报告行业投资评级 - 报告未提供明确的行业投资评级 [1][3][103] 报告的核心观点 - 报告核心观点为：智能体（Agent）技术正从简单的检索工具向具备自主规划、执行与反思能力的“Agentic”智能体演进，这代表了AI应用发展的新阶段 [1][7][10] - 报告认为，构建成熟的AI原生应用需要覆盖从开发框架、运行时、评测优化到可观测性、数据采集与治理的完整技术栈 [367][370] - 报告通过阿里资产总裁助手Agent的案例，展示了从传统RAG、目录索引、知识图谱到Agentic工作流的技术演进路径，是解决企业复杂、非结构化数据决策问题的有效实践 [377][430] 根据相关目录分别进行总结 AgentScope智能体框架 - AgentScope是通义实验室推出的开源智能体框架，作为百炼Agent平台的技术底座，提供开发、训练、部署和管理的生产级解决方案 [3][103] - 框架围绕“Agentic”理念构建，提供模型能力集成、多智能体编排、智能上下文管理和工具管理四大核心功能 [7][10][15] - 模型能力集成支持本地部署，涵盖文本、视觉、语音、全模态等多种模型 [14] - 智能上下文管理支持Mem0、ReMe等记忆方案，实现自主存储与检索 [17][18] - 工具管理支持StreamableHTTP、SSE、STDIO等类型，以及有状态/无状态工具和Anthropic Agent Skill [20][22] - 多智能体编排提供MsgHub、pipeline等语法糖，支持动态图编排 [25][26][28] AgentScope-Runtime与部署 - AgentScope-Runtime提供Agent-as-a-Service能力，支持将智能体封装为可独立调用的API服务，实现灵活部署、降低成本和快速迭代 [30] - 支持多种部署方式，包括Docker、K8S ACK、云Serverless（FunctionCompute）及自定义MCP，并提供统一的生命周期管理 [30] - 内置工具沙箱，提供代码执行环境、浏览器控制、文件系统服务和评测沙箱 [30] AgentScope-Studio与智能体观测 - AgentScope-Studio提供智能体观测能力，包括运行时的数据统计、项目管理以及全链路的数据追踪 [34][35][46][69] - 观测数据显示，在统计周期内总调用次数为15,961次，消耗总Token数为161,208,111个，平均延迟为7.75秒 [41][52][64][86] - 支持评测结果的分析可视化，并提供可以快速开发的智能体模板 [37][49][59][71][82][91] AgentScope-智能体优化 - AgentScope通过Trinity-RFT提供面向Agentic应用的强化学习训练能力，支持智能体应用的快速迭代和优化 [99] - 全面支持SFT、GRPO、GSPO、PPO等前沿强化学习算法 [100] - 具备智能样本筛选机制，能根据训练目标自动优选高价值训练样本，提升收敛效率 [100] - 实现动态数据-奖励协同管理，通过实时联动训练与奖励信号，形成反馈闭环驱动的训练优化 [100] 开箱即用的智能体应用 - AgentScope提供多种开箱即用的智能体，包括通用型智能体Alias、交易智能体EvoTraders、深度调研、金融分析、问答智能体、Data-Juicer Agent、语音智能体、浏览器使用智能体、数据科学智能体等 [4][104][124] - Alias是基于AgentScope构建的通用智能体应用平台，能够通过自然语言交互成为用户的数字化助手，理解需求、记住偏好、执行复杂任务 [113] - Alias内置五种智能操作模式，包括通用对话、浏览器自动化控制、深度研究分析、金融数据分析、数据科学处理等专业场景 [117] - EvoTraders是金融投资模拟分析智能体，支持实时股市行情介入、回测与实盘双模式，并配备可视化面板 [124][126] - Data-Juicer Agent基于Multi-Agent协作架构，用户通过自然语言交互即可完成工业级数据处理全流程 [124][128] - Voice