报告核心观点 - 全球AI发展呈现模型端新架构探索、算力端需求上行与硬件设计进入新范式、应用端商业模式变革的趋势，持续看好AI产业投资主线，全球AI应用将进入业绩收获期 [1] 模型：预训练Scaling Law有望开启新起点 - 大模型技术路线从预训练到后训练发展，2018 - 2024年9月为预训练阶段，2024年9月后进入后训练阶段 [13][15] - 腾讯混元Turbo - S通过创新架构实现性能与效率平衡，Google Gemini Diffusion在文本生成上有突破，大厂在预训练参数量和数据量扩大上有尝试，大规模算力集群支持预训练探索，模型架构改进或使预训练Scaling Law开启新起点 [23][24][25] 算力：训练推理两条主线共同推动算力需求持续上行 训练端 - 后训练阶段Scaling Law成大厂共识，新Scaling路径不断涌现，新架构探索有望重启预训练阶段算力需求叙事 [33][34] - 以“星际之门”为代表的大规模算力集群进展顺利，中东版“星际之门”落地，主权AI逐步落地，台积电新产能规划预示算力需求乐观 [38][41][42] 推理端 - Agent需求增长或使推理算力提升几十至上百倍，大量工具调用和信息交互使tokens消耗量大幅提升，产品用户数量增长带动算力需求提升 [43][46][52] 算力硬件新范式 - 大模型对系统综合能力要求提高，NVLink Fusion强化英伟达硬件生态优势，国产算力加速迭代，华为云推出新服务器，高密度机架方案为性能追赶提供路径 [57][58][60] 应用：Agent进展提速，看好AI应用进入业绩收获期 Agent发展情况 - Agent可能是AI应用终极形态，目前雏形初具，但完成复杂长期任务能力有限，“任务长度”是关键衡量指标且提升速度快 [68][73][74] - MCP统一了Agent工具调用生态，促进其快速构建和发展 [79] 海外AI应用 - AI Coding是重要垂类赛道，细分垂类商业化效果好，25Q1业绩大部分超预期，头部2B软件AI产品存量客户渗透率接近10%，全年收入有望加速增长 [82][84][85] 国内AI应用 - 加速从简单环节到复杂环节产品升级，25Q1利润指标率先改善，AI商业化24年初步验证，25年有望加速复制推广，MCP有望加速产业节奏 [88][90][94] 落地节奏展望：商业模式变革有望成为共识，看好细分领域率先放量 商业模式变革 - Agent应用从交付工具转变为交付结果，按效果付费新范式有望成行业共识 [99] 细分场景放量 - 数据复杂度低、幻觉容忍度高的场景率先实现规模化商业落地，2C场景商业化进展领先，2B应用分场景和行业来看，数据复杂度和预算影响落地节奏 [103][104][110] AI + 营销/销售 - 数据丰富、可量化ROI和流程标准化驱动AI快速商业化，企业需求从单一工具向全链路智能中枢升级，市场格局分散，AI有望重塑格局 [113][114][119] 重点公司推荐 - 推荐金山办公、福昕软件、泛微网络等多家公司，均给予“买入”评级 [7]

注意力机制与人类信息处理 - Transformer架构首次赋予机器注意力机制 推动AI技术飞跃 并促使人类重新审视自身信息感知方式 [1] - 人类感知-处理-行动系统存在巨大鸿沟：视网膜每秒接收10^9比特信息 大脑处理仅10^6比特 输出带宽仅10^1比特 [6][7] - 注意力机制作为主动过滤器 帮助人类在信息洪流中聚焦关键信号 但当前普遍面临机制崩溃导致独立判断能力丧失 [8][10] 社会分化与注意力失控 - 注意力失控导致世界分化加剧 体现为地缘政治冲突 贫富差距扩大及微观人际关系割裂 [1][3] - "拉尔森效应"普遍存在：信息输入输出端口过近导致信号循环啸叫 引发赛道投资极端化（过热或过冷） [12][13][14] - 创始人案例显示 专注冷门领域7年最终获得全球仅4张的国家牌照 验证注意力博弈价值 [19][20] AI与人类能力对比 - AI通过注意力机制实现能力飞跃 未来将具备全频谱感知能力（包括X光 伽马射线等人类不可感知频段） [34][35] - 人类局限性体现为：感知频谱仅占已知电磁波频谱1/10^9 依赖核磁共振等工具间接获取信息 [33] - 未来AI系统将是"传感器+Agent+具身智能"三位一体 需以AI为中心重构工作流而非简单赋能人类 [35][37][38] 人类在AI时代的核心价值 - 创造需求成为关键价值 需明确自身要解决的问题 而非依赖市场反馈贴标签 [40][42] - 审美作为超越多模态的处理结果 是人类独有的核心能力 能预判技术路径或感知潜在风险 [41][42][43] - 心力取代智力成为核心竞争力 优秀创始人特质体现为逆境坚持与克制 [44] 创业与投资启示 - 冷门领域存在未被充分估值的机会 需通过专注发现根本性变化（如2023年具身智能案例） [15][16][17] - 传感器技术将迎来爆发 创业者应探索人类未利用的数据频段（如α波 伽马射线） [34][35] - 区块链或成为Agent互联网的基础设施 当前多数项目仍错误围绕人类需求设计 [35][36]

大模型升级与行业竞争 - DeepSeek 5月29日上线升级版R1模型 腾讯元宝 搜狗输入法 QQ浏览器等产品在不到一天内接入该模型 显示腾讯对DeepSeek的高度重视 [1] - 字节跳动旗下火山引擎在腾讯官宣1小时后也宣布接入DeepSeek R1-0528 同时推出新客户5折活动 [2] - 升级版R1模型在数学 编程与通用逻辑等基准测评中取得国内领先成绩 整体表现接近GPT-o3与Gemini-2.5-Pro等国际顶尖模型 [2] - 用户对下一代大模型R2期待强烈 海外社交媒体上"我们想要R2模型"成为热门话题 [2] 智能体平台布局 - 腾讯云将大模型知识库升级为智能体开发平台 与字节跳动Coze平台目标一致 均旨在帮助企业落地原生AI智能体系统 [3] - 腾讯即将上线AI高考通智能体 QQ浏览器已推出基于腾讯混元和DeepSeek双模型驱动的Qbot智能体 [4] - 字节跳动早在去年就上线AI应用开发平台Coze 帮助B端企业搭建AI应用 [4] - 腾讯2025年一季度资本开支达274.8亿元 同比增长91% 主要用于AI算力基础设施和原生AI产品研发 [9] 知识库建设进展 - 腾讯发布面向B端的"腾讯乐享企业AI知识库" 科沃斯利用该知识库实现全国门店人效两位数提升 年运营成本节省数百万元 [5] - 字节跳动飞书上线"飞书知识问答" 集成DeepSeek R1满血版大模型 可调用企业文档 消息 文件等信息生成精准答案 [7] - 企业微信5天后升级"智能机器人" 新功能对标飞书知识问答 支持添加在线文档 微盘文件夹等知识集 [7] 汽车行业AI应用 - 火山引擎与一汽红旗 北汽 广汽等25家厂商成立汽车大模型生态联盟 腾讯智慧出行服务客户超过100家包括比亚迪 长安汽车等 [12] - 长安马自达EZ-60成为首款搭载豆包大模型车型 可语音调用车上超过1700项功能 [13] - 元戎启行 宝马 东风汽车等原腾讯云汽车客户转向与火山引擎合作 推进从AI营销到人车交互等层面合作 [3][13] 行业战略布局 - 腾讯提出AI落地四个加速：大模型创新 智能体应用 知识库建设 基础设施升级 [4] - 字节跳动认为AI发展必须走Agent路线 分为垂直Agent如Data Agent和通用Agent如OS Agent解决方案 [10] - 腾讯侧重智慧医疗 智慧教育 协同办公 能源制造 字节侧重金融 汽车 协同办公和医疗健康 双方在医疗 制造和协同办公领域直接竞争 [11]

AI行业人才需求与转型趋势 - 传统技术岗位面临降薪淘汰压力，而AI大模型人才招聘薪资高达60K*16薪，行业人才结构正在重构[1] - 80%公司已将AI工具应用列为员工必备技能，Cursor等编程工具普及加速工作提效[1] - 大厂招聘标准转向AI大模型实战经验（非单纯API使用），缺乏相关经验者面试通过率大幅降低[1] AI大模型技术培训核心价值 - 课程提供大模型原理、应用技术到项目实战的全链路学习，覆盖Transformer架构、RAG、Agent等核心技术[2][4][11] - 通过金融行业"支小助"、知乎直答等真实案例拆解，学员可复现项目并写入简历[8][12] - 2天直播包含业务场景解析、技术架构剖析及大佬答疑，完课赠送大模型案例集和商业白皮书[2][3][15] 