报告行业投资评级 - 报告未对具体行业或公司给出明确的“优于大市”、“中性”或“弱于大市”的投资评级 [20][21][22][23][24] 报告的核心观点 - AI Agent 的竞争需要 Big Model（大模型） 和 Big Harness（“马具”/系统层）共同驱动 [1][6] - 短期来看，Harness 帮助企业跨过 Agent 落地门槛，并催生出一批聚焦垂直场景的 Agent 应用与 Harness 厂商 [1][6] - 中长期看，随着大模型能力持续进化，部分通用型 Harness 的重要性或将下降，但围绕企业级 workflow、上下文管理、权限控制和结果验证的 Harness 能力，仍有望保留持续价值 [1][3][6][13] 根据相关目录分别进行总结 关于 Harness 的定义与作用 - Harness 是连接模型能力与实际执行结果的传导层，可理解为大模型的“缰绳、马具和传动系统”，负责将模型生成的候选答案转化为可执行结果 [2][7] - 这一层通常覆盖任务拆解、工具调用、上下文衔接等功能 [2][7] 关于 Big Model 与 Big Harness 的争论 - Big Model 一派认为，随着模型持续进步，许多复杂的外部编排长期可能被更强模型“吞掉” [2][8] - Big Harness 一派则认为，越接近真实生产环境，越需要稳定的工具链、结构化上下文和运行时约束，因此 harness 是长期价值层，而非过渡层 [2][8] 关于 Big Harness 的长期价值路径 - 第一类是垂直领域专属 Agent，在法律、金融和工业设计等场景，定制化 Harness 至关重要，用于将模型嵌入受行业规则约束的执行框架 [4][10] - 第二类是 Context as a Service，核心价值在于将企业文档、代码库和流程规范整理成结构化的上下文层，供 Agent 精准调用 [4][11] 关于行业竞争格局与价值链 - 真正具备壁垒的将不只是一线大模型厂商，也包括 Agent runtime、workflow 平台等 Harness 公司，因为企业采购的是可接入现有系统的执行框架，而非单一模型能力 [3][12] - 头部模型厂商也在加速向 harness 层延伸，从单纯提供模型 API 走向覆盖工作流编排的系统化产品 [3][13] - Harness 和 context 若能持续创造价值，应用层与平台层的议价能力有望上升 [3][12]