Agent结合实时语音交互与ReAct范式，覆盖TTS、语音和实时语音API三种服务场景 [124][130] - QA Agent基于Multi-Agent多智能体协作与Agentic RAG检索增强技术，能够动态规划、自主决策并提供精准回答 [124][130] Apache RocketMQ for AI - Apache RocketMQ面向AI应用提供了异步解决方案，以应对AI场景下异步架构的新挑战 [135][136] - AI应用具有行为模式主动、业务时长不可预测、交互次数多、运行成本高等特点，传统消息队列模型易导致消息堆积和队头阻塞 [146][150] - 消息中间件需向支持差异化任务通道、数据恢复（结果复用）和大消息体传输等方向演进 [154] - LiteTopic是面向AI场景的轻量级事件载体，支持自动创建与清理、百万级队列、差异化订阅和独占订阅，解决了传统Group消费模型的瓶颈 [157][164][167] - 基于LiteTopic可实现用户级的物理隔离和精细化流控，避免慢任务阻塞整体系统，提升资源利用公平性 [178][185] - 基于LiteTopic可构建全异步AI会话网关，简化架构，支持会话粘性和断连恢复，无需复杂的广播和缓存同步 [198][201][204] HiMarket AI开放平台 - HiMarket定位为企业私有化AI开放平台，旨在帮助企业构建AI应用协作机制，实现AI应用货币化，是企业落地AI应用架构的最短路径 [224][229][242] - 平台旨在解决企业落地AI时面临的高频场景识别、多Agent/MCP/模型管理、权限与成本分摊等通用问题 [237][239][241] - HiMarket架构包含AI场景（如HiChat）、AI市场（Agent/Model/MCP/Prompt市场）、AI治理（统一监管、权限、计量、接入）和AI网关等核心模块 [243] - AI市场支持多市场共享能力与资源，提供体系化的统一权限管理、内容审核、可观测和计量能力 [252][254][256] - 平台采用开源模式，核心参与者包括阿里云、蚂蚁数科、高德、淘天等团队，提供开箱即用的企业级AI接入管理能力 [261][264][277] 数据采集与建模（LoongSuite & UModel） - 在Agent架构下，数据采集是保障服务可靠性、提升可用性和控制Token消耗的核心基础设施 [297][298] - LoongSuite是一套开源的数据采集开发套件，由主机探针LoongCollector和进程级探针LoongSuite Agents构成 [313][314] - LoongSuite具备多维度数据统一采集、极致性能与稳定性、灵活部署与智能路由三大优势 [317][322][325] - 仅有数据采集不够，需要数据建模来建立数据的认知地图，以应对Agent架构放大的数据鸿沟效应 [329][332][337] - UModel是一种基于图模型的通用可观测数据建模方法，通过定义节点、属性和关系，实现复杂数据的统一表示和智能分析 [344][355] - 数据采集与数据建模共同构成Agent持续优化和改进的数据飞轮前提 [304][366] 企业实践案例：阿里资产总裁助手Agent - 该Agent的业务背景是管理覆盖办公、商业、酒店等近150个项目/园区，总建筑面积超2100万方，需从海量非结构化数据中辅助高层快速、基于事实的决策 [377][379] - 项目起点面临传统向量检索的局限性，如Chunk大小难定、无法发掘隐含关联知识等 [385][386][393] - 第一阶段通过自建基于业务逻辑的目录索引，解决了70%的单点园区信息查询问题 [394][396][400] - 第二阶段为应对跨园区横向事务查询，引入知识图谱技术，通过AI执行、人工校验、迭代优化的流程构建业务图谱 [402][406] - 第三阶段为应对“分析最具商业价值的园区”等抽象发散问题，演进至基于AgentScope的Agentic工作流，模拟人类的分析-假设-验证过程 [415][416][422] - 技术演进本质是从Searching（搜索）到Thinking（思考）的跨越，未来方向是构建统一语义层，让Agent更懂业务 [430][434]

