示出较好的持续性 [3] - 动力煤需求短期面临淡季，但化工耗煤需求或持续释放，推动煤价止跌反弹 [3] - 焦煤价格在短期需求的改善下，稳中看涨 [3] - 叠加海外因素的支撑，看好国内煤价上涨空间和持续性，继续看好板块表现 [3] - 推荐有煤化工业务的公司、估值相对有优势的公司，同时可关注海外有煤炭资源布局的公司 [3] 热点板块分析：油气 - 因通过霍尔木兹海峡的运输中断时间延长，以及对全球供应集中度相关结构性担忧加剧，高盛上调2026年油价预测，看涨石油及能源板块 [4] - 该行强化了通胀压力持续更久的预期，或为大宗商品关联货币提供支撑，同时加剧市场对央行政策走向的担忧 [4] 重要市场消息 - 现货黄金失守4200美元/盎司，日内跌6.5% [6] - COMEX白银期货暴跌11%，一度触及61.64美元/盎司 [6] - 美国被曝考虑地面行动夺取伊朗哈尔克岛，该岛是伊朗最大原油出口基地，伊朗90%的原油都从这里出口 [6] - 阿里将推出JVS Book（笔记本终端）与JVS Box（迷你主机）等硬件产品，由阿里云无影团队主导，计划从软件平台延伸至硬件终端，构建完整的AI Agent体验 [7] 机构观点 - 近期市场调整主要源于两大担忧：一是经济“滞胀”风险，二是“冲突烈度升级失控”风险 [8] - 短期而言，冲突烈度的升级反而酝酿事态降级的契机，意味着市场反攻的号角往往就在情绪最悲观之时悄然吹响 [8] - 中长期，“滞胀”可能是本轮经济走向的最悲观情形，但或并非基准情形，当前市场对此计价相当程度的悲观预期，构成了市场中长期修复的基础 [8] - 地缘冲突的持续时间与演化路径仍存在较大不确定性，对全球风险资产的扰动短期内难以消退，预计全球权益市场将延续高波动特征 [8] - 在以我为主的逻辑支撑下，A股下行空间相对有限，市场大概率以震荡分化、结构轮动的方式消化外部压力 [9] - 市场交易聚焦通胀逻辑，地缘冲突下原油价格走势变化依然会是影响近期市场结构的关键变量 [9]

OpenClaw的冲击与行业现状 - OpenClaw项目引爆了GitHub，其能让AI智能体像“爪子”一样深入操作系统、直接操控软件内部，重新定义了“人机协作”的边界，可能推翻过去所有关于AI落地的假设 [3][4] - 企业对大模型的“蜜月期”已结束，2025年下半年风向从“先上车再说”转向对落地效果的质疑 [6][7] - AI工具使用率不足，一项调查显示部分企业购买的AI工具三个月后统计使用率不足30%，大多数员工从未尝试过数据分析、代码生成等进阶功能 [8] - 领先者与落后者差距拉大，OpenAI的企业AI报告指出约四分之一的企业尚未开启连接器以允许AI安全访问内部数据 [8] 企业AI落地面临的四大核心洞察 - **数据成为关键瓶颈**：数据治理普遍缺失，数据孤岛、质量差、难以访问问题突出，许多金融和业务核心仍依赖1990年代的数据库甚至手动Excel文件，IDC预测到2027年，40%的企业将把“AI融合数据架构”作为战略投资必选项 [9] - **Agent概念火热但落地困难**：大多数AI Agent停留在Demo阶段，上线后出现死循环、幻觉、乱调用工具、Token成本失控等问题，麦肯锡报告指出能将AI智能体推向“规模化”阶段的公司仍占少数 [10] - **投资回报率难以量化**：IDC预测到2026年，50%的AI应用场景将因收益不明、风险上升、协作薄弱等原因无法达到ROI目标，证明AI项目的投资回报率极具挑战，导致项目难以获得持续资金支持 [11] - **组织成熟度滞后**：企业AI落地的瓶颈从“模型够不够聪明”转向“组织够不够成熟”，技术部门常被当作服务提供商而非战略伙伴，管理层对AI缺乏深度理解，导致开发者需花费大量时间证明方案可行性而非推动业务价值 [17][18] 2026年企业AI落地的六大核心挑战 - **数据基础设施薄弱**：82%的受访机构缺乏数据治理框架和相关技能的员工，没有AI-Ready Data，再强的模型也发挥不出价值 [19] - **Agent规模化落地存在“最后一公里”问题**：大多数Agent停留在试点，无法真正融入工作流，“看得见、管得住、可审计、敢上线”的环节未打通 [20] - **推理成本侵蚀利润**：企业面临“算力不够、利用率低”的真实问题，GPU池化、弹性调度、波峰推理成本优化成为生死存亡的关键，需不依赖高端AI原生芯片也能跑起来的方案 [21] - **合规与安全压力巨大**：在金融、医疗等受监管行业，透明度和合规性是AI角色处于探索阶段的主要原因，缺乏适当权限和监控工具导致敏感信息泄露风险真实存在 [23] 市场需求的演变：更深、更广、更实 - **更深——进阶技术**：企业不再满足于入门内容，需求转向大模型推理加速、多模态理解等前沿研究 [13][14] - **更广——工程化与工具链**：需求集中在“AI工程化”，需要从数据准备、模型管理到应用部署服务的完整端到端工程化能力及平台技术 [14] - **更实——垂直落地**：企业进入落地攻坚期，需要能看到ROI的落地案例，如软件测试方向的AI应用、大模型定制与私有化、与企业具体业务结合的实践，而非“未来可期”的愿景 [15] AICon 2026会议专题设置与行业焦点 - 会议围绕挑战设置了12大专题论坛，覆盖从前沿技术探索到生产级落地的全栈能力 [25] - **前沿探索层**：聚焦AI for Science、AI Simulation、Sovereign AI、Causal AI、Quantum AI等定义下一代智能边界的关键技术突破 [27] - **模型与推理层**：探讨大模型推理优化，实现智力增量与成本控制的平衡，并探讨企业智算架构弹性适配，解决算力利用率低、波峰成本过高的痛点 [29][30] - **Agent核心能力与工程层**：系统涵盖Agent系统架构、数据记忆基础设施、生产工程与运营治理、安全评测与可信治理，旨在解决从Demo到生产的“最后一公里”问题 [31][32][33][35] - **工程体系与行业落地层**：探讨企业级研发体系的重构，将AI深度嵌入全流程，并聚焦金融、制造、供应链、零售等垂直行业的真实落地与规模化复制实践 [37][41][43] - **组织与生产力演进**：聚焦AI驱动下的极端生产力飞跃，解析“一人一公司”的超级个体崛起路径，以及管理者如何从管理“人头”转向管理“智能体集群” [45]

AI智能体“养虾”赛道兴起与厂商布局 - 3月，基于开源AI执行框架OpenClaw（“小龙虾”）的“养虾”成为AI圈关注度较高的赛道之一[3] - 国内主流互联网厂商在短短数周内纷纷入局，深层原因是对下一代人机交互入口的争夺[4] 主要厂商竞争路径与产品动态 - **基础设施派**：以百度智能云为代表，提供底层算力与OpenClaw一键部署镜像，核心策略是让云服务成为“养虾”的支撑平台[3][4] - **平台生态派**：以字节跳动火山引擎和微信为代表，通过SaaS化服务或插件形式降低使用门槛[3][5] - 字节跳动火山引擎推出云上SaaS版ArkClaw[3] - 微信推出“ClawBot”插件，接入OpenClaw生态[3] - 目标是将用户流量转化为生态流量，在AI Agent时代构建“应用商店”形态的平台[5] - **软硬一体派**：以阿里为代表，计划从软件平台延伸至硬件终端，构建完整的AI Agent体验[3][6] - 软件层面，阿里上线JVS Claw（原名“无影 JVS”），成为阿里版OpenClaw产品[3] - 硬件层面，阿里云无影团队将推出JVS Book（笔记本终端）与JVS Box（迷你主机）等硬件产品[3] - JVS Book主打移动办公，基于类OpenClaw架构打造，深度集成JVS Claw平台[3] - JVS Box面向桌面办公，作为桌面级AI Agent工作站，同样采用类OpenClaw架构[3] 行业面临的挑战与不同观点 - AI Agent从“能用”走向“好用”仍面临核心难点：一是稳定性与可靠性不足，复杂任务容易中断或出现“幻觉”；二是跨应用信息孤岛难以打通，各平台API接口不统一，权限壁垒明显；三是硬件终端仍面临定位问题，若无法提供差异化交互体验，则可能难以形成实际价值[6] - 有业内人士对专用硬件价值提出质疑，认为如果现有笔记本、手机通过安装软件就能实现80%的功能，专用硬件的价值存疑[4]

