AI Infra的核心价值 - Agent平台属于应用层，核心在于任务调度与交互，但缺乏底层支撑能力，真正的AI Infra需以数据闭环驱动模型持续优化[3][6] - AI Infra的核心结构层能力包括分布式计算、数据调度、模型服务等，其运行逻辑是通过数据采集-处理-反馈闭环实现"数据-模型-应用"螺旋上升[7] - 数据是AI Infra的"灵魂"，企业部署Agent时若未激活内部数据价值，功能将流于表面[7][9] 市场现状与增长 - 全球Agent市场规模已达50亿美元，预计2030年增至500亿美元[2] - 中国AI Infra平台市场规模2025年预计达36.1亿元，同比增长86%[5] - 企业当前对AI Infra存在认知误区，将Agent平台等同于基础设施导致落地效果不佳[2][6] 传统数据基础设施的局限 - 传统数据平台以结构化存储为主，无法满足大模型时代海量多模态数据需求[12] - 数据孤岛问题突出，企业内分散的数据库导致系统集成困难，阻碍AI落地[13] - 数据平台与AI工具割裂，依赖人工治理模式导致效率低下成本高企[14] Data&AI新范式特征 - 新一代基础设施需实现多模态数据融合处理，支持文本/图像/音视频等非结构化数据[15][22] - 需构建Data&AI一体化闭环，覆盖数据治理→模型训练→智能体部署全链路[17][22] - 动态异构资源调度能力成为关键，需实现CPU/GPU按需分配和训推一体化[23] 赛道竞争格局 - 市场玩家分为四类：AI工具新兴厂商、传统大数据平台厂商、平台型综合厂商、专业垂直厂商[20][21] - 专业垂直厂商如Databricks具备先发优势，已形成AI-Native架构下的成熟产品体系[21] - 国内科杰科技采用"AI-in-Lakehouse"技术路径，推出KeenData Lakehouse2.0实现工程一体化[25][26] 行业应用案例 - 中国石化通过Data&AI平台实现数百个业务场景支撑，加速数据资产化转型[34] - 中国一汽利用平台零代码开发能力，落地机器人客服、数字孪生等智能应用[34] - 头部企业验证表明，一体化基础设施可显著提升数据开放赋能与智能应用规模化能力[33]

AI大模型对程序员职业发展的影响 - 当前技术圈普遍存在"AI焦虑"，大模型技术频繁被讨论，程序员面临是否掌握AI能力的抉择 [1] - 仅掌握传统CRUD开发技能的程序员市场价值下降，而将大模型融入开发流程（如Prompt设计、RAG、微调）的技术人员更具竞争力 [2] - 企业普遍将AI应用落地作为业务重点，掌握大模型能力的技术人才薪资涨幅超过50%，且获得更多职业机会 [2] AI大模型技术应用趋势 - RAG技术适用于需要持续更新知识的场景，无需重新训练大模型即可实现特定领域应用 [10] - Function Call技术通过集成外部工具增强大模型处理复杂任务的能力，提升交互实用性 [10] - Agent技术是特定场景的AI解决方案，智能客服成为企业最先尝试的Agent项目 [10] - 技术组合应用示例：检索资料需Agent+RAG，整合回复需Agent+Prompt+RAG [12] AI大模型人才培养方案 - 行业推出"AI大模型—就业实战营"，通过2天直播课程覆盖技术原理、实战项目复现和职业规划 [2][5] - 课程内容包含5大核心步骤：原理掌握→工具应用→开发实操→信息链接→实战演练 [10] - 实战案例包括金融行业"支小助"、知乎直答等热门产品，逐行解析代码实现全流程复现 [10] - 提供大厂内推资源，简历直达面试官，已有学员通过该体系实现职业跃迁 [18][20] 行业人才需求特征 - 大厂招聘聚焦大模型技术，岗位需求涵盖技术迭代方法、发展空间等维度 [18] - 具备AI能力可帮助技术人员构建壁垒，避免35岁职业危机，延长20年职业生命周期 [14] - 课程名额限制100人，反映市场对AI人才培养的高需求与稀缺性 [5][14]

