报告行业投资评级 - 优于大市（维持评级） [1] 报告的核心观点 - 全球AI发展迅速，模型能力提升、开源推动成本降低，智能体技术完善且新产品密集发布，商业化用量增长，国产模型表现亮眼，C端应用重塑流量入口，B端应用推动企业上云 [2] 根据相关目录分别进行总结 模型层：能力迅速提升，开源推动成本降低 - 模型能力提升，主流架构转向MoE，多模态能力增强，采用思维链技术，其他技术发展推动可用性进步 [8] - 模型训练竞赛趋缓，Scaling Law向推理侧迁移，模型推理能力提升，商业化前景打开 [15] - 模型推理成本显著下滑，API调用价格下降利好应用端成本下降 [20] - 开源与闭源模型差距缩小，推动AI应用落地，开源模型降低使用门槛和成本 [25] 智能体：技术逐步完善，新产品密集发布 - AI Agent与传统人工智能不同，能改变人机协同模式，打开垂直行业应用入口 [30] - 模型Agent能力快速提升，在GAIA测试中表现不断刷新 [33] - MCP扩展AI能力边界，海内外大厂纷纷布局，推动Agent加速落地 [38] - 谷歌发布A2A协议，与MCP互补，加速Agent生态完善，推动AI应用向复杂工作流落地 [45] - 海内外智能体快速发展，测评成绩不断刷新，应用效果快速提高 [46] 商业化：用量持续增长，国产模型表现亮眼 - 中国AI发展走出自身路径，形成生态闭环，芯片产业本土化加速，数据成为核心资源 [55] - 中美模型差距缩小，中国依靠开源模型走出自身生态，在开源模型排行榜上表现优异 [65] - 全球AI模型流量持续上涨，为应用侧发展提供基础，推理需求提升，芯片价格上升，API调用量迅速提升，国产模型表现亮眼 [66][73][79] C端应用：借助AI赋能业务，重塑流量入口 - AI应用有望重塑C端流量入口，互联网巨头具备先发优势，可利用专有数据和用户参与度集成AI功能 [85] - 编程成为人机协同主要领域，办公类任务AI占比较低，人机深度协同存在较大空间 [92] - 以Reddit、Robinhood、多邻国为例，展示AI在社区平台、金融、教育等C端领域的应用及价值创造 [94][99][105] B端应用：开源提升投入意愿，推动企业上云 - 开源模型提升企业投入意愿，刺激国内上云需求，AI技术深入多行业，推动智能化转型，提升企业上云意愿 [112] - 以赛富时、ServiceNow、Snowflake为例，展示AI在CRM、工作流管理、数据库等B端领域的应用及功能升级 [118][124][131] - 汇总海外和中国AI应用厂商在各领域的主营业务及AI应用情况 [132][133]

谷歌云捐赠A2A协议 - 谷歌云将A2A协议捐赠给Linux基金会 包含智能体交互协议、SDK和开发者工具的开源礼包 [1] - 捐赠决策被解读为对Anthropic MCP协议和OpenAI函数的战略应对 同时反映行业对共建智能体经济底层规则的共识 [1] - 部分观点认为A2A协议起步较晚 正在追赶已经成熟的MCP协议 [2][3] MCP协议技术解析 - MCP协议解决AI模型安全高效调用现实世界工具和服务的基础问题 不同于A2A侧重智能体间通信 [4] - 开发MCP Server最关键环节在于工具描述 需详细说明功能、参数及输入输出内容 [6][7] - 现有API系统改造和从零开发是两种典型实施路径 前者关注协议转换 后者需构建完整业务逻辑 [7][8] - 接入客户现有技术体系时应尽量减少干预内部治理生态 重点优化对外接口的工具描述 [9] 模型兼容性与优化 - 国内外大模型存在兼容性问题 中文描述适合国内模型 英文描述更适合国外模型 [10] - 通过多轮测试优化工具描述清晰度 是提升模型调用准确性的关键手段 [11][12] - API设计应遵循正交原则 功能独立且高内聚 描述需明确使用场景和预期输出 [12] 协议性能与安全 - Streamable HTTP协议支持有状态通信、服务端主动通知和流式输出 优化金融等高实时性场景 [15] - 敏感数据应避免通过MCP提供 非敏感数据授权可使用OAuth 2.0等现有验证机制 [28] - 行业需要建立安全标准应对MCP服务潜在的黑盒风险 确保生态健康发展 [43] MCP与A2A对比 - MCP解决工具层面问题 A2A构建Agent间通信和协作的生态层 [32] - MCP类似专用工具 A2A提供通用协议使不同框架的Agent能够相互发现和协作 [33] - 腾讯计划在产品研发流程中接入A2A协议 实现多Agent协作 [34][35] 未来发展趋势 - 预计80%核心软件将推出自有MCP 形成多样化工具端口 [40] - 多Agent架构将向主从模式发展 人类角色需明确界定和验证关键节点 [41] - MCP协议完善将加速企业SaaS能力释放 安全可信问题成为发展重点 [42]

智能体发展现状 - 2025年被称为"智能体元年" 标志着AI从对话生成跃迁到自动执行阶段 智能体成为下一代人机交互范式和商业化锚点 [1] - 国产手机厂商华为 荣耀 OPPO vivo 小米 三星在2024年下半年推出AI手机 智能体可跨App完成订票 点餐等复杂任务 [3] - 行业普遍共识认为智能体可控性和可信度是关键指标 安全合规问题是重要考量因素 [2] 技术实现路径 - 手机智能体采用两种技术路线：基于API接口的"意图框架"和依赖系统级权限的"视觉路线" [4] - 视觉路线通过无障碍服务实现"读屏+模拟操作" 但存在权限滥用风险 多家厂商智能体结束任务后仍保持权限开启 [5] - 微软Copilot的"Recall"功能因安全漏洞被英国监管机构调查 显示PC端同样存在隐私风险 [5] 安全风险分类 - 风险分为内在安全（核心组件漏洞）和外在安全（外部交互风险） 大模型作为"大脑"其漏洞在动态环境中会被放大 [2] - 70%受访者担忧AI幻觉和错误决策 医疗领域3%误诊率在千万用户中可导致数十万例误诊 [2] - 加拿大航空AI客服错误决策导致法律纠纷 成为企业承担AI责任的标志性案例 [3] 行业合规进展 - 2025年3-6月密集出台多项规则：《智能体任务执行安全要求》《移动互联网服务可访问性安全要求》等 强调用户授权和最小必要原则 [5][6] - 中国信通院联合七大厂商发布生态倡议 重点推进智能体与三方应用的接口打通工作 [5] - 广东省标准严格禁止通过无障碍权限操作第三方App 要求API接口协作和"双重授权"机制 [6] 提示词注入攻击 - 攻击分为直接提示词注入（诱导输出敏感内容）和间接提示词注入（通过外部数据隐藏指令） 在OWASP十大风险中排名第一 [7][8] - MCP协议成为间接注入主要入口 瑞士公司测试显示可通过恶意MCP劫持WhatsApp聊天记录 [9] - 腾讯发现Fetch服务是最大攻击入口 智能体读取恶意网页内容后可能被劫持 [10] MCP协议生态 - 魔搭开源社区有4052款MCP服务 开发者工具占比1196款 独立导航网站mcp.so收录超15000款服务 [11] - 阿里云百炼实施功能合理性 稳定性等审核 而Dify等平台审核较宽松 仅依赖用户协议约束 [11] - OpenAI Google 阿里 腾讯加入MCP生态 推动智能体互联互通 但缺乏统一安全认证标准 [11][12] 多智能体协作 - 行业正在推进ASL（Agent Security Link）技术 为智能体互连提供权限 数据等安全保障 [14] - IIFAA联盟成立工作组 致力于制定跨智能体交互安全规范 目前该领域安全机制仍属空白 [14] - 互联网大厂产品已开始强调多智能体协作机制 预示个人拥有多个智能体的趋势 [13]

