报告行业投资评级 - 增持（维持）[5] 报告的核心观点 - AI Agent（特别是OpenClaw）正从试点进入规模化落地阶段，其渗透率和任务复杂度的提升正驱动Token消耗量迎来指数级增长，并催生刚性算力需求[1][2][4] - Token消耗激增导致主流模型厂商出现算力缺口，算力供需错配加剧，正从技术和经济层面驱动算力产业链（芯片、架构、系统）的全面升级[3][4] - 随着国内市场Token消耗量爆发，国产算力有望凭借成本优势及生态完善，在基础设施层逐步占据主导地位[4] 根据相关目录分别进行总结 1. Agent泛化：Agent进入实际落地阶段，OpenClaw引领渗透加速 - **OpenClaw成为重要催化剂**：2026年初推出的OpenClaw是一款可在用户自有设备上运行的个人AI助手，一经推出便全球爆火，成为AI Agent普及化加速的重要催化[1][11] - **用户数据验证火爆程度**：在OpenRouter平台上，OpenClaw是2026年2月5日至3月5日期间Token消耗量最多的应用，高达7.63T tokens，远超第二名[13][15] - **Token消耗量飙升**：以OpenRouter平台数据为例，OpenClaw的Token消耗量从2026年2月3日的80.6B飙升至3月4日的358B，一个月间翻了约4.4倍[1][15] - **厂商积极布局**：各大模型厂商纷纷加大Agent布局，例如Minimax Agent已能处理复杂任务，如为HR自动整合20所名校的校招信息，或自动分类整理500张电商图片，AI Agent已进入实际落地阶段[19][20][23] 2. 需求爆发：任务密度与复杂度提升，Token消耗迎来指数级跃升 - **Agent特性导致高消耗**：由于AI Agent天然具备多工具调用、长上下文、多流程工作特性，其Token消耗量增长速度极快[2][24] - **算力需求呈指数增长**：以单次对话机器人为基准，图像生成、推理、视频生成、深度研究的算力需求分别为10倍、100倍、3000倍、1000000倍[24][26] - **中国市场消耗量激增**：中国整体日均Token消耗从2024年初的1000亿，增长至2025年中的30万亿，再到2026年2月主流大模型合计日均Token消耗已达180万亿级别[2][30] - **市场规模与渗透率预测**：预计中国AI Agent市场规模将从2023年的574亿元飙升至2028年的33009亿元，年复合增长率达125%[30][34]。KA（大客户）及SMB（中小企业）企业Agent渗透率预计从2023年的3%/0.5%提升至2028年的25%/10%[30][34] - **长期增长动力强劲**：根据IDC预测，中国活跃智能体数量将在2031年突破3.5亿，年复合增长率超135%，伴随任务复杂度提升，智能体Token消耗将迎来年均超30倍的指数级跃升[2][32] 3. 供给缺口：推理算力缺口显现，成本体验权衡驱动产业升级 - **算力需求转向推理**：智能体核心开销集中在推理阶段，推理负载占比预计从2024年的65%提升至2028年的73%[3][36][40] - **推理市场规模扩大**：中国推理算力市场规模预计从2024年的175.2亿元增长至2028年的2931.2亿元，2024-2028年复合增长率约102%[37][39] - **厂商出现算力缺口**：Token消耗骤增导致主流模型厂商算力缺口显现，例如月之暗面公开表示缺卡并寻求算力支持，智谱因GLM5过于火爆对coding plan采取每日限售措施[3][42][44] - **需平衡延迟、吞吐与成本**：Token消耗和算力需求非简单线性关系，需权衡延迟和吞吐以平衡经济性和用户体验[3][43] - **产业化三要素**：AI Agent产业化的核心要素是模型能力、交互速度和Token成本，三者共同决定了应用的经济性与广泛性[47][48] - **产业链升级路径**：为达成三元平衡，需从三方面协同发力： - **算力芯片端**：提升性能与能效比，例如英伟达新架构实现推理吞吐量提升约10倍，成本降低10倍；亚马逊Trainium芯片在推理任务中比英伟达H100 GPU便宜约30%至40%[50][52] - **架构设计端**：通过注意力机制革新（如PagedAttention、RadixAttention）、动态批处理演进、内存调度优化等技术降低单Token算力消耗[54] - **系统协同端**：依托超节点协同技术优化资源利用率与整体能效，实现规模化部署下的综合成本下降[54] 4. 投资建议 - **关注国产算力**：建议关注海光信息、寒武纪、摩尔线程、沐曦股份等国产算力公司[4][55] - **关注超节点**：建议关注中科曙光、浪潮信息等超节点公司[4][55]

