文章核心观点 - Google Cloud通过一场马拉松规划与模拟的演示，系统性地展示了其构建企业级多智能体（Agent）平台所需的全套基础设施与工程范式，旨在解决将AI智能体从概念验证（Demo）落地到复杂生产环境时所面临的核心工程挑战[59] - 公司认为，软件开发正从传统的“Cloud Native”工程范式向“Agent Native”或“驾驭工程（Harness Engineering）”范式转变，其核心是为能够自主决策、协同工作的智能体网络提供生产级的管理、编排、观测与安全能力[60][61] 平台架构与核心组件 - Google Cloud为企业级智能体平台提供了一张完整的架构图，涵盖从开发套件（ADK）、运行时（Agent Runtime）、注册表（Agent Registry）到可观测性（Agent Observability）和安全网关（Agent Gateway）等模块[8][9] - 模型上下文协议（MCP）作为关键标准，使平台能够为智能体与外部工具（如Google Maps）建立安全的标准化连接，极大简化了集成工作[9][15] - 智能体注册表（Agent Registry）充当多智能体网络的“DNS解析中心”，智能体通过暴露“智能体卡片”声明能力，并通过A2A协议自动发现和对话，从而将系统内部耦合度降至最低[24][26] 智能体开发与协作模式 - 开发模式从编写线性逻辑转变为定义模块化的“技能”，并通过智能体设计器进行配置，例如为规划师智能体挂载地图技能、GIS技能和从历史文档转化的“赛事总监技能”[15][16] - 面对复杂任务，应采用多智能体协同架构，将单体应用拆解为各司其职的智能体团队，例如演示中构建了规划师、评估师和模拟器三个独立智能体进行分工协作[19][20][21] - 评估师智能体职责纯粹，仅对规划师的结果进行严苛打分；模拟器智能体则利用Gemini Deep Research学习到的现实世界人类跑步行为模式，在沙盒中生成成千上万个独立的跑者会话来模拟交通影响[23] 状态、记忆与知识管理 - 通过引入“智能体平台会话”和全托管的“记忆库”服务，解决了智能体像“金鱼”一样每次对话失忆的问题，使智能体能在时间轴上保持状态并积累结构化的长期经验[30][33] - 通过数据工程智能体自动处理非结构化地方法规文档，并利用AlloyDB数据库的内置自动嵌入功能生成向量，构建了完整的RAG闭环，使智能体具备了精准的地方性知识[34][36][37] 运维、排障与基础设施自治 - 当多智能体系统因复杂级联调用崩溃时，传统的单步调试失效，需依赖“智能体可观测性”控制台进行链路追踪，并借助“Gemini Cloud Assist”这类诊断智能体进行根因分析[39][41][42] - Cloud Assist不仅能诊断出应用层问题（如因未及时压缩事件导致上下文Token超过100万个限制），还能直接在IDE中提供带修复参数的代码差异对比视图，并自动提交触发CI/CD流程[42][43][45] - 智能体的能力可超越应用层，直接重构底层基础设施，例如通过自然语言指令，让Cloud Assist将服务从Cloud Run迁移至GKE，并自动优化存储方案和模型推理服务器配置[49][50][52] 低代码集成与跨团队协作 - 平台通过统一的Agent Registry，打破了高代码（开发者用Python编写）与无代码（业务人员通过自然语言生成）智能体之间的壁垒，使它们能基于暴露的能力接口在同一网络中协同工作[54][57][58] - 演示中，用无代码方式生成的“供应链智能体”与高代码开发的“规划师智能体”通过相互@调用，共同制定出了包含物资放置点的最终计划，实现了业务与工程团队的高效协作[57][58] 工程范式转变的意义 - 公司指出，依赖手写胶水代码、硬编码API对接、在Prompt中强塞历史记录的“小作坊时代”即将过去，开发者需要从“实现者”转变为“编排者”[26][61] - 通过提供完整的智能体家族产品，Google Cloud将“驾驭工程”从概念框架转化为一套可产品化的工程实践，旨在实现“知道、行动、反馈”的闭环，为开发者构建下一代复杂AI系统提供了底座和脚手架[60][61][62]

纪要涉及的行业或公司 * 主要涉及人工智能（AI）模型公司，特别是**MiniMax**，并提及**智谱**、**OpenAI**、**Gemini**、**Anthropic**等作为比较对象[1][3] * 同时讨论了**网络安全行业**的前景[1][12] 核心观点与论据 一、 关于AI模型公司估值与市场情绪 * **MiniMax存在显著估值折价**：当前市值约2,800亿港币，较智谱（4,300亿港币）存在显著折价，而模型能力领先是核心定价因素[1][3] * **模型迭代是核心估值催化剂**：新版本模型发布是股价80%-90%估值支撑的核心催化剂[1][2] * **模型迭代周期加速**：从2025年的6个月缩短至2026年的2个月，意味着更频繁的催化剂[2] * **市场对短期担忧的钝化**：地缘冲突等外部事件影响正在淡化[2] * **筹码结构依然健康**：尽管面临解禁，但因股价处于高位，原始股东卖出量可能较小，且全球长线基金的参与维持了筹码稀缺性[2] 