职业发展支持体系 - 提供大厂内推机会，简历直达面试官，已有学员实现高薪职业跃迁[6][14] - 行业大佬深度解析招聘风向，包括岗位薪资（如60K*16薪）、技术迭代路径等[1][6] - 垂直领域经验（如医保风控系统改造、电商智能客服优化）可显著提升岗位竞争力[4] 技术应用场景落地 - RAG技术适用于需频繁更新知识的场景（如智能客服），无需重新训练大模型[16] - Function Call通过集成外部工具增强大模型复杂任务处理能力[16] - 个人开发者可完成AI原生应用全栈开发，Transformer架构在行业解决方案中具普适性[11][12] 课程市场反馈 - 已开班58期，服务20000+学员，学习效果获广泛认可[14] - 本期限100个免费名额，24小时后关闭报名通道[3][15]

研究方法论 - 通过卫星图像分析停车场流量等非常规手段可获取交叉验证信息 本质是信息论中的"等价信息"概念 [1] - 招聘数据作为公开信息源可反推业务战略 腾讯招聘官网提供事业群/岗位类型/城市等多维度筛选 [4][5] - 使用AI Agent工具批量获取170个岗位的细颗粒度数据 包括职责/要求等关键字段 [8][9] 微信整体招聘概况 - 微信事业群(WXG)社招岗位总数170个 横向对比CSIG(592个)/IEG(1071个)反映业务阶段差异 [6][16] - 企业微信/微信小店/微信搜索为招聘量前三业务线 企业微信岗位覆盖算法/产品/商务等全链条 [18][57] - 地域分布集中广州(总部) 北京(AI人才)/成都(成本优势)/深圳(总部)为辅 海外岗位聚焦支付业务 [22][136] AI战略布局 - 50个岗位直接关联AI 30个涉及大数据/推荐等泛AI领域 覆盖视频号/小店/搜索等全部业务线 [30][31] - 基础大模型训练深入底层 要求CUDA优化/算子编写等能力 显示自主训练意图 [34][38][39] - 同时布局端侧小模型部署 搜索/企业微信岗位明确提及Agent平台开发 [42][46][109] 重点业务分析 企业微信 - 招聘量居首且全链路覆盖 重点行业为零售/医疗/教育 商务岗要求"卫健委/医院场景挖掘" [55][64][65] - AI岗位细分LLM/RAG/AI搜索方向 反映对抗钉钉/飞书的AI军备竞赛意图 [58][63] 微信小店 - 31个岗位中19个为非技术岗 聚焦商品基建/物流/第三方生态等体系化设计 [72][80] - 业务爬虫项目/价格数据管理等岗位显示电商中台建设进入深水区 [89][94] 微信搜索 - 27个纯技术岗聚焦LLM/多模态/Agent 表情搜索优化等边缘需求反映全民产品特性 [100][105][107] - 搜索Agent岗位职责含"探索"字样 显示技术路线尚未定型 [115] 视频号 - 15个岗位中8个为推荐算法 探索LLM4Rec/生成式推荐等前沿方向 [118][120] - 多层级审核体系("外包/自有/子公司")反映内容治理复杂度 [123] 组织人才策略 - 岗位描述强调"元能力"和探索精神 如"新技术框架研究"/"下一代引擎方向"等 [145] - 要求"创业精神"/"想象力"等抽象素质 体现非执行导向的文化定位 [146][147]

Agent行业发展趋势 - 未来十年被视为Agent发展的关键时期，行业普遍认同Agent将成为重要技术方向[1][3] - Token成本下降和MCP资源丰富推动Agent产品从Demo走向B/C端应用[4][5] - 企业需求旺盛，部分Agent产品内测阶段即出现邀请码炒作和私有化部署咨询[6] Agent产品评估框架 - 核心评估公式：产品价值=能力×信任×频率，三项均为3分制，总分8分以上为优质Agent[7][8] - 能力维度关注任务完成度和交付稳定性[9] - 信任维度强调过程可控性和行为可解释性[9] - 频率维度考察场景适配性和调用便捷性[9] - 行业投资人普遍认同该框架，红杉资本提出"Always-On Economy"概念，a16z强调需求承接能力[11] 典型Agent产品分析 Manus - 首创完整动作链范式，但存在成功率低(20%以下)、入口重、上下文易断等问题[27][28] - 