核心观点 - 阿里巴巴集团在2026财年第二季度出现严重的盈利与收入增长脱节 尽管收入实现增长 但盈利能力指标急剧恶化 导致股价在三个月内下跌14.4% 公司当前的投资策略正以牺牲短期盈利为代价 换取不确定的未来增长 [1] 财务表现 - 2026财年第二季度收入达到2478亿元人民币 同比增长5% 略超市场预期 [3] - 非公认会计准则摊薄后每股收益同比暴跌71% 至每份美国存托凭证4.36元人民币 较市场预期低7.58% [3] - 运营利润同比大幅下降85% 从352亿元人民币降至54亿元人民币 调整后EBITA同比下降78% [4] - 运营利润率从15%收缩至仅2% [4] - 自由现金流从137亿元人民币的正流入恶化为218亿元人民币的流出 [4] - 市场对2026财年每股收益的一致预期为6.48美元 意味着同比下降28.08% [2] 业务运营与战略 - 云智能集团收入同比增长34% 达到398亿元人民币 管理层将此视为其AI优先战略的验证 [5] - AI相关产品已连续九个季度实现三位数增长 Qwen AI助手应用在公开测试版发布第一周下载量超过1000万次 [5] - 公司正进行大规模资本支出 过去四个季度投资了1200亿元人民币 主要用于即时配送服务的物流基础设施和云计算能力扩张 [6] - 核心中国电商业务面临来自抖音、拼多多和京东的激烈竞争 迫使公司增加促销支出并补贴即时零售业务以捍卫市场份额 [6] - 公司战略正从纯电商主导转向全面的技术和AI平台 这带来了重大的执行风险 [7] 行业与竞争格局 - 2025年第三季度全球云市场激增至1070亿美元 单季度增长76亿美元 [10] - 亚马逊AWS、微软Azure和谷歌云合计占据全球企业云基础设施服务市场62%的份额 [10] - AWS占据全球云基础设施市场29%的份额且利润率更高 微软Azure占20% 谷歌云占13% [11] - 这些竞争对手在追求AI机遇的同时保持了更稳健的财务状况 使得阿里巴巴的利润率崩溃更难以被合理化 [11] 估值与市场表现 - 阿里巴巴股价在过去三个月内下跌14.4% 表现逊于全球科技同行和Zacks零售-批发行业 [9] - 公司未来12个月市销率为2.28倍 较Zacks互联网-商务行业平均的2.1倍存在显著溢价 [15] - 当前的相对估值要求投资者为一家正经历严重利润率压缩、自由现金流为负且核心市场竞争加剧的公司支付高于市场的倍数 [15]

核心观点 - 阿里巴巴集团被列为2026年值得买入并持有的最佳股票之一 其正在开源人工智能模型领域取得进展 并可能通过获取先进芯片加速其人工智能发展 [1][3] 人工智能技术进展 - 公司于12月17日发布了开源的多语言语音合成模型CosyVoice 3 该模型无需针对特定说话者进行预先训练即可生成高保真语音 模型训练使用了超过100万小时的音频数据 并支持9种语言 [1] - 同日 公司对其AgentScope平台进行了重大升级 升级后平台支持构建和部署企业级人工智能代理 并具备增强的应用程序 基础设施和运行时环境 平台现提供包括Alias和EvoTraders在内的即用型代理 以及可定制的工具 提示和工作流程 [2] 供应链与算力需求 - 根据12月10日路透社报道 阿里巴巴等中国公司正寻求从英伟达获得H200芯片 此前特朗普政府已为美国芯片制造商向中国出口芯片开了绿灯 但阿里巴巴等公司仍在等待中国政府的批准 中国政府近期已与相关公司代表会面以评估其对H200芯片的需求 [3] - 若交易达成 对阿里巴巴将是一个重大进展 因为这将使公司能够更快地训练 发布和部署其人工智能模型 [3] 公司业务概览 - 阿里巴巴是一家专注于电子商务 零售 云计算和数字服务的跨国科技巨头 其目标是通过像阿里巴巴国际站这样的平台连接全球买家和卖家 让天下没有难做的生意 [4]

