文章核心观点 - 2026年，大模型的竞争焦点已从传统的聊天、推理能力转向对Agent（智能体）工作流的支持，评判标准变为谁更适合集成到Agent、谁能降低成本、谁能让开发者和企业真正用起来[54][55] - MiniMax的M2.5模型凭借对Agent场景的针对性优化、极致的性价比以及精准的市场时机（如OpenClaw框架爆发），成功获得全球开发者“用脚投票”，连续霸榜全球大模型周调用量第一[6][9][16][26][27] - 模型的成功调用量能否转化为可持续的商业优势，关键在于能否将短期热度沉淀为“Agent默认选项”并构建可收费的商业闭环，而MiniMax已通过其多元化的收入结构和国际化的市场表现展示了这种潜力[37][48][50][51] 大模型行业竞争格局与趋势变化 - **竞争焦点转移**：行业正从比拼聊天、问答、写作等通用能力，转向比拼对Agent（智能体）场景的支持能力，即模型能否自主完成搜索、调工具、改代码、读网页、写文档、跑流程等长工作流任务[17][18][29] - **评判标准现实化**：市场的新标准是模型是否适合接入Agent、能否将成本降下来、以及能否让开发者和企业真正用起来，比赛规则变为“谁更早把未来做成生意”[54][55] - **竞争加剧**：围绕Agent的模型混战已开始加速，众多竞争者如Step 3.5 Flash、Gemini 3 Flash Preview、DeepSeek V3.2、Claude Opus 4.6等均在拼命追赶，通过免费策略或优化工作流能力争夺同一批用户[34][35][36] MiniMax M2.5模型的市场表现与成功原因 - **市场表现**：自2026年2月12日发布后一个月内，MiniMax M2.5始终居于OpenRouter全球大模型周调用量排行榜第一，调用量达8.43T tokens[6][7] - **极致性价比**：模型定价极具竞争力，输入为0.27美元/百万Token，输出为0.95美元/百万Token，远低于Claude Opus 4.6（输入5美元/百万Token，输出25美元/百万Token），在需要多轮调用的Agent场景中成本优势被成倍放大[12][13][14][22] - **产品定位精准**：M2.5并非为“聊天”设计，而是专为编程、工具使用、搜索、办公等真实工作流打造，采用MoE架构，具有推理速度快、延迟低、197K长上下文窗口等特点，完美匹配Agent长工作流需求[16][21] - **抓住市场时机**：模型发布正值开源Agent框架OpenClaw爆发，公司官方迅速上线相关教程并被OpenClaw文档列为推荐模型，从而直接吃到了OpenClaw爆发的红利，OpenClaw是其月调用量最大的单一应用贡献者之一[24][25][26][27] - **开发者口碑**：在Reddit和LocalLLaMA社区获得开发者好评，被认为在工具调用和多步工作流上表现优秀，且性价比高[23] MiniMax公司的竞争优势与商业潜力 - **先发与迭代优势**：在行业押注Agent的共识下，公司因押对方向而具备先发优势；模型迭代速度快，从2025年12月的M2.1迭代至2026年2月的M2.5，速度快于Anthropic、OpenAI、Google等海外巨头，并持续向Agent密集场景打磨[29][30][32][33] - **用户粘性潜力**：一旦开发者围绕M2.5构建了完整的工作流（包括prompt、工具调用、长上下文处理等），切换模型的迁移成本和账单重算成本很高，这有助于将调用量沉淀为“Agent默认选项”[30][31][37] - **已验证的商业化能力**：公司已证明大模型未必只能在“收入增长”和“大幅亏损”间二选一，2025年收入同比增长158.9%至7904万美元，经调整净亏损同比仅增2.7%至2.509亿美元，毛利率从12.2%提升至25.4%，经营效率改善早于同行[41][42][44] - **多元化且国际化的收入结构**：收入不依赖单一模型或App - AI-native products（如海螺AI、Talkie）2025年收入约5310万美元，占比约2/3[46] - Open Platform及其他企业服务（模型API、开放平台等）2025年收入约2596万美元，占比约1/3[47] - 