文章核心观点 - 上周资本市场投融资活动活跃，硬科技、大健康、互联网/企业服务是三大核心赛道 [4][5][6] - 硬科技赛道中，芯片/半导体是绝对主角，获得多笔大额融资 [4] - 大健康赛道主线明确，围绕国产替代、高端耗材及前沿生物技术展开 [4] - 互联网赛道热点集中在AI Agent与垂直场景应用 [5] 新消费赛道投融资总结 - 智能运动眼镜品牌光粒科技完成近亿元Pre-B轮融资 [7] - 思坦科技完成B3轮融资，B轮累计融资金额超2亿元人民币 [8] - 低空经济公司汇天完成近2亿美元新一轮股权融资 [9] - 地瓜机器人完成1.2亿美元B1轮融资，A轮与B轮融资总额达2.2亿美元 [10] 硬科技赛道投融资总结 - 朗矽科技完成近八千万元Pre-A轮融资 [11] - 蓝芯算力连续完成A轮、A+轮及A++轮融资，总金额达数亿元人民币 [4][12] - 立妙达完成超亿元人民币A+轮融资 [13] - 利普思完成亿元PreB+轮融资 [14] - 锐思智芯完成数亿元人民币B+轮融资 [4][15] - 逻辑比特科技连续完成Pre-A+和Pre-A++两轮数亿元融资 [16] - 微崇半导体完成数千万元战略融资 [17] - 擎天租完成天使轮及天使+轮两轮亿元级融资 [18] - 格见半导体完成新一轮融资 [19] - 灵巧手企业曦诺未来完成数亿元Pre-A轮融资 [20] 大健康赛道投融资总结 - 天鹜科技完成超2亿元A+轮融资 [22] - 纽邦生物完成超亿元C轮融资 [23] - 佰特微医疗完成近亿元人民币B轮融资 [4][24] - 神络医疗完成数亿元人民币C轮融资 [25] - 普译生物完成1.5亿元人民币B轮融资 [26] - 沃比医疗完成重大股权融资与债务重组 [4][27] - 天宜康医药完成逾亿元种子轮融资 [28] - 聚茵生物完成天使轮融资 [29] - 炫景生物完成超2亿元Pre-A轮融资 [30] - 先衍生物完成1.5亿元A轮融资 [31] 互联网/企业服务赛道投融资总结 - 盘拓科技完成近亿元融资 [33] - 达瓦科技完成近亿元新一轮融资 [34] - 体感科技品牌AeroBand完成近亿元A轮融资 [35] - 数宗科技完成百万级种子+轮融资 [36] - AI视频生成企业Video Rebirth完成8000万美元融资 [37] - AI虚拟角色交互团队CODE27完成超千万美元天使轮及天使+轮融资 [5][38] - AI Agent平台Floatboat完成200万美元种子轮融资 [39] - 物理AI公司章鱼动力SynapX完成近5000万美元首轮融资 [40]

腾讯微信集成AI智能体 - 腾讯将开源AI智能体OpenClaw集成至微信平台 此举被视为公司深化AI智能体领域布局的关键举措[1][2] - 集成后 ClawBoy软件将作为联系人出现在微信中 用户可通过消息界面发送和接收指令与OpenClaw交互[2] - 微信是中国最受欢迎的应用程序 拥有超过10亿月活跃用户[2] OpenClaw智能体特性与市场热度 - OpenClaw是一个开源智能体 可通过API连接任何大型语言模型 并代表用户执行多种任务[3] - 该工具近期人气飙升 促使科技公司探索相关商业机会[3] - OpenClaw完全通过API操作 调用端点 执行结构化格式的指令 并在不同领域排序动作 这一特性改变了企业软件的定义和目标用户[9][10] 行业竞争与产品动态 - 腾讯近期推出了自己的AI智能体套件 分别为消费者 开发者和企业提供独立产品[3] - 另一中国科技公司阿里巴巴上周推出了专注于企业的AI平台“悟空” 该平台可在单一界面内协调多个智能体处理复杂任务[8] - AI智能体技术已成为中国科技公司竞争的关键战场[2] 企业AI智能体采纳趋势 - 过去一年 首席产品官对智能体AI的兴趣激增[10] - 2024年8月 超过半数受访公司表示仅“考虑”或“探索”智能体AI 比例为52% 到11月 该比例骤降至30%[10] - 到11月 近四分之一的首席产品官报告他们正在试点或在生产流程中全面使用智能体AI 较8月的3%大幅上升[11]

