從技術(shù)演進(jìn)到算力消耗估算拆解AIAgent：AI進(jìn)時(shí)代MCP賦能Agent邁向泛智能

請務(wù)必閱讀正文之后的重要聲明部分證券研究報(bào)告/行業(yè)深度報(bào)告2025年04月0工智能教育工作方案，關(guān)注AI+教育投資機(jī)會》2025-03-09（元）2022A2023A2024E2025E2026E2022A2023A2024E2025E2026E 核心觀點(diǎn)：AIAgent積木搭建完成，迎來爆發(fā)臨界點(diǎn)以產(chǎn)業(yè)演進(jìn)角度看，AIAgent的發(fā)展路徑類似于搭積木過程，過去各模塊（大模型智能性、多模態(tài)推理、Coding能力、工具調(diào)用ToolUse、Token經(jīng)濟(jì)、算力支撐）零散分布，單一技術(shù)無法形成閉環(huán)，Agent形態(tài)始終停留在“缺乏行動(dòng)能力”的狀態(tài)。當(dāng)前，以MCP為代表的工具調(diào)用協(xié)議標(biāo)準(zhǔn)化落地、OpenAI的AgentSDK框架逐步完善、大模型Coding能力提升至產(chǎn)業(yè)應(yīng)用級別、Token調(diào)用成本大幅下降等因素疊加，各項(xiàng)技術(shù)模塊已逐漸完整拼接。我們認(rèn)為，AIAgent已經(jīng)走到從組件齊備到整體協(xié)同運(yùn)轉(zhuǎn)的“臨界點(diǎn)”，產(chǎn)業(yè)生態(tài)將步入爆發(fā)式增長階段。預(yù)計(jì)將有越來越多的工具、軟件開發(fā)接口，供大模型調(diào)用以提升其用戶使用體驗(yàn)。且隨著Token價(jià)格的下降，Agent滲透將加速。以MCP聚合平臺Smithery為例，平臺上已經(jīng)有超過3500個(gè)MCP服務(wù)器推出，涉及多個(gè)領(lǐng)域。n本篇報(bào)告對上述提及的技術(shù)演進(jìn)歷程做了詳細(xì)分析，同時(shí)就AIAgent可能帶來的算力消耗做了敏感性分析測算。n技術(shù)演進(jìn)：l大模型：基礎(chǔ)對話需求對齊智能涌現(xiàn)多模態(tài)+長時(shí)記憶強(qiáng)Coding與推理l工具調(diào)用：RAG（檢索增強(qiáng)生成，擴(kuò)展大模型記憶能力）FunctionCalling（函數(shù)調(diào)用，通過強(qiáng)化學(xué)習(xí)大模型可以調(diào)用外部一切）MCP協(xié)議（統(tǒng)一了各大模型與各工具間的通信格式）計(jì)算機(jī)操作（以O(shè)penAI的Operator與Anthropic的ComputerUse為代表）。l技術(shù)迭代：COT的提出（思維鏈，讓模型具備規(guī)劃能力LangGraph等的Agent開發(fā)框架的完善，增強(qiáng)大模型處理復(fù)雜問題、多重推理的能力；Cursor（估值25億美元）、Cline等AI代碼編輯器的推出，加快AIAgent所需的工具模塊的開發(fā)。n算力消耗測算：l以GPT-4o為基準(zhǔn)，假設(shè)一個(gè)日活規(guī)模達(dá)到10億的全球級AIAgent應(yīng)用，每日所需算力約相當(dāng)于14.15萬張NVIDIAH100SXMGPU。隨著未來Agent應(yīng)用向多模態(tài)、復(fù)雜推理與高頻次ToolUse方向演進(jìn)，這一需求預(yù)計(jì)還將進(jìn)一步指數(shù)級攀升。l兩個(gè)案例：1）Manus一次標(biāo)準(zhǔn)復(fù)雜度任務(wù)執(zhí)行預(yù)計(jì)消耗20萬Tokens；2）Cline+MCP+claudesonnet3.7組合一次標(biāo)準(zhǔn)旅行規(guī)劃消耗93.34萬Tokens。n相關(guān)公司推薦關(guān)注：中芯國際、Amazon、Microsoft、Alphabet、CoreWeave、阿里巴巴2、模型開發(fā)與研究（Alphabet、Microsoft、Meta、阿里巴巴、騰訊控股、科大訊飛3、平臺與工具（HuggingFace-未上市、Brevian-未上市、Anysphere-未上市、Coze-字節(jié)跳動(dòng)旗下、ScaleAI-未上市、Turing-未上市4、應(yīng)用（特斯拉、Salesforce、Adobe、Palantir、快手、阿里巴巴、騰訊控股、Boss直聘、美圖、行業(yè)深度報(bào)告lA股傳媒相關(guān)標(biāo)的：1、AI教育：南方傳媒、豆神教育、榮信文化、世紀(jì)天鴻；2、AI陪伴：奧飛娛樂、上海電影、湯姆貓；3、AI工具：果麥文化、昆侖萬維、易點(diǎn)天下；AI娛樂：愷英網(wǎng)絡(luò)、巨人網(wǎng)絡(luò)、盛天網(wǎng)絡(luò)。n風(fēng)險(xiǎn)提示：1）AI大模型與AI應(yīng)用發(fā)展進(jìn)度不及預(yù)期風(fēng)險(xiǎn)；2）技術(shù)、環(huán)境變化導(dǎo)致測算依據(jù)失效的風(fēng)險(xiǎn)；3）數(shù)據(jù)信息更新不及時(shí)風(fēng)險(xiǎn)。行業(yè)深度報(bào)告核心技術(shù)躍遷，AIAgent時(shí)代全面到來 4何為AIAgent？ 