二、 MiniMax的核心竞争优势 * **全模态（Full-modality）布局领先**：全模态是下一阶段核心叙事，MiniMax规划了文本模型M3和视频生成模型海螺03，并实现双向赋能[1][3][4] * M3是类似Gemini 3的全模态模型，能综合理解、推理多种模态信息[3] * 海螺03是视频版NanoBand，其实现需要强大全模态模型作为主干，技术门槛高[3] * 双向赋能：M3为高质量视频生成提供理解基础；海螺03生成的数据可反哺M3训练[4] * **组织效率与商业化能力占优**： * 组织精简，人均产出效率高[4] * 在算力紧缺环境下，具备强大的境内外算力获取与调配能力（如与Fireworks AI合作），能提供更稳定、SLA更优的API服务[4] * 模型设计精巧，以更小参数量实现同级性能，毛利率有望高于行业平均，其综合API毛利率曾达69%[1][4] * **Harness Engineering与自训练能力构筑技术壁垒**： * Harness Engineering是为AI Agent运行提供完整环境的新范式，能显著提升Agent表现[5][7] * MiniMax在M2.7开发中，约70%的代码由模型自训练完成，极大提升了整体效率[1][9] * **市场表现强劲**： * M2.7模型在OpenRouter日均Token调用量超250亿[1][9] * 是OpenRouter和Hermes Agent上调用量最高的模型，在中国大模型中领先[9] 三、 产品规划与模型发展（M3/海螺03） * **M3模型具体规划**： * **性能目标**：挑战领先闭源模型，具备更强的自主规划、复杂工具调用及长程任务执行能力[6] * **多模态能力**：具备更强的原生多模态能力，统一理解和生成视觉、语音乃至视频内容[6] * **参数与效率**：参数量有望提升，同时优化激活参数以保证推理效率[6] * **价格策略**：从M2.5到M2.7延续相对低价策略，为未来提价提供空间[6] * **发布时间**：最新表述积极，称“不会太久”[6] * **海螺03**：作为视频版NanoBand，将带来从无到有的视频编辑能力，并可能带来十倍以上的市场容量扩张[3][4] 四、 关于Harness Engineering的行业讨论 * **概念演进**：是继提示词工程、上下文工程之后的新范式，关注Agent系统应如何工作[7] * **核心作用**：通过模型外部的工程化手段更好地发挥模型能力，直接影响Agent能力[7] * **业界观点分歧**： * “Big Model派”认为复杂Harness是阶段性的，未来将被更强模型取代[8] * “Big Harness派”认为模型趋同，真正壁垒在于Harness层面的构建[8] * **渐进演化观点**：模型能力与Harness协同发展，模型能力向外扩展一层，Harness也随之向外扩展一层[8][9] 五、 财务预期与行业前景 * **MiniMax 2026年收入预期**：目前预期为2.3亿美元，但存在上修空间[1][10] * **个人推测**：按ARR口径，到2026年底收入可能在5亿至10亿美元区间[1][10] * **业务增长强劲**：领先厂商的token调用量周度环比增速可达10%至20%[4] * **网络安全行业前景**： * 目前处于极端低估阶段，预期将迎来趋势性反转[1][12] * **核心逻辑**：更强大的AI模型会被用于发现更多软件漏洞，攻击手段增强将导致对防御工具的需求必然增加[12][13] * 网络安全公司（如CrossStitch）不会被取代，反而会与大模型合作[12] 其他重要内容 * **关于数据差异的解释**：ARR数据差异源于各公司定义和披露时间点不同，在算力短缺、需求井喷的背景下，无需过度担忧[2][3] * **关于“蒸馏”的澄清**：中国模型公司的领先并非仅靠“蒸馏”，这是行业内普遍存在且法理上无问题的行为，并非成功核心要素[2] * **全模态叙事契机**：当前市场热点集中在coding和Agent领域，竞争拥挤，而OpenAI和Gemini等在叙事上处于相对逆风期，为全模态叙事反转提供了契机[3] * **软件行业与AI的关系**：软件行业不会被AI吞噬，优秀的软件公司能利用AI从交付工具转向交付结果，创造十倍以上的价值量[11] * 判断标准：AI业务从第一天起就应能赚钱，每投入1美元token成本至少能赚回10美元收入[11]