公司战略调整 - 公司于9月25日宣布全面升级面向政务与企业的服务战略，计划依托万智2.0平台构建三方共创的AI 2.0新生态[2] - 公司已放弃万亿参数以上超大基模预训练，专注开发轻量化、性能优秀的产业大模型和行业应用[4] - 公司战略重心从C端转向B端，核心产品万智平台和超级员工Agent已在能源、游戏、法律等领域头部客户中取得深度合作[4] 公司内部管理变动 - 公司过去一年有7位高管离职，其中包括5位主要技术人才，如联合创始人谷雪梅、首席技术专家聂鹏程等[3] - 高管离职背后是公司在激烈市场竞争和业务探索受挫后进行的战略收缩与自我重塑[3] - 核心技术领袖的离开对研发节奏、团队士气和核心技术积累造成短期冲击，快速重建稳定高效团队是当务之急[4] 行业市场前景 - 全球AI Agent市场规模2024年为51亿美元，2030年有望达471亿美元，年复合增长率44.8%[6] - 中国AI Agent市场规模2024年达1473亿元，企业渗透率不足5%，预计2028年市场规模将突破3.3万亿元[6] - 企业级AI Agent被视为最能直接解决企业降本增效刚需痛点的领域，成为所有玩家寸土必争的新战场[6] 行业竞争格局 - 公司面临海外巨头如OpenAI、谷歌、微软以及国内大厂如字节跳动、阿里巴巴、腾讯的多重围剿[7] - 中国四大云服务提供商过去12个月资本支出约为450亿美元，美国大厂云厂商资本支出为2910亿美元[7] - 巨头凭借算力、数据和生态构筑护城河，对创业公司形成难以逾越的壁垒[7] 公司面临的挑战 - 巨头Agent平台成熟后可能凭借品牌、销售渠道和云服务捆绑优势向垂直行业渗透，对公司形成降维打击[8] - 企业客户在选择核心生产工具时往往倾向于技术更稳定、生态更完善的大厂，公司需加倍努力证明长期价值[8] - 在顶尖人才争夺和需要长期投入的To B赛道，公司能否持续获得资本市场支持是其生存的关键[8] 当前市场机遇与风险 - 巨头推广降低了市场教育成本，公司可直接切入如何用Agent解决具体问题，更专注于解决方案本身[10] - 公司依赖与百胜中国、孩子王、图灵新智算等头部客户的合作，这些核心资产也构成潜在依赖风险[10] - 巨头可能对优质标杆客户发起猛攻，若不能快速复制成功案例建立行业壁垒，客户可能被撬动[10]

AI智能体市场发展现状 - 全球科技巨头如微软、谷歌、百度、阿里、腾讯、字节跳动等纷纷加码AI智能体布局，覆盖内容创作、客服、手机助手、办公自动化等多个垂直领域 [1] - 2024年仅约1%的企业软件内置AI智能体功能，但到2028年这一比例有望飙升至33%，约15%的日常业务决策将由AI自动完成 [5] - 高盛预测到2030年AI智能体将创造约7万亿美元经济效益，其中相当部分来源于效率提升 [5] 科技公司布局策略 - 百度文心智能体平台已吸引15万家企业和80万名开发者参与，并推出多智能体协作App"心响" [2] - 阿里将AI智能体重点放在To C领域，基于通义千问大模型在高德、飞猪等平台推出智能体 [3] - 腾讯围绕微信生态系统打造差异化智能体AI，连接社交图谱、通信能力和数百万个小程序 [3] - 谷歌将智能代理能力整合到Chrome浏览器、搜索引擎和Gemini应用等全线产品中 [3] 技术发展路径 - AI智能体通过"决策(LLM)+记忆+规划+工具"构建智能闭环，正重塑终端交互中枢 [5] - 手机、PC采用"端优先"策略强化本地推理能力，可穿戴设备通过"端-近端-云"架构解决算力瓶颈 [5] - 在6G应用中，智能体可赋能机器人成为具身智能代表，未来将依赖多个智能体之间的群智协作 [6] 行业发展挑战 - 67.4%业内受访者认为智能体的安全合规问题"非常重要"，主要担忧AI幻觉与错误决策、数据泄露、有害内容输出 [8] - 当前智能体在工具组合调度、异常处理、上下文状态保持等方面缺乏"智能"，难以应对动态交互场景 [8] - 协议标准"多强混战"，不同智能体由不同架构构建，尚未形成统一标准 [9][10] 商业生态影响 - 全球AI智能体市场规模预计从2025年76.3亿美元飙升至2030年503.1亿美元，年均增速45.8% [11] - 智能体可能冲击中心化的平台型结构，改变现有App生态，使服务实现跨应用无缝对接 [12] - 传统广告和电商商业模式可能失效，信息获取逻辑将从"你推给我看"转向"AI找给我看" [13] - 端侧AI将推动订阅变现模式兴起，带动"硬件+服务"并重的发展趋势 [13]