市场表现 - 中证金融科技主题指数(930986)下跌0 04%，成分股涨跌互现，东信和平领涨9 99%，银之杰上涨4 14%，新大陆上涨3 70%，中科金财领跌4 63%，拓尔思下跌4 57%，古鳌科技下跌4 30% [3] - 金融科技ETF(516860)最新报价1 43元，近2周累计上涨1 42% [3] - 金融科技ETF盘中换手10 52%，成交1 41亿元，近1月日均成交1 87亿元 [3] - 金融科技ETF近1年净值上涨124 33%，在指数股票型基金中排名前0 10%，自成立以来最高单月回报55 92%，最长连涨涨幅113 16%，年盈利百分比66 67%，历史持有3年盈利概率97 47% [5] 资金动向 - 外资资金持续流入AI与金融科技方向，北向资金重点加仓金融科技相关标的 [4] - 金融科技ETF近7天合计净流入2 84亿元，日均净流入4056 39万元，最高单日净流入7639 14万元 [5] - 金融科技ETF融资净买额达1185 69万元，最新融资余额8477 62万元 [5] 行业动态 - 腾讯云表示自主创新步入高峰窗口期，云原生和分布式单元化架构成为金融机构核心系统升级的重要选择，AI大模型向核心场景寻求深度突破 [3] - AI Agent等技术加速落地，金融科技在智能风控、智能投顾、自动化交易等场景的应用有望进一步深化 [4] 产品信息 - 金融科技ETF最新规模达13 39亿元，最新份额达9 37亿份，均创近1年新高 [4] - 金融科技ETF管理费率0 50%，托管费率0 10%，在可比基金中费率最低 [6] - 金融科技ETF近1月跟踪误差0 030%，在可比基金中跟踪精度最高 [6] - 中证金融科技主题指数前十大权重股合计占比51 2%，包括东方财富、同花顺、恒生电子等 [7]

产品发布 - 零一万物发布万智企业大模型一站式平台2.0版本及企业级Agent智能体 [1] - 企业级Agent定位为"超级员工"，具备深度思考和任务规划能力，可访问手机和Web端并连接各类企业服务 [1] - 平台提供开发工具与配置平台，企业可基于业务场景定制"超级员工" [1] 市场前景 - Gartner预测到2028年33%的企业级软件应用将整合AI Agent，15%的日常工作任务决策可实现完全自主化 [2] - Morgan Stanley预计Agentic AI市场规模将从520亿美元增长至2028年的1020亿美元 [2] 应用落地 - "超级员工"已在咨询服务、金融交易、销售客服等多个场景落地 [2] - 解决方案已应用于能源、游戏、法律等领域，合作客户包括世界前五铁矿公司之一、知名网络游戏上市公司、专利领域龙头企业 [2] 战略定位 - 公司致力于打造安全好用、互联互通的企业级Agent，推动大模型产业从"交付服务"迈向"交付结果" [1] - CEO李开复认为AI Agent将重构商业世界的业务流程和价值创造，企业AI数智化转型是CEO一把手工程 [3]

行业趋势与职业发展 - 传统Java、C++、前端等技术开发者面临职业转型压力，大模型技术兴起引发行业焦虑 [1] - AI与传统技术结合成为关键趋势，掌握AI能力的Java工程师更具市场竞争力 [1] - 大模型方向是实现职业升级和薪资提升的重要机遇，AI应用落地是未来趋势 [1] 课程内容与结构 - 课程采用「代码逐行解构+实战项目操练」双轨模式，覆盖从0到1的AI应用开发全流程 [1] - 五大模块构建完整学习路径：基础→工具→进阶→竞赛→实战 [8] - 核心技术包括RAG、AI Agent、Transformer架构、Fine-tuning等 [8] - 热门项目拆解涵盖金融行业支小助、知乎直答等商业化案例 [15] 技术应用与实战 - 主流大模型微调技术（如DeepSeek、Qwen）针对制造、医药、金融等领域优化 [10] - RAG技术应用于法律文档分析、医疗诊断辅助、金融报告生成等垂类场景 [10] - AI Agent开发实现多任务协同与自主决策，案例包括制造业故障诊断、金融投资分析 [10] 学员成果与资源 - 课程已开班58期，服务20000+学员，多人获得高薪offer [10] - 提供一手数据资源和项目资料，学员可复现全流程积累实战经验 [15] - 完课赠送《大模型应用案例集》《AI商业落地白皮书》等资料 [19] 职业支持与机会 - 行业大佬深度解析大厂招聘行情、薪资水平及技术迭代方向 [17][19] - 提供企业内推+直聘权益，简历直达大厂面试官 [14][19] - 课程限时免费预约，名额仅限200人，24小时后关闭通道 [12][19]

