16 June 2025 | 11:00PM EDT Americas Emerging Software Generative AI Part XI: Agentic AI expands the App Software TAM 1. The next (and arguably first) phase of AI-driven productivity gains in the enterprise will likely hinge on the efficacy of agents at the software application layer over the next 3 years. While the majority of examples that we discovered in our industry diligence over the last 6 months could be described as chatbots with basic integrations to LLMs, we did find select examples of more advanc ...

Equity Research 17 June 2025 U.S. Semiconductors & Semiconductor Capital Equipment Asia Supply Chain Checks Post Q1 Earnings: Raising NVDA PT to $200 as Builds Point to 2H Upside, ASIC/ Interconnect Update, Pull- Forwards Real We checked in with the supply chain post Q1 prints. Please see our key takeaways below: We appreciate your 5-star vote in the 2025 Extel All-America Research Survey in the Semiconductors & Semiconductor Capital Equipment category. View our analysts » Vote 5 Stars for Barclays » Update ...

Agentic AI发展现状与趋势 - 机器智能爆发式发展，AI正处在Agentic AI爆发前夜 [1] - 大模型能力实现跨越式发展，HLE测试正确率从个位数迅速提升至超过20% [1] - Agentic AI将像蒸汽机解放肌肉力量一样解放大脑智力，带来革命性变革 [1] AI技术突破与应用场景 - 多模态大模型实现视频场景智能分析，自动识别并标注关键对象，大幅降低标注成本 [5] - 向量数据库技术提升数据挖掘效率，快速复用历史标注数据 [5] - AI推理成本大幅下降，模型上下文协议和智能体协作协议技术成熟，降低多智能体协同开发门槛 [6] 行业应用案例 汽车行业 - AI解决辅助驾驶研发中人工标注效率低、成本高的痛点 [1] - 云服务通过物理引擎构建虚拟场景，覆盖复杂工况，优化模型训练流程 [7] 游戏开发 - 自然语言生成游戏功能，非技术人员可参与开发，适合中小团队快速验证原型 [11] - 系统通过特定协议与游戏引擎交互，实时生成可运行场景 [11] 零售行业 - AI购物助手深度学习产品目录与用户评论，实现个性化推荐 [12] - 基于Amazon Bedrock的大语言模型，提升咨询响应速度与转化率 [12] 医疗行业 - 智能医学内容生成中心支持多语言医学写作与翻译，确保术语统一与格式规范 [12] - 云原生架构实现数据处理自动化，提高内容生成效率 [12] 制造业 - 具身机器人结合生成式AI理解自然语言指令，实现实时对话中断处理与上下文记忆 [13] - 方案支持工业场景的智能控制，具备自然人机交互与环境适应能力 [13][14] 企业数据与AI应用 - 企业独有的数据是差异化价值的核心战略资产 [6] - 企业数据AI就绪程度决定未来Agentic AI数字员工的能力范畴和决策水平 [6] Agentic AI落地关键 - 云厂商方案聚焦行业痛点，如汽车数据标注、游戏开发门槛、医疗合规写作等 [14] - AI从概念走向实用，需技术与业务流程深度结合 [14] - 未来企业核心竞争力在于利用AI重构用户体验和商业模式 [14]

企业最大化Agentic AI价值创造的三大准备 统一的AI就绪基础设施 - 企业上云需选择安全性高、稳定可靠、灵活性强的云服务，以支持Agentic AI"数字员工"的工作环境 [1] - 云服务需具备技术领先性，能够持续更新以适应AI快速发展，支持企业全球业务拓展 [1] - 选择云服务商需考察其主业是否为云、营利性能否支持长期高强度投入，以确保未来技术领先性 [1] 聚合且治理过的AI就绪数据 - 企业独有的数据是差异化价值的核心，数据AI就绪程度决定AI应用水平天花板 [2] - Agentic AI"数字员工"的视野高度、能力范畴、决策水平取决于数据是否企业级、可访问且高质量 [2] - 打破数据孤岛并有效聚合治理数据，决定Agentic AI能否为个别团队或整个企业创造价值 [2] 明确的策略与高效执行 - 企业对Agentic AI的预期需客观：短期避免高估，长期（1-2年）不可低估其行业影响 [3] - 合作伙伴选择需侧重主流、开放、安全、可持续性，技术栈需支持workflow/graph/swarm等开发模式 [3] - 快速实践、迭代优化并推广Agentic AI应用的企业将获得先发优势，形成持续领先 [3]

