核心业绩表现 - 2025年上半年AI及Agent业务实现收入1.1亿元 其中Agent收入达4530万元 [1] - 已为5518家企业提供Agent赋能服务 [1] - 首次单独披露AI及AI Agent业务数据 体现商业化进展信心 [1] 产品与技术进展 - 自研AI-Agentforce智能体中台升级至2.0版本 集成356项核心AI模块 [1] - 覆盖内容生成 策略配置 流程自动化等核心功能 [1] - Tforce营销大模型实现与头部云厂商能力互通 [2] - 构建"数据+算法+生态"三重技术壁垒 [2] 行业应用与客户拓展 - 在营销 销售 招聘 外贸等企业高频场景实现应用落地 [1] - 形成消费 汽车 医疗 金融 文旅 制造六大行业可交付模板 [1] - 新增沃尔玛 欧莱雅 复星旅文等标志性企业客户 [1] 未来发展规划 - 下半年将推出Agent-Data与Agent-Decision智能体产品 [2] - 推进AI-Agentforce 3.0版本上线 [2] - 拓展平台在复杂组织系统中的集成深度与场景落地能力 [2]

行业投资评级 - 行业评级为增持 [48] 核心观点 - 近期DeepSeek-V3 1和GPT-5等模型的进步将大幅利好各类Agent加速落地 其中编程能力的提升利好用户自定义Agent的推广渗透 进一步会带来广泛的算力需求 幻觉降低尤其有利于严肃2B场景Agent [38] - 模型能力持续进步 Agent落地加速 近期DeepSeek/OpenAI等厂商的模型进步多方面利好Agent落地 [2][18] - 未来Agent的形式有三种 用户给自己做Agent 厂商给用户做Agent 单位给员工做Agent [3][27] 模型能力进步 - DeepSeek-V3 1正式发布 包含混合推理架构支持思考模式与非思考模式 更高的思考效率 V3 1-Think在输出token数减少20%-50%的情况下 各项任务的平均表现与R1-0528持平 更强的Agent能力 新模型在工具使用与智能体任务中的表现有较大提升 上下文已扩展为128K Base模型与后训练模型均开源 [1][13] - 编程智能体能力提升 在代码修复测评SWE与命令行终端环境下的复杂任务测试中 DeepSeek-V3 1相比之前的DeepSeek系列模型有明显提高 SWE-bench Verified得分66 0 SWE-bench Multilingual得分54 5 Terminal-Bench得分31 3 [13] - 搜索智能体能力提升 在需要多步推理的复杂搜索测试与多学科专家级难题测试上 DeepSeek-V3 1性能已大幅领先R1-0528 Browsecomp得分30 0 Browsecomp zh得分49 2 HLE得分29 8 xbench-DeepSearch得分71 2 [13][14] - 模型开源 DeepSeek-V3 1的Base模型与后训练模型均开源 OpenAI也发布gpt-oss-120b和gpt-oss-20b两款性能卓越的开源模型 预计能进一步推动Agent开发生态的繁荣 [2][26] - DeepSeek-V3 1报告中提及使用了UE8M0 FP8 Scale的参数精度 针对即将发布的下一代国产芯片设计 这意味着DeepSeek正在构建软硬协同的生态 推动AI与国产硬件自主发展 [1][17] Agent落地加速的驱动因素 - 架构整合统一模型入口 DeepSeek-V3 1混合推理架构把思考模式与非思考模式结合 