AI技术对程序员职业的影响 - 当前技术圈普遍存在"AI焦虑"，"大模型"和"替代程序员"成为高频话题[1] - 传统CRUD程序员价值下降，掌握AI大模型能力的程序员薪资涨幅超过50%且更具职场竞争力[2][3] - 企业已将业务重点转向AI应用落地，具备大模型能力的技术人才更受招聘市场青睐[3] AI大模型技术应用 - RAG技术适用于需要持续更新知识的场景，无需重新训练大模型即可实现特定领域应用[12] - Function Call通过集成外部工具增强大模型处理复杂任务的能力[12] - Agent技术是特定场景的AI解决方案，智能客服成为企业级应用的典型代表[12] AI大模型就业实战营内容 - 课程包含2天直播，覆盖技术原理+企业级实战项目复现+职业规划三大模块[3][6] - 教学案例包括金融行业"支小助"和知乎直答等热门产品的技术架构拆解[12] - 学员可获得大厂内推/面试资料/知识图谱等求职资源[8][18] 课程技术深度 - 解析从GPT到开源模型的底层原理与技术架构[9][10] - 教授5大核心开发步骤：原理掌握→工具应用→产品开发→信息链接→实战演练[12] - 重点演示RAG和Fine-tuning技术在大语言模型中的实际应用[9] 职业发展支持 - 提供大模型招聘行情分析，包括岗位需求/薪资水平/技术迭代方法等[20] - 持续提供企业直聘机会，简历可直达大厂面试官[20] - 课程由AI领域专家研发，包含商业化项目经验分享[18] 课程推广信息 - 限时免费开放100个名额，24小时后关闭报名通道[6][16] - 目标人群包括希望参与前沿项目/构建技术壁垒/规避职业风险的开发者[16] - 强调AI时代先发优势的重要性，建议程序员尽早掌握相关技术[22]

行业动态 - 大模型产业进入"Agent元年"，企业级市场正在发生深刻变革 [2] - 2025年上半年智能体构建平台中标项目达371个，同比增长250%，接近去年全年总量的三分之二 [2] - 行业商业模式正经历根本性转变，从按卡时、Token收费演进到按使用量订阅，未来终极形态将是"营销增收、成本节约"的价值分成模式 [3] 公司表现 - 火山引擎凭借HiAgent智能体平台，以"中标金额与数量双第一"的业绩占据企业级AI智能体赛道领跑位置 [2] - 火山引擎自2024年下半年起稳居中标数量榜首，今年上半年包揽中标金额与数量双料冠军 [2] - 替换HiAgent后智能体并发能力突破原有平台200上限，满足真实生产需求 [3] 产品创新 - HiAgent 2.0首创Agent DevOps体系，实现开发运营一体化 [2] - 提供行业模板库，将企业定制周期缩短80% [2] - 打通"模应一体"，支持企业精调专属模型 [2] - 推出Canvas交互门户，统一调度数百个分散Agent [2] 竞争策略 - 火山引擎通过豆包大模型+火山方舟推理优化构建性价比护城河 [3] - Agent的长期记忆和知识库构成天然壁垒 [3] - 公司将行业know-how转化为生产力的确定性方案作为核心竞争力 [2]

行业表现 - 中证软件服务指数强势上涨2 21% 成分股同花顺上涨8 27% 指南针上涨5 29% 财富趋势上涨4 73% 中科创达 电科数字等个股跟涨 [1] - 软件ETF(159852)上涨1 92% [1] 流动性及规模 - 软件ETF盘中换手6 24% 成交3 31亿元 近1月日均成交3 75亿元 排名可比基金第一 [3] - 软件ETF近1周规模增长1 03亿元 新增规模位居可比基金第一 [3] - 软件ETF近1周份额增长2 75亿份 新增份额位居可比基金第一 [3] - 软件ETF最新资金净流入1 47亿元 近5个交易日内有3日资金净流入 合计2 24亿元 [3] 收益能力 - 软件ETF自成立以来最高单月回报为39 35% 最长连涨月数为3个月 最长连涨涨幅为69 40% 上涨月份平均收益率为9 75% [3] 行业观点 - 华龙证券研报指出 Agent和算力军备赛逐渐白热化 国内开源基础大模型继续推动AI技术平权 国产算力不断取得突破 多重利好催化下 看好AI产业投资价值 [3] - 广发证券认为 大模型Agent能力的提升有望突破软件开发场景的应用瓶颈 加强大模型对用户特定需求和具体应用场景的理解能力 为软件开发人员在架构设计过程中提供新思路 [4] 权重股信息 - 中证软件服务指数前十大权重股合计占比61 39% 分别为科大讯飞(13 93%) 金山办公(8 15%) 同花顺(7 39%) 恒生电子(6 39%) 润和软件(5 09%) 三六零(4 49%) 拓维信息(3 91%) 用友网络 指南针(3 62%) 软通动力(3 92%) [4][6] - 科大讯飞上涨1 00% 金山办公上涨1 85% 同花顺上涨8 27% 恒生电子上涨2 27% 润和软件上涨2 18% 三六零上涨0 94% 软通动力上涨1 59% 拓维信息上涨0 35% 指南针上涨5 29% 中国软件上涨1 32% [6] 投资布局 - 场外投资者可通过软件ETF联接基金（012620）布局AI软件投资机遇 [6]