软件工程与开发范式变革 - 个人编程工作流发生剧变，从2023年12月起，编程工作分配从80%自己写代码、20%委托给Agent，转变为20%自己写、80%委托给Agent，甚至更极端[5][6] - 软件工程默认工作流与几个月前已完全不同，工程师从写单行代码转变为向多个Agent分发互不冲突的大任务，并进行审核、整合和调度[6][9] - 软件行业正按“Agent First”重构，未来许多产品将不再提供给人直接点击的UI，而是暴露足够好的API，由Agent进行编排[20][21] - 软件的第一客户可能不再是人类，而是代表人类行动的Agent[22] Agent与“龙虾”的演进 - 出现了比普通Agent更持久的“龙虾”，它并非单次对话即结束，可在后台长期运行，拥有自己的沙盒、记忆和持续性，能处理需要人类持续关注的任务[11][12] - 成功的Agent需具备三个关键要素：良好的人格感（使其像队友）、有效的记忆系统、以及将所有自动化入口统一到单一通道（如WhatsApp）[13][14][15] - Agent的应用正从代码编写扩展到智能家居等领域，例如名为“Dobby”的管家“龙虾”可整合控制家庭局域网内的多个系统，并通过自然语言交互[17][18] - 未来许多软件可能不再以独立App的形式存在，而是被Agent通过调用底层API的方式折叠掉[19] 自动化研究（AutoResearch）与能力扩展 - AutoResearch的核心目标是将研究者从循环中移除，通过设定目标、指标和边界，让Agent自动进行实验、训练和优化，以提升系统的token吞吐量[25][26] - 在已由熟练研究者手动优化的小模型上，AutoResearch仍能找到被忽略的调参组合（如weight decay、Adam betas），带来性能提升，这预示了该范式在更大规模研究中的潜力[29][30] - 研究本身的可组织方式（如program.md文件）也成为优化对象，研究对象从模型扩展到研究流程和组织结构[32][33][34] - 可考虑构建“不可信外部工作池”与“可信验证池”协作的系统，利用大量分散的不可信算力进行搜索，由可信系统进行廉价验证，这种结构可能在某些任务上超越前沿实验室[52][53][55] AI能力现状与未来趋势 - AI能力进步存在“锯齿状”不均衡，在可验证、能打分、能被强化学习优化的任务上进步飞快，但在涉及细微意图、语气等任务上表现不稳定[39][43][45] - 应预期智能出现更多“物种分化”，未来可能出现保有通用认知核心、但在特定任务上高度专门化的模型，而非追求单一模型在所有任务上都顶尖[47][49] - 闭源模型目前仍领先，但开源模型正在快速收敛，差距从约18个月缩短至约6到8个月，开源模型已能很好覆盖大量消费级和基础应用场景[67][68][70] - 数字空间（处理比特）的变革将远快于物理世界（处理原子），主要处理数字信息的职业将首先被重写[58][74][75] 行业影响与未来机会 - 软件工程需求可能因杰文斯悖论而增长，即软件生产成本下降将释放更多需求，数字空间的大量重写和重新布线可能创造更多机会[61][62] - 未来可能出现服务于Agent的“信息市场”，Agent可为获取现实世界的新数据（如照片、实验结果）而出价，从而将经济活动从数字空间延伸至物理世界[77][78][79] - 机器人及物理空间自动化变革将滞后于数字空间，但市场潜力巨大，未来重要的公司可能出现在连接数字智能与物理世界的接口层[73][76] 1. 个人能力上限被极大抬高，瓶颈从个人打字编码速度转变为如何有效串联和调度Agent能力[4][7] - 随着工具成熟，个人能启动的项目范围大幅扩大，“一人独角兽公司”的出现成为必然预期[103][104][105] 教育模式转变 - 教育接口正在变化，教学者未来可能不再直接向所有人讲授同一课程，而是将课程路径和关键点编写成“skill”脚本，由Agent进行无限耐心和定制化的解释[90][92][98] - “skill”本质是“如何教Agent去教人”的脚本，教育者的角色将更侧重于补充Agent尚无法做到的部分[94][99]