A2A项目成立 - Linux基金会联合AWS、思科、谷歌、微软等科技巨头成立A2A项目，旨在通过开源协议解决AI智能体间的通信孤岛问题[1] - 谷歌捐赠A2A协议规范及SDK作为初始内容，该协议支持跨厂商智能体互操作，已有超100家企业支持[1] - 项目采用Linux基金会中立治理模式，确保厂商中立性和社区驱动特性[1] 谷歌技术捐赠历史 - 谷歌曾将Kubernetes捐赠给CNCF并后续提供900万美元云资源支持其生态发展[2] - 本次A2A捐赠与Kubernetes不同，仅提供标准而非完整解决方案，开发者需自行实现逻辑[2] A2A与MCP协议对比 - MCP聚焦大模型与外部工具集成，解决M个模型与N个工具的组合爆炸问题，服务器数量从2月500台增至4000台[3][4][6] - A2A定位更高层级，实现智能体间安全通信与任务协商，采用HTTP协议和"代理卡"JSON描述机制[6] - 开发者认为A2A可能通过索引机制重构代理生态，但存在算法控制权引发的开放性争议[7] 协议应用场景差异 - MCP已适配Cursor、Claude等客户端但集成复杂，Claude桌面端四个月未完全支持其功能[11] - A2A基于HTTP协议更易集成，ACP则填补本地优先通信场景，适用于低延迟或离线环境[11][12][16] 行业应用现状 - 仅5%生成式AI项目实现盈利，企业需先明确用例再选择协议而非相反[15][18] - 复杂多智能体工作流需MCP/A2A支持，简单场景可能无需协议[13] - 微软采用NPS衡量AI性能，协议安全性需强化OAuth和RBAC机制[17] 技术发展趋势 - A2A被官方定义为MCP补充，前者连接AI与AI，后者连接AI与工具，共同构成模块化基础[7] - 行业需解决智能体可靠性衡量难题，当前缺乏标准化的SLA和监控机制[17][18]

报告行业投资评级 - 看好 [5] 报告的核心观点 - AI Agent是AI发展的第三阶段，2025年将成为AI应用分水岭，截至2024年底其渗透率达43% [1] - MCP协议重构AI Agent新范式，将成AI领域核心基础设施，未来MCP协议+Agentic - based决策路径或成主流 [2][31] - 科技巨头积极布局AI Agent产品，产业从技术竞争转向生态价值重构，且发展呈现结构性分化，资本市场更偏好通用型AI Agent [2] - 建议关注商业平台BIP的用友网络、办公领域的金山办公、AIGC领域的科大讯飞和万兴科技 [3] 根据相关目录分别进行总结 一、MCP协议重构AI Agent新范式 1. AI Agent是AI发展的第三阶段 - OpenAI将AI发展分为五个等级，当前AI正从推理者转向智能体，智能体产品加速推进 [8] - 智能体核心架构为“核心决策中枢+核心认知架构+工具使用”，核心决策中枢由语言模型组成，核心认知架构编排层有ReAct、思维链、思维树三种模式，工具使用分扩展程序、函数、数据存储三类 [9][10] - 2025年AI将从单纯问答和内容生成升级为“执行者”，截至2024年底AI Agent渗透率达43%，超30%的AI应用支持AI调用外部工具 [14][15] 2. MCP协议定义工具接口标准 - AI Agent发展围绕数据交互和决策执行两条路径，数据交互有MCP协议和视觉操作方案，决策模式分化为Workflow - based和Agentic - based两大流派 [17][19] - 2024年11月Anthropic发布MCP协议，其将“工具调用”与“上下文感知”统一，使模型与外部交互更自然精准且跨平台共用 [20] - MCP采用客户端 - 服务器架构，与传统API结构框架有显著差异，MCP提升了AI模型与外部服务兼容性 [25] - 2025年4月Google发布A2A协议，A2A与MCP可互相调用，A2A是MCP的补充，全球科技巨头已形成支持MCP的协同生态 [28][31] 二、AI Agent相关应用加速落地 1. 