GPT-5通过实时路由器根据对话类型 复杂度 工具需求以及明确意图选择模型 降低了需要用户手动选择具体模型的使用复杂度 [2][19] - 编程能力提高 降低了大众通过AI编程开发Agent的门槛 [2][20] - 工具调用能力提升 GPT-5和DeepSeek-V3 1的智能体能力增强 能帮助Agent完成更复杂任务 [2][21] - 幻觉显著下降 Agent可靠性跃升 [2][23] - 推理效率提高减少token消耗 GPT-5与o3相比在各种推理任务中使用的输出token减少了50-80% DeepSeek-V3 1在维持准确率的同时减少20%-50% token消耗 使得Agent应用更具经济性价比 [2][24] - 上下文窗口扩大 GPT-5配备高达400k的上下文窗口 DeepSeek-V3 1有128K长上下文 Agent能处理更长任务更大量数据 [2][25] Agent的三种形式 - 用户给自己做Agent AI带来的技术普惠让不具备编程背景的个人用户也能构建和部署定制化的AI Agent 据市场研究机构Straits Research数据 2024年全球无代码AI平台的市场规模为36 8亿美元 预计到2025年将达到47 7亿美元 到2033年将达到379 6亿美元 在预测期间2025-2033年以29 6%的复合年增长率增长 例如字节的扣子开发平台和OpenAI的GPTs [30] - 厂商给用户做Agent 科技巨头为抢夺流量入口构建功能强大的通用Agent 如字节旗下Agent应用"扣子空间" 定义为精通各项技能的通用实习生与各行业的领域专家 [33][34] - 单位给员工做Agent 作为企业中强大的数字同事或数字员工 带来可衡量的投资回报 尤其是垂直的行业Agent 被训练成特定行业的领域专家 [35] Agent落地的三大要素 - 垂类数据是Agent能力拓展到各行业的关键 [36] - 基础大模型的能力提升是Agent进步的核心动力 [36] - Agent需要通过各类接口与外部系统交互 获取上下文或执行操作 也即使用工具扩展Agent能力 [36] 建议关注的标的 - 算力领域关注 寒武纪 海光信息 有方科技 协创数据 新易盛 东阳光 胜宏科技 鸿腾精密科技 中际旭创 沪电股份 东山精密 伟仕佳杰 奥飞数据 云赛智联 潍柴重机 科华数据 禾盛新材 金山云 浙数文化 青云 大位科技 玉柴国际 亿田智能 宏景科技 弘信电子 圣阳股份 润泽科技 润建股份 深信服 神州数码 深桑达 品高股份 云天励飞 优刻得 云从科技 浪潮信息 中科曙光 太极股份 数据港 [7][39] - Agent领域关注 阿里巴巴 腾讯控股 快手 拓尔思 阜博集团 美图公司 金蝶国际 金山办公 金桥信息 鼎捷数智 嘉和美康 慧辰股份 海天瑞声 泛微网络 税友股份 朗新集团 润达医疗 360 万兴科技 用友网络 麦迪科技 宇信科技 京北方 中科金财 致远互联 汉得信息 软通动力 光云科技 上海钢联 新致软件 同花顺 信雅达 萤石网络 迪安诊断 中科金财 恒生电子 星环科技 卫宁健康 创业慧康 科大讯飞 万兴科技 创业黑马 迈富时 小商品城 金证股份 顶点软件 朗新集团 晶泰控股 佳发教育 新大陆 新开普等 [7][39] - 自动驾驶领域关注 江淮汽车 赛力斯 小鹏汽车 理想汽车 禾赛 地平线 世运电路等 [8][39] - 军工AI领域关注 拓尔思 能科科技 普天科技 品高股份 海格通信 中科星图等 [8][40]

