Agent进展迅速，AI产业链趋势缘何有望持续向上？
Agent的发展现状
定义与路线分歧
尽管目前没有明确的产品定义，但Agent的类别和应用场景在快速丰富。在发展路线上，工程师流程调优与否造就了不同路径。学界普遍觉得Agent应具备规划能力，像能合理安排任务步骤。而业界看法不一，OpenAI只强调能独立完成任务，Anthropic则明确划分了Workflow和Agent，这种差异反映了不同视角对其功能的侧重。
技术推动下的发展
随着大模型、NLP与多模态等技术不断进步，Agent迎来了新的发展契机。大模型提供了强大的语言理解和生成能力，NLP技术让其在自然语言交互上更加智能，多模态技术则拓展了应用场景，比如在图像、语音等多方面的交互。这些技术的融合，使得Agent类别和应用场景不断拓展，价值落地的可能性也越来越大。
中美大厂Agent发展思路对比
北美云厂商与B端厂商布局
北美云厂商重点在于助力客户高效部署模型和Agent。他们致力于搭建便捷的平台，让客户能快速运用相关技术，提升工作效率。而B端厂商更专注于打造Agent创建和管理平台，从源头把控Agent的开发和运营，为企业提供一站式解决方案，满足不同客户在不同场景下的需求。
国内大厂布局特点
国内互联网大厂的Agent布局延续了互联网时代的用户流量逻辑。通过推出类“Manus”的通用Agent产品来吸引用户，抢占市场份额。B端企业的做法与北美类似，基于AI/Agent平台，挑选有价值的产品进行落地，结合自身优势，在不同行业找到合适的应用场景，推动Agent在商业领域的应用。
Agent类产品的算力需求与问题
高算力消耗原因
从Manus定价及表现来看，Agent对话交互Token消耗巨大，可达十万以上，远远超过chatbot类AI产品。这主要是因为长上下文窗口需要大量token来存储信息，多Agent/工具通信增加了token量，验证模块也会消耗大量token，多模态场景下的token消耗量更是不容小觑，这些因素共同导致了对底层算力的高需求。
面临的问题与展望
当前Agent落地存在不少问题，像意图混淆，导致理解用户需求出现偏差；多Agent合作时的协调困难，影响任务执行效率；还有幻觉问题，给出不合理的回答。不过，学界和业界都在积极探索解决办法，随着技术不断迭代，商业化规模落地还是很有希望的。
投资建议与风险
投资利好方向
AI模型及技术不断迭代，对有数据、有客户、有场景的软件企业是利好。借助AI产品，公司的ARPU有望提升，项目单价也可能上升，尤其在ERP和政府方向，订单和产品有望率先落地。模型私有化需求增加，一体机、超融合和B端服务外包企业迎来机遇，相关标的值得关注。
风险提示
AI产业发展并非一帆风顺，存在多种风险。商业化落地可能不及预期，比如产品无法获得市场认可。市场竞争风险也较大，众多企业涌入导致竞争激烈。政策风险不可忽视，政策变动可能影响产业发展方向。地缘政治风险同样会对产业链上下游造成冲击，投资者需谨慎对待。
相关问答
Agent目前有明确的产品定义吗？
目前Agent尚未有明确的产品定义，但它的类别与应用场景已迅速丰富起来，不同领域对其功能的侧重点有不同看法。
北美云厂商在Agent布局上有什么特点？
北美云厂商主要关注帮助客户高效部署模型和Agent，搭建平台让客户能快速应用相关技术，提升工作效率。
国内互联网大厂Agent布局依据什么逻辑？
国内互联网大厂Agent布局延续互联网时代用户流量逻辑，通过类“Manus”的通用Agent产品来吸引用户，抢占市场份额。
Agent类产品为何对算力消耗大？
长上下文窗口、多Agent/工具通信、验证模块以及多模态场景等，都会消耗大量token，所以对底层算力需求大。
Agent落地面临哪些问题？
面临意图混淆、多Agent合作困难、幻觉等问题，不过学界和业界都在积极探索解决办法以推动其更好落地。
AI产业投资存在哪些风险？
存在AI产业商业化落地不及预期、市场竞争风险、政策风险以及地缘政治风险，投资时需谨慎考虑。