AI Agent 技术演进与行业现状 - 行业对AI的认知已超越聊天工具，转向能够直接编辑文件、处理多模态内容、学习长上下文的智能体（Agent）[4] - OpenClaw的出现是观念转变的关键，其通过标准化协议、低门槛、完善的Skill生态和本地优先的隐私优势，解决了传统Agent框架开发门槛高、工具兼容性差的问题，使普通人与中小企业得以落地应用[4] - 2026年3月，行业出现“百虾大战”，腾讯、阿里、字节等大厂均发布龙虾产品，旨在让Skill安全地协助工作，引爆了“龙虾热”[5] Harness Engineering（驾驭/治理工程）的兴起 - Agent能力提升后，管理Agent成为更重要的课题，OpenAI与Anthropic几乎同时提出Harness Engineering概念，其核心是从管理“新手”转向管理能在框架内完成系统任务的“老手”[8] - 行业经历了从提示词工程（Prompt Engineering）到上下文工程（Context Engineering），再到治理工程（Harness Engineering）的演进过程[9][10][12] - 治理工程旨在为Agent定义行为边界、制定工具调用规范、搭建自动化验证与错误恢复机制，构建全流程反馈闭环，以解决复杂任务中的逻辑跑偏、错误重复和安全失控问题[12] - 人类与AI的关系正从“操控与被操控”演变为“约束与自治”，核心目标与边界由人设定，具体任务执行与优化由AI在框架内自主完成[13] Hermes Agent 框架的特点与能力 - Hermes Agent由Nous Research团队开发，于2026年2月发布，其核心是具备自我进化能力，能在完成任务后自动提炼可复用的Skill[15][16] - 其自进化能力源于内置的Skills闭环系统，当完成涉及5个以上Skill调用的复杂任务后，系统会自动分析执行过程，生成结构化的Skill文件供后续直接调用，极大提升效率与成功率[17] - Skill具备自我改进能力，大约每经过15次工具调用，系统会触发回放分析，对Skill进行精准优化，避免重复错误并修正过时步骤[17] - 框架构建了四层记忆系统与两层缓存索引，解决了OpenClaw每次会话从零开始的问题，并通过常驻提示记忆、会话归档、技能文件层、用户建模层及周期性复盘机制，实现高价值上下文的筛选与历史信息的按需调取[18] - 在安全层面，通过Patch精准纠错机制与全流程安全扫描贯穿Skill生命周期，实现安全可控的自我迭代[18] - 在成本控制上，采用渐进式披露策略减少无效Token消耗，并以多模型分工模式降低推理开销[19] - 有测试显示，使用Hermes约两周后，Skill开始自动沉淀，同类任务速度提升约40%[19] - 该框架被指存在架构级抄袭，其核心自进化循环与中国团队EvoMap的开源引擎Evolver的10步流程高度对应[19] Hermes Agent 面临的商业化挑战 - 与OpenClaw催生众多成熟商业化产品不同，Hermes目前尚无成熟的开箱即用商业化产品[20][22] - 主要问题包括：Skill版本控制缺失，自动Patch机制会直接覆盖旧版且无历史快照与回滚能力，不符合企业级工程规范[23] - 安全扫描存在短板，仅依赖正则表达式检测恶意代码易被绕过，预留的LLM辅助审查接口未启用，无法通过企业级安全审计[23] - 索引匹配完全黑箱化，Skill调用全靠AI自主判断，无精准语义匹配机制，决策过程不可控，易导致技能复用失效或重复造轮子[23] - 采用单机存储，Skill与记忆无法跨设备自动同步，难以适配多设备切换与团队协作场景[24] - 尽管如此，作为一个完整实现自学习闭环的开源框架，其Skills系统为整个领域提供了极具价值的参考架构[25] 行业影响与未来展望 - 真正的智能被视为在约束中自我生长的能力，而不仅仅是写死的代码[27] - 为Agent设定规则框架并让其自我进化的思路，有助于人类与Agent更好地协作[27] - 预计经过工程优化或出现完善的行业级Harness框架后，Agent在行业中的应用场景将比当前使用Skills更加广泛和深入[27]

核心观点 - 报告认为 AI 工程化范式正从 Prompt Engineering、Context Engineering 演进至 Harness Engineering，这是 AI 智能体（Agent）走向解决复杂现实问题的必然选择 [4][7] - Harness Engineering 已成为 AI Agent 实现规模化落地的关键基础设施，其将与模型智能共同驱动智能体向更复杂的实际业务场景落地，并有望推动 AI 产业景气度持续上行 [7][8] - 在此趋势下，报告维持对计算机行业的“买入”评级 [8] AI 工程化范式演进 - **Prompt Engineering**：聚焦于如何与模型对话，通过添加身份设定、场景约束、输出格式等细节，引导模型精准理解任务目标，本质是意图对齐 [5] - **Context Engineering**：随着任务复杂度提升，工程重心转向高效、精准的信息供给，通过构建适配的数据、工作流程与运行环境，结合检索增强、信息压缩等技术，以最优信息填充模型运算空间 [5] - **Harness Engineering**：当基座模型能力达到临界值后，挑战在于如何让 AI 在长周期、多步骤任务中不失控。