报告行业投资评级 - 计算机行业投资评级为推荐（维持） [2] 报告的核心观点 - 豆包大模型1.6综合价格比DeepSeek R1降低63%，首创按“输入长度”区间定价模式，在企业使用场景更具性价比，分区定价或使其他头部厂商跟进，降低下游调用成本，提高需求 [6] - 大会面向企业Agent构建新升级5款产品，AI IDE产品TRAE月活超百万，新发布火山引擎MCP服务，AI生产工具释放需求潜力，大厂推进相关服务和产品迭代是Agent生态繁荣必要条件 [6] - 截至2025年5月底，豆包大模型日均tokens使用量超16.4万亿，较2024年5月增长137倍，反映模型推理能力被认可，“模型平权”规模效益显现，推高算力消耗 [6] - 本次大会反映AI产业趋势包括国产大模型性价比提升、Agent有望加速落地、推理算力仍具需求爆发潜力，维持计算机行业“推荐”评级，建议关注AI应用和算力相关公司 [8] 根据相关目录分别进行总结 事件 - 2025年6月11日，火山引擎FORCE大会召开，发布豆包大模型1.6、豆包·视频生成模型Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型上线 [3] 重点关注公司及盈利预测 |股票代码|股票简称|2025/06/13股价（元）|2024A EPS（元）|2025E EPS（元）|2026E EPS（元）|2027E EPS（元）|2024A PE|2025E PE|2026E PE|2027E PE|投资评级| | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | |300378.SZ|鼎捷数智|33.95|0.57|0.76|0.93|1.16|59.56|44.7|36.5|29.3|增持| |300454.SZ|深信服|90.18|0.47|0.87|1.25|1.63|191.87|103.8|72.1|55.3|未评级| |300634.SZ|彩讯股份|26.05|0.52|0.65|0.82|1.00|50.1|40.0|31.8|26.2|未评级| |300687.SZ|赛意信息|26.12|0.34|0.52|0.66|0.80|76.09|49.9|39.4|32.7|未评级| |300846.SZ|首都在线|18.37|-0.61|-0.26|0.00|0.30|/|/|/|61.9|未评级| |301396.SZ|宏景科技|58.24|-0.69|0.71|1.66|2.51|/|81.6|35.1|23.2|未评级| |600602.SH|云赛智联|19.66|0.15|0.18|0.22|0.26|132.84|109.6|90.1|76.9|未评级| |603918.SH|金桥信息|17.58|-0.17|0.11|0.27|0.44|/|160.0|66.3|39.7|未评级| |688258.SH|卓易信息|46.54|0.27|0.67|0.94|1.20|172.37|69.5|49.5|38.8|增持| [7] 投资建议 - 建议关注AI应用公司卓易信息（688258.SH）、鼎捷数智（300378.SZ）、彩讯股份（300634.SZ）、赛意信息（300687.SZ）、金桥信息（603918.SH）；算力公司深信服（300454.SZ）、首都在线（300846.SZ）、宏景科技（301396.SZ）、云赛智联（600602.SH） [8]

Agent Infra赛道机会 - Agent赛道热度持续数月 大量不同方向项目已获融资 行业关注下一波机会方向 [1] - Agent Infra被视为新兴机会领域 包含重构基础设施的潜力 [1] - 硅谷热门项目E2B和Browserbase引发行业关注 代表Agent专用工具的创新方向 [1] 行业活动核心议题 - 活动将探讨从人类产品向Agent产品的转型路径 分析基础设施重构机会点 [2] - 重点讨论Agent专用浏览器的必要性 分享Browser应用实践方法论 [2] - 涉及Agent长期记忆技术解决方案的最新进展 覆盖基础设施层关键技术突破 [2] 行业参与者特征 - 活动聚焦一线创业者实战经验 包括Grasp浏览器创始人等实践者深度分享 [1][2] - 采用50人小型私密交流形式 优先筛选与Agent Infra领域匹配度高的参与者 [2]

Agent赛道热度与机会 - Agent赛道热度持续数月 多个方向项目已获融资 行业关注下一波机会 [1] - Agent Infra被视为新兴机会 涉及基础设施层创新 [1] - 硅谷热门项目E2B和Browserbase引发行业讨论 [1] Agent Infra发展路径 - 产品设计从"面向人类"向"面向Agent"演化 需重构交互逻辑 [2] - Agent专属浏览器成为关键基础设施 需解决差异化需求 [2] - 行业探索长期记忆解决方案 技术进展受关注 [2] 行业实践动态 - Grasp创始人提出Agent Infra方法论 强调实践观察 [1][2] - 线下活动聚焦一线创业者经验 覆盖浏览器实践等主题 [2] - 行业交流趋向垂直化 限定非投资领域从业者参与 [2]