4AI大模型：對齊涌現(xiàn)長時(shí)記憶、多模態(tài)推理 4可調(diào)用工具及協(xié)議不斷完善（RAG、Functioncalling、MCP） 6推理賦予AIAgent處理復(fù)雜問題的能力 9Coding（代碼）就是大模型的自然語言 AIAgent實(shí)現(xiàn)路徑探尋 AIAgent應(yīng)用算力消耗假設(shè) 一個(gè)全球爆款A(yù)IAgent應(yīng)用需要多少張H100支持？ 案例分享：Manus與Cline+MCP+claudesonnet3.7 AIAgent應(yīng)用場景展望與投資建議 現(xiàn)有應(yīng)用場景分析 投資建議 20風(fēng)險(xiǎn)提示 221、AI大模型發(fā)展進(jìn)度不及預(yù)期風(fēng)險(xiǎn) 222、AI應(yīng)用發(fā)展進(jìn)度不及預(yù)期風(fēng)險(xiǎn) 223、因技術(shù)與環(huán)境變化導(dǎo)致測算依據(jù)失效的風(fēng)險(xiǎn) 224、報(bào)告中數(shù)據(jù)信息更新不及時(shí)風(fēng)險(xiǎn) 22圖表1：AIAgent突破關(guān)鍵技術(shù)點(diǎn) 4圖表2：GPT-4Tokens價(jià)格變化（美元/百萬Tokens） 5圖表3：大模型上下文窗口支持Token量發(fā)展趨勢 6圖表4：RAG與LLM配合使用的概念流程 7圖表5：FunctionCalling實(shí)現(xiàn)原理圖 8 9圖表7：利用Grok3進(jìn)行DeeperSearch處理問題 圖表8：LangGraph與LangChain實(shí)現(xiàn)路徑對比（模擬制定旅行規(guī)劃） 圖表9：Cursor的訂閱價(jià)格 圖表10：Cursor年度經(jīng)常性收入（百萬美元） 圖表12：AIAgent實(shí)現(xiàn)路徑探尋 圖表14：DeepSeek、ChatG 圖表15：Token消耗量敏感性分析 圖表16：代表性超級APP的日均交互次數(shù)（次） 圖表17：每日算力消耗量敏感性分析 圖表19：Manus不同復(fù)雜度任務(wù)積分消耗 圖表20：大模型進(jìn)行任務(wù)規(guī)劃示意圖 圖表21：大模型進(jìn)行任務(wù)規(guī)劃結(jié)果 圖表22：Manus的應(yīng)用分類 20行業(yè)深度報(bào)告何為AIAgent？n何為AIAgent？lOpenAI官網(wǎng)定義：AIAgent是可以智能完成任務(wù)的系統(tǒng)——從執(zhí)行簡單的工作流程到追求復(fù)雜、開放式的目標(biāo)。lAnthropic官網(wǎng)定義：AIAgent是讓LLM（大語言模型）動(dòng)態(tài)掌控工具使用方式的系統(tǒng)，可自主決定如何完成任務(wù)。n一句話形象總結(jié)：AIAgent就是給AI大模型安上可操控的“四肢”。初期AI大模型只會告訴用戶處理問題的方式或解決問題的辦法（只有大腦但實(shí)操環(huán)節(jié)還需人為介入，且需要用戶來設(shè)計(jì)解決問題的路徑。發(fā)展到AIAgent，其不僅可以提出處理方案，還可以自主編排處理流程，自主調(diào)用工具，最終解決問題。有了Agent，將大大擴(kuò)展個(gè)體或機(jī)構(gòu)的能力邊界。n技術(shù)快速迭代創(chuàng)新，推動(dòng)AIAgent時(shí)代的到來：l1、更加智能的大模型，長上下文記憶，且調(diào)用的token成本持續(xù)下降。l2、大模型可調(diào)用工具不斷豐富。l3、輔助框架進(jìn)一步完善（RAG技術(shù)、Functioncalling、LangGraph框來源：中泰證券研究所AI大模型：對齊涌現(xiàn)長時(shí)記憶、多模態(tài)推理nAI大模型不斷智能化l2018年：初代大語言模型GPT-1（固定長度的輸入512Tokens）推出，還無法根據(jù)人類指令靈活響應(yīng)。l2019年：GPT-2推出，較好順寫文本，但在長文本生成時(shí)會出現(xiàn)重復(fù)、跑題，缺乏整體連貫性，無法很好對齊用戶意圖。l2020年：GPT-3推出，擁有1750億參數(shù)，遠(yuǎn)超GPT-2的15億參數(shù)，上下文輸入輸出窗口來到2048個(gè)Tokens。由于參數(shù)的大幅提升，模型開始出現(xiàn)Few-Shot學(xué)習(xí)等涌現(xiàn)能力，但依舊無法很好對齊用戶意圖。l2021年：DALL·E模型發(fā)布，從文本到圖像生成顯雛形。l2022上半年：InstructGPT推出，微調(diào)GPT-3，采用監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)（RLHF）方式，在僅有13億參數(shù)情況下，更好對齊用戶意圖。l2022下半年：ChatGPT正式推出，至此為分水嶺，AI真正進(jìn)入了大眾視野，其顯著增強(qiáng)了對話的連貫性和上下文理解能力。行業(yè)深度報(bào)告l2023上半年：Claude1.0和GPT-4共同推出，GPT-4推理能力、專業(yè)知識進(jìn)一步提升，并支持圖像輸入，是多模態(tài)AI的里程碑。l2023下半年：Claude2.0、GPT-4Turbo、LLaMA2、Gemini推出，國內(nèi)阿里推出Qwen，大模型進(jìn)入百花齊放階段。