Harness 不仅包含前两阶段的提示词与上下文管理，更引入了工具调用、多 Agent 调度、物理依赖边界设定、质量管理以及全链路的反馈闭环，使 AI 行为服从于系统设定的架构约束与物理边界 [6] Harness Engineering 概念与影响 - 概念由 HashiCorp 联合创始人 Mitchell Hashimoto 于 2026 年 2 月首次提出，随后 OpenAI 和 Anthropic 等头部模型厂商在技术博客中进一步明晰和推广 [3] - OpenAI 的公开实验显示，一支初始由 3 名（后扩充至 7 名）工程师组成的团队，在 5 个月内通过 Codex Agent 生成超 100 万行生产级代码，全程无人工直接编写代码 [3] - Harness 被定义为支撑复杂 AI 智能体运行的外部框架、控制机制与编排体系，即一套完整的工程化支撑体系 [3] - 当 Harness 成为 Agent 工程化落地的关键基础设施，Agent 的能力边界将由模型智能与 Harness 共同决定 [7] - 未来，通用型 Harness 的部分功能或将被大模型内化吸收，头部模型厂商正加速向 Harness 层延伸布局，从单纯的 API 供给转向覆盖工作流编排的系统化产品形态 [7] 投资建议与核心受益方向 - **国产大模型厂商**：头部模型厂商正加速向 Harness 层延伸，由单一 API 接口供给升级为覆盖工作流编排的系统化产品体系 [9] - **垂直领域企业端 AI 软件应用厂商**：依托深厚行业知识，围绕企业级工作流、上下文管理、权限管控及结果校验构建的 Harness 能力，将具备持续核心价值 [9]

报告行业投资评级 - 行业评级：增持 [4] 报告核心观点 - 金融科技行业迎来新机遇，核心驱动力在于数字人民币（数币）作为关键基础设施的场景拓展，以及人工智能（AI）对金融服务全流程效率的重塑 [4][23] - 金融垂类AI（Claw）产品发展加速，竞争焦点从模型能力转向工作流编排、工具治理等工程化落地能力 [4][11] - 数字人民币运营机构扩容，将释放银行系统建设需求，并丰富支付场景 [4][7] - 第三方支付行业监管持续收紧，合规门槛提升，同时稳定币牌照落地推动跨境支付等新型支付基础设施发展 [4][14][17] 根据目录总结 1. 市场表现回顾 - 2026年3月30日至4月10日，金融科技指数（930986）收益率2.68%，同期沪深300收益率2.98%；港股金融科技指数（987032）涨跌幅3.47%，同期恒生科技指数涨跌幅1.72% [7] - 细分板块中，第三方支付板块表现突出，区间涨跌幅5.52%（A股）和3.32%（港股），主要受全球风险偏好上升及数字人民币运营机构扩容带动 [8][9] 2. 政策与行业动态 2.1 银行IT - 2026年4月2日，中国人民银行新增中信银行、光大银行、华夏银行等12家银行成为数字人民币业务运营机构，并已接入央行端系统 [11] - 运营机构扩容将提升数币服务普惠性，并有望释放银行系统升级与建设需求 [11] 2.2 金融信息服务 - **AI智能体（Claw）发展加速**：行业关注重点从模型能力延伸至Harness Engineering，强调通过工程化框架提升智能体在生产环境中的稳定性与可控性 [11] - **头部公司产品动态**： - 同花顺推出面向金融投资者的AI Skills社区“问财SkillHub”，提供全品类金融Skills [11] - 万得AI（Wind Alice）与同花顺妙想Claw均接入微信，将金融数据与AI能力嵌入移动社交工作流，推动金融终端向高频移动场景延伸 [11][12] - **监管趋严**：浙江证监局对同花顺基金销售公司采取责令改正监管措施，反映基金代销合规要求持续收紧 [14] 2.3 第三方支付 - **监管处罚与牌照管理**： - 通联支付因多项违规被警告、没收违法所得8.2万元并处罚款199.4万元 [14] - 广东汇卡商务服务有限公司支付牌照被不予续展并注销，为年内第二张被注销的支付牌照 [14] - 财付通调整商户入驻流程，新增受益所有人资料收集等要求，反洗钱监管持续收紧 [17] - **创新与牌照落地**： - 渣打香港成为香港首批推出“转数快”（FPS）跨境支付服务的银行之一，支持单笔限额100万港元 [15] - 蚂蚁国际加速布局“智能体支付”生态，为中小商户推出AI商户助理Antom Copilot [15] - 香港金管局向碇点金融科技与汇丰银行授予首批稳定币发行人牌照，聚焦P2P付款、商户支付、跨境支付及代币化投资等场景 [17] 3. 个股动态 3.1 支付与信贷AI - **拉卡拉**：发布智能终端与AI新品，未来战略围绕“合规、科技、全球化”推进 [18] - **连连数字**：深化跨境物流支付场景布局，并与澳新支付服务商Latipay达成战略合作，补强本地收付网络 [18][19] - **奇富数科**：在金融AI联盟大会展示覆盖信贷全流程的智能体矩阵，信贷AI步入规模化落地阶段 [18] 3.2 公司业绩与数币生态 - **新国都**：2025年实现营业总收入31.8亿元，归母净利润4.69亿元，同比增长100.17%；跨境支付交易额突破24亿元，成为第二增长曲线 [19] - **中银香港**：将构建数字人民币生态作为核心战略，已推动数字人民币与香港“转数快”系统互联互通 [20] - **越秀资本**：2025年营业总收入78.43亿元，归母净利润35.19亿元，同比增长53.42%；绿色领域新增投放占比达58% [21] - **ST仁东**：公告将于2026年4月14日起撤销退市风险警示 [22] 4. 投资建议 报告基于数字人民币与AI双轮驱动逻辑，推荐以下细分领域核心公司 [4][23][26]： 1. **金融IT**：看好数币升级带来的银行系统需求及大模型赋能，推荐长亮科技、宇信科技、中科软、新致软件 2. **金融信息服务**：看好智能投研、智能投顾前景，推荐九方智投控股、同花顺、东方财富 3. **第三方支付**：看好数币场景拓展带来的增量空间，推荐拉卡拉、移卡、连连数字 4. **消费金融**：看好智能客服、营销、风控场景落地，推荐易鑫集团