本周观点聚焦 - 坚定加仓Agent龙头 [1] - 深度跟踪Agent行业海外巨头财报及GPT5验证高景气 [1] 周观点 - 持续战略性加仓计算机板块 国内外资本市场呈现积极态势 计算机板块持仓水平较低 业绩稳健转好 政策及产业创新不断 具备显著投资价值 [1] - 头部大模型迭代加速 7月以来包括Grok4、Kimi K2、GLM4 5、Genie3、GPT5等 开源、低成本、低幻觉、多模态成为主要特征 加速AI应用落地 [1] Agent产业链 - 首推Agent产业链龙头 大模型进化及头部用户数据治理推进加速Agent爆发 [2] - 美国Agent标杆Palantir 2025Q2业绩全面超预期 商业Agent驱动美国商业业务收入同比增长93% 股价持续创新高 [2] - 建议把握市场波动带来的建仓机会 重点关注商业及军工AI侧龙头公司 [2] 海外AI应用跟踪 - 专题跟踪海外AI应用龙头及GPT5进展 [3]

ChatGPT Agent发布 - 公司正式发布ChatGPT Agent，一款通用型AI Agent，具有自主任务执行能力[2][4] - 该产品整合了Operator和Deep Research团队的能力，团队规模20至35人[7][16] - 采用端到端训练方法，是统一模型而非多个模型组合[8][20] 技术路径与功能 - 独特技术路径：Agent能力内化于模型，不同于Manus的"外部缝合"方式[5][6] - 配备四种工具：可视化浏览器、文本浏览器、终端和API访问[19][21] - 可在虚拟计算机环境中保存任务上下文，支持用户打断和继续[18] 性能表现 - 在HLE基准测试达到41.6%，高于Grok4的41.0%[26][27] - FrontierMath数学基准准确率27.4%[29] - 现实数据科学任务DSBench准确率89.9%和85.5%[33] - 电子表格编辑能力45.5%，超过Copilot in Excel的20%[36] 产品可用性与定价 - 立即向Pro用户开放，Plus与Team用户数日内开通[42] - Pro用户每月400条消息，其他付费用户40条[43] - 定价每月20美元，与Manus的19美元接近[15] 竞争格局 - 首次集成完整虚拟机环境，用户可实时观察AI操作[51] - 与Claude对比：ChatGPT Agent强调自主代理，Claude侧重工具使用[54] - 公司承认功能仍处早期，将持续迭代优化[53] 行业影响 - 发布标志着"Agent即模型"趋势加速[1][51] - 产品演示引发对AGI进展的讨论[54][55] - 用户对GPT-5的期待仍在持续[55][56]

公司战略转型 - 公司全面转向"AllinAgent"战略 将AI能力转化为实际成果如报告 视频或安全预警处理 [1] - 公司要求各部门打造智能体 实现人工作务的自动化或半自动化 明确不裁员政策 [1] - 公司业务快节奏变化 强调执行力与快速应变能力是唯一护城河 [5] C端产品升级 - 纳米AI升级为"多智能体蜂群"系统 定位L4级别智能体 支持一键生成高质量视频 报告及解答习题 理财问题 [1][3] - 多智能体蜂群将生成视频时长从行业上限1分钟提升至10分钟 达到影视剧质感水平 [3] - 公司提出智能体发展四阶段论：L1聊天助手（如GPTs） L2低代码工作流智能体 L3自主规划智能体（如Manus） L4多智能体协作 [3] B端安全业务 - 公司研发方向包括面向企业提供网络安全服务 应对智能体黑客批量攻击威胁 [4] - 人工智能重构网络安全攻防格局 企业面临安全专家短缺与黑客AI化复制的双重挑战 [4][5] - 安全智能体实现威胁发现数量比人工高3倍 发现速度提升10倍 准确率提升20% [5]