核心财务表现 - 2025年上半年公司实现收入1.79亿元 同比增长10.0% [1] - 期内亏损0.03亿元 同比大幅收窄99.5% 接近盈亏平衡 [1] 业务结构分析 - AI软件业务收入0.81亿元 同比下降21.7% [2] - AI智能硬件业务收入0.98亿元 同比增长64.8% [2] - 硬件业务收入占比达54.7% 首次超过软件业务 [2] 技术战略方向 - 公司将全面转向Agent化发展 所有产品将基于Coding Agent构建 [1][3][4] - Coding Agent被定位为AGI基石 既作为独立产品也作为底层能力 [1][4] - 研发投入超70%集中于软件领域 硬件作为软件价值的应用载体 [2] 竞争优势认知 - 拥有软硬件结合先发优势 自2014年进入可穿戴设备领域 [2] - 在产业链、供应链和销售环节积累大量经验 [2] - 硬件被定义为AI试验场 通过实际场景反馈推动AI进化 [2] 组织变革规划 - 公司组织将全面AI化 AI将渗透至产研、运营、市场等各部门 [3] - 通过虚拟组织实现超级个体规模化 单人可完成三四人工作量 [3] - AI编程能力将革新研发体系 显著降低沟通与执行成本 [4]

GPT-5技术能力提升 - 模型在推理、编程和创意写作方面实现质的飞跃，前端开发能力相比GPT-3达到完全不同的层次[6][9][12] - 通过优化数据集设计和奖励模型，显著提升编程能力，被描述为"市面上最强的编程模型"[11][12] - 创意写作能力显著增强，能够生成细腻动人的文本，例如悼词等难以撰写的内容[29] - 通过中期训练（mid-training）更新知识截止时间并扩展模型智能，弥补预训练和后期训练之间的空白[45] 行为设计与幻觉控制 - 针对GPT-4存在的"逢迎"问题，团队重新设计行为目标，追求健康、有帮助的互动感[13] - 幻觉和欺骗问题得到显著收敛，通过引导模型逐步思考而非快速回答来减少错误[14] - 优化多奖励目标的权衡，确保模型既有帮助性又避免过度互动[13] 智能体与工作流变革 - 智能体定义为能异步完成真实任务的助手，核心能力包括深度研究、文档编辑和跨服务数据整合[36] - 未来方向包括长时间运行任务（如耗时数小时或数天的项目）和端到端流程自动化[35] - 当前限制在于缺乏高质量计算机使用数据，需通过自举（bootstrap）方式生成训练数据[43][44] - 用户对异步任务接受度提高，愿意为高质量结果等待（如深度研究任务等待5分钟）[37][38] 评估标准与开发方法论 - 基准测试价值趋近饱和（如指令跟随分数从98提升至99），未来标准转向真实使用场景和新用例解锁[21][22] - 开发方法从目标能力反推，针对具体场景（如幻灯片制作、电子表格编辑）设计内部评测[6][22] - 通用能力优先于垂直领域，因智能提升会同时改善多项功能（如指令理解、工具使用）[24][25] 行业影响与机会 - 非技术背景用户可通过"vibe coding"快速构建完整应用，几分钟完成过去需一周的工作[6][17] - 定价策略降低使用门槛，预计催生大量独立开发者和创业公司[15][17] - 多模态能力（如计算机视觉理解网页截图）和工具集成（浏览器+终端）为自动化奠定基础[28][42] 公司文化与使命 - 研究团队保持小规模灵活结构（如深度研究团队仅2人），强调主动性和跨部门协作[54] - 使命是推动AGI落地并通过免费提供最强模型实现技术普及[58] - 数据质量被视为当前能力跃升的关键因素，优于架构或规模改进[26][27]

AutoGLM 2.0产品发布 - 智谱于8月20日推出AutoGLM 2.0，是全球首个手机Agent，具备人人可用的特性 [2] - 开创Agent+云手机/云电脑新技术范式，不占用用户本地设备资源 [2] - 突破硬件限制，可在任何设备、任何场景下运行，代理用户操作 [2] - 由国产模型GLM-4.5和GLM-4.5V驱动，具备推理、代码与多模态全能能力 [2] 产品功能升级 - 从AutoGLM 1.0有限场景操作升级为2.0版本的执行型助手，能在云端自主完成多样化任务 [5] - 实现"说"到"做"的质变，可操作美团、京东、小红书等数十个高频应用，完成点外卖、订机票等生活场景任务 [6] - 办公场景中能跨网站执行全流程工作，包括信息检索、内容撰写、生成视频/PPT/播客及社交媒体发布 [6] - 配备专属智能体手机/电脑，实现云端异步代理办公，用户可同时使用其他APP [6][7] 技术架构与性能 - 基于3A原则设计：全时运行（24小时）、自主零干扰（不占用用户算力）、全域连接（跨设备操作） [8] - 将操作执行能力封装为API，可融入AI眼镜等可穿戴设备及传统家电 [8] - 在Device Use基准测试中表现优于ChatGPT Agent等竞品：OSWorld 48.1分（vs 42.9）、WebVoyager 87.7分（vs 87.0）、AndroidWorld 75.8分（vs 64.2） [10] - 采用端到端异步强化学习技术突破，可灵活调用不同"大脑"完成任务 [9] 市场定位与竞争优势 - 被视为"升级版Manus"，Manus年度化经常性收入已达9000万美元并接近1亿美元 [2][3] - 纯国产Agent方案使成本较接入国外模型的Agent实现数量级下降 [9] - 作为国内最领先的Agent产品，已从2024年10月发布首款Phone-Use产品持续引领行业发展 [3] - 有望引领新一波Agent产品发展趋势，带动公司经营业绩大幅增长 [4]