70%以上收入来自国际市场，2025年增长很大程度上源于中国以外的销售[51] - **增长加速迹象**：M2.5模型带动业务加速，2026年前两个月模型调用量与新增用户规模跃升，M2系列文本模型在2026年2月的平均单日Token消耗量较2025年12月增长6倍以上[49] - **资本市场认可**：2026年3月10日收盘，公司市值首次超过百度[53] 主要竞争对手动态 - **Step 3.5 Flash (阶跃星辰)**：以免费策略形成强大杀伤力，尤其吸引处于试验期的开发者和团队，调用量迅速抬升，周调用量达2.38T tokens，增长12424%[7][36] - **Gemini 3 Flash Preview (Google)**：周调用量4.04T tokens，增长156%[7] - **Kimi K2.5 (Moonshot AI)**：定位与M2.5类似，专注于复杂工作流、工具调用和长链路任务，争夺Agent/研究/编程用户，周调用量3.79T tokens，增长1119%[7][36] - **DeepSeek V3.2**：周调用量3.45T tokens，增长166%[7] - **Claude Opus 4.6 (Anthropic)**：周调用量2.86T tokens，增长11331%[7]

文章核心观点 - AI技术，特别是大模型和智能体(Agent)的快速发展，对传统SaaS软件行业构成了显著冲击，引发了市场对“SaaS末日”的担忧 [1][2] - 冲击体现在二级市场估值，以Salesforce和Adobe为代表的美股软件巨头在2025年以来股价整体下跌约42% [1] - 面对冲击，软件厂商正积极拥抱AI，通过技术融合、商业模式创新和战略合作进行转型，行业价值锚点可能从“按席位收费”转向“按结果或使用量收费” [1][4][5] AI对SaaS行业的冲击与市场反应 - 擅长编程的Anthropic公司是此次冲击的核心推手，其发布的Claude Cowork生产力工具插件和Claude Code Security功能，分别冲击了传统软件收费模式和网络安全公司 [2] - 市场观点出现分化：一方认为AI降低编程门槛将减少企业对外部SaaS服务的需求；另一方则认为SaaS厂商与企业在数据、业务流程上的深度绑定难以被快速颠覆 [2] - IDC研究总监指出，冲击虽大但影响完全显现仍需很长时间，企业级软件在权限、安全、API集成上的高要求以及SaaS厂商自身的生态壁垒是主要缓冲 [3] SaaS软件厂商的应对策略与转型 - 软件厂商加速拥抱Agent等新技术，Salesforce将自身重塑为“智能代理型企业”的操作系统，其Agentforce 360平台已处理近20万亿个tokens，转化为超过24亿个智能代理工作单元 [6][7] - 厂商积极与基础大模型公司合作，Salesforce不仅投资Anthropic，还深化合作，将Claude作为其平台基础模型，并共同开发行业解决方案 [6] - 厂商探索新的人机交互与工作模式，例如通过新平台Slack实现人类与Agent的协同工作流，简化复杂界面，将应用程序转变为协同工作环境 [8] 行业商业模式与价值锚点的演变 - 传统“按席位收费”的SaaS模式面临挑战，未来可能转向按tokens消耗量、Agent数量、投资回报率分成或Agent调用工具分成等模式 [4] - 软件价值锚点发生转移，用户未来可能不再为厂商的代码能力付费，而是为其提供的数据真实性、系统稳定性和法律合规性付费 [4] - AI降低开发成本将催生大量定制化软件，满足长尾需求，软件数量预计将大幅增长 [5] AI时代的潜在行业赢家 - 深度垂直SaaS公司，因其拥有AI难以从公开渠道获取的细分行业数据 [5] - 掌握核心客户关系数据的基础设施平台，有望成为Agent必须接入的“重型底座” [5] - 专门验证AI执行结果是否合规、安全的安全审计公司 [5]