能力1分、信任2分、频率1分，总分4分低于基准线[28] - 行业意义在于确立Agent≠Chatbot的新范式[30][32] 扣子空间 - 首个实现MCP调用+任务编排+结果交付完整链路的系统[36] - 能力3分、信任2分、频率2分，总分7分接近基准线[38][40] - 优势在于豆包模型+火山MCP+完整架构的生态协同[42][43] Lovart - 设计领域垂类Agent，实现从需求到成稿的端到端交付[45][50] - 能力3分、信任3分、频率2分，总分18分达到优秀水平[54][58] - 商业化采用积分制，单任务成本约3美元[204][211] Flowith Neo - 特色在于并发任务处理和上下文管理技术[66] - 能力3分、信任3分、频率1分，总分9分[71][73] - 交互复杂度限制其日常使用频率[68][70] Skywork - 办公场景最强Agent，实现从分析到PPT的完整工作流[77][83] - 能力3分、信任3分、频率2分，总分18分[101][105] - 关键价值在于结果可直接交付且带溯源功能[99][100] 超级麦吉 - 专注OA流程自动化，实现审批、报销等企业高频需求[104][112] - 能力3分、信任2分、频率3分，总分18分[128][138] - 体现Agent在B端流程提效中的独特价值[126][137] 行业竞争格局 - 当前阶段垂类Agent更具留存优势，因其场景深度和交付确定性[139][140] - 通用模型存在执行链断裂风险，KnowHow构成垂类Agent短期壁垒[146][147] - 商业化面临信任挑战，用户对付费产品的容错率显著降低[220][225] - 入口争夺成为关键竞争维度，缺乏流量支撑的产品易被大厂复制[235][240] - 行业呈现"通才处理长尾需求，专才攻克核心场景"的共生格局[171][175]

报告行业投资评级 - 增持（维持） [7] 报告的核心观点 - 英伟达 FY26Q1 业绩超预期和 Coreweave 股价快速上涨，表明推理端对高性能计算需求快速释放，AI 算力景气度持续验证 [1] - 云大厂能力全面升级，加速 AI 应用落地 [2] - 算力是 Agent 爆发的前提，支撑中长期成长，从模型训练到服务推理，从应对高并发访问到保障服务稳定性，算力已成为支撑 Agent 发展的关键基础设施和核心瓶颈 [3] 根据相关目录分别进行总结 英伟达 FY26Q1 业绩超预期，验证 AI 算力长期景气度 - 2026 财年第一季度英伟达实现收入 441 亿美元，较上一季度增长 12%，较去年同期增长 69%，数据中心同比+73%，Blackwell 芯片贡献数据中心收入的 70% [1][12] - AI 推理的 token 生成量在短短一年内激增十倍，随着 AI 智能体成为主流，业界对 AI 算力的需求将加速增长 [13] - 游戏和 AI PC 第一季度收入达 38 亿美元，较上一季度增长 48%，较去年同期增长 42%；专业视觉收入为 5.09 亿美元，与上一季度持平，较去年同期增长 19%；汽车和机器人业务第一季度收入为 5.67 亿美元，较上一季度下降 1%，较去年同期增长 72% [14][15] - 英伟达对 2026 财年第二季度收入预计达 450 亿美元，上下浮动 2%；GAAP 和非 GAAP 毛利率预计分别为 71.8%和 72.0%，上下浮动 50 个基准点；GAAP 和非 GAAP 运营费用预计分别约为 57 亿美元和 40 亿美元 [17] - AI 基础设施服务商 CoreWeave 自上市以来持续上涨，英伟达持股占比 3.86%，它有 32 个数据中心，超 25 万个 NVIDIA GPU，获超 260MW 电力支持 [1][18] 云大厂能力全面升级，加速 AI 应用落地 - 字节：5 月 13 日火山引擎发布豆包·视频生成模型 Seedance 1.0 lite、豆包 1.5·视觉深度思考模型，升级豆包·音乐模型；Data Agent 正式亮相、Trae 接入豆包深度思考模型并升级；6 月 11 - 12 日将召开 2025 FORCE 原动力大会春季会议 [21] - 阿里云：4 月 9 日召开 AI 