其中Claude2.0將上下文擴(kuò)展到100Ktokens，支持文件上傳處理。2023年11月上線Claude2.1，進(jìn)一步將上下文窗口擴(kuò)展至200Ktokens，模型記憶能力大幅提升。LLaMA2將其模型開源，推動(dòng)整個(gè)行業(yè)發(fā)展。Go上線既具備多模態(tài)處理能力。l2024上半年：GPT-4o、Claude3、Gemini1DeepSeek-V2等發(fā)布，多模態(tài)進(jìn)一步完善，GPT-4o集成視頻和語音功能，Llama3是首款能夠處理圖像和文本的開源模型，Gemini1.5Pro支持多模態(tài)的同時(shí)還將上下文窗口提升至1MTokens。l2024下半年~至今：OpenAIo1、GrokDeepSeek-R1、AlibabaQwQ、Gemini2.5pro等發(fā)布，標(biāo)志著模型的推理思考能力大幅提升，OpenAIo1通過鏈?zhǔn)剿季S（chain-of-thoughtreasoning）優(yōu)化了推理能力，特別在科學(xué)和編程任務(wù)上表現(xiàn)優(yōu)異，減少模型幻覺問題，Claudesonnet3.7在編程和工具調(diào)用能力上非常突出。nToken調(diào)用成本大幅下降l以GPT-4系列為例，GPT-4o每百萬Tokens調(diào)用價(jià)格以及相較于GPT-4剛剛推出時(shí)下降了89%，若對比小模型GPT-4omini，則價(jià)格比GPT-4下降了99.3%。對比國產(chǎn)大模型DeepSeek，V3版本目前國內(nèi)標(biāo)準(zhǔn)時(shí)間段（北京時(shí)間08:30-00:30）價(jià)格為2元/百萬Tokens，輸出為8元/百萬Tokens，較GPT-4調(diào)用成本更低。來源：spearheadt，中泰證券研究所n上下文長時(shí)記憶l長時(shí)記憶對AIAgent尤為重要，減少了AIAgent頻繁分段記憶導(dǎo)致的結(jié)果偏離。不支持足夠長的文本輸入，AIAgent就較難建立起對目標(biāo)任務(wù)完整的認(rèn)知邏輯。例如GPT-3只能支持2048個(gè)tokens的輸入，很難完成邏輯鏈較長的任務(wù)，發(fā)展到GPT-4，最大已經(jīng)可以支持到32KTokens上下文窗口，再到Gemini甚至可以支持到2M的上下文Tokens。此前受制于Transformer模型的自注意力機(jī)制，計(jì)算開銷隨序列長度行業(yè)深度報(bào)告指數(shù)增長，目前技術(shù)上通過更高效的稀疏注意力和分塊處理實(shí)現(xiàn)上下文窗口的擴(kuò)展。來源：artificialanalysis，中泰證券研究所可調(diào)用工具及協(xié)議不斷完善（RAG、Functioncalling、MCP）n大語言模型經(jīng)歷了從預(yù)訓(xùn)練回答歷史知識，到實(shí)施調(diào)用工具回答實(shí)施問題的階段，工具調(diào)用與協(xié)議的完善大幅拓展了大語言模型的能力。lRAG（檢索增強(qiáng)生成）技術(shù)的成熟：使AI大模型能夠在生成響應(yīng)之前引用訓(xùn)練數(shù)據(jù)來源之外的知識庫，對模型在專業(yè)領(lǐng)域的知識補(bǔ)充、長時(shí)記憶、新知識補(bǔ)充等都起到至關(guān)重要的作用。提升了大模型輸出的信息的及時(shí)性和質(zhì)量、減少幻覺。在大模型本就已經(jīng)很強(qiáng)的上下文記憶能力基礎(chǔ)上，接上了一個(gè)隨時(shí)可以擴(kuò)展的向量數(shù)據(jù)庫。來源：Amazon官網(wǎng)，中泰證券研究所calling功能，允許開發(fā)者在ChatCompletionsAPI中定義函數(shù)，大模型可根據(jù)用戶輸入自動(dòng)調(diào)用相應(yīng)函數(shù)，生成所需的JSON對象輸出。結(jié)合了Functioncalling后，大模型相當(dāng)于擁有了可以調(diào)用函數(shù)的能力，進(jìn)而獲得了與外部交互的能力。來源：OpenAI官網(wǎng)，中泰證券研究所lAnthropic推出MCP（ModelContextProtocol）協(xié)議：2024年11月25日Anthropic正式推出開源MCP協(xié)議，相當(dāng)于在FunctionCalling之上提供了一套標(biāo)準(zhǔn)協(xié)議，把API調(diào)用流程進(jìn)一步抽象，讓AIAgent可以自動(dòng)調(diào)用多個(gè)工具。Anthropic已經(jīng)預(yù)先預(yù)構(gòu)建了一些MCP服務(wù)等企業(yè)級系統(tǒng)，也可以由社區(qū)編寫更多功能的MCP服務(wù)器。MCP簡化了AI連接外部數(shù)據(jù)的難度，一次性構(gòu)建兼容多個(gè)數(shù)據(jù)源的AI解決方案，行業(yè)深度報(bào)告提高數(shù)據(jù)訪問效率。有了MCP，就可以將企業(yè)數(shù)據(jù)與AI大模型更好的鏈接起來，讓大模型更高效更自主使用外部數(shù)據(jù)。來源：maartengrootendorst，中泰證券研究所l其他工具的完善。