AI Agent行业趋势与OpenClaw现象 - 开源AI项目OpenClaw在GitHub上星标数超越Linux、React等经典项目，成为最受关注的AI领域新星[5] - OpenClaw的核心突破在于实现了AI从对话到实际执行工作的跨越，成为能完成实际任务的“数字员工”[6] - 其爆发背后是AI Agent技术成熟、大模型能力突破及市场对自动化执行类AI需求井喷共同驱动[7] - 尽管短期面临监管风险与概念股波动，但AI Agent技术商业化的核心趋势未变，国产大模型迎来发展机遇，AI产业新风口成型[8][9] 供需驱动与产业链机遇 - **需求端**：企业对AI Agent需求呈指数级扩张，IDC测算2031年中国企业AI Agent数量将突破3.5亿，年复合增长率超135%[12]。任务执行密度和复杂度提升带动智能体Token消耗年均超30倍指数级增长[12] - **供给端**：大模型持续迭代为AI Agent筑牢技术根基，其能力决定AI Agent发展上限[16]。2026年3月OpenAI推出的GPT-5.4以AI Agent为核心升级方向，首次实现原生“电脑操作”功能，跨软件复杂工作流执行成功率超人类平均水平[17] - **产业链连锁反应**：1) AI Agent成为AI应用落地核心场景，从办公自动化向智能制造、金融、医疗等多领域延伸[19]；2) Token消耗激增拉动算力需求，OpenClaw占据主流平台Token总消耗量九成以上，带动云服务、算力原材料等环节涨价[19]；3) 国产大模型迎来需求红利，在OpenClaw使用量前五的大模型中，国产模型阶跃星辰Step和MiniMax M2.5贡献约50% Token消耗量，技术能力与性价比优势凸显，并加速出海进程[19] 核心投资主线：大模型及应用 - 该领域是AI Agent落地核心载体，直接受益于场景拓展与需求激增，产品落地能力是核心竞争力[22] - **昆仑万维**：在AGI与AIGC领域全产业链布局，其天工超级智能体与OpenClaw技术协同，并打造低门槛开发框架，海外收入占比较高，有望将国产AI Agent产品推向全球市场[23] - **海天瑞声**：作为国内AI训练数据核心供应商，在自然语言处理、多模态数据领域储备丰富，能为AI Agent大模型提供定制化数据服务，随行业对专属场景数据需求指数级增长，公司订单与行业地位或将持续提升[24] - **卓易信息**：聚焦国产操作系统与云桌面研发，其适配鲲鹏、海光等国产化平台的系统与AI Agent本地安全部署的合规需求匹配度高，云桌面解决方案能打通多终端交互链路，契合企业本地化部署趋势[25] 核心投资主线：算力基础设施 - 该领域是AI Agent运行的底层支撑，Token消耗激增与算力架构升级推动行业迎来持续性扩容与改造需求[26] - **华丰科技**：作为算力互连核心部件龙头，在高速连接器、光模块、算力互连交换机等领域技术深厚，能提升算力集群互连效率，缓解AI Agent高并发场景下的调度瓶颈，产品适配云端算力建设与企业本地AI Agent算力配套[27] - **宏景科技**：深耕AI算力场景化落地与智能运维，依托智慧园区、企业数字化经验，为AI Agent“云端大模型+本地执行”的部署模式提供定制化算力解决方案，其智能运维能力能保障算力集群稳定性并降低运营成本[28][29] - **智微智能**：聚焦工业级计算硬件研发，其工业控制终端、边缘计算服务器等产品与AI Agent在智能制造、智慧医疗等线下场景的边缘算力需求高度匹配，适配“云端统筹+边缘执行”的落地逻辑，成为边缘端算力核心支撑[30]