公司背景与创业历程 - 未来智能团队源自科大讯飞 最初开发灵犀语音助手软件始于2013年 属于国内较早布局语音交互的团队[4] - 团队2017-2018年在科大讯飞内部启动莫比斯耳机项目 因集成过多功能且供应链不成熟导致产品失败[6] - 2019年正式开启iFLYBUDS系列研发 第一代产品存在蓝牙连接不稳定 单边无声等基础体验问题[7] - 公司已完成多轮融资 包括启明创投领投的Pre A+轮[1] 产品战略与技术演进 - 团队总结"5+X"产品法则：音质 续航 降噪 佩戴和设计五大基础要素构成产品根基 AI功能作为增值模块[9] - 针对会议录音场景优化蓝牙底层协议 调整手机与耳机的编解码方式 解决数据丢包和断联问题[8] - 通过viaim大脑实现硬件重构 在垂直场景深度耕耘构建差异化护城河[1][11] - 核心AI功能包括识别 翻译 合成及大模型技术 专注办公会议垂直场景[10] 行业竞争与市场定位 - 认为技术护城河不存在 因大模型等技术具有通用性 但通过对垂直场景的深度理解构建竞争壁垒[11] - 在蓝牙协议层和通讯层进行优化 该技术门槛较高 形成实质护城河[11] - 智能眼镜受限于供应链成熟度 人体工学设计及开放式耳机噪音场景短板 短期内无法取代降噪耳机[1] 技术理念与发展方向 - 坚信语音交互是未来人机交互主要方式 该判断受ChatGPT出现强化[4][5] - 选择AI与耳机结合因耳机与语音天然强关联 且不易被手机替代[5] - AI硬件需从场景出发 基于具体应用场景进行硬件设计[11]

视频生成行业现状 - 视频生成行业在2024年迎来爆发式增长，可灵等公司已实现商业化成功，年化营收突破1亿美元[11][22] - 行业标杆公司Runway去年12月ARR达8400万美元，可灵与之不相上下[22] - 国内竞争对手如生数科技Vidu产品ARR为2000万美元，字节跳动即梦AI和Minimax海螺AI均未达1000万美元[22] - 全球用户对视频生成工具忠诚度低，新模型上线会迅速改变市场份额分布，如Google Veo 3上线后份额从0增至30%[25] 可灵公司发展 - 可灵用户规模从2024年1月的600万快速增长至2025年4月的4500万，3个月内增长近2倍[20][57] - 可灵在Poe平台市场份额达30%，超过Runway的23.6%[23] - 在Freepik平台，可灵生成的视频数量超过其他所有模型总和[23] - 公司年化营收在2025年3月突破1亿美元，超过MiniMax预期的7000万美元[11][22] 技术发展 - 视频生成技术仍处于早期阶段，类似LLM的GPT-2时期，存在常识和逻辑错误[11] - 可灵通过多模态交互方式(MVL)提升生成效果，允许用户以文字、图片、视频等多种方式输入指令[19] - 关键技术创新包括首尾帧、运动笔刷、人脸一致性、多图参考等功能，大幅提升视频生成可控性[16][18][19] - 1.6版本是多图参考功能推出的重要分水岭，使可灵用户从600万增至2200万[20][48] 产品迭代 - 可灵在1年内发布5个版本更新，从1.0迭代至2.1[13][20] - 1.5版本引入运动笔刷、人脸一致性、口型同步等功能[16] - 1.6版本推出多图参考功能，成为用户增长转折点[18][20] - 2.0版本整合所有交互功能，推出MVL多模态交互方式[19] - 最新推出"灵动画布"功能，实现工作流整合和团队协作[28][31] 行业应用 - AI视频生成已应用于影视制作，如Netflix《the eternaut》和Amazon《House of David》使用AIGC镜头[34] - 广告营销行业深度应用AI技术，可实现模特一致性推广不同产品[51] - 职业细分出现AI分镜师、AI视频生成师等新岗位[61] - 视频素材生成市场规模达千亿级别，已形成完整产业链[34] 未来趋势 - Agent技术将成为下一阶段发展方向，实现创作流程自动化[66] - 视频生成将不仅服务于存量市场，还将创造具备实时性和互动性的新内容形态[67] - 行业竞争加剧，Google已发布自带声音的Veo 3模型，字节跳动整合资源加速追赶[25][26] - 技术领先性、产品创新和创作者社区将成为核心竞争壁垒[55]