AI-Agent深度：2025-Agent元年AI從L2向L3發(fā)展-東吳證券

AI

Agent深度（二）

：2025

Agent元年，AI從L2向L3發(fā)展證券研究報(bào)告·行業(yè)年度策略報(bào)告·傳媒互聯(lián)網(wǎng)增持（維持）

研究助理

：張文雨執(zhí)業(yè)證書編號(hào)：S0600123070071聯(lián)系郵箱：zhangwy@證券分析師

：張良衛(wèi)執(zhí)業(yè)證書編號(hào)：S0600516070001聯(lián)系郵箱：zhanglw@dw證券分析師

：周良玖執(zhí)業(yè)證書編號(hào)：S0600517110002聯(lián)系郵箱：zhoulj@dwzq.2025年5月4日1.我們認(rèn)為

2025年是Agent元年：AI

正從

L2（推理者）向

L3（Agent/智能體）進(jìn)化，標(biāo)志著AI

從“思考”走向“行動(dòng)”。這一轉(zhuǎn)變由四大驅(qū)動(dòng)力促成：

①技術(shù)成熟度達(dá)到臨界點(diǎn)：

強(qiáng)大的多模態(tài)基礎(chǔ)模型（能理解視覺信息如

GUI界面）和成熟的強(qiáng)化學(xué)習(xí)訓(xùn)練方法已準(zhǔn)備就緒

。②標(biāo)桿產(chǎn)品

的出現(xiàn)：

行業(yè)領(lǐng)導(dǎo)者（如

OpenAI,Google,

Anthropic）推出了關(guān)鍵產(chǎn)品（如

Operator,DeepResearch），基準(zhǔn)測(cè)試（如

RE-Bench）顯示頂尖Agent在特定任務(wù)上的效率已可匹敵甚至超越人類專家

。③MCP協(xié)議的普及將促進(jìn)Agent

生態(tài)的互聯(lián)互通

。④市場(chǎng)需求驅(qū)動(dòng)：

經(jīng)歷了大模型能力競(jìng)賽

（2023年）和初步應(yīng)用探索（2024年）后，市場(chǎng)（尤其是

B端）迫切需要AI

能夠落地解決復(fù)雜業(yè)務(wù)問題、自動(dòng)化多步驟流程，并帶來顯著的生產(chǎn)力提升，Agent

的出現(xiàn)恰好滿足了這一需求

。2.為什么要關(guān)注Agent？我們認(rèn)為其重要性在于：①深度自動(dòng)化：Agent

具有深度自動(dòng)化、指數(shù)級(jí)效率提升和成本優(yōu)化潛力，將人類從重復(fù)性勞動(dòng)中解放出來，聚焦更高價(jià)值的創(chuàng)造性工作

。

②通往AGI：Agent（L3）是通往通用人工智能（AGI）和具身智能的關(guān)鍵環(huán)節(jié)。③重塑互聯(lián)網(wǎng)入口：Agent

可能改變用戶獲取信息和完成任務(wù)的方式，挑戰(zhàn)傳統(tǒng)搜索引擎，并可能使操作系統(tǒng)、瀏覽器或“超級(jí)App”成為新的核心入口。我們預(yù)計(jì)入口級(jí)通用Agent

的競(jìng)爭(zhēng)將在

2025年下半年開啟

。3.Agent的競(jìng)爭(zhēng)格局是“巨頭環(huán)伺，新銳突破”：

①巨頭環(huán)伺：大型科技平臺(tái)（OpenAI,Google,微軟；國(guó)內(nèi)

BAT、字節(jié)、華為等）憑借模型、數(shù)據(jù)、

算力、生態(tài)優(yōu)勢(shì)主導(dǎo)通用Agent

和平臺(tái)生態(tài)的構(gòu)建

。②垂直機(jī)會(huì)：垂直領(lǐng)域憑借深度領(lǐng)域知識(shí)和工作流整合仍有創(chuàng)新機(jī)會(huì)，但長(zhǎng)期面臨通用Agent能力提升的威脅