行业投资评级 - 维持计算机行业“买入”评级 [1][30] 报告核心观点 - 报告核心观点是AI工程化范式正经历从Prompt Engineering、Context Engineering到Harness Engineering的跃迁，Harness Engineering已成为驱动AI智能体（Agent）实现规模化、复杂化业务落地的关键基础设施 [5][9][30] - 在此趋势下，AI产业景气度有望持续上行 [9][30] 核心概念：Harness Engineering - **词源与定义**：“Harness”一词源自马术，意为“马具”，报告将其比喻为限定和引导底层大语言模型（比作野马）行为的外部框架、控制机制与编排体系，即一套完整的工程化支撑体系 [3][13][20] - **概念起源**：由HashiCorp联合创始人Mitchell Hashimoto于2026年2月首次提出，随后OpenAI和Anthropic等头部厂商通过技术博客和实践明确了该概念 [4][13] - **实践案例**：OpenAI公开实验显示，一支3-7人的工程师团队在5个月内通过Codex Agent生成了超过100万行生产级代码，全程无人工直接编写 [4][13] AI工程化范式演进路径 - **Prompt Engineering（提示词工程）**：聚焦于通过优化单次指令（如添加身份设定、场景约束）来引导模型精准理解任务，本质是意图对齐，以降低输出不确定性 [6][16][17] - **Context Engineering（上下文工程）**：随着任务复杂度提升，工程化重心转向高效管理模型的短期与长期记忆，通过检索增强、信息压缩等技术，以最优信息填充有限的上下文窗口 [6][20] - **Harness Engineering（驾驭工程）**：当模型智力达到临界值后，挑战转向如何构建能让AI在长周期、多步骤任务中持续受控运行的系统，它包含了前两阶段能力，并引入了工具调用、多Agent调度、物理边界设定、质量管理和全链路反馈闭环 [6][20] 对AI产业格局的影响 - **重塑Agent能力边界**：智能体（Agent）的能力边界将由模型智能与Harness共同决定，Harness成为其工程化落地的关键基础设施 [7][20] - **驱动产业链变革**：头部大模型厂商正加速向Harness层延伸布局，从提供单一API接口转向覆盖工作流编排的系统化产品形态 [7][9][31] - **创造垂直领域机会**：在垂直细分场景中，围绕企业级工作流、上下文管理、权限管控与结果校验构建的Harness能力具备持续价值，这为深耕垂直领域的B端软件厂商提供了重要的转型方向 [7][21][31] 市场与行业回顾 - **指数表现**：本周（报告期内）申万计算机指数下滑6.17%，在申万一级行业中排名第6位 [11][22] - **个股表现**：本周计算机行业涨幅前十的个股包括宇瞳光学、中安科、行云科技、浪潮信息、卡莱特、四方精创、君逸数码、思特奇、同有科技、宏景科技 [11][24][28] - **行业估值**：截至4月10日收盘，以PE-TTM（整体法，剔除负值）统计，申万计算机行业总体市盈率为53.2 [11][29] 投资建议与核心受益方向 - **核心受益方向一：国产大模型厂商**：头部厂商正加速向Harness层延伸，由单一API供给升级为覆盖工作流编排的系统化产品体系 [9][31] - **核心受益方向二：垂直领域企业端AI软件应用厂商**：依托深厚行业知识，构建围绕企业级工作流、上下文管理、权限管控及结果校验的Harness能力，将具备持续核心价值 [9][31]

文章核心观点 - 文章认为，Harness Engineering（系统编排工程）是AI智能体（Agent）领域的关键上层建筑，正成为下一代AI工程化的分水岭，其重要性可能使其成为2026年AI领域最重要的概念[1] - 文章指出，AI领域的竞争焦点正从基础模型转向框架层，而百度伐谋（Famou）智能体在权威基准测试MLE-Bench上的领先成绩及其产业落地案例，证明了国内AI团队在Harness工程化实践上已走在前面[1][6][31] Harness Engineering 概念与重要性 - Harness Engineering是指围绕AI智能体设计系统、约束和反馈循环，使其在生产环境中能够可靠运行的工程学科，是AI智能体的两大支柱之一（另一支柱为大模型）[1] - 其核心要素包括权限与安全护栏、记忆与状态管理、工具与工作流编排，以及自我纠错循环机制[1] - 