行业与公司 * 涉及的行业为人工智能（AI）行业，特别是AI Agent（智能体）在垂直领域的应用落地，以及其对软件行业的影响[1] * 涉及的公司包括AI技术/产品公司（如Clawdbot、Cowork、Anthropic、豆包、阿里/千问、蚂蚁/阿福模型）、软件公司（如ServiceNow、CRM、Adobe、Snowflake、MongoDB）、算力/硬件公司（如台积电）以及平台型公司（如Google）[1][2][4][5][14][15] 核心观点与论据 **AI技术发展趋势与影响** * 2026年AI技术发展呈现三大趋势：1) AI模型及Agent从基础模型迭代转向垂直场景的自动化执行，替代大量人力，使市场规模扩张约10倍[2]；2) 视觉模型（如Nano Banana）赋予AI“眼睛”，通过前端视觉识别解决后台脚本无法处理的问题，提升全自动化工作流效率[2]；3) 通过强化学习训练垂直领域（如医疗、金融）的Agent，模仿人类思维链进行任务拆解[2] * 2026年将是垂直场景数据需求爆发的一年[3] * 2026年预计是A股市场Agent产品大爆炸的年度，大量C端和B端Agent产品将涌现[4] * AGI（通用人工智能）的大爆发带来的用户量增长，将大幅削弱市场对AI泡沫和投资回报率（ROI）的担忧[4] * 大模型通过改变工作流程，提高企业降本增效能力，并可能导致大规模裁员[1][16] * 传统软件UI界面可能被AI替代，依赖标准化功能和UI界面的公司（如ServiceNow、CRM、Adobe）将受到较大冲击[1][14] * Data Infra（数据基础设施）类公司（如Snowflake、MongoDB）受AI冲击较小，因其核心工具（数据库、数据检索）仍必不可少，且大型企业客户迁移成本高[15] **AI在不同市场的应用与需求** * **B端市场**：AI主要作为生产力工具，需求爆发的核心逻辑是替代人力以节省成本[7] * **C端市场**：提高生产力或自动化意义不大，核心是创造新的需求（如短视频），而非仅提升效率[6][7] * **中美市场差异**： * **北美市场**：因人工成本高，更倾向于采用公有云和多云架构，通过减少员工数量节省成本[2][19] * **国内市场**：因人工成本较低，更倾向于按结果付费，且私有化部署价值量大[2][19][20] * 国内存在大量私有化场景，本地部署价值可通过服务、硬件加软件等形式收取，可能催生以AI形式收硬件钱等新商业逻辑[20][21] **投资视角与行业挑战** * 随着下游Agent爆炸性增长，对AI泡沫化的担忧有所消除[8] * 从确定性角度看，上游算力以及Google等国内平台性公司在数据和模型能力方面具备较强闭环优势[8] * 软件公司面临的主要挑战在于场景壁垒和商业逻辑的强弱，而非技术领先[17] * 软件行业商业模式面临转型：按人头收费模式将逐步被按消费量（调用Agent）收费模式取代，导致软件公司毛利率下降（可能降至60%左右）[1][17] * 新技术将带来新玩家并淘汰老玩家，软件公司将从卖软件转向卖Agent、卖结果、卖服务[18] * 北美市场因AI提升企业自研IT能力，软件公司从卖软件转向卖服务，对毛利率造成压力；国内市场过去以项目制为主，价值量偏低，但AI能力提升可能带来价值量扩张[18] **具体AI产品与技术路径** * **CloudBot**：基于Anthropic 3.5模型，通过编程方式理解用户意图并写代码控制电脑，更依赖提示词工程，上限高但下限低，需要一定编程经验[2][9][10][13] * **CoWork**：基于垂类场景的视频进行强化学习，模仿人类操作逻辑（如通过录屏数据集训练），通过端到端模型直接获得技能[2][13] * **编程场景**：AI应用有标准答案和测试报错机制，但实际应用复杂度远高于编程本身，垂直场景的数据价值很大[5] * **工具应用**：CloudBot集成Google全家桶权限，可处理邮件、预约会议等，支持多种聊天工具[9]；Gemini可用于快速梳理变化并生成研究报告[11]；AI技术（如NotebookLM）可显著提升PPT制作效率（例如30页PPT仅需3小时）[12] 其他重要信息 * 台积电最近给出的指引显示未来两三年在算力领域将有连续突破[4] * 从市场反应看，美国传统软件公司普遍下跌，而以存储为代表的硬件公司持续创新高[4] * 在B端，一些公司正全面向Agent方向转型，并与第三方模型公司合作推动自身Agent发展[5] * 在C端，豆包展示了全视觉交互的Agent方式，阿里以全生态打通方式进场[5]