。初期

AI應(yīng)用價(jià)值高度依賴模型能力，但簡(jiǎn)單的“淺層套殼”產(chǎn)品（即Wrapper

）缺乏壁壘，易被顛覆。真正的護(hù)城河在于復(fù)雜工作流的可靠編排、高質(zhì)量工具集成能力和深度領(lǐng)域知識(shí)。4.投資建議：①重視Agent

投資窗口：2025

年是布局Agent

領(lǐng)域的重要窗口期，需密切跟蹤基礎(chǔ)模型（尤其多模態(tài)、推理、規(guī)劃）、強(qiáng)化學(xué)習(xí)、工具調(diào)用可靠性、推理成本優(yōu)化以及標(biāo)準(zhǔn)化協(xié)議（如

MCP）的進(jìn)展。②長(zhǎng)期配置平臺(tái)巨頭：擁有強(qiáng)大基礎(chǔ)大模型、算力、數(shù)據(jù)和生態(tài)系統(tǒng)的大型科

技平臺(tái)公司是Agent

時(shí)代的核心受益者，最有可能主導(dǎo)通用Agent

的發(fā)展，并能整合或取代單一功能應(yīng)用，具備長(zhǎng)期配置價(jià)值。

例如海外的Google、微軟，以及與

OpenAI

、Anthropic深度綁定的公司；國(guó)內(nèi)的阿里、騰訊、字節(jié)（未上市）。

③關(guān)注垂直領(lǐng)域領(lǐng)跑者：在通用Agent

能力

尚未完全成熟之前，那些在特定垂直賽道已經(jīng)建立深厚領(lǐng)域知識(shí)壁壘、擁有清晰商業(yè)模式和客戶基礎(chǔ)的垂直Agent提供商具有較高的短期增長(zhǎng)潛力。

我們認(rèn)為知識(shí)工作領(lǐng)域（如編程、研究、法律）將是最先落地的場(chǎng)景，其中，編程領(lǐng)域會(huì)是最快落地、最先實(shí)現(xiàn)PMF和商業(yè)化的領(lǐng)域，已有成功案例（如

Cursor

、Devin）。其他垂直應(yīng)用也值得關(guān)注：我們總結(jié)了30家上市公司在垂類Agent方面的布局，其產(chǎn)品基本符合Agent定義且具有垂直領(lǐng)域的比較優(yōu)勢(shì)。例如出版校對(duì)（果麥文化）、電商外貿(mào)（焦點(diǎn)科技）、企業(yè)服務(wù)（創(chuàng)業(yè)黑馬）、美學(xué)設(shè)計(jì)（美圖公司）等。建議關(guān)注其利用AI

Agent

解決具體行業(yè)痛點(diǎn)的能力和商業(yè)化進(jìn)展

。5.風(fēng)險(xiǎn)提示：技術(shù)成熟度風(fēng)險(xiǎn)，高成本風(fēng)險(xiǎn)，商業(yè)模式不確定性風(fēng)險(xiǎn)，競(jìng)爭(zhēng)加劇風(fēng)險(xiǎn)。2核心觀點(diǎn)一、

為什么說

2025年是Agent

元年？AI從

L2

向

L3進(jìn)化驅(qū)動(dòng)力：技術(shù)成熟度達(dá)到臨界點(diǎn)；行業(yè)領(lǐng)導(dǎo)者推動(dòng)，標(biāo)桿產(chǎn)品驗(yàn)證；市場(chǎng)需求驅(qū)動(dòng)定義：不是所有的AI