文章核心观点 - AI技术，特别是大模型和智能体（Agent）的快速发展，对传统SaaS软件行业构成了显著冲击，引发了市场对“SaaS末日”的担忧 [1] - 冲击体现在二级市场股价大幅下跌，例如Salesforce和Adobe在2025年以来整体跌幅约为42% [1] - 面对冲击，软件厂商正在加速拥抱AI技术，通过与基础大模型融合、投资合作以及商业模式创新来应对和转型 [1][2][6] 市场表现与“SaaS末日”论 - 2025年以来至2月25日，以Salesforce、Adobe为代表的美股软件巨头遭遇了超25%的跌幅，2025年以来两家公司整体跌幅约为42% [1] - 市场担忧源于Anthropic旗下Claude系列产品的持续更新，其能力边界拓展被认为在削弱传统软件服务商的研发和服务护城河 [1] - Anthropic在1月末发布覆盖法律、金融、销售等领域的11款行业插件，被认为可能瓦解传统软件“按席位收费”的模式 [2] - 2月，Anthropic推出可自动扫描代码库安全漏洞的Claude Code Security功能，引发了网络安全公司的股价震荡 [2] AI对SaaS行业的潜在影响 - 一种观点认为，AI应用和编程门槛降低，可能使企业内人员自主构建产品，减少对外部SaaS服务的需求 [2] - 另一种观点认为，SaaS厂商深耕行业形成的Know-how、工具链及与企业数据流、业务流的深度链接，加之企业级产品对稳定性、安全性的高要求，使其难以被快速颠覆 [2] - IDC研究总监指出，企业级软件的权限管理、安全保障、API接口是AI应用落地的挑战，且原有SaaS厂商会设立生态屏障，因此大模型不会快速毁灭SaaS [3] - AI Coding将对标准化SaaS产品带来冲击，导致软件价值锚点转移，用户可能转为为数据真实性、系统稳定性、法律合规性付费 [4] - AI可能改变SaaS的订阅模式，未来可能按照tokens、Agent数量、ROI分成或Agent调用工具分成等方式收费 [4] - AI降低开发成本，有望催生大量定制化软件，满足长尾需求，导致软件数量大幅增长 [5] 软件厂商的应对策略与转型 - 软件厂商正加速拥抱Agent等新技术，加深与基础大模型的能力融合并迭代垂域模型 [1] - Salesforce选择与Anthropic深度合作，包括参与其融资，并将Claude作为其Agentforce 360平台的基础模型，合作开发特定行业AI解决方案 [6] - Salesforce将自身重塑为“智能代理型企业”的操作系统，已处理近20万亿个tokens，转化为超过24亿个智能代理工作单元（AWU） [7] - Salesforce成立了专门基金用于投资AI企业 [8] - 公司高管认为，人类与Agent协同将改变应用程序和用户界面，使工作环境成为人类与Agent协同的空间，无需复杂界面 [8] - 行业专家建议，软件厂商应快速跟进大模型与智能体趋势，升级产品，向客户推广Agent产品，并探索全新的AI Agent软件 [8] AI时代的潜在赢家 - 深度垂直SaaS公司，拥有AI无法通过公开网络抓取的细碎垂直行业数据 [5] - 掌握核心客户关系数据的基础设施平台，有望成为Agent必须接入的重型底座 [5] - 专门验证AI执行结果是否合规、安全的安全审计公司 [5]

行业核心观点 - 2026年AI行业发生根本性变局，焦点从大语言模型的“参数崇拜”和“脑子”的智能，转向了AI智能体（Agent）在现实世界中拥有自主执行、交易和解决纠纷的能力，即长出了“手脚”和“钱包”[4][6] - 单体模型的智力竞赛边际效益递减，真正的竞争和魔法发生在“系统级工程”上，即由成百上千个能够并行工作、相互协同的智能体组成的系统[15] - AI智能体正在构建一个自我闭环的平行社会经济基础设施，包括自动化开发、可编程治理和机器间金融，这将催生“一人公司”成为现实，并可能绕过传统金融监管[22][31][47] 模型竞争与战略分化 - 主要AI公司发布新模型的策略出现显著分化：Anthropic的Claude 4.6采取“加量不加价”策略，在长文本推理和智能体编码能力上大幅提升，并在衡量经济价值的“GDP评测基准”上领先[13]；OpenAI则专注于通过模型蒸馏等技术降低token成本[13] - xAI的Grok 4.20更新重点不在传统聊天，而在于**多智能体推理**能力，预示大模型的终局是大量协同工作的“专员”而非单一全能模型[14] - 行业竞争已从“百模大战”演变为巨头间的“诸神黄昏”，竞争焦点转向实际应用与经济价值创造[10][13] 软件开发范式革命 - 传统编程模式被颠覆，例如Spotify内部代号为HONK的项目已让开发者三个月未手写传统代码，其系统完全由Claude驱动，智能体可直接向App推送代码更新，人类工程师仅做最终审查[19] - OpenAI内部数据显示，目前**95%** 