该概念的兴起意味着AI技术正在告别“盲盒”时代，迈向工程学范畴，目标是从手工构建AI转向框架驱动的演化[1][19] - 行业观点认为，未来的AI竞争中，谁能构建出最优秀的Harness框架，谁就能真正把大模型的智力转化为生产力[21] 百度伐谋在MLE-Bench的评测表现 - 百度伐谋智能体在由OpenAI主导的权威基准测试MLE-Bench上登顶，刷新了SOTA（最优水平）成绩，这是继去年10月首次登顶后的第二次领跑[6] - MLE-Bench被公认为检验智能体“动手能力”的硬核考场，它选取了75个来自Kaggle竞赛的真实工程难题，重点考察AI在机器学习全流程中的端到端实战能力，而非简单的常识问答或代码生成[6] - 伐谋2.0版本在2025年12月末以59.56分登顶，在2026年2月的榜单风波后，于3月23日后以无可争议的分数重回主榜榜首[12][15][16] - 在2.0版本的升级中，团队反直觉地未使用当时最先进的基座模型，以单独验证智能体Harness系统自身的进步[12] - 评测过程中出现风波：一家名为Disarray的创业公司提交了77.78分的成绩，但被AI社区发现其利用了测试机制漏洞（接收私有测试集反馈、调用外部网络数据），随后MLE-Bench官方新增“清洁赛道”（No Private LB）将其隔离，百度伐谋坚守原则的成绩得到确认[13][15] 百度伐谋2.0的技术优势 - 伐谋是一个让AI算法自主进化、寻找全局最优解的多智能体系统，结合了大语言模型和进化搜索算法[22] - **执行多智能体并行探索模式**：面对新任务时，系统通过多智能体并发生成多个“初始算法解”，形成初始种群，随后在分布式集群上利用大规模并行的变异与交叉机制持续自演化，逼近全局最优解[22] - **升级长程记忆机制**：解决了大模型在长链条任务中容易遗忘的痛点，使智能体能像人类工程师一样保持思路清晰、逻辑一致，记住之前的分析、决策和中间结果[22] - **底层基础设施优化**：依托百度智能云的全栈AI云优化，在计算资源调度、任务并行执行、容错恢复等方面做到极致，显著提升了算法演化迭代效率，保障系统稳定、快速、可靠运行[23] 百度伐谋的产业落地实践 - **汽车研发（阿尔特公司）**：将伐谋用于汽车风阻系数分析，训练出“御风”智能预测系统，将原本需要10小时的单次气动验证缩短至数分钟，预测误差控制在5%以内，使整车研发周期缩短了25%[25][26][28] - **银行风控（中信百信银行）**：将伐谋引入核心风控体系进行特征挖掘，将特征挖掘效率提升了100%，并抓取到人类易忽略的高价值特征，使风控模型的风险区分度提升了2.41%[28] - **科研设备研发（北京工业大学）**：将伐谋用于中国空间站微型空气质量监测设备中“气相色谱柱”的流场均匀性难题优化，通过自我演化打破了人类常规设计极限，找出了更优解，提升了气体分离效率[29] - **灾害预测模型选优（天津大学）**：将伐谋应用于滑坡位移预测、结构面岩爆等模型的算法选优，将过去动辄以“周”为单位的选优周期压缩到了6个小时[29]

量化模型与构建方式 本报告主要介绍AI Agent工具Hermes，并未涉及具体的量化投资模型或量化因子的构建、测试与评价[7]。报告内容聚焦于该工具的功能、架构及其在金融工程领域的潜在应用场景[1][39]。 量化因子与构建方式 本报告未涉及具体的量化因子构建。 模型的回测效果 本报告未提供任何量化模型的回测效果数据。 因子的回测效果 本报告未提供任何量化因子的回测效果数据。

Anthropic发布Harness产品与Claude的商业化进展 - 2024年4月8日，Anthropic正式发布Claude Managed Agents，这是一套用于大规模构建和部署云托管代理的可组合API，产品已进入公开测试版 [8][9] - 除了标准Claude Token消耗外，该产品每会话每小时收取0.08美元的运行时间费用 [10] - 此次发布标志着Anthropic首次将其内部工程体系中的Harness能力产品化、平台化 [12] - Anthropic的Claude年收入预期在近期突破300亿美元，正式超越OpenAI；而2025年底该数字为90亿美元，意味着在三个月内翻了三倍 [13] - 年化消费超过百万美元的大客户数量，在两个月内从500家增长到1000家 [13] Harness Engineering：AI Agent商业化的新工程底座 - 行业共识是，模型能力正在加速商品化，但决定Agent能否进入企业核心流程的关键，是背后一整套工程基础设施，包括沙箱执行、状态管理、权限控制、任务恢复、全链路追踪、结果验证与回滚等 [13] - 企业真正购买的是“production-ready intelligence”，而不仅仅是“intelligence” [14] - Anthropic的商业成功验证了一条路径：高客单价企业客户 + Coding agent工作流 + 持续扩张 [15] - AI的竞争正从模型能力竞争，逐渐转向结果交付能力竞争；Harness Engineering被认为是这个时代新的工程底座 [15] Claude