公司战略与组织调整 - 钉钉近期成立新业务线"行业专属模型"作为独立团队 向钉钉CTO朱鸿汇报[1] - 该团队成立后已与多家行业客户接触 已有多个行业/企业专属模型在推进中[1] - 钉钉创始人无招回归后将产品体验和AI创新作为首要优先级 从4月开始主导产品设计、排查和整改[1] 技术产品发展进程 - 钉钉自2023年8月开放智能化底座AI PaaS给生态伙伴和客户 2024年1月发布具备感知、记忆、规划和行动能力的AI助理[1] - 钉钉目前服务超过2500万企业组织 其中超220万家企业在钉钉使用AI 覆盖制造、医疗、金融、零售等20个一级行业[1] - 豆蔻妇科大模型作为医疗领域垂类模型 将妇科六大症状诊断准确率从77.1%提升至90.2%[2] 行业专属模型定位 - 行业专属模型主要面向钉钉平台上的企业客户和第三方合作伙伴[2] - 针对缺乏AI人才的中小企业 钉钉提供全流程模型训练和数据工程服务 包括数据打标、清洗和模型调优[2] - 行业专属模型由钉钉与企业业务人员共创 沉淀行业know-how 相比开发者平台更贴近业务场景[2] 生态建设与商业化 - 钉钉在2024年4月上线AI Agent Store 无招回归后重新构造Agent市场逻辑[3] - 钉钉未来将开放能力给更多ISV和企业 帮助企业打造Agent应用并通过钉钉实现商业化闭环[3] - 大厂竞争聚焦Agent领域 阿里云百炼、字节跳动扣子、百度文心智能体、腾讯元器件等平台均已推出[3]

产品发布与特性 - 智谱发布手机通用智能体AutoGLM 2.0 定位为全球首个真正意义上的手机Agent 通过结合Agent与云手机技术实现不占用用户本地设备资源的跨端操作和任务代理 [1] - AutoGLM 2.0通过云端工作 用户可同时使用手机进行其他活动如刷视频或打游戏 执行美团点外卖全流程操作耗时约一分钟 [1][2] - 该智能体支持40余款高频应用 覆盖生活场景如点外卖、订机票、查房源和办公场景如信息检索、内容撰写、生成短视频及PPT [2] - 完全由智谱最新开源模型GLM-4.5与GLM-4.5V驱动 实现推理、编码、多模态任务及GUI操作 成本相较于接入国外模型的Agent有数量级下降 [3] 技术架构与设计原则 - 产品基于AGI早期形态的"3A"原则设计：全时（24小时持续工作）、自主零干扰（不占用用户设备算力与屏幕）、全域连接（跨越多种设备操作物理世界） [3] - 同步推出移动端API申请通道及开发者生态共建计划 邀请开发者将Agent能力融入各类硬件设备 [4] 行业动态与竞争环境 - Agent行业动态趋向冷静 Manus在引爆概念后因经营效率调整业务团队 其官网显示部分地区不可用 [5] - 资本层面 金沙江创投主管合伙人朱啸虎将当前Agent创业阶段类比互联网早期个人站长阶段 强调大模型可能最终吃掉90%的Agent [6] - 国内Agent产品未见新接棒者 技术热潮与资本投入未直接转化为用户黏性和可持续收入 商业化前景充满不确定性 [6][7] - 行业判断未来两到三年C端Agent更可能从大厂生态中诞生 而非新创团队单点突破 但三年后局面可能变化 [6] 发展挑战与关键因素 - 国产Agent长期竞争力需观察 跨应用操作稳定性、用户习惯培养、生态建设和付费模式成为决定胜负的关键因素 [7] - 需在技术、产品和商业之间找到平衡以确立赛道格局 [7]

就在刚刚，全球首个手机通用Agent，来了！ 现在，假如你正在开会，但只需要给手机打一句话，就能让它"自己动起来"，给你点外卖： 它会直接接管你的手机，不需要在各种APP之间跳来跳去，就可以把点外卖的活儿给干完。 嗯，非常直观的感受就是：够方便，够智能。 那么这个Agent到底是什么来头？ 它就是智谱刚刚发布的全球第一个手机通用Agent，就好比把Manus的能力搬到了手机一样。 划个重点：免费，人人可用！ 或许这时候有小伙伴要说了，让手机自己动的Agent不是已经有了嘛？ 非也非也，这次真的有点不太一样。 帮我在美团外卖上，找最近的瑞幸咖啡，点一杯大杯的冰美式。 可以看到，AI在接收到任务的一瞬间，就开始"嗖嗖"地执行起了任务。 因为智谱的这个Agent，所有任务都是在云端执行，也就是相当于给你的设备安了个云手机或云电脑，不仅任务执行得流畅，更不影响你使用其它APP！ 更重要的是，这也是全球第一个大众消费级的Agent，不只手机（安卓、iOS均可），甚至可以操控云电脑帮你干活哦~ 或许，这是你真正免费接触、感受Agent的最佳时刻。 还能做什么？ 我们先简单介绍一下AutoGLM的操作方式。 在进入APP之 ...