核心观点 - OpenAI发布ChatGPT Agent，通过专用模型实现任务规划、跨工具调用和文档生成等复杂流程，显著提升AI Agent能力 [5][9] - 初创公司如Manus和Genspark通过工程优化和上下文设计在响应速度、任务完成度和用户体验上暂时领先，但面临底层模型能力差距 [13][21][27] - AI Agent市场快速增长，预计从2024年51亿美元增至2030年471亿美元（CAGR 44.8%），巨头与初创公司技术路线分化 [45][46] 技术对比 - **OpenAI技术路线**：端到端训练的统一模型（o3系列），在《人类的最后考试》测试中得分41.6%（pass@1），SpreadsheetBench性能达投行分析师1-3年经验水平 [9][29][32] - **初创公司技术路线**：依赖上下文工程（如Manus的KV缓存设计），首个token生成成本降低10倍，通过提示工程优化使数学题正确率从27%提升至49% [36][37][40][42] 行业竞争动态 - Manus在OpenAI发布后3小时内发布10条对比测试，展示更优的行程海报、财务分析PPT等任务完成度 [13][15][20] - Genspark宣称其24人团队在响应速度、成本和质量上"领先OpenAI好几倍"，并发布9个对比案例 [21] - OpenAI承认当前ChatGPT Agent速度较慢（部分任务需20分钟），但强调后台持续推理能力（最长2小时） [24] 市场影响 - 微软CEO称20%-30%代码由AI生成，Klarna的AI Agent替代700名客服，显示AI Agent已实质性改变劳动力结构 [45] - OpenAI计划整合支付系统向商家收取佣金，商业化步伐加速 [49] 产品差异 - **OpenAI**：强调底层模型能力，输出标准格式文件（如Excel/PPT），用户需二次加工 [24][32] - **初创公司**：提供现成模板和设计（如Manus的行程海报、Genspark的图表总结），降低用户使用门槛 [13][21][27]

人工智能产业投资方向 - 人工智能产业是科技自立自强的关键方向，重点关注AI Agent、AI应用（独立软件应用、AI眼镜等智能终端）、人形机器人、自动驾驶等领域 [1] - 国内大厂新一轮AI资本开支开启，H20恢复对华出口，算力通信环节如新易盛业绩表现超越市场预期 [1] - 中国人工智能模型Kimi K2的发布引发全球关注，标志着技术突破 [1] 自主可控与技术突破 - 自主可控方面需关注"卡脖子"环节的技术突破，尤其是以HBM为核心的制造产业链 [1] - 数据要素方向包括数据授权运营平台、资源开发商及跨境流通等 [1] 创业板人工智能ETF - 创业板人工智能ETF国泰（159388）跟踪的是创业板人工智能指数（970070），单日涨跌幅可达20% [1] - 该指数从创业板市场中选取涉及人工智能领域的上市公司证券作为指数样本，以反映人工智能相关上市公司证券的整体表现 [1] - 这些企业通常具备较强的创新能力和成长潜力，行业配置主要集中在信息技术、高端制造等高科技领域 [1]