Minimax推出MaxClaw云端AI助手 - 公司于2月26日上线了基于OpenClaw构建的云端AI助手MaxClaw，并集成在Minimax Agent网页端[1] - 该工具的核心卖点是零部署（点击即用）、免额外API费用、以及7×24小时云端常驻[1] - 用户只需拥有Minimax Agent基础版订阅即可体验该服务[1] 解决行业痛点与用户门槛 - 在MaxClaw出现前，部署和使用OpenClaw对普通用户存在显著技术门槛，包括应对安装环境报错和手动配置接口等[2] - 更关键的是用户面临不可预测的API账单风险，当AI智能体在群聊中7×24小时活跃时，按Token计费可能导致账单呈指数级爆炸[5] - 这种对未知账单的恐惧抑制了用户对AI的重度探索和使用欲望[5] MaxClaw的产品策略与优势 - MaxClaw依托公司云端基础设施和自家的100亿参数旗舰模型M2.5，将OpenClaw封装成“傻瓜式”云端托管服务[6] - 服务提供零部署与全天候待机，用户无需懂代码或购买服务器，点击即可启动专属云端容器[6] - 通过将API消耗与基础订阅会员绑定，将不可控的“按量计费”转化为可预期的固定费用，消除了用户的账单焦虑[7] 公司的战略意图与行业影响 - 公司旨在挖掘OpenClaw的“部署红利”，通过绑定OpenClaw和推出零部署概念，为后续攻占市场心智做准备[1][7] - 此举是公司在AI商业化落地和生态布局上的重要一步[7] - 通过兼容OpenClaw，公司能直接利用其社区沉淀的海量优秀插件和跨平台适配方案，加速自身模型能力的落地进程[7] 对商业模式与行业竞争的意义 - MaxClaw是对大模型商业闭环的一次验证，通过交付一个成熟的“数字劳动力”深入高价值自动化工作流，有望显著提升用户付费意愿和粘性[8][9] - 来自OpenClaw真实应用场景的反馈将为公司底层模型提供高频真实交互数据，形成难以企及的数据飞轮，助力模型持续进化[10][11] - MaxClaw有望推动AI智能体从“开发者玩具”向“大众消费品”蜕变，在当下的竞争中，谁能最快将模型能力转化为零门槛生产力，谁就能抢占下一个时代的入口[12][13]

Agent市场竞争格局 - OpenAI推出ChatGPT agent引发竞品密集对比测试 Manus、Genspark等公司通过社交媒体展示产品优势 [1][4][5] - ChatGPT agent面向Pro用户开放 需求超预期导致Plus/Team用户访问延迟至下周 [6] - 竞品反应激烈 Manus发布10条对比推文 Minimax生成多格式报告 Kimi采用深度调研模式 [110][147][153] 产品功能实测表现 - **任务完成效率**：ChatGPT agent用20分钟生成14页退休计划PPT Manus耗时10分钟 Minimax需1小时 [12][51][111] - **输出质量差异**： - ChatGPT agent生成黑白简易PPT 未优化可视化效果 [14][175] - Manus提供彩色排版 但未标注信息来源 [54][56] - Minimax同时输出PPT/PDF/在线链接 含详细数据可视化 [113][147] - Kimi报告超50页 含用户个性化提问及引用标注 [151][153] - **核心能力对比**： - ChatGPT agent整合Deep Research+Operator+ChatGPT 但缺乏前端优化 [174] - Kimi实现"观察-思考-纠错"闭环 更接近真实秘书体验 [150] 行业技术演进方向 - 产品形态从问答机器人转向协作型AI工具 支持复杂任务执行 [176] - 交互范式从chat-first进化为artifact-first 强调任务成果交付 [149] - 技术焦点转向人机交互主入口争夺 大模型公司扩展应用层布局 [177] 典型应用场景案例 - **退休规划**：年收入50万美元目标30岁退休 需82%储蓄率+7%年化回报 实际测算显示5年仅积累250万加元 [28][159][161] - **税务优化**：加拿大RRSP账户年供款上限31,560加元 TFSA账户7,000加元 高收入者边际税率达53.5% [168][169] - **成本控制**：温哥华月生活成本4,409加元 极端储蓄需压缩至2,500加元租房预算 [65][163] 竞品差异化策略 - Manus强调执行落地能力 在电商/金融分析等场景提供完整项目交付 [105][109] - Minimax侧重严谨性 包含风险管理和税务优化策略 [132][134] - Kimi深度调研模式覆盖资产配置/提款率分析等细节 数据量远超同行 [153][170]