势能大会，算力上第九代 ECS 开启商业化，算力最高提升 20%、价格降 5%；存储上文件存储 CPFS 面向 AI 智算能力升级；运维上跨域网络 SLA 提升至 99.995%，网络智能服务 NIS 推出；管控上“灵骏”可主动发现故障并“自愈”；推理上人工智能平台 PAI 面向 MoE 架构及推理模型全面升级；上线业界首个全生命周期 MCP 服务，预告 AI Agent Store 愿景；启动“繁花计划” [2][27][35] - 华为云：4 月 10 日召开华为云生态大会 2025，推出 CloudMatrix 384 超节点；推动盘古大模型在行业场景落地；开发者规模超 1200 万 [2][36][38] 算力是 Agent 爆发的前提，支撑中长期成长 - Agent 需要处理长上下文和接入外部数据，增加了上下文长度和处理复杂度，加剧算力消耗 [40][42] - Agent 执行任务验证带来算力开销，如 Manus AI 的三重校验体系需额外计算资源 [43] - 多模态发展使 Agent 需处理整合多种类型数据，带来更大算力需求 [44] - 算力瓶颈影响 Agent 服务的用户体验，服务提供商需预留冗余算力应对用户流量波动 [45][46] - 算力需求不仅体现在用户端推理服务，也体现在模型训练阶段，如阿里 Qwen3 系列模型训练需海量算力 [47] 建议关注 - 算力：寒武纪、海光信息等 [4][50] - Agent：金山办公、泛微网络等 [4][50] - 垃圾发电：旺能环境、盈峰环境等 [4][50] - 互联网大厂 AI 链：寒武纪、恒玄科技等 [5][51] - 军工 AI：能科科技、品高股份等 [5][51]

Agent技术发展 - 2025年OpenAI、Cursor、Manus等公司通过强化学习微调(RFT)和环境理解实现技术突破，编程类Agent向通用型进化[7] - 垂类产品如Vantel、Gamma展现潜力，例如Gamma实现AI辅助PPT制作，用户提供框架即可自动生成内容并排版[7] - 技术进步使Agent性能提升30%以上，应用场景从办公扩展到电力、金融等8大行业[6][7] 市场投融资动态 - 2024年全球AI Agent赛道融资金额突破665亿元人民币，中国AI行业一级市场融资达1052.51亿元[5] - 头部项目融资案例：Cursor母公司Anysphere获9亿美元融资(估值90亿美元)，Manus获Benchmark领投7500万美元[10] - 2025年资金集中流向硬科技赛道，人民币投资事件占比超60%，早期项目获投数量同比增长45%[10] 商业化应用进展 - 办公类Agent如Sweet Spot实现政府资助申请自动化，企业知识检索工具Glean的ARR两年内翻倍[7][8] - 电商领域DayDream链接2000+品牌，通过自然语言检索提供个性化产品推荐[8] - TOB场景商业化快于TOC，金融/医疗领域工作流重构效率提升50%以上[15][18] 行业趋势与政策 - 国家政策推动AI推理成本指数级下降，2025年企业AI采用率同比增长70%[6][9] - DeepSeek开源模型优化中文语义理解，在金融/医疗领域实现工作流重构[15] - 行业从单一模型转向多模型组合，定制化解决方案需求增长200%[9] 技术定义与特性 - Agent具备自主性(独立决策)、社会能力(多Agent协作)、反应性(环境感知)和主动性(目标驱动)四大特征[12] - 核心技术包含机器学习(预测准确率提升40%)、NLP(交互成功率85%)和强化学习(行为策略优化)[13] - 应用场景覆盖智能家居(控制响应时间<0.5秒)、自动驾驶(决策准确率99.9%)等12个领域[13] 超级APP潜力 - 需突破软件互联(授权通过率<30%)和支付流程(成功率92%)两大TOC商业化瓶颈[18] - 未来可能整合现有工具类APP，但需明确解决具体问题如行程规划全流程自动化[19] - Sam Altman提出GPT发展五阶段理论，AGI演进路径将推动Operator级Agent诞生[17]