行业人事动态 - 有消息称DeepSeek核心技术人员已正式加盟百度模型研发部，但并非传闻中的知名专家郭达雅，具体人员身份未披露 [3][4] - 百度内部进行人事调整，原百度APP研发中心负责人赵世奇离职，由原基础模型研发部大模型算法部负责人何径舟接任，此次调动属于内部轮岗 [4] - 腾讯发布内部通知撤销AI Lab，原有人员调整至大语言模型部和产学研合作中心，公司副总裁蒋杰不再担任AI Lab负责人 [6] - 猎豹移动董事长傅盛在朋友圈发文，称360集团创始人周鸿祎曾承诺还款至少一亿让其停止香港官司但未履行，双方恩怨再度公开 [14] 公司运营与劳资状况 - 机器人公司宇树科技被员工发帖爆料，公司对外标榜弹性双休，但内部实行“早九晚九”的长时间工作制，项目期需通宵 [7] - 宇树科技已向上交所提交科创板IPO申请，拟融资金额42.02亿元 [9] - 网易回应“使用AI清退全部外包员工”传闻，称该信息不实，近期人员变动仅为部分项目的正常业务调整与人员汰换 [10] - 一名男子因在网上捏造散布“科大讯飞裁员30%”的不实信息，被公安机关依法处以行政拘留 [12][13] - PC巨头戴尔宣布2026财年员工总数将削减约10%，涉及约11000名员工，相关遣散费用为5.69亿美元（约合人民币39.2亿元） [21] - 戴尔此次裁员是科技行业趋势的缩影，今年以来已有60家科技公司启动裁员，累计影响超过3.8万人，Meta也计划实施比例或超20%的大规模裁员 [22] 技术产品与市场动态 - AI编程工具Cursor发布新模型Composer 2后，被开发者发现其调用的模型ID指向月之暗面的Kimi K2.5，陷入“套壳”质疑 [15] - Cursor联创回应，承认Composer 2基于Kimi K2.5基础模型，并进行了持续预训练和高计算强度的强化学习，未在博客中提及是疏忽 [17] - 月之暗面团队确认与Cursor存在授权商业合作，Cursor通过FireworksAI平台访问Kimi-k2.5 [18] - 日本乐天集团发布的高性能AI模型Rakuten AI 3.0，被技术社区发现核心架构完全基于中国深度求索的开源模型DeepSeek V3，且初期未标注来源，引发舆论风波 [23][24] - 椰树集团发布招标公告，计划采购50台人形机器人用于椰子破壳削皮工序，要求每小时处理超过360个椰子 [18] 大模型与AI产品发布 - 此前在OpenRouter平台引发猜测的匿名模型“Hunter Alpha”和“Healer Alpha”，被证实为小米MiMo-V2系列大模型的早期内测版本 [34][35] - 小米在春季新品发布会上宣布，未来三年在AI领域的投资计划将至少达到600亿元，今年AI研发与资本开支已超过160亿元 [35] - 小米发布三款模型：旗舰文本基座MiMo-V2-Pro、全模态Agent基座MiMo-V2-Omni、语音合成大模型MiMo-V2-TTS [35] - 字节跳动旗下小云雀AI上线全球首个搭载Seedance2.0的短剧Agent功能，支持10万字剧本一键成片 [36] - 飞书发布多款企业级Agent产品，包括智能体平台飞书aily等 [36] - 阿里巴巴发布全球首个企业级AI原生工作平台“悟空”，将内置到钉钉中 [37][38] - MiniMax发布新一代Agent旗舰大模型M2.7，该模型通过构建Agent Harness体系，在部分研发场景中可承担30%-50%的工作量 [39] - 智谱发布专为龙虾（Agent）场景优化的通用大模型GLM-5-Turbo，并同步将其API价格上涨20% [40] AI行业趋势与战略布局 - 市场出现AI大厂高薪招聘文科生的趋势，字节跳动、百度、美团、小红书等公司放出AI训练师、提示词工程师等岗位，对应届生月薪普遍2.5万-3万，资深岗位年薪直逼50万+ [19][20] - 