全球智能手机市场表现 - iPhone在2025年4-5月全球销量同比增长15%，创后疫情时代同期市场份额新高 [1] - 美国与中国市场终结连续三年销售淡季下滑趋势，首次实现同比正增长，其中中国5月重返市场占有率榜首 [3] - 日本、印度及中东高端市场以两位数增长支撑核心市场表现 [3] 区域市场动态 - 中国市场逆转份额下跌趋势，与Huawei等品牌竞争后重夺榜首 [3] - 日本市场因iPhone 16e小屏设计、亲民价格及Apple Intelligence功能激发消费热潮 [9] - 印度市场高速扩张，定位为制造中心与终端消费市场，iOS生态系统吸引高端用户 [9][11] 销量驱动因素 - 中美市场因关税焦虑提前采购及政府补贴政策推动销量增长 [4][8] - 日本运营商促销活动带动iPhone 16基础款及老机型iPhone 14销量大增 [9] - 印度市场高端体验需求与配件服务长期增长潜力显著 [11] 行业趋势预测 - 多元市场增长抵消单一市场风险，Apple暂时获得竞争喘息期 [4] - Agentic AI尚未影响消费者购买决策，Apple窗口期可布局Siri升级 [8] - 印度短期销量依赖产品吸引力，长期需依赖配件与服务生态 [11]

Agentic AI发展前景 - 行业正处在Agentic AI爆发的前夜 主要驱动因素包括大模型能力提升 上下文协议创新 推理成本下降 开发工具完善和企业数字化基础成熟 [1] - 过去两年多 大模型已具备类似人类大脑的思考能力 技术发展日新月异 [1] - 模型上下文(MCP)协议突破 使大模型智能体能够便捷与周围环境互动 [1] 技术成本与工具 - 斯坦福大学报告显示 2025年AI推理成本较过去两年下降280倍 为规模化部署创造可能 [1] - Strands Agents等SDK工具出现 提供高度抽象且灵活的开发框架 大幅降低系统构建难度 [1] 企业应用基础 - 企业前期数字化投入已为AI应用铺路 多个场景中数据和API接口准备就绪 可直接支持智能体调用 [1]

