报告行业投资评级 - 计算机行业评级为增持（维持），计算机应用行业评级为增持（维持）[7] 报告的核心观点 - DeepSeek于5月28日更新R1 - 0528模型，性能提升15% - 26%，接近OpenAI的o3模型，与Google Gemini 2.5 Pro各有高低，且开始支持工具调用，有望在Agent领域探索并打破依赖海外模型现状，推荐标的聚焦Agent和MCP方向[1] 根据相关目录分别进行总结 模型更新情况 - R1 - 0528与旧版R1相比，在数学和代码等领域性能提升15% - 26%，与海外模型相比，各项性能接近o3，与Google Gemini 2.5 Pro各有高低，且幻觉率降低45 - 50% [1][3] - R1 - 0528基座模型是去年12月发布的DeepSeek - V3，与R1旧版本一致，靠后训练Scaling Law提效，投入更多算力提升思维深度与推理能力，用户端模型思考长度变长[2] 模型亮点 - R1 - 0528支持工具调用，在Tau - Bench测评集上与OpenAI o1 - high相当，有望被Agent开发者用于复杂Agent流程编排；蒸馏的Qwen3 - 8B数学性能提高，利好端侧模型进步和部署[4] 推荐标的 - 看好R1 - 0528带来的Agent潜在推动和MCP广泛普及，推荐金山办公、福昕软件、网宿科技、鼎捷数智；其他产业链公司中，MCP工具类有合合信息，Agent客户端类有三六零、卓易信息，2B Agent开发类有汉得信息[5] 重点推荐公司情况 - 金山办公2025年Q1营收13.01亿元（yoy + 6.22%），归母净利4.03亿元（yoy + 9.75%），扣非净利3.90亿元（yoy + 10.72%），得益于产品卡位与AI功能升级，AI商业化有望提速，维持“买入”评级，略下调收入预测，略上调盈利预测[14] - 福昕软件2024年营收7.11亿元（yoy + 16.44%），归母净利2695.83万元（yoy + 129.64%），扣非净利 - 2.02亿元，双转型战略推进使营收符合预期、归母净利优于预期，上调收入预测，维持“买入”评级[15] - 网宿科技25Q1营收12.35亿元（yoy + 10.26%），归母净利1.92亿元（yoy + 38.54%），扣非净利1.50亿元（yoy + 52.60%），营收提速因CDN及边缘计算业务需求放量，净利率提升因公司人效提升、期间费率下降，维持“买入”评级，维持收入预测，上调盈利预测[16] - 鼎捷数智2024年营收23.31亿元（yoy + 4.62%），归母净利1.56亿元（yoy + 3.59%），扣非净利1.38亿元（yoy + 13.18%），业绩低于预期受部分下游客户需求延后影响，看好25年业务提速，维持“买入”评级，下调收入预测，上调盈利预测[17][18]

大模型竞争格局 - DeepSeek-R1模型上线彻底改变国内大模型竞争格局，开源、低成本特性迫使"大模型六小虎"调整策略甚至放弃基础模型研发[5] - 基础大模型已如水电般普及，未来领域将只剩少数玩家，应用公司将成为主流[5][11] - 顶级大模型能力差别在3~6个月之间，模型更新速度极快导致技术优势难以持续[15] 创业策略与商业模式 - 创业公司应聚焦场景优先和数据为王，而非迷信通用大模型[4] - 大模型本身缺乏商业模式，初创公司难以长期坚持，除非像OpenAI获得特殊支持[13] - DeepSeek并非典型创业公司，其母公司幻方具备充足资金、数据和算力支持[14] 应用开发趋势 - 用户体验成为最核心指标，应用开发者应更关注用户需求而非底层技术[16] - 开发范式转向以大模型为核心，Agent框架让应用更贴近用户需求[25] - 应用开发思路类似互联网早期，强调快速实现和小步快跑[25][26] 机器人产业发展 - 人形机器人短期内难以产业化，实验室探索可行但落地需聚焦实用场景[5] - 机器人发展分三阶段：基础移动能力(3-5年)、加装手臂(再3-5年)、双足结构(遥遥无期)[34][35] - 机器人产品需跨越从Demo到稳定可复制产品的三大鸿沟，每个阶段可能耗时数年[36] AI技术应用实践 - 全员AI转型成为趋势，组织需调整考核体系和岗位设置以适应新技术[40][42] - AI特种兵模式兴起，非技术人员可通过AI工具快速完成编程等复杂任务[40] - 技术最内核部分往往变成公用基础设施，商业价值体现在应用层面[13] 全球化视野 - 中国科技企业国际声望提升，应用开发能力在全球具备明显优势[8][9] - 创业者应多关注硅谷生态和GitHub创新，结合中国执行力实现软件出海[44][46] - 硬件出海是中国公司的重要机会，需重视合作伙伴关系[47]