包括：1、搜索（GoogleSearchAPI等讓大模型更加方面從互聯(lián)網(wǎng)獲取信息；2、文件系統(tǒng)（Filesearch讓大模型可以調(diào)用本地或者云端文件輔助分析；3、計(jì)算機(jī)調(diào)用（ComputerUse讓大模型具備類人的計(jì)算機(jī)操作能力；4、函數(shù)調(diào)用，讓大模型可以使用編寫的函數(shù)完成自定義功能；5、專業(yè)API調(diào)用，例如金融系統(tǒng)、天氣系統(tǒng)、電商系統(tǒng)等數(shù)據(jù)信息；6、自動(dòng)化工具，例如Google郵箱、Discord平臺、Slack平臺等信息的同步與編寫。推理賦予AIAgent處理復(fù)雜問題的能力n推理與制定計(jì)劃（Planning）能力是AIAgent能夠完成復(fù)雜目標(biāo)的核心：將最終目標(biāo)分解為可執(zhí)行的具體步驟。大模型推理能力發(fā)展脈絡(luò)：l1、初代大模型只是一問一答，沒有推理和計(jì)劃能力；l2、COT（ChainofThought，思維鏈）在2022年1月被提出，一種專門用于提升大模型推理能力的提示方法，能夠逐步拆解問題；l3、2022年底，ChatGPT推出后，Auto-GPT/BabyAGI等引入了任務(wù)列表與思維鏈形式，可以按照任務(wù)規(guī)劃拆分行動(dòng)分步執(zhí)行，大模型初步擁有了解決復(fù)雜任務(wù)的能力，這是把AI從工具變成Agent的分水嶺；l4、2024年9月OpenAI推出了o1模型，強(qiáng)調(diào)其在回答問題前會進(jìn)行“思考”，具備更強(qiáng)解決復(fù)雜任務(wù)的能力，而Anthropic在2025年2月發(fā)布的Claude3.7Sonnet是首個(gè)采用混合推理的大模型，具備深度思考模式，X在同月也發(fā)布了Grok3，具備深度思考能力的大模型。l至此大模型進(jìn)入到了推理時(shí)代，模型對目標(biāo)的規(guī)劃和不斷迭代嘗試的能力進(jìn)一步提升。例如詢問Grok3：“美股中，受益于ai或者使用ai或者最容易接入ai的標(biāo)的有哪些，幫我詳細(xì)梳理一下”，可以看到其進(jìn)行了9個(gè)步驟，搜索了18個(gè)信息來源，期間反復(fù)調(diào)整解決問題的思路，最終形成結(jié)果列表。行業(yè)深度報(bào)告來源：Grok3，中泰證券研究所nLangGraph框架簡化AIAgent的開發(fā)，引入復(fù)雜任務(wù)循環(huán)概念。LangGraph是由LangChain團(tuán)隊(duì)開發(fā)的一個(gè)開源框架，旨在幫助開發(fā)者構(gòu)建具有狀態(tài)管理能力的多Agent或單AgentAI應(yīng)用。LangGraph引入了循環(huán)圖（CyclicalGraph）概念，彌補(bǔ)了LangChain在處理動(dòng)態(tài)、復(fù)雜任務(wù)時(shí)的局限性。簡單而言，就是用戶在調(diào)用每個(gè)Node（節(jié)點(diǎn)）功能前，都會有一個(gè)Edge（邊）根據(jù)state（當(dāng)前狀態(tài)）判斷是否需要再進(jìn)行下一個(gè)Node（節(jié)點(diǎn)）調(diào)用，或者是END（結(jié)束）流程，這樣可以使整個(gè)處理流程自主循環(huán)直到解決問題。圖表8：LangGraph與LangChain實(shí)現(xiàn)路徑對比（模擬制定旅行規(guī)劃）來源：中泰證券研究所n這一類的開發(fā)框架的完善，也推動(dòng)了整個(gè)AIAgent領(lǐng)域的發(fā)展。Coding（代碼）就是大模型的自然語言n雖然當(dāng)前的AIAgent還很難完成較為復(fù)雜、邏輯要求縝密、精度與準(zhǔn)確度較高的任務(wù)，但我們第一章節(jié)提及的上下文長時(shí)記憶+ToolUse+基礎(chǔ)大模型更加智能且推理能力不斷增強(qiáng)，這幾方面的發(fā)展非常迅速，再結(jié)合當(dāng)前例如Anthropicclaudesonnet3.7或Gemini2.5pro等的強(qiáng)大Coding能力，使得大模型在擁有更強(qiáng)智慧大腦的同時(shí)，用機(jī)器能聽的懂的命令，完成大模型的思考到執(zhí)行的過程。n隨著AI大模型代碼能力的不斷增強(qiáng)，我們認(rèn)為本質(zhì)上，代碼就是大模型和機(jī)器交互的自然語言，在沒有大模型和AIAgent之前，人類需要通過學(xué)習(xí)編程，獲得與機(jī)器交流的能力，讓機(jī)器懂得如何去按照我們的要求完成工作，因而演化出了各類軟件，演化出了SaaS、PaaS、IaaS等平臺，以及各類的APP，大大提高了生產(chǎn)效率。n如今，AIAgent就是架設(shè)在人類與機(jī)器之間的中間層，即可以理解人類的自然語言，也可以編寫機(jī)器看的懂的自然語言（代碼這就完成了全人類的效率提升。因?yàn)閷懘a的能力不是人人具備，而且現(xiàn)成的工具也不一定能滿足所有人個(gè)性化需求，并且工具很多基于部分人的智慧，實(shí)際很難集成大量的知識庫做出最優(yōu)決策并結(jié)合實(shí)時(shí)情況更新解決方案和工具，但有了一個(gè)擁有極強(qiáng)Coding能力的AIAgent之后，這一切都將成為可能。n舉例說明：由于大模型Coding能力的不斷增強(qiáng)，基于大模型推出了不少編碼工具，包括ClaudeCode、Cursor和Cline，他們分別專注于終端、代碼編輯器和VSCode集成。