模型/產(chǎn)品都叫Agent；Agent

的四個(gè)必要構(gòu)成（缺一不可）；Agent

的智能程度是有層次和梯度的二、Agent

為何重要？深度自動(dòng)化、指數(shù)級(jí)效率提升、解放人類生產(chǎn)力與創(chuàng)造力通往AGI

和具身智能的關(guān)鍵環(huán)節(jié)重塑互聯(lián)網(wǎng)流量入口格局預(yù)計(jì)入口級(jí)Agent

大戰(zhàn)將于

25H2開啟三、

競(jìng)爭(zhēng)格局：模型即產(chǎn)品，通用

Agent將由大廠主導(dǎo)Agent領(lǐng)域的競(jìng)爭(zhēng)維度模型即產(chǎn)品：爆款應(yīng)用背后是模型能力更新、淺層套殼產(chǎn)品終將被顛覆BigGiants：角逐AGI、通用

Agent和流量入口Nichemarket：垂直

Agent

長(zhǎng)期面臨通用Agent

的威脅、垂直Agent

的價(jià)值在于深耕領(lǐng)域知識(shí)、談?wù)?/p>

Cursor

的壁壘四、Agent將最先落地于知識(shí)工作（尤其是代碼）Agent

最先落地的行業(yè)和場(chǎng)景預(yù)測(cè)代碼/軟件開發(fā)領(lǐng)域的進(jìn)展與觀點(diǎn)法律AI

Agent

對(duì)比五、

投資建議六、

風(fēng)險(xiǎn)提示3目錄一、為什么說2025年是Agent元年？4OpenAI將AI發(fā)展階段分為L(zhǎng)1到L5五個(gè)階段。我們認(rèn)為，AI正從L2（推理者）向L3（Agent）進(jìn)化，Agent代表了AI從“思考”走向“行動(dòng)”的關(guān)鍵一步，是繼大模型之后的下一個(gè)重要發(fā)展階段和業(yè)界尋求的新突破口。驅(qū)動(dòng)力來自：技術(shù)、產(chǎn)品、需求。L1-聊天機(jī)器人

(Chatbot)：以ChatGPT（2022年底發(fā)布）為代表，具備自然語言交互能力。機(jī)器直接輸出文字或回答。相較于機(jī)器學(xué)習(xí)時(shí)代，AIChatbot實(shí)現(xiàn)了“通用性”

，不再局限于特定場(chǎng)景或單一問題，而是能處理廣泛的語言任務(wù)。這是從基于規(guī)則、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、Transformer架構(gòu)一路發(fā)展過來的通用大模型階段。在這一階段，交互模式是主要是輸入-輸出模式，用戶提問，模型回答。L2-推理者

(Reasoner)：具備更強(qiáng)的推理能力，能夠處理更復(fù)雜的問題。用戶能看見模型的推理過程。代表產(chǎn)品如OpenAI的o1系列、DeepSeekR1。相較于L1階段，引入了強(qiáng)化學(xué)習(xí)和思維鏈（CoT）技術(shù)，模型在輸出最終答案前會(huì)進(jìn)行多步思考。L3-智能體

(Agent)：能夠自主規(guī)劃和執(zhí)行復(fù)雜任務(wù)的智能體。具備記憶、規(guī)劃、工具使用和行為記憶四大核心能力。相較于L2階段，AI從被動(dòng)的“信息處理/推理”走向主動(dòng)的“與外部世界交互和執(zhí)行”。能調(diào)用工具（如瀏覽器、API）、操作軟件界面，形成“指令->思考->交互->觀察->再思考...”的閉環(huán)系統(tǒng)。L2推理者像人類一樣能夠解決

問題的AIL3智能體不僅能思考，還可以采取行動(dòng)的AI系統(tǒng)L4創(chuàng)新者能否協(xié)助發(fā)明創(chuàng)造的AIL5組織者可以完成組織工作的AIL1聊天機(jī)器人具有對(duì)話能力的AI 資料來源：synthetic，東吳證券研究所

5

我們認(rèn)為2025年將是Agent之年ChatGPT的出現(xiàn)