行业趋势 - 2025年被业界称为"Agent元年"，各类AI Agent产品快速涌现，但市场尚未形成统一定义[1] - AI Native公司正突破传统框架，探索Agent在商业洞察、创意生成、组织变革等领域的深层价值[1] - 大语言模型使模拟研究从群体行为转向个体层面，催生"生成式社会科学"新兴学科[13][15] 产品创新 - Atypica.ai通过大语言模型模拟真实用户行为，构建典型用户画像(Persona)，解决无标准答案的商业问题[3][4] - 采用多智能体协同工作模式：一个Agent扮演专家采访其他模拟用户，实现高效低成本的大规模用户访谈[6][18] - 独创发散优先模型，允许AI生成非共识观点，适用于需要多元视角的商业问题[5][24] - 工作流程分三步：明确商业问题→生成典型用户画像→多Agent访谈并生成图文报告[17][18] 应用场景 - 解决四大商业问题：市场洞察(如新能源汽车需求分析)、产品共创、产品测试(如巧克力配方选择)、内容规划[19] - 支持跨语言商业分析，如外国企业直接获取中国社交媒体数据并生成本土化报告[20] - 与权威媒体合作整合严谨数据源，平衡社交媒体多元观点与事实准确性[22][23] 技术特点 - 基于大语言模型激发特定个性特征，通过Context控制模拟深度(从简短发帖到长篇访谈)[31] - 采用预设题库+动态提问机制，使问题更贴合用户需求[35] - 保留AI"幻觉"的积极价值，拓宽思维边界，特别适合民意调查等非共识场景[24][27] 组织变革 - AI推动工作方式从专业化分工转向复合型人才，公司架构向更少岗位、更多技能方向发展[40][41] - 开发周期从两周迭代缩短至单日多次迭代，小团队(2-3人)可独立负责端到端项目[43] - 企业需平衡数据安全、私有数据整合、深度分析、结果转化等需求[38] 产品战略 - 避免"老瓶装新酒"模式，主张"新瓶装新酒"(全新AI产品)或"新瓶装旧酒"(AI重构交互)[48][49] - 重点打造账号个性化(Personality)，基于企业数据源进行内容再创造而非简单改编[53] - 开发反对型AI交互，突破大模型过度驯服的问题，增加观点多样性[56][58] 未来展望 - 多智能体交互可暴露人类决策盲区，辅助管理者获得新视角[59][60] - 虚拟Agent可能成为观察人类社会的"镜像"，其形态发展尚难预测但潜力巨大[5][59] - 行业需探索基于AI能力重新设计工作流程，而非简单叠加Copilot功能[52][53]

Agent市场现状与定义 - 2025年被称为"Agent元年"，各类Agent产品快速涌现，但市场尚未形成统一定义[1] - 主流观点将Agent视为传统工具升级版，但其变革潜力可能远超预期[1] - AI Native公司正突破"效率工具"框架，探索Agent在商业洞察、创意生成等领域的深层价值[1] Atypica.ai产品创新 - 采用大语言模型模拟真实用户行为，构建用户画像并驱动决策流程[3][5] - 首创发散优先模型，适合处理商业问题的非共识和艺术性部分[3][26] - 通过多智能体交互揭示人类决策盲区，形成创新研究方法[3][63] - 工作流程包括问题定义、任务分解、社交媒体搜索(Persona生成(5-100个)和访谈总结[18][19] 商业应用场景 - 解决四大类商业问题：市场洞察(如发现MPV需求)、产品共创、产品测试和内容规划[20] - 典型案例包括新能源汽车市场分析、巧克力配方测试和小红书账号定位[20] - 实现跨国调研效率提升(如法语提问直接生成中国社交媒体分析报告)[21] - 正在整合权威媒体数据源，增强定量分析能力[23] 技术实现路径 - 基于Deepseek v3构建上层推理层，专注发散优先模型开发[26][27] - 通过Context激发大模型已有个性特征，而非创造新个性[34] - 采用预设题库+动态调整的提问机制，提升访谈质量[37] - 开发重点从群体模拟转向个体行为研究[13][16] 组织变革影响 - 推动工作方式从专业化分工向复合型技能转变[43][45] - 典型项目团队从10人缩减至2-3人，开发周期从两周缩短至单日多次迭代[47] - 目标让300人公司每位员工发挥"独角兽"潜力，增强端到端责任感[45][47] - 产品开发模式从300人天规划转变为10人天为上限的敏捷模式[47] 行业转型建议 - 避免"老瓶装新酒"式AI改造，应开发真正的新型产品("新瓶装新酒")[53] - 内容行业需注重账号Personality塑造，从简单改编转向个性创作[57][58] - AI陪伴领域需突破模型过度驯服问题，增强个性表达[60][61] - 企业转型应重新设计工作流程而非单纯提升效率[56]