國內(nèi)字節(jié)跳動(dòng)的Trae也是一個(gè)支持免費(fèi)AIIDE，通過接入LLM技術(shù)提升開發(fā)代碼開發(fā)效率。lClaudeCode是Anthropic開發(fā)的一個(gè)命令行AI編碼助手，幫助開發(fā)者通過自然語言命令執(zhí)行代碼搜索、編輯、測試和Git操作。lCursor是基于VisualStudioCode的AI增強(qiáng)代碼編輯器，提供代碼生成、智能建議和任務(wù)完成代理模式，它集成了多種AI模型，適合個(gè)人和團(tuán)隊(duì)提高生產(chǎn)力，根據(jù)Sacra估計(jì)，Cursor是ARR從100萬美元增長到1億美元有史以來最快的SaaS公司，Cursor訂閱的定價(jià)分為免費(fèi)、20美元/月、40美元/月。2025年1月，Cursor宣布完成1.05億美元的B輪融資（ThriveCapital融資估值為25億美元。來源：Cursor官網(wǎng)，中泰證券研究所來源：sacra，中泰證券研究所來源：sacra，中泰證券研究所lCline是一個(gè)開源的AI自主編碼代理，集成到VSCode中，可創(chuàng)建/編輯文件、執(zhí)行命令、使用瀏覽器等。n大模型在Coding領(lǐng)域的突破，預(yù)計(jì)會帶動(dòng)LLM和工具的進(jìn)一步緊密結(jié)合，無限拓展LLM能力邊界，向?qū)崿F(xiàn)AGI邁進(jìn)。模型自治+外部協(xié)同nAIAgent的發(fā)展，總結(jié)看來朝兩個(gè)方向不斷推進(jìn)：l大模型能力內(nèi)化：可以簡稱“內(nèi)腦”，通過監(jiān)督學(xué)習(xí)+強(qiáng)化學(xué)習(xí)（包括對齊人類指令的RLHF以及適合自主學(xué)習(xí)和探索性的SELF-RL）方式，不斷增強(qiáng)模型的邏輯能力，目的是提升模型自主推理的能力，甚至部分行業(yè)深度報(bào)告內(nèi)嵌功能，例如搜索、規(guī)劃等功能，我們實(shí)際在調(diào)用AI大模型的時(shí)候，模型就自主開始搜索互聯(lián)網(wǎng)信息，無需外接API工具實(shí)現(xiàn)。l外化框架的協(xié)同：1、規(guī)范工具調(diào)用：上文提到的LangGraph架構(gòu)，包括Anthropic的MCP協(xié)議，以及OpenAI開源的AgentSDK框架，本質(zhì)上都是通過預(yù)先設(shè)定的邏輯關(guān)系，使得AI大模型在解決目標(biāo)問題時(shí)，遵循一定規(guī)則和框架協(xié)議，可以更加高效的調(diào)用外部工具，實(shí)現(xiàn)跨模型跨平臺統(tǒng)一調(diào)用，提升處理處理問題的能力。2、多模型協(xié)同：不同的AI大模型特長不同，可以集各家所長，更好應(yīng)對用戶泛化的需求，使AIAgent可以處理更多復(fù)雜問題。例如基礎(chǔ)大模型負(fù)責(zé)綜合調(diào)度，而擅長圖片處理、視頻分析、數(shù)據(jù)整理等的微調(diào)垂模型可以承接不同環(huán)節(jié)，多模型共同協(xié)作完成目標(biāo)任務(wù)。特別是在特定領(lǐng)域，需要專業(yè)知識的情況下，往往通用大模型是無法很好勝任，例如金融、醫(yī)藥等領(lǐng)域，要求模型具備更加專業(yè)的能力，這是就可以通過通用模型+專精尖垂模型配合的模式協(xié)同完成。來源：中泰證券研究所n當(dāng)前各路徑存在的問題：l模型能力內(nèi)化：模型的參數(shù)會變得非常龐大，處理速度可能降低，訓(xùn)練+推理算力消耗會更大，并且應(yīng)對不斷變化的環(huán)境，模型需要不斷進(jìn)行新的訓(xùn)練，無法做到實(shí)時(shí)更新，且訓(xùn)練過程中的不可控因素較大。l外化框架協(xié)同：存在多工具調(diào)用協(xié)同時(shí)token消耗大幅增加的問題，且不同工具之間的切換，需要大模型能夠有較長記憶及綜合處理能力，處理效果或許沒有內(nèi)化到大模型中的效果好。同時(shí)多模型之間協(xié)同，頻繁的模型調(diào)用對基礎(chǔ)設(shè)施要求高，模型間的通信信息傳遞損失，延遲積累等問題也需要處理。n上述提及的各類問題，很多是短期工程的優(yōu)化問題，我們預(yù)計(jì)隨著輔助框架的不斷完善和AI大模型自身能力的提升，將逐步得到解決。且預(yù)計(jì)兩種路徑會在不同的需求場景下不斷推進(jìn)，例如：lB端商業(yè)場景：強(qiáng)調(diào)數(shù)據(jù)的安全性，考慮LangGraph與MCP協(xié)議結(jié)合的方式，使用開源的大模型+垂模型+外化工具的組合，完成目標(biāo)任務(wù)，這需要企業(yè)自有算力部署，且內(nèi)部API開發(fā)完善。lC端需求場景：優(yōu)先選成熟框架（OpenAISDK、LangChain）快速實(shí)現(xiàn)功能，把更多決定權(quán)交由大模型。行業(yè)深度報(bào)告n小結(jié)：外化+內(nèi)化結(jié)合的AI大模型，猶如擁有強(qiáng)運(yùn)動(dòng)天賦的運(yùn)動(dòng)員配備上了專業(yè)的設(shè)備。