**纪要涉及的行业或公司** * AI Agent（智能体/助手）行业，具体涉及两款产品：CloudBot 和 CoWork [1][2][23] * 产品 CloudBot 是一个开源的 Agent 机器人程序 [3] * 产品 CoWork 是一个应用程序 [23] **核心观点与论据** **1. 产品功能与应用场景** * **核心功能**：CloudBot 是一个可通过聊天软件（如 Discord、WhatsApp、Telegram、Slack）控制的 AI Agent，提升了 AutoGPT 的模型水平，解决了 AI 在死胡同中反复打转的问题，并提供了更友好的用户界面 [1][3] * **任务执行**：AI 助手具备记忆功能，能记住用户之前的任务，并能通过语音指令执行文件整理、软件安装、本地程序运行等操作 [1][5] 例如，成功将桌面文件按“内容创作”、“开发项目”和“文档报告”分类 [6] * **自动化操作**：可实现自动化数据搜集，例如定时抓取网络新闻并保存至本地文件夹，适用于科技博主等需要持续关注特定信息的用户 [1][10] 具体可设置为每天早上 10 点执行 [11] * **文件与程序控制**：可通过技能调用电脑 APP，但不是直接操作，而是通过命令形式控制 [1][21] 例如处理视频、登录网站 [21][22] 能简化远程文件传输，如查找并上传文件至网盘 [19] * **内容生成**：能通过 Python 编程生成 PPT，但速度较慢 [1][6][7] * **插件扩展**：支持多种技能插件，如监测模型使用情况、语音转文字（Whisper）、控制 Apple Notes/Reminders、读写 Notion、发布推特（Bird）、调用相机（Camera Snap）、通过 iMessage 控制等 [3][16] **2. 产品优势与劣势对比** * **CloudBot 优势**：具备远程控制能力和多客户端支持，便携性强，可在手机、通过语音或网络指令控制 [23] * **CloudBot 劣势**：作为开源项目设置门槛较高；token 消耗大，使用成本较高 [2][23] 例如，OPS 4.4 和 OPS 4.5 模型效果最佳但消耗较大 [3] * **CoWork 优势**：作为应用程序界面友好、易于安装和使用；token 消耗少，更加高效经济 [2][23] * **CoWork 劣势**：缺乏便携性，主要在电脑上运行，只能在电脑上体现结果 [2][23] * **适用场景**：CloudBot 适合需要远程控制、多设备协同的场景；CoWork 更适合单一设备上的任务自动化 [24] **3. 技术实现与性能** * **模型支持**：CloudBot 支持接入多种 AI 平台，包括 OpenAI Codex、Anthropic、Quinlan、谷歌 Gemini 和 Copilot，但不支持 Deepseek [3] * **记忆机制**：记忆功能以 MD 格式文件保存在文件夹内，并有专门插件记录操作日志；切换模型后，只要文件存在，记忆就会保留 [1][20] * **计算负载**：大部分计算任务由云端完成，本地 CPU 占用很少 [17] 例如执行网络爬取或生成表格时，本地 CPU 占用从 0.1% 增加到 3% 左右 [17] * **性能影响**：同时运行多个复杂任务（如视频剪辑、软件安装）会对 CPU 消耗产生显著影响，可能导致电脑性能下降 [18] **4. 成本、市场与未来展望** * **使用成本**：CloudBot 的 token 消耗导致成本较高 [2][23] 有观点认为，每月花费两三百美元完成秘书类任务可能不划算，若价格降至 20 美元每月可能更具吸引力 [25] * **市场热度**：CloudBot 在美国市场获得广泛关注，当前热度较高，部分归因于其创始人的营销能力 [4][25] 项目展示了 AI Agent 的实际可行性，并提供了集成到聊天软件的舒适使用形态 [25] * **改进空间**：现有软件主要为人类设计，并非专为 AI 操控设计 [8] 若未来能接入类似 Cloud in PowerPoint 的模型，或出现更多适配 AI 的软件，其工作效率和效果将显著提升 [7][8][9] * **稳定运行**：为保证长期自动化任务稳定运行，推荐使用 Mac mini（耗电低、噪音小）或 VPS（价格便宜，从几块钱到几十块钱不等），但 VPS 可能涉及关键授权问题 [1][12][13] * **替代方案**：若不想支付 API 费用，可在 Mac mini 上运行开源模型，但需注意这些模型在处理复杂指令时可能表现不佳 [14]