提示词工程师行业变迁 - 2023年提示词工程师职业火爆，国外年薪可达25-33万美元，门槛低且被视为转行AI捷径 [1] - 2023年中期行业存在大量机械化工作，如套壳强化版chatbot开发和竞品调研 [24][25] - 2024年模型能力提升导致提示词优化重要性下降，单纯写prompt的工程师失去竞争力 [2][31] - 2024年9月OpenAI o1 Preview模型发布，内置思维链进一步降低人工提示词工程价值 [34][35] 岗位职责演变 - 早期工作内容：30%时间写提示词，70%时间评估输出 [23] - 中期转型：50%提示词优化，50%工作流设计和调整 [26] - 现阶段核心：业务理解、模型选型、方案设计，提示词优化仅占不到10%工作时间 [37][38] - 新兴要求：需具备产品思维、跨行业技术咨询能力，工作涉及全流程 [27][39] 行业人才结构 - 从业者背景多元，包含计算机、金融、心理学等专业 [21] - 2023年外语专业人才被大量招募从事国际化AI产品开发 [22] - 当前AI产品经理中70%由提示词工程师转型而来 [48] - 行业严重缺人，基层岗位空缺明显，优秀人才遭争抢 [50] 技术发展趋势 - 模型从"难驯野兽"变为"家养宠物"，提示词优化边际效益递减 [32][33] - 多模态趋势导致文本模型参数量占比下降，提示词难度提升 [46] - Agent技术兴起要求更细致的工作流设计和业务理解 [46] - 评估模型输出成为新挑战，需要语言敏感度和主观判断能力 [49] 入行路径变化 - 2023年可通过短期培训快速入行，存在信息红利期 [7][8] - 现阶段需要系统学习深度学习、神经网络等专业知识 [15] - 文科生入行优势：语言能力和跨学科思维受重视 [14][49] - 持续学习成为必需，每年知识更新率极高 [39]

在AI（人工智能）浪潮席卷全球的当下，企业办公方式正在经历深刻重构。 5月22日，微软大中华区现代化办公事业部总经理缪臻颖在接受采访时表示，智能体（Agent）的真正价 值不在于简单替代，而在于以"知人成事"的方式，成为人类工作的伙伴，重塑组织沟通方式与岗位定 义。 不过，在这场变革中，智能体虽能力强大，但也不是"完美员工"。它们在情感判断、伦理决策上仍需人 类补位，企业员工对其信任的建立也尚需时间。随着越来越多企业将智能体纳入核心业务，企业不仅要 解决技术部署问题，更需深入挖掘业务场景，重新思考"员工-智能体"协作模式。 全球科技巨头纷纷入场 2025年开年，Manus（一款智能体产品）引爆智能体热潮，其母公司蝴蝶效应估值一度超5亿美元。5月 12日，Manus宣布全面开放注册。 与此同时，全球科技巨头纷纷切入智能体赛道，谷歌、Anthropic（公司名）、微软、科大讯飞、百 度、阿里等纷纷展开布局。微软方面表示，随着AI进入从泛用助手向场景智能体演进的新阶段，微软 正加速推动AI在不同行业中的深度融合与规模落地。 此外，微软近期发布的《2025年度工作趋势指数：前沿公司诞生》（以下简称"工作趋势指数"）报 ...

Google AI战略转型 - 公司正将"AI原生"提升至前所未有的战略高度 通过Gemini模型家族升级及与Android Workspace Search等核心产品的深度融合实现平台级重构 [1][3] - AI转型被视为从底层产品逻辑的全面重构 而非简单功能升级 公司正在构建"AI-first"的生态系统 [3][4] - 技术信心来源于AI前沿探索的深度与广度达到根本层面 包括文本扩散模型和世界模型等突破性研究 [4][5] 搜索业务重塑 - 搜索将演变为实时生成的交互体验 AI Mode可即时生成交互图表和小程序 彻底改变传统"搜索框+链接列表"模式 [2][3] - 网页数量过去两年增长45% 公司通过质量信号系统持续优化AI概览功能 错误率控制在每700万次查询出现1次 [22][40] - 搜索流量整体保持增长 包括Apple设备 AI概览带来更高质量流量 用户停留时间等指标持续提升 [30][31] Web生态演进 - Web被视为数据库集合 未来可能由Agent直接访问数据接口 而非人类视觉呈现的网页 [33][34] - 公司坚持为Web导流策略 在所有AI产品中保留信息来源标注 过去一年向更广泛网络区域输送流量 [28][29] - 内容创作形式发生变革 AI实现跨媒介内容零摩擦转换 如NotebookLM可将文档自动转换为播客形式 [23][24] 硬件与交互创新 - XR设备开发进入实质阶段 与Gentle Monster Warby Parker合作的原型产品接近最终形态 预计明年进入试用阶段 [17][18] - 计算交互将无处不在 手机笔记本等传统设备不会消失 但最终会演进为更自然的交互方式 [20][21] - 机器人被视为AI与物理世界结合的下个平台级变革 Waymo已展现技术潜力 通用机器人将开启新范式 [41][42] 商业模式探索 - AI商业变现采取渐进式路径 参考Gmail到Workspace的发展历程 短期通过订阅服务实现增长 [15][16] - Agent生态可能催生20种商业模式 包括消费者订阅分成 企业端CIO驱动等多样化价值交换方式 [36][37] - 代码开发工具成为AI应用最快落地领域 IDE创新层出不穷 Flow等视频创作工具展现内容生产潜力 [9][10]