舉例：當(dāng)前大模型推出的類DeepResearch功能，就是相當(dāng)于把搜索、計(jì)劃等能力內(nèi)化在AI大模型中，同時(shí)又支持工具調(diào)用，如數(shù)據(jù)庫查閱或者用戶上傳文件輔助研究，內(nèi)外集合，大幅提升處理效果。一個(gè)全球爆款A(yù)IAgent應(yīng)用需要多少張H100支持？n做一個(gè)假設(shè)測算，希望能大概估算，一個(gè)爆款的AIAgent應(yīng)用，需要多少塊NVIDIAH100GPU算力支持，基于假設(shè)的測算思路為：l1、通過OpenAI對Plus用戶月訂閱價(jià)格倒推用戶每日一次交互的token消耗量。l2、以計(jì)算出來的每日每次交互的token消耗量為基準(zhǔn)，假設(shè)AIAgent應(yīng)用的日活以及每日交互次數(shù)，計(jì)算出其一天算力的消耗量。率情況下的不同日活的AIAgent應(yīng)用對應(yīng)的GPU需求數(shù)。來源：NVIDIA官網(wǎng)，中泰證券研究所n詳細(xì)步驟：n月訂閱價(jià)格倒推token消耗量：這部分計(jì)算的依據(jù)的假設(shè)為OpenAI在設(shè)定訂閱價(jià)格時(shí)，考慮了每個(gè)Plus用戶每天的tokens消耗量，以此為基準(zhǔn)，設(shè)定了合理的訂閱價(jià)格。但是由于免費(fèi)用戶也可以無限制使用例如GPT-3.5、GPT-4omini以及有限制使用GPT-4o、OpenAIo3-mini等，因此考慮Plus用戶訂閱價(jià)格設(shè)定時(shí)，OpenAI應(yīng)需要覆蓋免費(fèi)用戶的成本開支，加之還有數(shù)據(jù)中心、電力、硬件折舊等開支。n因此我們用敏感性分析，假設(shè)一定的百分比作為實(shí)際Plus用戶開支覆蓋其自身Token消耗部分。根據(jù)SenserTower數(shù)據(jù)顯示，截止2025年2月底，ChatGPTAPP每日平均交互次數(shù)為7.03次，DeepSeek為4.38次，Claude為3.28次，因此我們把日交互次數(shù)也做一個(gè)敏感性分析，得出下表：來源：SensorTower，中泰證券研究所 來源：中泰證券研究所n計(jì)算結(jié)果顯示，最高的每日每次消耗token量為29630個(gè)，最低為2222個(gè)，以日交互5次與6次/訂閱價(jià)格折價(jià)60%這兩個(gè)中間水平條件對應(yīng)的2個(gè)數(shù)值為基準(zhǔn)，計(jì)算平均消耗量為每日每次交互9777.8個(gè)。n做第二層的敏感性分析，由于OpenAIPlus用戶系統(tǒng)默認(rèn)采用GPT-4o大模型，因此我們以GPT-4o的參數(shù)作為計(jì)算基準(zhǔn)，根據(jù)微軟與華盛頓大學(xué)發(fā)表的論文《MEDEC:ABenchmarkforMedicalErrorDetectionandCorrectioninClinicalNotes》披露顯示GPT-4o參數(shù)量為2000億，我們對每次激活的參數(shù)量做敏感性分析，對應(yīng)假設(shè)這個(gè)超級AIAgentAPP每日的打開次數(shù)在3~10次范圍內(nèi)（基于當(dāng)前全球超級APP中交互頻次相對低一些的Youtube和AI大模型應(yīng)用中較低一些的Claude作為基準(zhǔn)范圍以激活參數(shù)+日交互次數(shù)為兩個(gè)計(jì)算參數(shù)，基于上述的Token消耗結(jié)果平均值，做二層敏感性推導(dǎo)，計(jì)算每日的算力總消耗，得出下表，來源：SensorTower，中泰證券研究所每日交互次數(shù)（次）3456789來源：中泰證券研究所n計(jì)算結(jié)果顯示，最高的每日消耗算力量為4.9E+16FLOPs，最低為7.3E+14FLOPs，若依舊考慮中位線水平，則每日交互6/7次+50%的參數(shù)激活對應(yīng)n我們做第三層的敏感性分析，考慮到NVIDIAH100SXMGPU在實(shí)際推理的時(shí)候算力的利用率是有限制的，并不能完全100%的跑滿理論算力，因此我們將GPU的算力利用率按一定比例做敏感性分析，同時(shí)超級AIAgentAPP需要有一個(gè)日活的門檻線，我們對于日活也做了一定的選擇范圍，然后以GPU的算力利用率+日活為兩個(gè)計(jì)算參數(shù)，最終計(jì)算NVIDIAH100SXMGPU卡的需求量，得出下表， 來源：中泰證券研究所n計(jì)算結(jié)果顯示，取敏感性分析的中位值，對應(yīng)50%的算力利用率+10億日活情況下，一個(gè)超級AIAgentAPP運(yùn)行一天所消耗的算力需要14.15萬張n總結(jié)：以上測算基于GPT-4o模型，但GPT-4o模型為基礎(chǔ)大模型，若考慮推理能力更強(qiáng)的OpenAIo1大模型，或者在GPT-4o基礎(chǔ)上使用OpenAI的DeepResearch功能，那實(shí)際的token消耗量會更大，且當(dāng)前GPT-4o已經(jīng)開放圖片模態(tài)的輸出，算力消耗預(yù)計(jì)會較文字更大，且未來文字+圖片+語音+視頻的多模態(tài)輸入和輸出預(yù)計(jì)將成為標(biāo)配，那算力的消耗將比僅圖文會更大。