Code源码泄露事件及其影响 - 由于一次打包失误，Claude Code的完整内部源码泄露，涉及接近2000个内部文件、约50万行代码 [16] - 此次泄露将一整套包含agentic coding工程智慧的骨架暴露出来，可能导致全球Agent的Harness Engineering水平被“一夜拉平” [16] - 一场关于“谁能最快消化这套工程范式”的军备竞赛已经打响，更快理解并复用这套范式的团队将能更快构建真正可用的AI系统 [16] - Claude Managed Agents的推出，也意味着这套能力开始从内部工程体系走向平台化、标准化 [16] 关于Harness Engineering的深度探讨议题 - 分享将拆解Harness Engineering这一正在重塑AI行业的新工程范式 [23] - 探讨真实企业场景中Harness的具体形态、从概念到落地面临的挑战与门槛 [23] - 分析Claude Code源码泄露后，中国团队在相关方向上的机会与门槛 [23] - 探讨当工程层成为主战场时，模型Post-training（后训练）方向可能发生的变化 [23] Pokee.ai公司介绍 - Pokee.ai是一家面向专业人士和企业的AI Agent公司 [6][22] - 公司于2024年获得锦秋基金的投资 [6][22] - 2025年，公司完成1200万美元种子轮融资，由Point72 Ventures领投，Qualcomm Ventures、Samsung NEXT Ventures、SCB 10X等参投 [6][17][22] - Pokee.ai是较早在生产环境里跑通agentic工作流的实践者，对Harness架构有直接的工程经验 [16]

固定收益市场 - 2026年3月制造业PMI为50.4%，环比上升1.4个百分点，时隔两个月重返荣枯线上，超季节性回升[1][6] - 3月制造业产需同步改善，生产指数重返扩张区间，内外需双双改善，企业主动补库，价格指数大幅回升预示3月PPI同比增速有望转正[6][7][8] - 3月非制造业商务活动指数为50.1%，环比上升0.6个百分点；服务业PMI重返扩张，但建筑业商务活动指数仍处于收缩区间[6][9] - 3月债市受月末PMI改善影响有所调整，当前市场核心驱动因素为中东局势、通胀预期和债市配置力量增强，预计债市震荡偏强[1][9] - 展望4月，信用债市场预计呈现“需求回暖、供给温和放量”格局，二永债供给有望打破年初静默温和放量，4-5月是监管批文集中落地时段[59][60] 计算机行业与金山办公 - 金山办公2025年实现营收59.29亿元，同比增长15.78%；扣非后归母净利润18.03亿元，同比增长15.82%[11] - 公司海外业务高速增长，2025年海外WPS个人业务收入2.8亿元，同比增长53.67%，累计年度付费个人用户数达285万，同比增长63.39%[11] - WPS Office海外月度活跃设备数达2.45亿，其中PC版海外月活设备数达4247万，同比增长53.78%[11] - 公司持续加大AI投入，2025年研发投入20.95亿元，同比增长23.57%；WPS AI国内月活用户超8013万，同比增长307%[12] - 行业动态：Harness Engineering成为AI编程新风口，旨在通过外部框架优化多智能体协作；Claude Code逾51.2万行源码遭泄露，或降低AIAgent研发门槛[63][64][65] 食品饮料行业与贵州茅台 - 贵州茅台自2026年3月31日起，将飞天53%vol 500ml贵州茅台酒（2026）销售合同价由1169元/瓶上调至1269元/瓶，自营体系零售价由1499元/瓶调整为1539元/瓶[14] - 报告认为本次提价信号意义大于业绩实际拉动，主要基于节后飞天茅台供需偏紧及公司通过i茅台增强终端定价能力的背景[2][14][15] - 预计公司2025-2027年EPS分别为70.29元、73.39元、78.51元[2][15] - 行业动态：糖酒会反馈显示白酒行业延续分化，头部酒企率先企稳；茅台凭借强品牌力和i茅台等渠道变革走在行业C端时代前列[57] - 低度潮饮健康化、现制茶饮加速与咖啡融合成为行业新趋势[58] 家用电器行业与美的集团 - 美的集团2025年实现营业总收入4585.0亿元，同比增长12.1%；归母净利润439.5亿元，同比增长14.0%[17] - 2025年公司智能家居业务同比增长11.3%，整体外销收入同比增长15.9%，OBM业务占比达45%以上[17] - 商业及工业解决方案收入同比增长17.5%，其中楼宇科技业务同比增长25.7%[18] - 公司股东回报提升，2025年现金分红率73.6%，同比提升4.3个百分点；并计划2026年回购65-130亿元股份[18] - 预计公司2026-2028年归母净利润分别为467.5亿元、512.8亿元、551.4亿元[3][18] 电力设备行业与相关公司 - **阳光电源**：2025年实现营收891.84亿元，同比增长14.55%；归母净利润134.61亿元，同比增长21.97%[20]；2025年光伏逆变器全球发货量143GW，储能系统全球发货43GWh[21]；预计2026-2028年归母净利润分别为162.96亿元、210.52亿元、248.26亿元[22] - **科达利**：2025年实现营收152.13亿元，同比增长26.46%；归母净利润17.64亿元，同比增长19.87%[23]；电池结构件业务营收147.05亿元，同比增长28.17%[24]；公司拓展人形机器人灵巧手等业务，打开第二增长曲线[24]；预计2026-2028年归母净利润分别为23.95亿元、31.89亿元、40.35亿元[24] 非银金融行业与相关公司 - **中国银河**：2025年实现营收283.02亿元，同比增长24.3%；归母净利润125.2亿元，同比增长24.8%[26]；财富管理优势稳固，2025年代销金融产品收入同比增长77%，金融产品保有规模2519.48亿元[27]；两融余额1362亿元，市占率由4.9%提升至5.4%[28]；预计2026年归母净利润141.11亿元，同比增长12.7%[28] - **广发证券**：2025年实现营收354.93亿元，同比增长34.3%；归母净利润137.02亿元，同比增长42.2%[30]；公募资管是核心优势，旗下广发基金、易方达基金2025年净利润合计贡献17.2%[31]；自营投资业务收入137.01亿元，同比增长59.1%[32]；预计2026-2028年归母净利润分别为151.18亿元、162.67亿元、172.61亿元[32] - **中信金融资产**：2025年实现归母净利润110.86亿元，同比增长15.3%[34]；股权投资构建利润护城河，确认联营企业收益283.53亿元[34]；不良资产主业稳健，收购处置业务减亏71%，纾困业务收入82.71亿元，同比增长54.7%[35]；预计2026-2028年归母净利润分别为116.38亿元、125.98亿元、131.39亿元[36] - **华泰证券**：2025年实现营收358.10亿元，同比增长6.8%；归母净利润163.83亿元，同比增长6.7%[53]；科技金融特色鲜明，发布“AI涨乐”APP，2025年金融产品销售规模6733亿元，同比增长33.6%[54]；国际业务快速发展，华泰国际金控净利润贡献达20%[55]；预计2026-2028年归母净利润分别为188.11亿元、209.09亿元、221.86亿元[55] 汽车行业与相关公司 - **赛力斯**：2025年实现营业总收入1650.54亿元，同比增长13.69%；归母净利润59.57亿元，同比增长0.18%[39]；研发投入125.1亿元，同比增长77.4%[40]；预计2026-2028年营收分别为1871亿元、2594亿元、3225亿元[40] - **伯特利**：2025年实现营业总收入120.14亿元，同比增长20.91%；归母净利润13.09亿元，同比增长8.32%[42]；客户结构持续优化，服务于全球前十大车企中的八名[42]；积极布局EMB、悬架系统及机器人核心零部件等新业务[43]；预计2026-2028年营收分别为152亿元、184亿元、221亿元[43] - **比亚迪**：2025年实现营业收入8040亿元，同比增长3.5%；归母净利润326.2亿元，同比减少19%[45]；出海成为重要增长引擎，新能源汽车运营足迹遍布全球119个国家和地区[45]；发布兆瓦闪充技术，实现常温下10%至70%电量充电仅需5分钟[46]；预计2026-2028年营收分别为9344亿元、10224亿元、11439亿元[46] 建筑材料行业与天山股份 - 天山股份2025年实现营业收入744.96亿元，同比减少14.40%；归母净利润-72.91亿元[48] - 业绩亏损主因水泥量价齐跌及计提大额资产减值损失63.67亿元（同比增加59.34亿元）[49][50] - 2025年水泥熟料销量1.97亿吨，同比减少12.28%；单吨价格同比减少12元至235元[49] - 海外业务表现亮眼，收入16.47亿元，同比增长95.93%，毛利率达40.30%[50] - 预计2026-2028年归母净利润分别为10.89亿元、17.33亿元、22.28亿元[51] 北交所市场 - 2026年3月31日，北证50指数收盘1248.29点，下跌0.99%，PE_TTM为51.78倍；当日成交金额134.7亿元[66] - 3月市场出现深度回调，主要受中东地缘冲突推升通胀担忧、美联储鹰派预期强化全球流动性收紧等因素影响[68] - 短期市场预计维持震荡磨底，后续需关注地缘冲突、货币政策、A股流动性及一季报业绩[68] - 中期看，随着估值回落至历史低位，聚焦半导体、军工、AI、卫星互联网等国产替代主线的优质专精特新企业长期配置价值显现[68] 主要市场指数（2026年4月2日） - 国内市场普涨：上证指数收盘3948.55点，上涨1.46%；深证成指收盘13706.52点，上涨1.70%；创业板指收盘3247.52点，上涨1.96%[5] - 海外市场上涨：道琼斯指数收盘46565.74点，上涨0.48%；标普500指数收盘6575.32点，上涨0.72%；纳斯达克指数收盘21840.95点，上涨1.16%[5]