在当今数字化快节奏的时代，Agent 作为一项颇受关注的技术领域概念，正在各个行业崭露头角并发挥着重要作用。Agent 涵盖了丰富的内涵，理解其概 念、分类、原理、应用场景以及未来趋势，对于我们认识和把握这项新兴技术极为关键。接下来我们将深入探讨这些方面，为大家全面揭开 Agent 的神秘面 纱。 Agent 概念深度剖析 在科技领域，Agent 通常指具备自主能力，能够感知周遭环境，并依据预设规则或学习经验采取行动以达成特定目标的实体。这并非简单的程序，更像是一 种智能实体，能应对复杂多变的环境。比如在智能家居环境中，智能温控 Agent 可感知室内温度、湿度等参数，根据住户习惯自动调节空调运行状态，无需 人工频繁干预。 从本质来讲，Agent 的核心在于自主性与智能性。自主性意味着它无需时刻依赖外界指令，可依据环境信息自行决策；智能性则体现在它能学习和适应环境 变化。像智能客服 Agent，通过对大量对话数据的学习，能快速准确理解客户问题并提供合理解决方案，体现了高度的智能性与自主性。 Agent 主要分类介绍 反应式 Agent 是较为基础的一类，它纯粹依据当下感知到的环境信息来决定行动，不考虑过往历史 ...

AI行业趋势 - 年内将出现两个确定的AI趋势：长窗口和Agent，特别是Coding Agent的规模化应用 [1] - Coding Agent将端到端地完成有经济价值的软件应用开发 [1] - Coding Agent是观测通用Agent发展的关键，因其逻辑性、可验证性和闭环性 [1] - 若Coding Agent未能大规模替代初级程序员或完成经济任务，其他通用Agent的发展可能更慢 [1] Coding Agent的重要性 - Coding Agent被视为最简单且可验证的通用Agent类型 [1] - 其发展进度可能直接影响其他通用Agent的推进速度 [1] - 规模化应用将聚焦于替代初级程序员和创造经济价值 [1]

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，大厂以60K*16薪高薪招聘AI大模型人才，技术人核心竞争力重构迫在眉睫 [1] - AI应用落地环节对前后端开发/测试经验需求旺盛，RAG等技术可提升问答准确性 [1] - 垂直领域经验（如医保风控、电商客服）结合AI技术能精准定位模型落地痛点 [1] - 80%公司要求员工掌握AI工具提效技能，如Cursor编程工具 [1] - 大厂招聘转向AI大模型实战经验，仅会API调用难以通过面试 [1] AI技术转型窗口期优势 - 转型窗口期门槛低，简历达标（AI技术+项目经验）即可，年龄限制宽松 [1] - 技术背景（如开发/测试）可加速AI大模型落地环节上手速度 [1] - 业务与技术结合能力（如Transformer嫁接医保系统）成为关键差异化优势 [1] AI大模型培训课程核心内容 - 课程覆盖大模型原理、应用技术到项目实战，24小时免费通道限时开放 [2][9] - 2天直播包含RAG、Agent、Transformer架构原理及Fine-tuning技术，揭秘知乎直答底层逻辑 [3][13] - 金融行业"支小助"等热门项目拆解，提供复现实战机会，成果可写入简历 [11] - 课程已服务20000+学员，58期开班，部分学员实现高薪职业跃迁 [16] 培训附加价值与资源 - 行业大佬领路，分享商业化AI应用项目，打通技术+原理+实战能力 [4] - 提供大厂内推机会，简历直达面试官，完课赠案例集与商业白皮书 [6][7][17] - 限100名额，赠AI商业落地白皮书及大模型应用案例集 [9][11] AI技术应用场景与工具 - RAG适用于需频繁更新知识的场景，无需重新训练大模型 [16] - Agent是特定场景的AI解决方案（如智能客服），体现技术质变 [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]