融资事件 - 北京中数睿智科技有限公司完成2亿元A+轮融资，刷新国内企业级AI Agent细分领域最大单笔融资纪录 [1][3] - 融资由鼎晖VGC和北京市人工智能产业投资基金联合领投，泰亚投资、相城金控、四川文投跟投，老股东每日互动持续加注 [3] - 此轮融资标志着国内Agent技术在B端产业化落地迈向新阶段 [1] 公司背景 - 公司成立于2020年，专注于企业级AI Agent全栈基础设施供应 [3] - 核心团队来自清华大学等顶尖学府，成员拥有亚马逊、惠普、IBM、阿里、腾讯等企业十年以上技术及行业经验 [3] - 团队融合技术研发与行业洞察，涵盖能源、电信等领域专家 [3] 技术优势 - 技术路线从AI Agent原生需求出发重构基础设施，涵盖多模态数据治理、业务知识建模、Agent原生工具等全栈解决方案 [4] - 能将数据"原油"转化为驱动业务落地的"石化产品"，并构建生产标准（Benchmark） [4] - 与单点AI应用相比具备系统性技术整合能力 [4] 商业化进展 - 已服务能源、电信、军工、交通等领域大型央国企，客户包括国家电网、中国移动、中海油等数十家集团 [4] - 实现多笔千万级纯软件合同交付，成为国内少数完成集团级AI智能体商业化落地的创业公司 [4] - 具体应用场景包括电网数据实时优化电力调配、运营商客户服务管理等 [4] 市场前景与资本观点 - 全球AI Agent市场规模预计从2024年52.9亿美元增长至2035年2168亿美元，复合年增长率40.15% [5] - 鼎晖VGC认为公司技术实力与行业经验结合，已在复杂场景实现闭环应用 [5] - 北京市人工智能产业投资基金看好其底层基础设施构建能力及标杆客户积累 [5] - 融资资金将用于研发投入及市场推广，巩固行业领先优势 [5]

报告公司投资评级 - 投资评级为买入，维持评级 [13] 报告的核心观点 - 2025年被视为“AI Agent元年”，全球科技巨头加速布局，腾讯深度布局AI Agent，有望打通“模型 - 工具 - 场景”闭环，释放核心业务增量价值，在具体应用场景有显著优势和潜在路径 [4] 根据相关目录分别进行总结 Agent：腾讯顺势布局，抢占交互范式变革先机 Agent：AI实现从“信息处理”到“行动执行”的范式跃迁 - AI正从推理者向智能体发展，AI Agent能理解用户需求、规划并执行任务，从“辅助”演进到“部分替代”，实现效率提升与成本下降，重构企业运营范式，未来或成企业竞争力核心指标 [19][22][26] Agent有望重构价值分配链条，近期大厂产品集中落地 - MCP成为Agent生态底层标准，海内外大厂积极接入，提升Agent生态标准化和通用化程度，释放商业价值潜力 [30][34] - AI Agent商业化变现处于早期，C端以免费为主，B端有产品验证变现能力，其有较大商业化潜力，能重构价值分配链条、推动付费模式创新、带动盈利模式创新和数据资产货币化 [39][42][45] - AI巨头聚焦Agent方向，微软推出50个新产品，谷歌明确“3P”Agent战略并推动产品化落地 [46][48] 腾讯在“模型 - 工具 - 场景”闭环中，已深度布局AI Agent - 腾讯通过组织架构调整和产品矩阵整合推进AI战略，提升Agent重要性 [56] - 模型环节采取“混元自研 + DeepSeek开源”双引擎策略，构建多模态能力矩阵，针对垂直领域推出专用模型 [56][60] - 工具环节推出智能体开发平台和低代码工具，布局C端“元器”和B端“腾讯云智能体开发平台”，将模型能力转化为可落地应用 [68] 腾讯AI Agent展望：形成“入口 - 能力 - 场景”闭环 腾讯元宝：腾讯生态的“智能中枢” - 腾讯元宝自接入DeepSeek后日更级迭代，功能不断更新，日活迅速增长，超越部分同类产品 [78][84] - 与同类产品相比，腾讯元宝具有模型、流量和生态优势，核心竞争力在于双模型灵活调用、微信生态深度整合和腾讯云资源支撑 [86][88][96] - 潜在落地方向是代替人类处理任务，放大流量和生态优势，成为微信AI好友，未来分层会员订阅或成商业化变现模式 [97][99][107] 腾讯IMA：企业级AI知识中枢 - IMA.copilot基于腾讯混元大模型，具备多种功能，通过技术组合避免AI幻觉问题 [10][110] - 腾讯IMA是AI Agent生态关键基础设施，具有微信生态嵌入、多模态数据调用、企业级服务延伸和知识库管理等优势 [112] - 未来与AI Agent结合有全链路智能复制深化、跨境态交互增强等发展方向，短期内商业化模式可能是“知识付费 + 广告营销 + 解决方案” [116][117] 微信：AI超级入口的“生态场景连接器” - 超级APP布局AI Agent有用户基数、高频场景、生态整合和商业化闭环等优势，微信凭借庞大用户基数占据流量入口优势 [120][123] - 微信功能和流量分布广泛，布局AI Agent先天优势显著，聊天对话场景可重构AI Agent入口，实现功能丰富、生态激活和商业化 [129][133]