核心观点 - 2025年是Agent技术加速发展的关键年份，但真正实现用户价值闭环的产品仍稀缺 [6] - Agent的真正门槛在于基础设施而非模型能力，包括记忆系统、上下文感知、工具调用和可控环境等模块 [6] - Coding被视为衡量AGI最关键的先验指标，可能占据大模型产业阶段性90%的价值 [6][45] - AI Native产品需要构建同时服务于AI和人类的双向机制 [34] - Agent商业模式正从按token/调用次数计费向按结果/工作流计费演进，未来可能出现直接雇佣Agent的模式 [6][39] 01 通用Agent是大模型公司主战场 - 通用Agent领域表现最佳的是"模型即Agent"(Model as Agent)模式，如OpenAI的Deep Research和o3模型 [12] - 通用Agent市场已成为大模型公司的主战场，创业公司难以仅靠通用需求做大 [13] - 垂直领域Agent分为前台(与人交互)和后台(重复性工作)两类，典型案例包括HappyRobot(物流沟通)和AI for Science创业公司 [14][15] 02 Cursor是从Copilot发展到Agent - Cursor通过三个阶段完成从Copilot到Agent的转型：自动补全→代码重构→后台异步执行 [22][23] - 关键策略是先从Copilot切入收集用户数据，逐步过渡到Agent形态，而非一开始就追求完全自动化 [18] - 产品设计注重用户交互心智，通过同步交互收集反馈数据，为后续Agent能力奠定基础 [23] 03 Coding是衡量AGI最关键的先验指标 - Coding数据具有干净、可验证、易闭环的特性，最可能率先实现数据飞轮 [24] - 数字世界是实现AGI的第一环境，Coding能力提升将带动指令遵循等核心能力 [25] - 若AI无法规模化完成端到端应用开发，在其他领域进展会更缓慢 [25] 04 做一个好的Agent需要什么条件 - 需要构建可验证的反馈机制和数据飞轮环境，如代码和数学领域 [26] - 产品需同时考虑人和Agent的需求，实现AI Native设计 [28] - 评估标准包括任务完成率(行业及格线约50%)、成本效率(计算/时间成本)和用户指标(留存/付费率) [30][32][33] 05 Agent定价会从基于成本转向基于价值 - 商业模式演进路径：按成本→按动作→按工作流→按结果→按Agent本身 [39] - 典型案例Hippocratic AI的AI护士成本仅为人类护士的1/4 [39] - 未来可能出现智能合约模式，通过Crypto技术实现Agent经济价值分配 [40] 06 人与Agent该如何交互协作 - 交互模式分为Human in the loop(持续参与)和Human on the loop(关键节点介入) [41] - 未来高重复性任务将实现高度自动化，人类仅需复核摘要 [42] - 新的异步协同方式将出现，需要探索Agent与Agent之间的交互机制 [43] 07 Agent爆发离不开Infra - 环境(虚拟机/浏览器)是Agent开发早期80%问题的根源 [55] - 关键基础设施包括上下文管理(记忆/检索)、工具发现平台和安全机制 [57][58] - 未来机器搜索需求可能达万亿次/天，远超人类搜索规模(200亿次/天) [59] - 大厂分化明显：Anthropic专注Coding，OpenAI布局多方向，Google具备端到端能力 [52][53]