同時(shí)考慮到AIAgent本身可能基于多重的思維鏈推理，調(diào)用外部工具，特別在執(zhí)行復(fù)雜的任務(wù)時(shí)，存在多重的并行調(diào)用和循環(huán)執(zhí)行，那Token的消耗量將更加驚人。n因此以上的計(jì)算僅在當(dāng)前環(huán)境背景下，做了諸多的假設(shè)，作為算力需求的一個(gè)概覽。案例分享：Manus與Clinen就此前火爆的定義為通用Agent的應(yīng)用Manus，公布了其訂閱的價(jià)格，分為Starter/Pro兩檔，分別對應(yīng)39美元/月與199美元/月，其中Starter用戶的權(quán)益包括每月3900積分以及并行運(yùn)行兩個(gè)任務(wù)，Pro用戶可以擁有19900積分，并同時(shí)運(yùn)行5個(gè)任務(wù)。同時(shí)manus也給了相應(yīng)的案例，復(fù)雜度為標(biāo)準(zhǔn)的“NBA球員得分效率象限圖”預(yù)計(jì)持續(xù)時(shí)間15分鐘，需要消耗200積分，對應(yīng)單次任務(wù)2美元，時(shí)間上預(yù)估0.133美元/分鐘，復(fù)雜度同樣為標(biāo)準(zhǔn)的“優(yōu)雅簡約奢華婚禮邀請網(wǎng)頁”設(shè)計(jì)需求需消耗360積分，預(yù)計(jì)持續(xù)時(shí)間25分鐘，對應(yīng)單次任務(wù)3.6美元，時(shí)間上預(yù)估0.144美元/分鐘，而復(fù)雜度為復(fù)雜的“基于位置的每日天象事件WEB應(yīng)用”則需要消耗900積分，預(yù)估時(shí)間80分鐘，對應(yīng)單次任務(wù)9美元，時(shí)間上0.113美元/分鐘。來源：Manus官網(wǎng)，中泰證券研究所n以此看，單次完成任務(wù)消耗成本至少在2美元以上，換算成調(diào)用GPT-4o的API價(jià)格（按輸出10美元/百萬Token對應(yīng)Token消耗量為20萬個(gè)，若為復(fù)雜的任務(wù)，單次任務(wù)9美元，則對應(yīng)Token消耗量為90萬個(gè)。n上文提到了MCP協(xié)議，目前已經(jīng)看到包括Unity、Blender等軟件社區(qū)開發(fā)了MCP服務(wù)器提供接入，地圖相關(guān)GoogleMaps與百度地圖、高德地區(qū)均有相應(yīng)的MCP服務(wù)器，還有網(wǎng)絡(luò)搜索、文件處理、數(shù)據(jù)庫分析、思維規(guī)劃等應(yīng)用均接了MCP服務(wù)器。n目前在MCP集中Smithery平臺上，已經(jīng)有3579個(gè)相關(guān)服務(wù)應(yīng)用，預(yù)計(jì)后續(xù)會有越來越多的應(yīng)用接入MCP，開發(fā)MCP的服務(wù)器，大模型進(jìn)入應(yīng)用的場景會越來越多，包括OpenAI的AgentSDK也擴(kuò)展支持了MCP協(xié)議的調(diào)用?？梢韵胍姷氖牵絹碓蕉鄳?yīng)用將集成大模型，提升用戶使用體驗(yàn)，進(jìn)而也不斷增大了token的消耗和算力的需求，試想一下，若每個(gè)軟件都接入大模型作為基礎(chǔ)服務(wù)層。n我們做了一個(gè)旅行的案例：集成了Brave瀏覽器MCP、GoogleMapsMCP、anthropic官方FilesystemMCP，通過Cline客戶端，接入ClaudeSonnet3.7大模型，給予prompt為：“我想去意大利度假，計(jì)劃2025年4月1日出發(fā)。搜索下意大利有什么著名的地標(biāo)景點(diǎn)，你從中篩選偏人文歷史的景點(diǎn)。按規(guī)劃的時(shí)間，在中午和晚上就餐時(shí)間，所在游玩景點(diǎn)旁邊推薦一家google評分高的餐館，價(jià)格在20歐元一人以內(nèi)。計(jì)劃差不多10天的時(shí)間，每個(gè)城市當(dāng)日的天氣也需要標(biāo)注，包括是否下雨或者氣溫，給我一個(gè)行程安排，我從上海出發(fā)，給我具體的景點(diǎn)間轉(zhuǎn)換乘坐建議。按照你的規(guī)劃和交通費(fèi)用的預(yù)計(jì)，給出每天的支出預(yù)算，最后總結(jié)整個(gè)旅行的支出總計(jì)。最后在shanghaiplan.txt中寫好中文計(jì)劃，流程用中文展示”，整體步驟分為：l1、調(diào)用大模型進(jìn)行任務(wù)規(guī)劃：claude將任務(wù)逐步拆解，分成了7個(gè)需求點(diǎn)。l2、生成了6部的處理方案，包括先調(diào)用Brave的MCP進(jìn)行搜索知名的城市及景點(diǎn)，然后使用GoogleMapsMCP進(jìn)行交通和餐館的發(fā)掘，從景點(diǎn)附近找出高分餐館，再使用天氣API搜索當(dāng)?shù)靥鞖?，最后預(yù)估旅行費(fèi)用及輸出最終形成規(guī)劃文檔。來源：Cline，中泰證券研究所l整個(gè)流程總共向大模型輸入了9KTokens，同時(shí)大模型輸出了933.4KTokens，合計(jì)整個(gè)需求消耗了942.4KTokens，cline統(tǒng)計(jì)對應(yīng)的調(diào)用資金消耗為0.5904美元。這意味著一個(gè)簡單的旅行規(guī)劃，一次請求，就消耗了接近百萬的Tokens，那如果整個(gè)流程中加入酒店、餐館、機(jī)票等預(yù)訂，再加入各個(gè)景點(diǎn)的歷史人文背景介紹，再添加相應(yīng)的循環(huán)調(diào)整機(jī)制，加入知識的搜索，例如搜索人的喜好習(xí)慣記憶，歷史上旅行的偏好，身體的狀況能接受怎么樣強(qiáng)度的旅行等等，則消耗會更加巨大。