Manus公司的崛起与困境 - 2025年3月凭借"智能体自主完成任务"演示视频迅速走红，一周内吸引200万用户预约，内测码被炒至10万[1] - 硅谷风投Benchmark领投7500万美元，公司估值飙升至5亿美元[3] - 实际产品依赖OpenAI的GPT-4和Anthropic的Claude等第三方API拼接，执行复杂任务时频繁卡壳[4] - 定价19-199美元/月但实测效果差，电商比价漏数据、金融建模偏差超15%、视频生成出现畸形生物[6][7] 通用AI Agent行业现状 - 行业预测到2027年约40%项目因成本失控或商业模式不清晰被淘汰[3][9] - 同质化严重，本质是调用大模型API加定制前端界面，护城河稀薄[11] - 麦当劳与IBM合作开发的AI Agent因餐厅环境频繁出错被弃用[12] - 采用免费获客模式但服务成本高，融资断裂导致现金流危机[14] 成功企业的突围策略 - GenSpark聚焦办公自动化等垂直场景，上线45天实现3600万美元年收入，金融报告撰写时间从3天缩短至8小时[20] - Salesforce的Agentforce提供可解释AI决策和按需付费模式，年化收入达10亿美元[24] - 医疗Agent PathChat通过数据积累将肿瘤识别准确率从78.1%提升至89.5%[27] - 成功企业共同点：深度绑定业务流程、量化ROI、构建数据闭环生态[18][22][25] 行业发展趋势 - 通用Agent陷入"泛而不精"困境，缺乏统一底层架构设计[15] - 垂直领域专业型Agent通过场景化解决方案建立壁垒[20][27] - 生态化发展成为护城河，如Salesforce允许第三方开发行业应用[27] - 技术需聚焦实际场景创造可量化价值才能持续发展[28]