的代码由Codex等模型生成[19] - 工程师角色转变为“智能体经理”或“巫师”，负责管理一支由**10到20个**AI智能体组成的“舰队”并分发任务，将过去需要**15分钟**的拉取请求审查压缩至**2分钟**[20] 智能体平行社会经济系统 - 出现由AI智能体自治的“影子社会基础设施”，包括解决智能体间纠纷的**Moltcourt（智能体法庭）**系统，该平台通过密码学验证和由中立AI组成的陪审团，可在几百毫秒内完成诉讼、辩论到裁决的全过程[27][29] - Coinbase推出了专为AI智能体设计的**Agentic Wallet（智能体钱包）**，基于x402协议支持机器对机器交易，使智能体能够自主租用服务器、购买API额度、雇佣其他智能体并用加密货币结算[31] - 由OpenClaw（本地运行的智能体框架）、Moltcourt和Agentic Wallet构成的系统，使AI智能体成为可绕过传统法币和金融监管的独立经济实体[23][31] 算力需求与能源挑战 - 智能体的普及导致算力需求呈指数级暴涨，因为单个任务可能触发成百上千次后台推理[34] - 到2025年，美国数据中心已消耗全国**7%** 的电力，未来**3到5年**还需新增**80吉瓦**的电力，相当于需要新建**50到60座**标准核电站（每座约1.5吉瓦）[36] - AI算力需求已成为国家战略和地缘政治议题，推动如台积电在美国亚利桑那州投资**1000亿美金**新建四座晶圆厂等重大基础设施投资[38] 物理世界融合与隐私冲击 - AI通过智能眼镜等设备向物理世界延伸，例如Meta计划推出带面部识别功能的智能眼镜，可实时识别陌生人信息并投影，可能彻底终结公共空间隐私[41][42] - 关于该技术的辩论激烈，一方认为这是赋予个体“超级感知”的必然趋势，禁止会导致战略落后；另一方则认为这是隐私的灾难[43] - 当绝大多数人使用该技术获得便利时，选择保护隐私可能成为社交阻碍，赛博朋克式技术平推正在成为现实[43][44] 未来工作形态与个体机遇 - 未来**24个月**内，职场将出现严重两极分化：不懂利用智能体的传统白领工作将被压缩和替代；而能像“巫师”一样驾驭智能体工具链的个人，其产出可媲美过去的百人团队[45] - “一人公司”时代已成为现实，个体可通过智能体获得代码编写、加密货币结算、纠纷解决乃至现实世界感知等全套能力，形成强大的生产力杠杆[47] - 行业的关注点已从AI意识等形而上讨论，转向由商业齿轮驱动的现实应用与基础设施构建[46]

行业趋势：AI大模型从生成式向代理式演进 - AI大模型正处于从生成式AI走向代理式AI的关键时刻 [1] - 在此背景下，腾讯、阿里等厂商通过发红包以争夺用户 [1] 市场现象：红包大战与算力需求激增 - 腾讯、阿里巴巴、百度、字节跳动等厂商纷纷下场参与红包大战 [2] - 红包大战使得对AI基础设施的需求大增 [2] - 算力需求已从训练驱动的单一模式，转变为训练+推理双轮驱动且推理占比不断上升的新模式 [5] 行业影响：云服务与算力租赁价格上涨 - 云计算服务商优刻得宣布自2026年3月1日起，对全线产品与服务进行价格上浮调整 [1][2] - 涨价公告发布后，优刻得股价收涨20% [1] - 全球云计算巨头亚马逊云科技（AWS）对其面向大模型训练的EC2机器学习容量块实施约15%的价格上调，这是AWS约20年来首次打破“只降不涨”的定价传统 [2] - 开源证券认为，AWS此次涨价确认了全球AI算力需求端的高景气度，同时AI云产业链资源稀缺性或日益凸显 [3] 涨价动因：成本上升与需求爆发 - 优刻得表示涨价主要由于全球供应链波动导致核心硬件采购等基础设施成本出现显著、结构性的上涨，同时近期需求也在增加 [2] - 云服务商派欧云（PPIO）指出，涨价主要原因是推理需求的爆发式增长，其中Agent（智能体）的需求是主要增长因素 [4] - 推理成本的上涨动力还来自服务质量的持续提高，如高SLA、低时延、长上下文、多模态等服务会产生支付溢价 [4] 需求驱动：Agent应用导致推理需求指数级增长 - Agent的实时交互、多轮推理、工具调用与自主规划等能力，使得单次任务所需的推理次数呈指数级上升 [5] - Agent的广泛应用放大了Token（词元）的消耗，进而推高算力需求 [5] - Agent推理上下文逐渐增加到200K以上，且由于计算复杂度与上下文长度是平方关系，长上下文对算力的需求呈指数级增长 [5] - 据估算，Agent场景下单用户的Token消耗量是普通Chat的10倍至50倍 [5] - Agent对内存的需求也在持续增加，主要体现在Agent工具的数据记忆需求 [5] 算力部署架构：云-边-端协同发展 - 对于边缘和端侧AI推理，行业认为会增加部署，但会是“云—边—端协同”的混合架构 [5] - 实时性强、隐私要求高、网络不稳定的场景会下沉到端和边缘，用小模型或本地推理保证响应 [5] - 需要最强通用能力、快速迭代的大模型能力，仍会集中在云端 [5] - 关键不在把所有算力搬到端上，而在把任务链路切分得更合理 [5] - 优刻得表示会根据客户对延迟、成本、合规性的差异化要求，灵活调度云端、边缘与端侧算力资源 [5]

文章核心观点 - 行业正从追求云端大模型的“暴力美学”转向追求端侧小模型的“密度法则”，以实现低延迟、高隐私和强实时交互的“具身智能”[4][16][21] - 面壁智能通过发布仅9B参数的全模态模型MiniCPM-o 4.5和硬件开发板“松果派”，旨在定义“模型原生”的端侧智能标准，构建生态基础设施[19][25][31] - 解决“1Hz”的高层智能决策与“10Hz”的低层运动控制之间的断层，是推动机器人等具身智能设备走向实用的关键[34][35][37] 行业痛点与趋势转变 - 当前火热的Agent（如OpenClaw）存在根本缺陷：本质是将本地隐私数据打包发送至云端处理，导致延迟、隐私泄露和断网即失效三大问题[2][3] - 行业狂热追捧云端大模型和Agent概念的同时，一个被忽视的痛点是：AI若想真正接管生活，其“大脑”需要位于本地设备（端侧）[3][4] - AI交互需从“云端的神谕”转变为“指尖的直觉”，从“回合制”的对话模式转向“全双工”的实时自然交互[4][5][6] 技术突破：全双工交互与感知不中断 - 面壁智能的MiniCPM-o 4.5实现了“全双工”交互，打破了传统语音交互的“回合制”牢笼，使AI能边听、边看、主动说[6][8] - 该模型实现了“感知不中断”，即使自身正在说话，也能毫秒级地处理用户的插话或环境变化，并实时调整回应[8] - 技术核心是通过“时分复用”机制，在统一时间轴上并行处理视频流、音频流及输出流，让9B小模型具备处理并发多模态信息的能力[9] 模型战略：密度法则与小参数模型 - 行业过去信奉Scaling Law（尺度法则），追求模型参数越大越好，而面壁智能提出并践行Densing Law（密度法则），追求在更小参数内塞入更高密度的知识与能力[15][16] - 据测算，大模型知识密度约每100天翻一倍，因此当前9B模型的能力可能相当于一年前700亿（70B）甚至更大模型的能力[17] - MiniCPM-o 4.5仅用90亿（9B）参数，集成了视觉理解、文档解析、语音理解与生成、声音克隆等全模态能力，并达到SOTA水准[19] - 模型足够小是实现在手机、车机、机器人等端侧设备本地运行的前提，以解决云端方案的延迟与隐私问题[20][21] 硬件创新：松果派与模型原生设计 - 面壁智能跨界发布硬件开发板“松果派”，旨在为端侧智能提供一个“开箱即用的物理大脑”[22][25] - 该硬件核心采用Orin AGX 64G模组，并集成了高清摄像头、环形麦克风阵列、主动散热风扇及丰富接口，专为运行9B级端侧模型优化[25] - 其目的是“打个样”，定义“Model-Native（模型原生）”的硬件标准，优化数据流处理路径，将端到端延迟从4秒压至1秒以内[28][29][31] - 硬件与软件的深度协同优化至关重要，缺乏合适的“身体”，再聪明的“大脑”也无法发挥性能[30] 生态构建与工程化能力 - 公司通过开源模型和参考硬件，正在构建庞大的端侧智能生态，已推动模型在6款国产主流芯片上获得端到端推理性能提升[31] - 面对高度碎片化的端侧市场（汽车、手机、PC、机器人等），公司选择深耕适配不同硬件、压榨延迟等“苦活累活”，以此建立工程壁垒[38][39] - MiniCPM-o 4.5已支持16种不同大小的int4和GGUF量化模型，可通过llama.cpp和Ollama在本地设备高效推理，展现了极致的工程化能力[39] 应用前景：具身智能与1Hz大脑 - 当前机器人行业存在“小脑”（10Hz高频运动控制）发达但“大脑”（1Hz低频智能决策）薄弱的瓶颈[32][33][34] - MiniCPM-o 4.5旨在成为通用的“1Hz大脑”或“感知中枢”，使机器人能同时处理环境感知、指令理解和路径规划等高层智能任务[35] - “端侧大脑+本地小脑”的架构是具身智能走出实验室、进入家庭场景的可行路径，且不依赖网络[36][37] - 端侧智能市场高度碎片化，不同于赢家通吃的通用搜索市场，为专注适配与优化的公司提供了生存与发展空间[38][41]