來源：Cline，中泰證券研究所現(xiàn)有應(yīng)用場景分析n根據(jù)通用AgentManus官網(wǎng)所列示案例，可以窺見一些AIAgent的使用場景，案例大致可以分為：1、金融與投資（12個(gè)2、市場與品牌傳播（8個(gè)3、科技與互聯(lián)網(wǎng)（6個(gè)4、教育與培訓(xùn)（6個(gè)5、消費(fèi)零售與電商（3個(gè)6、招聘與HR（2個(gè)7、房地產(chǎn)與居住服務(wù)（2個(gè)8、保險(xiǎn)與醫(yī)療（2個(gè)9、辦公效率與文檔工具（2個(gè)10、旅游與生活（1個(gè)11、家庭與人文（1個(gè)12、文化創(chuàng)意與多媒體（1個(gè)13、法律與合規(guī)n綜合各案例，可以總結(jié)銜接端AIAgent應(yīng)用幾大特征；1）非標(biāo)內(nèi)容類:以內(nèi)容輸出為主，涉及到產(chǎn)業(yè)研究、文化創(chuàng)意、課程設(shè)計(jì)或生活需求，這類需求沒有標(biāo)準(zhǔn)化輸出限制，對內(nèi)容的精確度沒有強(qiáng)制要求，滿足諸多非標(biāo)個(gè)性化需求；2）標(biāo)準(zhǔn)內(nèi)容類：有明確數(shù)據(jù)或內(nèi)容支撐，例如電商運(yùn)營分析、房地產(chǎn)數(shù)據(jù)分析、醫(yī)療數(shù)據(jù)分析等，該類內(nèi)容在外部數(shù)據(jù)支持下，大幅降低模型幻覺，輸出更加可靠；3）模板化分析類：內(nèi)容有相對固定格式、固定模板、固定規(guī)則，可批量化操作，可復(fù)用且流程較為繁雜，例如利用AIAgent校對文本、分析合同、語音轉(zhuǎn)錄翻譯、格式轉(zhuǎn)換等。來源：Manus官網(wǎng)，中泰證券研究所n以上是AI大模型發(fā)展至今，AIAgent能力所能觸達(dá)的領(lǐng)域，但當(dāng)前對于精度要求高、需求更加復(fù)雜的情況，例如復(fù)雜的研究需要上百步的推理及工具調(diào)用，模擬真實(shí)情況下的各種異常環(huán)境等，AIAgent還較難勝任。投資建議n當(dāng)前在AI領(lǐng)域的投資，可分為幾類：1)硬件支持；2)底層基礎(chǔ)模型；3)中間層架構(gòu)輔助；4)應(yīng)用。n標(biāo)的梳理：l1、硬件與基礎(chǔ)設(shè)施AI硬件和基礎(chǔ)設(shè)施包括半導(dǎo)體制造商和云服務(wù)提供商，它們?yōu)锳I技術(shù)提供計(jì)算基礎(chǔ)。主要公司：NVIDIA（GPU領(lǐng)導(dǎo)者）、AMD（GPU和（芯片制造）、Amazon（AWS，AI云服務(wù)）、Microsoft（Azure，AI云平臺）、Alphabet（GoogleCloudPlatform-GCP，TensorFlow支l2、模型開發(fā)與研究聚焦于開發(fā)基礎(chǔ)AI模型。主要公司：Alphabet（通過GoogleAI和DeepMind研究）、Microsoft（與OpenAI合作）、Meta（MetaLlama科大訊飛（星火大模型）、Baidu（文心一言大模型）。l3、平臺與工具提供AI開發(fā)平臺、工具和中間件的公司，幫助開發(fā)者構(gòu)建和管理AI應(yīng)用。主要公司：HuggingFace（提供開源AI模型庫和工具的平臺，未上市）、Brevian（為企業(yè)提供無代碼平臺定制AIAgent，未上市）、Anysphere（提供AI驅(qū)動(dòng)的集成開發(fā)環(huán)境，未上市）、Coze（節(jié)跳動(dòng)推出AIAgent開發(fā)平臺，未上市）、ScaleAI（為機(jī)器學(xué)習(xí)和人工智能模型提供高質(zhì)量的訓(xùn)練數(shù)據(jù)和數(shù)據(jù)標(biāo)注服務(wù)，未上市）、Turing（提供人類專家用于AI訓(xùn)練和微調(diào)，未上市）。nAI驅(qū)動(dòng)的行業(yè)應(yīng)用，公司覆蓋醫(yī)療、金融、零售、媒體、駕駛、教育等AI平臺，增強(qiáng)其CRM軟件功能）、Adobe（AdobeSensei集成AI，增強(qiáng)創(chuàng)意和營銷軟件的功能）、Palantir（提供AI驅(qū)動(dòng)的數(shù)據(jù)分析平臺，服務(wù)政府和商業(yè)客戶）、快手（可靈，文本提示生成高質(zhì)量視頻）、阿寶，提供文檔分析、文本和圖像生成以及交互式問答，利用混元大模型）、Boss直聘（利用AI促進(jìn)求職者和雇主之間的高效匹配）、美圖（AI驅(qū)動(dòng)的照片和視頻編輯應(yīng)用）、多鄰國（AI提供個(gè)性化的語言學(xué)習(xí)n對應(yīng)A股傳媒板塊：lAI教育：南方傳媒（粵教翔云數(shù)字教材平臺上線AI助教、AI助學(xué)功能，新華樂育推出校園AI智能體，以AI賦能基礎(chǔ)教育，成立廣東新華人工智能與教育研究院）、豆神教育（推出AI超擬人多對一直播課及豆神AI等產(chǎn)品，與智譜合作成立合資公司專注于AI教育產(chǎn)品的技術(shù)研發(fā)及銷售）、榮信文化（AI兒童教育踐行者，已積累適用于