报告行业投资评级 - 行业评级为“看好” [2] 报告核心观点 - 报告重点围绕2026年第一季度计算机行业业绩前瞻、以及AI Agent领域新兴的“Harness”（驾驭系统）工程展开讨论 [3] - 随着大模型基座能力成熟，决定AI Agent上限的关键正从模型本身转向围绕模型构建的整套“驾驭系统”，即Harness Engineering [3][10] - 报告更新了两家重点公司智谱和鼎捷数智的最新动态，并梳理了九条重点推荐投资主线 [3] 2026Q1计算机业绩前瞻 - 对44家重点跟踪的A股、港股计算机公司进行了2026年第一季度业绩预测 [3] - 预测净利润增速超过50%的公司有6家，占比14%，包括：同花顺（+375%）、顶点软件（+153%）、软通动力（+140%）、鼎捷数智（+100%）、索辰科技（+68%）、浪潮信息（+51%）[3][4] - 预测净利润增速在30%-50%的公司有7家，占比16%，包括：海光信息（+45%）、联想集团（+38%）、道通科技（+37%）、中科曙光（+34%）、广联达（+34%）、泛微网络（+34%）、指南针（+33%）[3][4] - 预测净利润增速在0%-30%的公司有24家，占比55%，包括：科大讯飞（+30%）、中科创达（+24%）、能科科技（+22%）等 [3][5] - 预测净利润增速在-30%-0%的公司有5家，占比11%，包括：新大陆（-1%）、太极股份（-2%）、博思软件（-10%）等 [3][5] - 预测净利润增速低于-30%的公司有2家，占比5%，为华大九天（-49%）和福昕软件（-71%）[3][6] - 部分公司业绩预测关键数据：海光信息预计26Q1营收34.80亿元（+45%），归母净利润7.34亿元（+45%）；同花顺预计26Q1营收12.72亿元（+70%），归母净利润5.72亿元（+375%）；金山办公预计26Q1营收14.80亿元（+14%），归母净利润4.60亿元（+14%）[7] Harness：围绕大模型的“驾驭系统” 1. **概念与演进** - Harness被理解为围绕大模型的整套“驾驭系统”，包括工具调用、权限控制、安全审查、多Agent调度、提示词工程、成本优化等，决定了AI的易用性和稳定性 [3][11] - 大模型支持工程的演进分为三个阶段：Prompt engineering（2022-2024，聚焦单次对话指令）、Context engineering（2025，聚焦上下文信息组织与压缩）、Harness engineering（2026，聚焦构建完整的运行环境与管控系统）[3][12] 2. **行业实践与影响** - Anthropic于2025年11月发布博客，最早将Harness引入Agent领域，旨在确保长时间运行智能体的稳定性 [3][13] - OpenAI于2026年2月发布博客，强调Harness Engineering，提出未来工程师的角色将是设计智能体的“工作环境” [3][16] - 应用Harness框架的Agent在任务完成质量上显著提升，但成本和时间也大幅增加，例如Anthropic案例中，无Harness组完成任务用时20分钟、花费9美元，而有Harness组用时6小时、花费200美元，但产出质量更高 [15][16] - Harness系统通过进度文件、独立评估Agent、任务分解、架构约束文档等方式，弥补了大模型在长期记忆、自我评价、任务偏航和架构直觉方面的不足 [22][25] - 近期Claude Code部分源码泄露（涉及51.2万行TypeScript代码），其Harness层的设计模式（如并行代理、分层记忆等）对国内AI Agent产品开发有借鉴意义，可能推动未来半年内Agent任务完成质量、长会话稳定性和工具调用成功率的提升 [26] 重点公司更新 1. **智谱** - 2025年业绩：实现收入7.2亿元，同比增长131.9%；净亏损47.2亿元 [27][28] - 收入结构：云端部署收入1.9亿元，同比增长292.7%，占比从2024年的15.5%提升至2025年的26.3%，成为新增长引擎；本地化部署收入5.3亿元，同比增长102.3% [28] - 毛利率：2025年综合毛利率为41.0%，同比下降15.3个百分点；其中云端部署毛利率达18.9%，同比提升15.6个百分点 [30] - 研发投入：2025年研发费用为31.8亿元，研发费用率为439.1% [30] - 生态进展：2025年付费开发者规模突破24.2万，MaaS API实现年度经常性收入（ARR）17亿元，同比提升60倍；截至2026年3月，API调用定价较去年底提升83%，平台注册用户突破400万 [31] - 产品发布：2026年4月2日发布GLM-5V-Turbo多模态Coding基座模型，旨在为编码模型补齐视觉感知能力，实现从理解设计稿到生成可运行代码的闭环 [32][36] 2. **鼎捷数智** - 2025年业绩：实现收入24.3亿元，同比增长4.4%；归母净利润1.6亿元，同比增长5.0%；整体毛利率达58.5%，同比提升0.2个百分点 [37] - AI商业化：AI相关业务签约金额近2亿元，公司基于鼎捷雅典娜底座开发行业AI套件 [37] - 地区收入：中国大陆地区收入11.5亿元，同比略降2.4%；非中国大陆地区收入12.8亿元，同比增长11.4%，其中东南亚地区收入同比增长61.9% [38] - 业务线增速：生产控制业务收入4.0亿元，同比增长18.4%，增速领先；研发设计业务收入1.6亿元，同比增长6.5% [38] 重点推荐投资主线 - 报告列出了九条重点推荐的投资主线，包括：1) 数字经济领军；2) AIGC应用；3) AIGC算力；4) 数据要素；5) 信创弹性；6) 港股核心；7) 智联汽车；8) 新型工业化；9) 医疗信息化 [3][39][40] - 每条主线下均列出了具体的推荐标的公司 [39][40]