下一代AI设备与智能硬件爆发预测 - 零一万物CEO李开复直言AI领域手机是绝对错误的设备[1] - 李开复预测2026年将成为AI智能硬件的爆发元年[1] - 下一代AI设备需具备五大特征：语音驱动、随时开启、持续感知与数据捕捉、拥有无限记忆、以及设备形态的日益隐形[3] - 李开复认为眼镜是非常好的第一步，其他形态可能包括手环或别针[3] AI智能体（Agent）的发展与应用 - 李开复指出Agent（智能体）的爆发速度略超预期[3] - 智能体背后仍面临幻觉、成本与耗时等挑战[3] - 预计智能体将在2026年于ToB（对企业）场景中带来最大价值，并得到真正广泛应用[3] 中国AI生态系统与芯片发展 - 摩尔线程CEO张建中指出，中国拥有最多的AI用户与开发者，必将诞生最大的AI生态系统[3] - 为赋能行业创新，摩尔线程专门发明了"全功能GPU"芯片，并建立了自主可控的MUSA生态系统[3] 行业活动与产品展示 - 节目于2月4日19:00-22:00在央视频全网播出[4] - 节目汇聚了多位院士及产业界代表，设置了"主舞台+AGI Bar"多维对话空间[3] - 现场展示了银河通用、千寻智能等机器人公司的产品，并有AI原生歌手Yuri献唱[3]

文章核心观点 - 2025年是智能体（Agent）的工程落地元年，行业经历了从被动问答到主动执行的根本性变革，其发展由关键协议和框架驱动，类似于早期互联网协议推动Web应用爆发 [1] - 智能体正从概念走向生产实践，其价值在于作为“增强组件”与现有业务流程融合，而非全知全能的取代者，最终将演变为像数据库一样的新兴基础设施 [7][9] 2025年推动Agent应用爆发的关键协议 - **MCP协议**：由Anthropic发布，旨在标准化AI模型访问外部工具、数据库和服务的方式，类似“USB-C接口”，解决了智能体“看世界、调工具”的语言统一问题，显著减少了集成成本、提升了可靠性并加速了自动化落地 [2][3][4] - **A2A协议**：由谷歌发布，核心目标是定义智能体间的“通用语言”和协作规范，使不同背景的智能体能像微服务一样通过标准化方式互相发现、协商和协调工作，解决了大规模协作系统的互操作问题 [4] - **协议差异与协同**：MCP更强调通用的调用与连接能力，而A2A更聚焦于多智能体协作本身；同时，Manus等框架引入了安全沙箱等技术，解决了代码执行和数据处理的隔离问题，使协作更安全 [5] 多Agent协作面临的工程挑战 - **收敛性困局**：多智能体协作时常出现“无效沟通”和“社交式发散”，导致任务不聚焦甚至出现死循环，造成Token消耗激增和算力资源浪费，推理效果可能不如定义明确的单智能体 [6][7] - **自制能力尚浅**：当前智能体虽有灵性，但离完全自制还有很大差距，其与BPM/RPA的关系是“融合”而非“替代”；实践中需为智能体定义清晰的边界和子系统，将其作为处理“不那么确定”子任务的节点集成到现有工具流中 [7] Agent产生真实价值的落地场景 - **AI编程**：是目前落地最成熟、收益最可观的领域，能将原本需要一小时的代码编写任务缩短至一分钟生成加十来分钟修改，效率提升巨大 [8] - **自动化运维**：从2024年基于RAG查手册，演进到2025年能“模仿工程师经验”，可自动执行命令定位系统报错，并能感知真实运行环境做出反馈 [8] - **开放世界训练**：随着智能体被装入手机或机器人，面临未知的非实验室环境挑战；行业正通过提供检查点和克隆等基础设施来加速其在开放世界中的训练效率，目标是让AI“知道自己不知道” [8] Agent的演进路径与终极形态展望 - **演进路径**：从攻克编程、运维等确定性场景，到迈向开放世界训练，能力边界在实践中不断拓展，从“专用工具”向“适应环境”演进 [9] - **形态展望分歧**：一种视角认为智能体将演化为在家庭、工厂、无人驾驶等场景中完全自主运行的“高度自制智能体”；另一种更务实的视角则认为短期内智能体会以可进行KPI评估的“数字员工”身份融入企业 [9] - **行业共识**：无论形态如何，智能体将不再仅是特定领域应用，而会成为一种像数据库、中间件一样的“新兴基础设施” [9][10]