AI六小龙现状分析 核心观点 - AI六小龙（智谱AI、MiniMax、月之暗面、阶跃星辰、百川智能、零一万物）已缩减为"AI四小强"，零一万物和百川智能因技术团队动荡和战略调整掉队 [1][4][7] - 剩余四家公司面临商业化困境、技术迭代放缓及大厂竞争压力，融资活动几乎停滞 [5][7][10] - 开源模型DeepSeek的崛起冲击了六小龙的闭源技术路线，OpenAI的估值增长（3000亿美元）凸显行业差距 [12][14] 行业格局变化 - **六小龙分化**：零一万物转向应用层并放弃AGI研发，百川智能专注医疗垂类但基础模型停更 [1][4] - **技术迭代放缓**：智谱AI最新模型为GLM-4-32B-0414（2025年1月），月之暗面Kimi1.5热度被DeepSeek R1压制，阶跃星辰1月更新6款模型后无动作 [5] - **商业化对比**：OpenAI付费用户达100万，2025年预计收入127亿美元（同比+200%），六小龙未公开营收数据 [9] 竞争压力 - **大厂入局**：字节、阿里、腾讯投入百亿资金扶持AI应用，美团、小红书自建大模型团队，六小龙先发优势丧失 [10][11] - **人才流失**：零一万物高管曹大鹏、戴宗宏、谷雪梅离职，百川智能联创陈炜鹏、焦可出走，智谱AI视频模型负责人加入字节 [4][16][17] - **技术路线争议**：开源模型（如DeepSeek）成为主流，杨植麟曾称"开源落后于闭源"的观点被现实挑战 [12][14] 未来挑战 - **融资困境**：2024年下半年起除智谱AI外几乎无新融资，行业转向具身智能和Agent领域 [7][20] - **历史教训**：AI 1.0时代的四小龙（商汤、旷视、云从、依图）因商业化失败和大模型冲击裁员，四小强或重蹈覆辙 [7][23] - **市场预判**：李开复称中国市场最终可能仅剩DeepSeek、阿里、字节三家大模型提供商 [23]

Agent技术进展 - 2025年Agent技术取得显著突破，OpenAI、Cursor、Manus等公司通过强化学习微调(RFT)和环境理解实现技术突破，编程类Agent向通用型进化[1][5] - 垂类产品如Vantel、Gamma展现出巨大潜力，例如Gamma能自动生成PPT内容并排版，Sweet Spot帮助SMB、NPO申请政府资助[5] - 技术进步提升了Agent性能和效率，拓展了应用场景[1][5] 市场与商业化 - 2025年被视为Agent AI商业化元年，应用场景从办公类扩展到垂直类和更广泛行业应用[1][6] - 未来式智能等企业已在电力、金融、泛互联网、制造业实现常态化应用[1][6] - Glean优化企业数据检索ARR翻倍增长，DayDream链接2000+品牌提供产品推荐[6] 投融资情况 - 2024年全球AI Agent赛道融资金额突破665亿元人民币，中国AI行业融资1052.51亿元[2] - 2025年头部企业获巨额融资：OpenAI以30亿美元收购Windsurf，Cursor母公司Anysphere获9亿美元融资[8] - 投资机构重点关注技术框架落地和市场反馈，垂直场景落地能力与商业化前景是核心决策逻辑[2][7] 行业趋势与政策 - 2025年受益于大模型技术红利和国家政策支持，AI Agent迎来历史性发展机遇[3] - AI推理成本指数级下降，可靠性取得重大突破，企业步入AI时代[3] - 国家政策支持、技术进步和市场需求共同推动AI相关产业蓬勃发展[7] Agent定义与应用 - Agent是能自主感知环境并做出决策的软件系统，具有自主性、社会能力、反应性和主动性[9] - 应用领域包括智能助手(Siri、Alexa)、自动化办公、在线客服、智能家居、自动驾驶等[10] - 实现技术包括机器学习、自然语言处理(NLP)、强化学习和多Agent系统[10] 未来发展 - Agent将更智能化，能处理更复杂任务，提供个性化服务[11] - 与物联网、大数据等技术深度融合，形成更强大系统[11] - 安全性和隐私保护将成为重要议题[11] 超级APP潜力 - TOC商业化面临软件联通和用户体验挑战，TOB商业化先行一步[17] - 下一个Super APP可能出现在Agent赛道，整合现有工具属性强的软件[18] - 需要解决从Chat到Act的突破，实现跨软件调用和任务执行[17]