AI Agent工程概念演进与产业价值重构 - 2022年底至2024年，行业焦点是提示词工程，通过优化指令提升模型输出[5] - 2025年6月，Shopify CEO提出上下文工程，关注为模型提供恰到好处的上下文信息[5] - 2025年11月，Anthropic提出harness概念，旨在通过上下文管理、工具调用等方法提升agent运行时间和成功率[5] - 2026年2月，HashiCorp联合创始人提出harness engineering，OpenAI和Anthropic随后发布相关研究，使其成为agent圈新共识[5] - 约一个月后，硅谷出现新观点“Harness将死，未来属于environment engineering”，认为应重构环境接口而非依赖复杂harness[6] - 这些概念快速更迭的核心，是在探讨AI Native时代新兴公司应如何构建长期价值与壁垒[6] 环境工程的杠杆价值与局限 - 底层模型正“基建化”，OpenAI等将重试机制、JSON格式约束等复杂功能简化为API参数，使仅封装基础逻辑的套壳框架被降维打击[10] - Anthropic实验证明，在高度结构化的数字环境中，agent表现远超在真实终端的混乱环境，表明重塑环境接口收益可能大于打磨驾驭工程[11] - 环境工程在代码开发、本地文件管理等天然数字化且高度结构化的场景中收益可观[17] - 在传统商业场景中，环境工程面临“隐性知识与遗留系统”的挑战，如文档不全的ERP系统、非结构化的邮件和经验知识，重构成本与难度极高[19] - 商业世界惯性大，企业难以轻易为适配agent而重构运行多年的核心业务系统，因此环境工程是局部、垂直的，难成统一标准平台[19] 驾驭工程作为控制平面与策略层的核心价值 - 大语言模型是基于概率的非确定性系统，而真实商业世界要求确定性结果，这构成了根本的工程悖论[15] - 企业需要可观测性、成本与路由网关、系统级容错等，这些商业铁律决定了harness的本质是复杂系统的“控制平面”与“策略层”，而非简单的中间件[15] - API可以包揽工具调用、记忆存储等“机制”，但无法替代“策略”，如触发降级方案、动态切分任务、解决多Agent决策冲突、保证行业合规性等[16] - 在概率与确定性的鸿沟之间，harness是agent的方向盘，更是防止AI系统在商业环境中造成灾难的“安全气囊与刹车”[16] - 一个基座模型在粗糙脚本驱动下，面对复杂任务成功率可能只有20%，但在深度优化的harness驱动下，成功率可跃升至70%以上[24] - Devin、Cursor等项目的核心壁垒正在于其harness系统，包含了精密的任务规划、代码执行与沙箱、持续学习与反思等逻辑[24] AI产业价值演进的三阶段模型 - **第一阶段：模型为王**：时间约为2023-2025年，是AI的“蛮荒时代”，AI应用能力约等于模型能力，模型厂拥有最高话语权[21][22] - **第二阶段：Harness为王**：时间约为2025-2028年，当前正处初期，价值公式演变为“AI应用能力 = 模型能力 × Harness效率”，竞争焦点从“谁的模型更强”转向“谁的控制层更优”[23][24][25] - **第三阶段：数据与环境为王**：时间在2028年之后，当模型成为基础设施、harness系统标准化后，终极能力公式为“AI终极能力 = (模型能力 × Harness效率) (数据 × 环境)”，核心竞争力在于将模型和控制层深度嵌入真实业务场景并重构环境[26] - 环境工程是提前押注第三阶段，最强大的AI系统将能重构环境交互接口，并利用产生的闭环数据微调模型和优化Harness决策逻辑，形成自我进化闭环[26] - 微软Microsoft 365 Copilot是范例，其orchestrator是面向办公场景的标准化Harness系统，在结构化环境中调度模型，用户反馈形成闭环数据反哺系统优化[27] 对AI创业公司的战略启示 - 当下及未来2～3年，做深特定领域的Harness系统架构是有价值的创业切入点[30] - 类比云计算时代，AWS吞掉底层技术，但Datadog和Snowflake因掌握“运营控制层”而成长为千亿巨头，这同样是AI时代的财富密码[30] - 环境工程是长期目标而非短期捷径，应提前布局但不可幻想一步到位[30] - 今天构建的强大harness，是未来撬动环境改造、构建数据飞轮的唯一杠杆[30] - 公司应将注定成为基础设施的基础工作交给模型厂，不应在注定基建化的地方建名存实亡的壁垒[28] - 在新概念浪潮中形成原生世界观，并扎进去把该做的事做到最好，是当前最值得做的事情[30]