字节跳动AI战略与火山引擎发展 - 字节跳动CEO梁汝波首次公开为豆包站台，强调公司坚定长期投入AI并追求智能突破，服务产业应用[3][7] - 火山引擎2024年营收预计超110亿元，同比增速翻番，2025年目标230亿元，有望超越百度智能云(2024年营收218亿元)[10][11] - 豆包1.6模型在复杂推理、数学竞赛等测试集跻身全球前列，视频生成模型Seedance 1.0 pro在Artificial Analysis榜单文生视频、图生视频任务排名第一[5] 大模型价格战与成本优化 - 火山引擎2024年通过模型结构优化将大模型价格降低99%，行业称其为"价格屠夫"[7] - 豆包1.6相比1.5版本企业使用成本下降63%，相同请求成本从7元降至2.6元[16][17] - 通过ServingKit方案优化推理成本，方舟平台实现按区间调度，将高频使用区间(32K以内输入)成本定向优化[16][19] Agent技术生态布局 - 火山引擎提出AI时代开发范式从PC/Web、Mobile/APP转向AI/Agent，需配套大模型+Agent开发平台[13] - 豆包1.6已接入字节AI编程产品TRAE，80%工程师使用该工具辅助开发，TRAE月活超100万[21] - 发布AI云原生方案，涵盖Prompt Pilot、Coding Agent、多模态数据湖等，构建完整Agent开发生态[14][15] 字节跳动云计算竞争策略 - 依托抖音系超10亿用户日均2小时使用的算力需求，通过闲时资源租赁摊薄云计算成本[23] - 通过Top Seed计划全球招募大模型人才，豆包大模型日均Token使用量达16.4万亿，较发布初期增长137倍[25] - 坚持自研路线，豆包大模型在中国公有云市场份额达46.4%，超过二三名总和[25][28] 公司战略定位升级 - 火山引擎承载字节跳动从娱乐平台向科技公司转型的使命，目标对标亚马逊"广告+云"双轮模式[29][30] - 管理层明确不投资外部大模型团队，集中资源构建服务器、芯片、SaaS等完整自研体系[26][28] - 通过技术开放策略反哺内部竞争力，2021-2024年商业化营收从10亿元跃升至110亿元[7][10]

字节跳动AI战略与火山引擎发展 核心观点 - 字节跳动通过火山引擎全面押注AI云服务，以豆包大模型为核心构建技术壁垒，目标争夺中国AI云市场主导地位 [5][7][11] - 公司采取差异化策略：坚持自研大模型、优化工程架构降低成本、聚焦Agent生态，形成"技术开放-市场反馈-迭代升级"闭环 [7][13][16] - 火山引擎营收呈现爆发式增长：2021年超10亿元→2022年20亿元→2023年50亿元→2024年110亿元（同比增速均超100%），2025年目标230亿元将超越百度智能云 [10][11] 技术突破与产品优势 豆包大模型性能 - 豆包1.6-thinking在复杂推理/数学/多轮对话等测试集跻身全球前列，视频生成模型Seedance 1.0 pro在Artificial Analysis榜单文生视频、图生视频任务超越Veo3、可灵2.0 [5] - 日均Token使用量达16.4万亿（较2023年5月增长137倍），中国公有云大模型市场份额46.4% [25] - 编程能力显著提升：接入TRAE编程产品后，超80%字节工程师使用，月活超100万 [21] 成本优化策略 - 通过ServingKit方案优化推理成本，方舟平台实现区间调度，将企业常用场景综合成本降低63%（示例：同等请求下成本从7元降至2.6元） [16][17] - 统一深度思考/图文理解定价标准，消除传统模型的不合理溢价 [16] - 2024年豆包1.0发布时率先降价99%，推动行业价格战但自身毛利率保持健康 [7][8] 行业趋势与战略布局 Agent生态构建 - 提出互联网三时代演化理论：PC/Web→Mobile/APP→AI/Agent，开发范式转向大模型+Agent平台 [13] - 发布AI云原生方案，包含Prompt Pilot、Coding Agent、多模态数据湖等组件，形成完整企业服务生态 [14][15] - 类比AI为"水电基础设施"，强调通过服务利润而非单位技术利润驱动行业变革 [20] 竞争壁垒分析 - 规模效应：抖音系产品日均超10亿用户/2小时使用时长，支撑算力资源调度优化 [23] - 人才战略：Top Seed计划不限预算招募全球大模型人才，技术差距快速缩小 [25] - 拒绝外部投资聚焦自研，避免资源分散，强化"科技公司"定位而非娱乐平台 [26][28][29] 市场影响与未来目标 - 2026年有望超越百度智能云（2024年百度云营收218亿元），争夺云服务第一梯队席位 [11] - 技术开放策略反哺内部竞争力，形成"抖音流量-火山引擎变现-AI技术迭代"飞轮 [7][23] - 长期对标亚马逊模式，构建"广告+云服务"双引擎，重塑公司科技基因 [29][30]