Deepseek

R1標(biāo)志著從L1到L2Operator標(biāo)志著從L2到L3驅(qū)動(dòng)力一：技術(shù)成熟度達(dá)到臨界點(diǎn)。支撐通用Agent發(fā)展的關(guān)鍵技術(shù)要素，特別是強(qiáng)大的多模態(tài)基礎(chǔ)模型（能理解視覺信息如屏幕內(nèi)容）和成熟的強(qiáng)化學(xué)習(xí)訓(xùn)練方法（能訓(xùn)練Agent與環(huán)境交互），已經(jīng)發(fā)展到相對(duì)成熟的階段。

從L0到L1：標(biāo)志GPT-3

、ChatGPT（2022年底）為標(biāo)志。背后的技術(shù)驅(qū)動(dòng)力是Transformer架構(gòu)的出現(xiàn)，使得訓(xùn)練更大、更通用的語言模型成為可能。在這一階段，實(shí)現(xiàn)了

“通用性”

(Generality)，模型不再局限于特定場(chǎng)景，而是能夠處理廣泛的自然語言任務(wù)，像一個(gè)巨大的知識(shí)庫。從L0到L1

的技術(shù)演進(jìn)路徑 資料來源：electropages，東吳證券研究所

6

基于規(guī)則機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)transformerGPT-3chatgptWhy

Now？——技術(shù)成熟度達(dá)到臨界點(diǎn)預(yù)訓(xùn)練+微調(diào)強(qiáng)泛化自然語言生成能力依賴人工規(guī)則，靈活性差智能處理的數(shù)據(jù)量較少數(shù)據(jù)驅(qū)動(dòng)，泛化能力增強(qiáng)分類固定量數(shù)據(jù)人對(duì)結(jié)果的反饋成為學(xué)習(xí)過程的一部分深度學(xué)習(xí)復(fù)雜數(shù)據(jù)處理能力提升自注意力機(jī)制并行計(jì)算

從L1到L2：L1到L2的技術(shù)演進(jìn)，核心在于大模型基礎(chǔ)上的推理能力突破，涉及多步推理訓(xùn)練、檢索增強(qiáng)、邏輯融合等關(guān)鍵技術(shù)，使AI從“會(huì)說”進(jìn)化到“會(huì)想”，實(shí)現(xiàn)更高層次的智能。從L1到L2的躍遷，是AI從“語言表達(dá)”到“認(rèn)知推理”的質(zhì)變，這為AI在科學(xué)發(fā)現(xiàn)、復(fù)雜決策、自動(dòng)規(guī)

劃等高價(jià)值場(chǎng)景的應(yīng)用奠定了基礎(chǔ)。技術(shù)突破包括：

多步推理訓(xùn)練：通過鏈?zhǔn)剿季S（Chain-of-Thought,CoT）等方法，訓(xùn)練模型在給出答案前進(jìn)行多輪、分步驟的推理。

檢索增強(qiáng)生成（RAG）：結(jié)合外部知識(shí)庫，提升模型的事實(shí)一致性和推理深度，減少“幻覺”。

更高質(zhì)量的數(shù)據(jù)與反饋機(jī)制：采用專家數(shù)據(jù)、復(fù)雜問題集和強(qiáng)化學(xué)習(xí)等方式，持續(xù)優(yōu)化模型的推理表現(xiàn)L1

ChatbotL2Reasoner主要能力自然語言生成復(fù)雜推理與決策技術(shù)核心大規(guī)模transformer預(yù)訓(xùn)練思維鏈CoTRAGMoE等代表模型GPT-3ChatGPTO1Deepseekr1Strawberry等 資料來源：datahub，東吳證券研究所

7

Why

Now？

——技術(shù)成熟度達(dá)到臨界點(diǎn)AlphaGoZero快速超越了AlphaGo

從L2到L3：關(guān)鍵的技術(shù)要素（強(qiáng)大的多模態(tài)基礎(chǔ)模型和成熟的強(qiáng)化學(xué)習(xí)訓(xùn)練方法）