产品发布与核心功能 - 智谱发布全球首个手机通用Agent AutoGLM 实现云端执行任务 支持跨APP操作如点外卖、比价等[1][5][9] - 产品免费向公众开放 兼容安卓和iOS系统 并可操控云电脑执行复杂任务[6][9][23] - 提供生活助手和办公助手两类任务 用户通过"接管手机"进入云端界面操作[11][15][17] 技术实现与架构 - 采用云端执行模式 不占用本地设备资源 任务流畅且与用户本地操作互不干扰[9][33][37] - 依托智谱开源模型GLM-4.5和GLM-4.5V 整合推理、编码、多模态等能力于单一模型[50][52] - 为每位用户配备云手机和云电脑 预装应用生态 支持数据持久化存储[31][32] 应用场景与案例 - 生活场景：自主完成外卖订购、跨平台比价（如淘宝、京东、拼多多对比200元保温杯）[19][20][21] - 办公场景：自动生成调研报告（参考近100份源文件、输出数千字）及制作PPT[25][26][29] - 支持多设备集成 包括智能音箱、车载系统等 并通过开放API赋能开发者生态[42] 行业意义与趋势 - 解决Agent落地痛点：云端执行规避本地算力限制和高并发任务宕机问题[36][37][53] - 行业竞相布局云端Agent 如阿里云推出无影AgentBay、PPIO推出Agent沙箱产品[38][39][40] - 推动Agent从"信息辅助"向"直接操作"升级 成为处理复杂场景的全能型工具[31][54][55] 公司战略与AGI路径 - AutoGLM是智谱AGI路线图中L3"自主学习智能体"的关键一步 通过真实应用反馈推动模型自我进化[48][49] - 提出3A原则：全时待命（Around-the-clock）、零干扰（Autonomy）、全域连接（Affinity）[56][57] - 目标是通过技术与应用的正向飞轮 夯实公司在Agent领域的领先地位[48][49]

行业投资评级 - 报告未明确给出行业投资评级，但建议关注算力、Agent、自动驾驶及军工AI四大方向相关公司 [7][53][54] 核心观点 AI对软件行业的影响 - AI对软件行业的冲击不局限于简单替代，而是机遇与挑战并存：大模型厂商加速商业化（OpenAI年度经常性收入突破130亿美元，Anthropic年营收达40亿美元且较年初增长四倍多），同时各领域涌现出抓住AI机遇的新锐公司（如广告领域Applovin Q2营收12.6亿美元超预期，设计工具Figma营收7.49亿美元同比增48%）[1][12][15] - 受AI冲击的领域包括软件（Adobe股价下跌23%）、人力资源（ManpowerGroup股价跌30%）、市场研究（Gartner下调营收预期）及广告（WPP股价腰斩），但传统公司可通过AI赋能自身业务（如谷歌搜索收入实现两位数增长，AI Overviews功能覆盖20亿月活用户）[14][18] - 开源模型发展利好软件公司（如OpenAI发布gpt-oss-120b/20b，阿里开源Qwen3系列模型），产业格局是模型与应用厂商共同做大蛋糕[19] 护城河理论 - 大模型仅吞噬"简单应用"（特征：公开知识/易验证/低责任/弱耦合），无法替代具备强Know-how（如军工情报分析）、强数据（专有数据闭环）、复杂流程（跨部门深度整合）或资质壁垒（强监管领域）的应用[2][20][21] - Palantir为例：其Gotham产品整合多源数据用于军事决策（如定位本·拉登），Foundry优化企业复杂流程（空客实现25倍ROI），护城河来自国防资质与深度工作流整合[25][27][36] Agent发展趋势 - 未来Agent分为三类：用户自制（如字节扣子平台、OpenAI GPTs）、厂商通用（字节"扣子空间"）、企业定制（垂直行业数字员工），2024年全球无代码AI平台市场规模达36.8亿美元，预计2033年增至379.6亿美元（CAGR 29.6%）[3][39][45] - Agent落地三要素：垂类数据（行业拓展关键）、基础模型（GPT-5编程能力提升降低开发门槛）、接口工具（多系统交互）[46][47] - GPT-5推动Agent普及：400K上下文窗口支持长任务处理（如法律合同分析）、多模态升级、API降价50-80%，尤其利好2B严肃场景[50][52] 细分领域建议 算力 - 关注寒武纪、海光信息、中科曙光等基础设施供应商，GPT-5推广将带动广泛算力需求[7][53] Agent应用 - 推荐阿里巴巴、腾讯、科大讯飞等平台型企业及垂直领域工具商（如金山办公、用友网络）[7][53] 自动驾驶与军工AI - 自动驾驶领域关注江淮汽车、地平线等，军工AI方向推荐拓尔思、中科星图等具备资质与数据壁垒的企业[7][54] 注：以上内容均基于报告正文提炼，未包含风险提示及免责声明等非核心信息