Agent行业现状与趋势 - 2025年成为Agent技术加速发展关键年，DeepSeek、GPT-4o和Claude 3.5等推动大模型边界扩展，但行业焦点转向具备自我调度能力的智能体[1] - Agent成为继大模型后全球科技圈最快形成共识的风口，巨头战略重构与创业赛道跟进同步进行，但多数产品陷入"用老需求套新技术"的困境[2] - 行业面临核心挑战：底层设施缺位（可控运行环境/记忆系统/上下文感知/工具调用）制约Agent从演示走向实用[2] 技术路径与产品形态 - 通用Agent领域最佳实践是"模型即Agent"(Model as Agent)，如GPT-4o整合LLM/上下文/工具使用/环境等组件端到端训练[14] - 垂直领域Agent分为ToB前台（如HappyRobot的物流电话Agent）和后台（AI for Science多智能体系统）两类[15][16] - Coding Agent发展路径：从Cursor的Copilot（Tab键补全90%准确率）逐步演进至后台异步运行的完整Agent形态[19][22] AGI发展关键领域 - 编程(Coding)被视为通往AGI的"价值高地"：数据干净闭环可验证，可能占据大模型产业90%价值[24][47] - 数字世界优先实现AGI的逻辑：端到端软件开发能力是基础，未来两年Agent或能完成人类在数字设备上的所有操作[25] - 评估Agent核心指标：任务完成率+成功率（行业及格线50%）、成本效率（计算/时间成本）、用户粘性（DAU/MAU/留存）[30] 商业模式创新 - 收费模式演进：从基于成本定价→按动作收费（如物流电话单次几毛钱）→按工作流收费→按结果付费→未来可能按Agent本身付费[37][42] - 市场渗透策略变化：自下而上（如Cursor）替代传统SaaS销售模式，医疗领域OpenEvidence通过医生群体切入再植入商业广告[35] - 价值捕获方向：Coding可能服务全球3000万程序员后，通过"氛围编程"拓展至5亿平民开发者，激发应用软件大爆发[47][48] 基础设施需求 - 环境(Environment)构成最大挑战：需要虚拟机/沙盒（如E2B）保障安全执行，专用浏览器（如Browserbase）支持信息检索[56][59] - 上下文系统关键组件：信息检索(MemGPT)、工具发现平台、记忆管理系统[62] - 未来基础设施规模：万亿级Agent任务执行将重构云计算，机器搜索需求或达人类搜索量的50倍（日万亿次）[61] 未来技术演进 - 多模态大一统：理解与生成能力一体化将打开产品想象力，模型持续遵循Scaling Law和"思维链"双范式[63] - 自主学习突破：AI通过在线任务体验提升能力，进入"经验的时代"，记忆系统完善将显著提升产品粘性[64] - 交互方式革新：从文字输入转向"永远在线"的异步交互，形成人机新型协作关系（Human on/in the loop）[44][45]

行业趋势 - 2024年是中国大模型应用元年 2025年可能是中国Agent落地元年 技术主体从PC时代的web 移动时代的APP 转向AI时代的Agent [4] - Agent正逐步进入企业各个业务流程 规模化落地需要解决堵点 [5] 定价策略 - 首创按输入长度区间定价模式 0-32K输入区间每百万tokens输入0 8元 输出8元 综合成本是豆包1 5深度思考模型的三分之一 [5][6] - 豆包1 6使企业成本下降63% 仅需原价三分之一即可使用新模型 [7] - 视频生成模型Seedance 1 0 pro每千tokens 0 015元 生成5秒1080P视频仅需3 67元 1万元预算可制作超2700条 [11][12] 技术升级 - 模型进化聚焦三个方向 深度思考 多模态理解和工具自主调用 [8] - 豆包1 6全系列原生支持多模态思考能力 具备图形界面操作行动力 可自动操作浏览器完成酒店预订 识别购物小票整理Excel [9][10] - Seedance 1 0 pro支持文字与图片输入 生成多镜头无缝切换1080P视频 [10] 市场表现 - 豆包大模型日均tokens使用量超16 4万亿 较去年5月发布时增长137倍 [13] - 服务全球TOP10手机厂商中9家 8成主流汽车品牌 70%系统重要性银行及超5成985高校 [14] - 大模型收入增速最快 毛利位居前列 客户拓展目标激进 [14] 战略定位 - 推动Agent普及的关键是做好模型 降低成本 完善落地工具 [15] - 不以免费低质模型赚吆喝 坚持通过技术价值获取行业认可 [15]