行业背景与核心问题 - 2026年初，大模型发展进入第三年，企业界正经历从“技术狂热”到“价值焦虑”的深刻转变，核心问题从“能不能用上AI”转变为“大模型是否在业务中产生了可持续的价值”[2] - 尽管AI被多数企业列为战略重点，但在营销、销售、服务等核心场景中，业务效率并未发生预期的“结构性质变”，热度与结果之间存在巨大鸿沟[2] 公司战略选择与定位 - 2023年初，公司认定大模型将彻底重塑营销服场景，但并未选择耗费资源死磕基础模型底座，而是在2023年中果断放弃参与大模型底座的烧钱大战，成为行业内第一批专注在“做应用”的公司[4] - 公司选择聚焦应用、解决真实业务问题的现实主义逻辑，源于对B端痛点的精准捕捉：企业客户不仅需要大模型的泛化能力，更需要合理的ROI和确定性的交付质量[4] - 2024年，当大多数To B服务商还在基础设施层竞争时，公司选择押注应用层，并率先在AI应用上领先于同行[4] 技术架构与实施路径 - 公司坚持“大小模型结合、应用工程融合”的务实范本：由大模型负责意图理解、推理与任务规划，利用其泛化能力突破传统小模型局限；同时将敏感词过滤、标准指令生成等确定性高、实时性强的场景交由轻量化小模型执行，以平衡效果、成本与稳定性[5][6] - 在应用工程层进行深度融合，将AI精准“封装”进工业级业务逻辑中，而非作为通用插件交付[7] - 通过知识工程、场景化模板与经过业务验证的话术体系，将模型的理解与生成限定在高度聚焦的专业语境内，从根源上降低幻觉发生概率，确保结果的专业可用[7] - 将大模型能力封装为流程节点、策略判断与系统动作，让AI天然生长在业务流程之中，企业无需二次开发即可即插即用，实现技术能力向业务价值的转化[7] 产品演进与能力升级 - 公司AI产品经历了三级跳进化：从2023年的LLM Feature阶段（AI以大模型功能方式嵌入系统，辅助人工提升单点效率），到2024年的Workflow阶段（AI通过流程编排介入特定业务流程，实现自动化闭环），再到2025年的自主智能体（Agents）时代[11] - 2025年，公司完成了从CC（云通讯）、CRM到诸葛智能的全线产品Agent化升级，让AI真正成为具备“闭环执行力”的业务角色[12] - 以“业务分析一本通Agent”为例，它将以往需要专业分析师花费一周时间配置的指标和模型，缩短至分钟级内完成从需求理解、指标选择到分析结论输出的全过程，在某城商行实际业务中，分析效率从32%提升至92%以上[11] - 全新一代智慧联络平台体现了从“辅助人”到“对结果负责”的范式迁移：Agent在联络瞬间完成意图预测，并基于业务目标自主规划最优路径，像“真人坐席”一样直接调用并操作CRM、呼叫中心等核心系统，完成多步骤任务执行，并在联络后沉淀要点、自我评价并自主触发工单流转[12] 核心竞争优势与产业Know-how - 公司认为，技术的泛化门槛正在降低，真正的壁垒是那些看不见的产业Know-how，在B端深水区，决定生产力工具上限的往往不是模型本身，而是对业务流程的底层重构[13] - 公司的战略逻辑拆解为“点、线、面”三个维度：通用工具解决“点”的单点需求，但深入垂直行业的业务流（线）和整体解决方案（面）才是真正的护城河[13] - 公司的产品底色源于与行业巨头（如国有大行、广发银行等）在真实“深水区”的深度共创，将大量真实的客户侧视角输入产品底层，使系统不断贴合最真实的业务习惯，并从技术视角转向业务视角，理解监管合规、组织架构及业务流程[13] 业务成果与量化价值 - 公司AI产生的每一分价值都被量化到具体的业务增量中，其核心竞争力在于通过重构营销、销售、服务流程，实现沟通智能的代际跨越，而非单纯的参数竞赛[8] - 在保险行业，公司大模型洞察代理将某保险客户数据利用率提升至95%，并将10天的分析时间压缩至4.5小时[16] - 在证券行业，引入大模型质检后，将8天的客服审核时间缩短至3.25小时，覆盖率从40%提升至100%，准确率达96%[16] - 