纪要涉及的公司 UiPath (PATH) 纪要提到的核心观点和论据 公司向代理自动化转型的原因 - 公司愿景是端到端流程自动化，RPA是进入企业的良好切入点，之后扩展到API、智能文档处理和邮件处理等领域 [7][8][9] - 之前的技术是基于规则的，存在局限性，大语言模型（LLMs）的出现带来了处理认知流程的机会，代理自动化是自然延伸 [10] - 公司技术一直模仿人类工作方式，与AI应用于流程的目标一致，但传统自动化可靠且确定，AI是非确定性的，代理自动化可将非确定性技术应用于确定性流程 [11][12] 公司在市场中的竞争优势 - 拥有10,000个客户，了解企业业务流程，可在现有机器人应用场景基础上扩展机器人能力，且便于在同一平台管理机器人和代理 [14][15] - 为机器人技术构建了特定的安全和治理体系，可应用于代理，确保技术可靠 [16][17] - 是不同系统集成的“瑞士”，对所有平台提供同等优质的集成支持，能连接多种系统，包括遗留系统和现代API系统，避免安全失衡和管理难题 [22][25] 代理自动化的用例 - 金融领域，如订单到现金、采购到付款流程，日本一家大型银行在订单到现金流程中希望通过自动化将准确率从低于50%提升到95% [26][27] - 医疗保健领域，用于收入周期管理、客户索赔拒绝处理和事先授权等 [28] - 客户服务领域，有众多应用场景 [28] 编排器对代理工作流的重要性 - 是部署企业代理的关键组件，能提供让人类参与的框架，实现代理与代理、代理与机器人的连接 [33] - 新的编排引擎适应现代流程描述和集成方式，能提供端到端业务流程的全面分析和审计，让客户放心部署代理 [34][36] - 可让人类参与编排，观察代理表现，使代理不断学习改进，在获得信心后可给予代理更多权限 [38][39] 产品早期反馈和发展趋势 - 产品正式发布前就有客户要求投入生产，目前概念验证（POC）和试点数量众多，但仍处于早期阶段，客户需建立信心 [42][43] - 客户通常从小规模应用开始，公司和合作伙伴正在探索大规模部署的蓝图，今年将继续学习和构建更多垂直解决方案 [44][45][47] UiPath平台的特点和优势 - 基于强大的自动化基础构建，可将机器人的确定性规则工作与代理和LLMs的动态目标工作相结合，实现端到端流程自动化，让人们专注于关键决策和高价值工作 [50] - 支持专业开发者工具和低代码方法，可使用任何供应商的最佳模型和代理，同时投资于代理的跟踪、治理和管理，确保准确性和可靠性 [53] - 拥有UiPath Maestro、AgentBuilder和IXP等创新产品，可简化自动化管理、设计专业代理和提取文档数据 [54][55] 关于代理和机器人的关系 - 由于当前技术限制，GenAI难以精确遵循规则，在英语中推理和全面测试代理较为困难，训练开发者用代码描述规则流程比创建代理更容易，因此规则工作使用机器人更合适 [79][80][82] - 从治理和信任层面考虑，规则工作使用能提供一致答案的自动化技术更可靠 [83][84] 构建类似Maestro平台的难度和ROI - 构建像Maestro这样的平台需要多年工程开发和数百人的团队，并非易事，它基于现有编排器构建，具有安全、治理、部署和管理等功能 [85][86] - 集成代理、机器人、编排和人类参与的端到端流程能提供客户所需的结果，实现最大投资回报率（ROI） [87][88] - 平台能缩短价值实现时间，提供治理、可观察性、控制、评估集等功能，让开发者和业务用户协作，使大型客户能在数天内将项目投入生产 [89][90][91] 收购Peak的影响 - 收购Peak受到客户好评，加速了其业务管道，公司的市场推广团队对在制造垂直领域采用该技术感到兴奋 [92] - 学习了Peak使用前沿部署工程师促进代理生成的模式，将用于构建其他特定垂直代理 [93] 与其他RPA技术的比较优势 - 一些使用其他RPA技术（如Blue Prism）的客户有迁移需求，因为Blue Prism近年来发展缓慢，扩展困难 [94] - UiPath能在同一平台管理代理和机器人，是现有自动化项目的自然延伸，为客户提供更具未来性的技术 [95] 其他重要但是可能被忽略的内容 - 会议为产品网络研讨会，不接受财务相关问题，活动将被记录并发布在投资者关系网站上，发言可能包含前瞻性陈述，实际结果可能因多种风险因素与陈述有重大差异 [1][2] - 公司创始人兼首席执行官Daniel Dines从罗马尼亚布加勒斯特拨入会议，这里是公司的起点和首个机器人的诞生地 [5] - 在保险索赔处理演示中，展示了UiPath平台如何通过Maestro、AgentBuilder和IXP等产品实现自动化，包括数据提取、代理构建、评估和优化等过程 [56][60][64]

行业核心观点 - AI技术正在推动数据中心运营的重大变革 行业已从是否采用AI转向如何快速实施AI同时保障安全和性能标准 [1][2] - 行业进入"Agentic AI"时代 AI代理能够独立完成工作流程无需人工干预 取代传统聊天机器人和简单自动化 [2] - 网络安全架构需从设计初期嵌入各层级 零信任架构成为AI应用的必要条件 [4] - AI工作负载对网络性能提出前所未有的带宽需求 传统网络设计面临重构 [6][7] - 管理工具碎片化问题凸显 行业亟需统一平台简化运维 [9] - AI基础设施技能缺口扩大 传统网络知识已无法满足行业需求 [11] 技术发展趋势 Agentic AI - 从辅助型AI转向自主AI代理 Cisco提出"Agentic时代"概念 关键产品包括AgenticOps和深度网络模型 [2][3] - 大语言模型直接嵌入网络运维 实现从被动故障排除到预测性基础设施管理的转变 [3] - 相关技能培训需求激增 包括"Cisco基础设施自动化AI解决方案"和"网络工程师的AI与LLM理解"等课程 [3] 网络安全架构 - 安全功能深度集成网络基础设施 包括混合网状防火墙和通用零信任网络访问(ZTNA) [4][5] - 实现AI驱动的微隔离策略执行 网络工程师需掌握AI模型与网络遥测交互的知识 [5] - 红队/蓝队攻防实战培训需求增长 从业人员寻求多视角安全理解 [5] 网络性能优化 - AI工作负载导致带宽需求激增 8000系列路由器采用Silicon One芯片满足确定性性能需求 [7][8] - GPU集群需要持续低延迟连接 传统超额订阅比例不再适用 [8] - 网络可编程性/自动化培训受追捧 包括Cisco ACI等专业课程 [8] 运维管理 - 多仪表盘管理导致效率低下 Cisco推出Cloud Control统一平台整合网络/安全/可观测性工具 [9] - 基础设施即代码(IaC)方法受关注 网络自动化Python脚本技能成为培训热点 [10] 人才发展动向 - AI基础设施专家严重短缺 企业需求从基础网络知识转向复杂解决方案设计能力 [11] - CCIE专家级认证培训需求激增 涵盖企业基础设施/安全/数据中心/协作/服务提供商等多领域 [12] - 财富500强企业优先选择结合实操实验室和全球视频分发网络的培训方案 [13]