OpenAI IMO金牌争议 - OpenAI宣布其模型在2025年IMO比赛中获得金牌水平(35/42分)，但被指在闭幕式前抢先公布结果 [1] - IMO组委会曾要求AI公司在闭幕式后一周再公布结果，但OpenAI声称未收到此通知 [1] - 专家质疑OpenAI分数真实性，指出未经官方评分标准评估，或降至银牌水平 [1] 英伟达OpenReasoning-Nemotron模型 - 英伟达推出OpenReasoning-Nemotron模型，基于Qwen2.5架构和DeepSeek-R1-0528生成数据，在数学领域超越o3 [2] - 该模型未使用强化学习，仅通过监督微调即实现卓越性能，在多个基准测试中创下同规模模型新纪录 [2] - 提供1.5B至32B多种参数规模可本地运行，模型参数规模对性能影响显著 [2] MiniMax Agent实测 - MiniMax Agent展现出卓越的完成度和细节处理能力，通过与Supabase集成实现了完整前后端功能的网站开发 [3] - 测试案例包括AI活动信息分享平台和求职辅导系统，无需后端开发技能即可实现数据库、用户认证等功能 [3] - 价格较高(约150美元完成多个任务)，但与外包开发相比仍具成本优势 [3] RESCUE多智能体模拟系统 - 天津大学联合清华和卡迪夫大学推出RESCUE系统，实现数百个虚拟人同时在线逃生模拟，支持实时环境感知和动态避障 [4] - 系统基于人类大脑"感知-决策-控制"循环机制，包含三维自适应社会力模型和个性化步态生成器，能够模拟不同人群的差异化行为 [5] - RESCUE具备部位级接触力感知与可视化功能，可用于公共安全领域的紧急疏散分析 [5] 京东美团布局具身智能 - 刘强东领投3家具身智能公司：千寻智能(近6亿Pre-A+轮)、众擎机器人(近10亿A1轮)和逐际动力(战略融资) [6] - 京东投资策略聚焦"硬件+大脑"和"量产能力"，三家被投企业均具备自研具身智能模型与机器人硬件协同发展的能力 [6] - 继美团投资两家具身智能公司后，京东此举显示互联网巨头竞争已从外卖扩展至具身智能等前沿科技领域 [6] 丰田研究院大型行为模型 - 丰田研究院开发大型行为模型(LBM)，通过严谨实验证明其在机器人复杂任务执行方面的突破性能力，实现了双臂操作和组合任务完成 [7] - 研究基于扩散模型策略构建的LBM整合视觉-语言-动作能力，在近1,700小时机器人数据上训练并通过1,800次真实评估证明其有效性 [7] - LBM较单任务模型有显著优势，能用3-5倍更少的数据学习新任务，且随预训练数据增加性能稳步提高 [7] AI Agent投资逻辑 - AI Agent领域融资迅速升温，通用型Agent面临巨头竞争压力，而ToB垂类Agent因具备行业壁垒和数据优势成为投资热点 [8] - 编程类Agent如Cursor、Windsurf获高额融资，但随着大模型公司推出自家产品(Claude Code、Gemini CLI)，创业公司面临技术壁垒与推理成本挑战 [8] - 投资逻辑呈现矛盾：通用型Agent市场空间大但竞争激烈且易被巨头取代，垂类Agent具备行业知识壁垒和独特数据优势但市场上限较低 [9] AI时代企业护城河 - 前Google CEO Eric Schmidt指出AI时代企业的核心护城河是建立"学习闭环"—系统能在运行中持续收集数据、获取反馈并优化表现 [10] - AI正在侵蚀人类目的感，当系统掌握推理、规划和执行能力后，人类倾向将任务外包，导致判断力与主动性退化 [10] - 随着AI演化进入自我学习与目标生成阶段，未来可能出现系统脱离人类语义框架自主生成目标的情况 [10] 黄仁勋央视专访 - 黄仁勋强调全球供应链无法彻底脱钩，称中国供应链规模和技术含量堪称"世界级奇迹" [11] - 关于中国创新，黄仁勋表示中国创新的步伐是不可能被阻挡的，认为有限制和压力反而催生了DeepSeek等独特创新 [11] - 黄仁勋将中国形容为"独一无二"的市场，特别提及与腾讯、阿里、美团等朋友的合作，表示敬佩华为的技术能力 [11] Manus AI智能体上下文工程 - Manus团队选择基于上下文学习构建AI智能体，而非训练端到端模型，使产品改进周期从数周缩短至几小时 [12] - KV缓存命中率是生产级AI Agent最重要的指标，通过保持提示词前缀稳定性和上下文只增不减可提高命中率 [12] - 将文件系统作为外部上下文解决长度限制问题，同时通过复述操控注意力并保留失败尝试帮助Agent学习 [12]

唐铭波回顾了AI在金融领域的发展历程：从2018年首批LLM（大语言模型）的研发，到2021-2022 年企业级AI应用的萌芽，再到2023-2024年全球金融机构的规模化落地，直至当下AI原生金融服务的崛 起——这一演进过程充分展现了技术迭代的迅猛之势。 唐铭波在回答记者提出的"AI智能助手或者AI Agent发展到了什么阶段"问题时，将AI Agent的进程 类比为智能驾驶从"辅助驾驶"迈向"自动驾驶"的关键演进阶段。他认为，AI不再仅仅是被动执行预设规 则的脚本，而是具备理解用户意图、进行深度推理、自主规划并执行复杂任务的能力。 深圳市融聚汇信息科技有限公司（下称"融聚汇"）产品总监兼AI产品负责人向坤告诉记者，数据能 力已成为金融AI竞争的核心壁垒，人工智能技术正重构券商价值链条："通过流计算实时处理高频市场 行情、批处理深度挖掘数据价值，结合RAG（检索增强生成）技术实现金融知识与实时信息的精准匹 配，再通过联邦学习机制持续优化策略参数同时定期重构模型架构，并支持私有化模型对特定场景的定 制化训练，最终形成标准化金融AI组件和智能数据服务"。 在生成式AI（人工智能）重塑千行百业的浪潮中，金融投资领 ...