在品牌零售行业，依托“大模型售后服务坐席辅助”，某零售集团的平均通话时长从12分钟骤降至3分钟，问题首解率（FCR）从30%飞跃至80%[16] - 2024年公司明确了六大核心应用场景，并在2025年初迎来了签单与中标的爆发期[10] 未来商业模式与平台愿景 - 随着智能体具备自主规划与目标闭环能力，To B市场有望从传统的“按软件收费”转向“Result-as-a-Service（结果即服务）”，企业购买的是能够确凿提升转化率、降低合规风险、并通过数据洞察驱动决策的业务结果[15] - 公司通过深度融合自身通讯底座与数据能力，构建出“AI+CC+CRM+Data”融合共振平台，打破了原本脱节的营销、销售与服务环节的职能壁垒，使其转变为动态互联的有机整体[18] - 用户的每一次互动触达与沟通交互都会被实时转化为数据标签，通过诸葛CDP同步至销售与客服执行端，而Agent在交互中捕捉的信号也能即时回写至营销策略中，实现全链路的动态共振[18] - 2025年公司完成了整个Agent的迭代升级，而2026年将是Agent真正作为“业务角色”开始上岗的一年[18]

文章核心观点 - 二级市场对AI应用的投资热情高涨，催生了以“易点天下、中文在线、天龙集团”为代表的新“易中天”概念组合，但其股价上涨主要由市场情绪驱动，缺乏实质业绩支撑，与由“真金白银”业绩驱动的老AI算力“易中天”组合（新易盛、中际旭创、天孚通信）形成对比[1][12] - AI应用正处于快速发展与落地阶段，技术变革潜力巨大，但B端落地仍面临模型幻觉、工具调用、组织适配等“最后一公里”挑战，全面AGI仍需较长时间，而特定领域的AI智能体有望在3年内达到熟练工效果[2][6] - 真正的AI应用投资机会在于“李逵”而非“李鬼”，即拥有真实业务、用户和收入的企业；C端机会集中于拥有算力、流量、数据和场景优势的互联网大厂，B端机会则在于拥有行业Know-how并能将AI业务转化为收入的软件企业[13][16][21] AI应用市场现状与进展 - 2026年被视为AI应用爆发的元年，一级市场资本正涌入这个“百花齐放”的高景气度赛道，更青睐能与大厂错位竞争或专注于AI产品出海的企业[7][8][21] - AI搜索优化（GEO）正在重塑消费决策链路，据麦肯锡数据，40%至55%的重点行业消费者依赖AI搜索完成购买决策，71%的AI工具使用者会通过其获取商品推荐[5] - 全球GEO市场规模增长迅速，预计将从2026年的240亿美元增长至2030年的1000亿美元[10] - AI应用在特定领域已有成功落地案例，例如有政务系统智能体经过近一年打磨，解答和操作指引的准确率已超过真人；有企业通过编程智能体将AI原生业务系统的开发时间从28天缩短至2天[6] 二级市场表现与风险 - 新“易中天”组合在2026年1月12日出现涨停，易点天下、天龙集团、中文在线年初至当时的涨幅分别达到87.369%、80.289%、56.339%[2] - 自2025年12月23日至报道时，软件ETF（159852）上涨23.81%，易点天下、中文在线、天龙集团股价分别上涨140.73%、51.62%、72.31%[12] - 随后多家上市公司发布风险提示公告，澄清其GEO等AI应用业务尚未形成收入或业绩影响有限，易点天下甚至申请停牌，显示市场炒作情绪与基本面存在巨大差距[12] C端AI应用竞争格局 - C端AI应用是综合性竞争，互联网大厂凭借算力、用户、场景和数据优势占据主导地位，中小厂商难以弯道超车[16] - 腾讯、阿里、字节跳动等大厂旗下App占据主流用户活跃度，其现有生态为AI应用提供了天然场景，例如字节通过抖音、头条实现低成本推广，阿里千问已全面接入淘宝、支付宝等系内App实现多种生活服务功能[17][18] - 互联网大厂被视作AI应用风暴的中心，其AI业务一旦开始贡献收入，将迎来价值重估[18][19] B端AI应用与投资逻辑 - B端软件企业拥有深厚的行业Know-how和客户绑定优势，大模型无法完全取代，它们正在打造自己的AI应用或智能体[20] - 投资逻辑可参考传统软件向云转型的历史：随着云收入占比提升，企业市值得到重估，例如用友网络云收入占比从2017年的6.45%提升至2019年的23.15%，其2018年、2019年股价分别上涨31.45%、74.88%[23][24] - 预计2026年软件企业的AI应用收入占比有望提升，资本市场将据此对相关企业进行价值重估[24]