360创始人周鸿祎认为，随着AI发展，文科生将比理科生更吃香，因为需要他们解决技术应用带来的社会问题及管理智能体 [19] - OpenAI计划收购Python工具初创公司Astral，该团队将加入OpenAI的Codex项目，Codex用户已超200万，自年初以来增长了两倍 [26] - 阿里巴巴成立名为Alibaba Token Hub的新事业群，由CEO吴泳铭亲自挂帅，整合其AI研发、消费应用及相关产品，旨在强化AI业务的战略协同与商业化 [28][29] - 因全球AI需求爆发及供应链涨价，百度智能云和阿里云相继上调AI算力、存储等产品价格，涨幅约5%-34% [29][30] - 据供应链人士透露，字节跳动“豆包AI眼镜”一代产品的生产计划已整体延后，原计划大概率不会上市，因产品差异化不强 [31] - 阿里巴巴集团正推进一项内部计划，向员工提供Token额度，鼓励员工在工作中使用付费AI工具 [40] 企业合作与生态 - 自动驾驶软件公司Applied Intuition宣布与英伟达达成合作，旨在加速面向全球汽车制造商的L2+级驾驶辅助系统的开发与部署 [40] - 阿里旗下跨境电商平台速卖通与YouTube达成合作，正式加入YouTube“购物联盟计划”，YouTube将成为其新的分销渠道 [40][41]

Agent工程范式从Context Engineering向Harness Engineering演进 - 行业关注重点正从AI的生成能力转向执行能力，长程任务中的上下文挤压、工具开销和业务语境缺口问题凸显，单一的Context Engineering已难以支撑Agent稳定运行，围绕执行环境、约束机制和反馈回路设计的Harness Engineering受到更多关注[1] - Harness Engineering被视为继Prompt Engineering、Context Engineering之后，Agent工程进一步走向执行框架设计的新信号，其核心判断是决定Agent落地效果的关键已不只是模型能力，更在于系统能否提供清晰边界、自动校验和可复用的纠错流程[5] - 新的工程分工正在形成，模型负责生成与执行，人类则更多负责设定约束、补充反馈并持续优化运行框架[6] Context Engineering的局限性 - 随着AI应用从单轮问答走向多步执行与长链路任务，单靠提示词（Prompt Engineering）已难以覆盖真实任务中的上下文缺失、信息噪声与工具协同问题[7] - Context Engineering的核心是系统化设计推理所需的信息供给，包括检索、记忆、工具反馈与上下文组织，以减少执行偏移和结果失真，曾被Andrej Karpathy认为是工业级LLM应用的关键[8] - 但在更长链路、更高复杂度的真实任务中，Context Engineering的局限性集中暴露，包括受限于上下文注意力预算、工具接入和协议开销挤压有效认知空间，以及难以自动补齐关键的业务定义和组织隐性知识[8] Harness Engineering的价值与成效 - Harness Engineering的价值不依赖于更换底层模型，可直接体现在系统层优化上，例如LangChain团队在固定模型不变的前提下实现了Agent表现的明显提升[6] - 具体案例显示，LangChain的Deep Agents团队在2025年2月保持模型为GPT-5.2-Codex不变，仅通过调整harness，就将coding agent在Terminal Bench 2.0上的得分从52.8%提升至66.5%，排名从Top 30附近跃升至Top 5[6] - 其改进方法是借助trace在大规模运行中识别失败模式，再针对性回写到harness中，这意味着Harness Engineering将“调试模型”转化为“调整系统”，通过可观测性与闭环迭代持续放大模型已有能力[7] - 行业观点认为，当Agent反复犯同类错误时，关键在于让系统更快暴露错误、定位错误并推动修正，这正是Harness Engineering的实践范畴[5]