核心观点 - IBM推出行业首个将AI安全和AI治理团队整合的软件，提供企业风险态势的统一视图 [1] - 新功能增强并整合watsonx.governance和Guardium AI Security，帮助客户大规模保障AI系统安全和责任 [2] - AI代理若未妥善治理或保护可能带来严重后果，公司通过新解决方案应对此类挑战 [3] 产品整合与自动化 - 增强IBM Guardium AI Security与watsonx.governance的集成，提供首个统一解决方案管理AI用例的安全与治理风险 [3] - 支持用户验证12种合规框架，包括欧盟AI法案和ISO 42001 [3] - 与AllTrue.ai合作新增能力，可检测云端环境、代码库及嵌入式系统中的AI用例，实现广泛可见性与保护 [4] 安全功能升级 - Guardium AI Security新增自动化红队测试功能，帮助企业检测修复AI用例中的漏洞与错误配置 [5] - 支持自定义安全策略分析输入输出提示，缓解代码注入、敏感数据暴露等风险 [5] - 与watsonx.governance的集成功能将于年内逐步推出 [5] AI代理全生命周期治理 - watsonx.governance现可监控管理AI代理从开发到部署的全生命周期 [8] - 评估节点可直接嵌入代理，监测答案相关性、上下文相关性等指标，定位性能问题根源 [8] - 计划6月27日推出代理入驻风险评估、审计追踪及代理工具目录功能 [8] 合规能力 - watsonx.governance Compliance Accelerators提供预加载的全球法规与标准，帮助用户映射AI用例义务 [10] - 涵盖欧盟AI法案、美联储SR 11-7、纽约市144号地方法律及ISO/IEC 42001等标准 [10] 咨询服务扩展 - IBM咨询网络安全服务推出新服务组合，整合数据安全平台与AI技术咨询，支持客户AI转型 [11] - 服务覆盖AI部署发现、漏洞排查、安全设计实践实施及动态监管指导 [11] 市场拓展 - watsonx.governance现已在印度AWS数据中心上线，增强模型监控能力 [12] - 新功能与IBM watsonx AI解决方案套件协同，助力企业负责任且安全地加速生成式AI影响 [12]

文章核心观点 AI正驱动积极投资回报，为广泛实施代理AI奠定基础，企业增加生成式AI投资，代理AI项目预计增长，同时企业需关注领导力和劳动力转型以实现更快回报 [1][2][6] 分组1：AI投资回报与企业投资趋势 - 企业从生成式AI和AI投资中获得1.7倍投资回报率，初期对大规模AI和生成式AI推广实现投资回报率的担忧正在消退 [2] - 62%受访企业今年相比去年增加了对生成式AI的投资 [2] 分组2：生成式AI与代理AI实施情况 - 生成式AI预计未来三年改善关键指标，36%的组织已实施，高于去年的20% [4] - 已采用生成式AI的组织中约30%已将AI代理集成到运营中，平均组织的AI代理项目总数预计2025年增长48% [1][4] - 采用AI代理的前五大行业为高科技、工业制造、消费品、能源与公用事业、制药与医疗保健 [5] 分组3：实现投资回报的关键因素 - 建立强大领导力、治理和AI就绪基础的组织实现投资回报率快45%，但仅三分之一的领导者是生成式AI的有力倡导者 [6] - 过去两年引入自动化和AI用例的企业已自动化30%的运营任务，预计未来两年进一步自动化，近三分之二员工预计2028年工作描述改变 [7] 分组4：AI代理带来的效益 - AI代理和多代理系统已在业务职能中带来显著效益，减少错误、提高客户满意度、增加运营效率和降低运营成本 [5] 分组5：企业AI投资预期 - 五分之二的组织预计1 - 3年内从AI投资中获得正回报，通过将AI能力嵌入核心业务流程已实现显著成本效益 [8]