科技巨头积极布局AI Agent产品 - 科技公司将AI Agent作为布局AI的重要主线，2024年第四季度至2025年初产业快速迭代，从技术竞争转向生态价值重构 [2][34] - AI Agent领域发展呈现结构性分化，资本市场更偏好通用型AI Agent，通用型AI Agent融资规模和交易活跃度远超垂直行业型，且商业上更成熟 [36][37] 2. Manus、Operator、Coze等产品布局侧重各不同 - Manus是全球首款通用Agent，在GAIA基准测试表现优异，与阿里通义千问合作，有望推动AI应用落地 [40][42] - Operator是OpenAI推出的AI浏览器智能体，结合GPT - 4o视觉能力和强化学习，能识别网页并交互，有推理和自我纠正能力 [42] - Coze是字节跳动的AI Agent开发平台，简单易用，“扣子空间”开启内测，采用自研豆包大模型并集成超60款MCP扩展插件 [43] 三、投资建议 1. 建议关注 - MCP协议使AI发展迈向标准化时代，科技厂商布局AI Agent有望引入生态伙伴，建议关注用友网络、金山办公、科大讯飞、万兴科技 [3][44] 2. 行业重点公司一致盈利预测 | 公司 | 代码 | 归母净利润（亿元） | | | PE | | | 总市值（亿元） | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | 2025E | 2026E | 2027E | 2025E | 2026E | 2027E | | | 用友网络 | 600588.SH | -2.1 | 3.0 | 7.4 | -217.0 | 150.1 | 60.6 | 451.0 | | 金山办公 | 688111.SH | 19.2 | 23.4 | 28.4 | 69.0 | 56.8 | 46.8 | 1,328.5 | | 科大讯飞 | 002230.SZ | 9.5 | 13.6 | 18.6 | 116.7 | 81.4 | 59.8 | 1,109.4 | | 万兴科技 | 300624.SZ | 49.3 | 66.8 | 98.3 | 2.3 | 1.7 | 1.2 | 114.1 | [45]

AI协议发展背景 - 基础模型训练呈现寡头化趋势，仅头部大厂和少数创业公司有能力及意愿投入研发 [1] - AI领域共识为应用层机会大于研发层，MCP和A2A协议的火热反映基础设施建设的时代需求 [1] 协议生态架构 - AI应用生态围绕三大角色构建：用户、Agent和外部世界 [2] - MCP协议规范Agent与外部世界的互联互通（如工具调用参数标准化），A2A协议解决Agent间协作标准（如跨部门流程自动化） [3][9][10] - AG-UI协议填补用户与Agent交互标准空白，形成完整生态闭环 [3][11] Agent核心功能 - Agent本质是任务代理，具备自主执行分析、信息获取、工具调用等能力（如设计Agent Lovart可全流程生成广告片） [8] - 专业Agent效率显著优于通用模型（如海报设计场景提示词优化效率提升数十倍） [9] AG-UI协议技术实现 - 采用事件驱动模式，定义五类事件：生命周期、文本消息、工具调用、状态管理、特殊事件 [13][17][20][22] - 状态管理通过增量更新（STATE_DELTA）与快照（STATE_SNAPSHOT）结合，兼顾效率与完整性 [17] - 文本响应分阶段事件（START/CONTENT/END）实现流式传输，优化前端用户体验 [22] 行业影响 - 三大协议构成AI应用基础设施，MCP/A2A已引发行业兴奋，AG-UI补齐最后拼图将加速生态繁荣 [24] - 协议标准化降低开发门槛（如AG-UI类比"砖厂"提供现成解决方案），推动应用层创新 [13]

