行业和公司概述 行业概述 - 智能体技术在传统制造业和电力系统中应用广泛，通过控制生产流水线提升效率，将工人经验转化为可操作信息 [1] - 智能体在金融体系中更倾向于用于内部开发，提高效率 [1] - 智能体在日常生活和工作场景中应用广泛，如完成日程安排、酒店预订等任务，以及处理日常事务 [2,3] - 多模态能力整合后的智能体能够理解图形界面，并通过大量数据训练捕捉界面按钮功能 [3] 公司概述 - 自今年二季度以来，智能体技术在制造业和医疗器械领域得到较好评价，这两个行业合规要求相对较低，更注重基础建设，更容易接受新技术 [4] - 金融、互联网等行业希望通过引入大模型和智能体概念提升产品影响力与估值 [4] - 多模态能力整合后的大模型能够处理更复杂的数据类型，包括图像、文本及其他数据形式，使其更加灵活，适应更多应用场景 [5] - 制造业与医疗器械领域是当前最积极引入大模型及其相关技术的行业 [6] - 国内在大模型应用方面的接受度和成熟度有所提升，但相较于海外大公司，国内企业的推进速度相对较慢 [7] 关键观点和论据 智能体在传统制造业中的应用 - 通过控制生产流水线提升效率 [1] - 将经验丰富的工人脑中的知识通过文字信息输入到大模型中，实现对生产过程的监测和介入 [2] - 在电力系统中也有类似应用，通过快速提效和内部赋能，将人类知识转化为可操作的信息 [2] - 金融体系如银行和券商更倾向于利用智能体进行内部开发，以提高效率 [2] 智能体在日常生活和工作场景中的应用 - 通过手机端指令完成日程安排、酒店预订等任务 [3] - 处理日常事务，如定位意识等 [3] - 多模态能力整合后的智能体可以理解图形界面，并通过大量数据训练捕捉界面按钮功能 [3] 智能体技术在下游客户中的实际落地情况 - 自今年二季度以来，智能体技术在制造业和医疗器械领域得到较好评价 [4] - 这两个行业合规要求相对较低，更注重基础建设，更容易接受新技术 [4] - 金融、互联网等行业希望通过引入大模型和智能体概念提升产品影响力与估值 [4] - 这些行业主要依靠第三方厂商更新原有 IT 系统，未完全发挥出智能体的潜力 [4] 多模态能力整合后的大模型优势 - 能够处理更复杂的数据类型，包括图像、文本及其他数据形式 [5] - 使大模型更加灵活，可以适应更多应用场景 [5] - 多模态训练需要大量数据支持，但一旦完成训练，其应用范围将显著扩大 [5] 当前行业对引入大模型及其相关技术的积极程度 - 制造业与医疗器械领域是当前最积极引入大模型及其相关技术的行业 [6] - 这两个领域对效率提升有迫切需求，合规要求相对宽松 [6] - 金融、互联网等高科技行业主要目的是提升产品影响力与市场估值 [6] - 这些行业更多依赖第三方厂商进行初步尝试 [6] 国内外在大模型应用落地方面的进展及问题 - 国内在大模型应用方面的接受度和成熟度有所提升，但相较于海外大公司，推进速度相对较慢 [7] - 主要问题包括: 1. 用户接受度和使用习惯问题 [7] 2. 技术与成本问题 [7] 3. 行业投入与变现能力问题 [8] 未来大模型生态与 APP 生态的关系 - 未来可能会倾向于没有 APP 生态，而是形成"模型生态"或"终端设备生态" [8] - 原因包括:人性化需求、接口开放与融合、垂直领域优化等 [8] - 但这并不意味着完全取代当前的 APP 形式，两者可以并行发展 [9] 国内大模型生态与终端生态的现状 - 国内目前并没有形成类似于海外的模型生态，更多的是终端生态 [10] - 缺乏像 OpenAI 或微软这样的大型机构来整合所有的生态系统 [10] - 国内能够实现商业化收费能力的大模型技术公司非常有限 [10] 大模型技术公司的发展模式及与应用厂商的合作 - 大模型技术公司的发展模式主要有两种: 1. 通过 API 或云端私有化交付轻量级服务，面向互联网及民营企业 2. 在复杂领域，通过构建生态系统获取收入 [11] - 大模型技术公司将专注于提供基础设施和核心技术，不会涉足具体应用开发 [11] - 大模型技术公司与应用厂商之间是一种相辅相成、不冲突的合作关系 [11]