核心观点 - 字节跳动CEO梁汝波首次公开为豆包站台，凸显公司对AI大模型及火山引擎业务的战略重视 [1][6][29] - 火山引擎通过技术优化实现大模型成本大幅下降（降幅达99%），推动行业价格战并加速AI普及 [9][22] - 公司提出"AI云原生"概念，构建从开发范式到基础设施的完整解决方案，聚焦Agent技术落地 [17][19][20] - 火山引擎营收呈现爆发式增长：2021年超10亿元→2022年20亿元→2023年50亿元→2024年110亿元，2025年目标230亿元 [12][14][15] - 字节跳动坚持大模型自研路线，豆包在中国公有云大模型市场份额达46.4%，日均Token使用量16.4万亿（较首发增长137倍） [34][38] 产品与技术突破 - 豆包1.6-thinking在复杂推理、数学竞赛等测试集跻身全球前列，视频生成模型Seedance 1.0 pro在Artificial Analysis评测中超越Veo3等竞品 [5] - 工程优化实现企业成本下降63%（同任务成本从7元降至2.6元），关键技术包括Serve key方案和方舟调度系统 [22][24] - 编程能力显著提升：豆包1.6接入TRAE编程产品，超80%字节工程师使用，月活突破100万 [28] 战略布局 - 公司定位从娱乐平台向科技公司转型，火山引擎承载构建完整自研体系（服务器/操作系统/芯片/SaaS）的使命 [40][43][44] - 采用差异化竞争策略：不参与大模型投资并购，通过Top Seed计划全球招募顶尖人才 [33][37][41] - 依托抖音生态优势：10亿用户日均2小时使用时长为云计算提供规模效应和算力调优空间 [31] 行业影响 - 价格战改变行业格局：2024年豆包1.0降价99%触发连锁反应，加速中国大模型发展 [9] - Agent技术被视为下一代开发范式，将重构互联网入口（PC→移动→AI对应Web→APP→Agents） [17][25] - 安全需求升级：推出大模型防火墙、模型投毒防护等新产品，应对多模态数据安全挑战 [18]

Agent行业核心观点 - 2025年成为Agent技术加速发展的关键年份，从大模型性能迭代转向自我调度的智能体范式[1] - Agent被视为继大模型后全球科技圈最快形成共识的风口，但多数产品陷入"用老需求套新技术"的困境[2] - 行业面临的核心矛盾是底层设施缺位，包括可控运行环境、记忆系统等基础模块的不足[2] - Coding领域被视作实现AGI的关键试炼场，可能占据大模型产业90%的阶段性价值[24][47] 技术路径与产品演进 - "模型即Agent"成为通用Agent最佳实践，如GPT-4o整合LLM、上下文等组件实现端到端训练[14] - 垂直领域Agent分化为ToB前台/后台两类：后台侧重SOP自动化（如AI for Science多智能体系统），前台聚焦人机交互（如医疗电话回访Agent）[15][16] - 从Copilot到Agent的渐进路径：Cursor通过代码补全（90%准确率）、重构功能分阶段过渡至异步后台Agent[22][23] - 多模态技术、自主学习和记忆系统构成未来技术突破三大方向[64] 商业模式创新 - 定价模式从成本导向转向价值导向，出现按动作/工作流/结果/Agent本身等五级计价体系[37][42] - ToB领域出现自下而上的渗透模式，如Cursor绕过CIO直接获取开发者认可[35] - 智能合约可能成为Agent经济新基础设施，实现任务完成后的自动价值分配[42] 行业竞争格局 - 巨头技术路线分化：Anthropic专注Coding Agent，OpenAI布局ChatGPT+多模态+o系列模型，Google整合TPU+Android全栈能力[54][55] - 创业公司机会存在于垂直领域（如HappyRobot物流Agent）和Infra层（虚拟机/浏览器环境）[16][56] - Agent Infra四大组件：环境（E2B等虚拟机服务）、上下文（MemGPT等记忆工具）、工具平台、安全系统[56][62] 用户交互范式 - "Human on/in the loop"形成协作光谱：高重复性任务趋向自动化，关键决策保留人工干预[44] - 上下文感知成为体验核心，需整合代码库、通讯记录等多维数据提升任务完成率[48][51] - AI Native产品需构建双向服务机制，同时满足人类和AI的需求[31] 市场供需现状 - 供给端能力过剩（Cursor将编码效率提升10-100倍），需求端尚未突破"落地页开发"等初级场景[47] - 杀手级应用缺失类比推荐引擎早期，等待类似"信息流"的产品形态突破[47] - 应用大爆发潜力存在于降低开发门槛后激发的长尾需求，可能催生新创意平台[48]