行业动态与趋势 - 人工智能行业存在隐性"鄙视链"，模型公司、Agent公司、提示词公司之间存在层级差异，但随着MCP协议普及，行业更注重产品效果而非技术层级 [1] - 行业从早期模型刷榜阶段转向解决实际问题，具备规划执行功能的Agent成为重点，MCP协议成为生态构建关键 [1] - 全球AI Agent市场规模预计从2024年52.9亿美元增长至2035年2168亿美元，复合年增长率40.15% [3] MCP协议发展与应用 - Anthropic公司提出MCP协议，旨在建立大模型与外部工具的统一接口，被形容为"AI万能插头" [4] - OpenAI宣布Agent SDK支持MCP服务协议，将其提升至类似HTTP的基础设施地位，Cursor、Winsurf等平台相继接入 [5] - 国内厂商百度、腾讯、阿里、字节跳动密集布局MCP协议，分别构建"千帆平台"、"知识引擎"、"支付MCP Server"、"扣子空间"等应用场景 [6] - 谷歌推出A2A协议与MCP形成竞争，两者分别侧重工具调用标准和多Agent协作，未来可能存在融合可能性 [7] 市场需求与行业共识 - 开发者面临多工具调用和模型协同的复杂问题，MCP协议通过统一标准降低适配成本，市场需求显著 [8] - 行业类比互联网早期HTML和HTTP协议，认为统一开放的MCP协议将加速AI Agent生态发展 [9] - 埃森哲全球副总裁俞毅指出，MCP协议的生命力取决于开源特性和市场需求，目前行业仍处早期演进阶段 [10] Agent技术挑战与前景 - Agent需解决意图识别等核心问题，例如"讨价还价"场景的实现将推动商业化应用 [11] - 涂鸦智能CEO王学集认为AI Agent可降低用户使用门槛，未来可能通过对话框集成主流Agent服务 [11] - 海外市场侧重MCP应用构建，国内聚焦流量入口争夺，但最终需回归解决实际问题的应用场景 [12]

AI智能体概述 - AI智能体成为当前最热门的技术概念，被微软、谷歌、阿里、腾讯等国内外科技巨头列为重点业务方向[1] - 市场研究机构Forrester将AI智能体列为2025年关键新兴技术，Gartner评为2025年十大技术趋势之首[1] - 比尔·盖茨预测AI智能体将"人手一个"，OpenAI CEO认为AI智能体是下一阶段技术挑战[1] - Gartner预测2028年33%企业软件将内置AI智能体功能，15%日常业务决策可由AI自动完成[1] - 高盛预计2030年AI智能体将创造7万亿美元经济效益，主要来源于效率提升[1] AI智能体技术特性 - AI智能体具备自主规划执行能力，可独立拆解任务并完成，无需人工干预[4] - 分为虚拟型(如GPT构建的虚拟小镇)和具身型(如无人驾驶汽车)[5] - 由传感器、控制中心和执行器三大部分构成，虚拟型全数字化实现[5] - 从早期"确定式"智能体发展为"非确定式"智能体，能通过效用函数自我优化[6] - 技术进步(自然语言处理、视觉识别)和算力提升推动AI智能体性能飞跃[6] AI智能体关键技术 - MCP协议实现大模型与外部工具的无缝调用，Manus智能体借此完成复杂任务[8] - ANP协议支持智能体在互联网上自发发现和连接，建立协作网络[8] - A2A协议促进多智能体间通信和任务管理，充当协作中枢[8] - 三大协议使AI智能体从专用助手进化为通用独立主体[9] AI智能体对商业生态影响 - 打破人类作为唯一决策主体的格局，智能体成为新参与者[11] - 颠覆平台经济模式：智能体可低成本撮合交易，降低平台中介价值[13][14] - 改变商业策略：竞价排名广告和推荐算法等注意力经济模式可能失效[16][17] - 重塑数据价值：从个人行为数据转向高质量专业数据[18] - 变革合作形式：智能体可实现低成本大规模协作，模糊企业边界[19][20] 商业理论重构 - 传统理论如五力模型、资源基础理论、动态能力理论面临适用性挑战[25][26] - 需要建立以AI智能体网络为中心的新分析框架，关注网络性质和协作机制[26][27] - 竞争焦点从市场份额转向网络中心性，从注意力争夺转向智能体协作[27] 相关行业ETF - 食品饮料ETF(515170)近五日下跌1.34%，市盈率21.22倍[29] - 游戏ETF(159869)近五日上涨1.76%，市盈率53.73倍[29] - 科创半导体ETF(588170)近五日下跌1.79%[29] - 云计算50ETF(516630)近五日上涨2.64%，市盈率94.05倍[30]