已經(jīng)趨于成熟，達(dá)到了可以支撐通用

Agent發(fā)展的階段。

OpenAI在2025年1月發(fā)布Operator，更是印證和點(diǎn)燃了這一行業(yè)共識(shí)。具體來說，關(guān)鍵的成熟要素包括：?強(qiáng)大的基礎(chǔ)模型：像Claude

Sonnet3.5這樣強(qiáng)大的、原生的多模態(tài)基礎(chǔ)模型已經(jīng)出現(xiàn)。這些模型具備了足夠好的視覺理解、語言

理解和基礎(chǔ)推理能力，能夠“看懂”圖形界面（如網(wǎng)頁、操作系統(tǒng)界面）

，這是構(gòu)建基于GUI（圖形用戶界面）的Agent的前提。

而在過去（例如OpenAI在2016年嘗試類似項(xiàng)目時(shí)）

，缺乏這樣強(qiáng)大的基礎(chǔ)模型是導(dǎo)致失敗的關(guān)鍵原因。?

成熟的強(qiáng)化學(xué)習(xí)技術(shù)與框架：以強(qiáng)化學(xué)習(xí)為核心的

Post-training技術(shù)在2024年通過O1

、O3等模型在純文本領(lǐng)域被證明是極其有效

的，能夠顯著激發(fā)和提升基礎(chǔ)模型的深層推理和規(guī)劃能力。行業(yè)將這種成功的范式應(yīng)用到多模態(tài)領(lǐng)域，以訓(xùn)練出能夠與環(huán)境交互、

執(zhí)行任務(wù)的Agent。 資料來源：機(jī)器之心，澎湃新聞，東吳證券研究所

8

Why

Now？

——技術(shù)成熟度達(dá)到臨界點(diǎn)o3模型和

o4-mini模型在數(shù)學(xué)和代碼能力上表現(xiàn)出色過去五年AI持續(xù)刷新各類排行榜工具底層模型核心技術(shù)自主性級(jí)別多模態(tài)能力OpenAIOperator定制CUA模型瀏覽器自動(dòng)化、視覺理解高（網(wǎng)頁交互）強(qiáng)（視覺理解）ManusClaude

Sonnet3.7多智能體架構(gòu)、Linux沙盒高（跨領(lǐng)域任務(wù)）強(qiáng)（文本、圖像、代碼）Devin未公開遠(yuǎn)程執(zhí)行環(huán)境、規(guī)劃系統(tǒng)高（軟件開發(fā)）中（主要文本和代碼）Cursor多個(gè)大模型代碼上下文理解、智能補(bǔ)全中（輔助編碼）弱（主要代碼處理）AutoGPT可定制LLM任務(wù)分解、互聯(lián)網(wǎng)連接高（自主執(zhí)行）中（文本和圖像）Windsor.ai專有AI模型數(shù)據(jù)歸因、營(yíng)銷分析中（數(shù)據(jù)處理）弱（主要結(jié)構(gòu)化數(shù)據(jù)）DeepResearchGemini

1.5Pro多步驟研究、網(wǎng)頁瀏覽中（研究執(zhí)行）強(qiáng)（文本、圖像、PDF）ChatGPTCanvasGPT-4代碼編輯、多文件管理低（輔助編輯）弱（主要代碼處理）驅(qū)動(dòng)力二：行業(yè)領(lǐng)導(dǎo)者推動(dòng)，標(biāo)桿產(chǎn)品驗(yàn)證。

OpenAI

、Anthropic

、Google等頭部公司發(fā)布關(guān)鍵產(chǎn)品（如Operator,DeepResearch）和技術(shù)協(xié)議（如MCP），并投入研發(fā)，起到了引領(lǐng)和示范作用。相對(duì)成型的Agent產(chǎn)品開始涌現(xiàn)（例如Manus

、AutoGLM

、Genspark等），驗(yàn)證了技術(shù)可行性，并點(diǎn)燃了行業(yè)共識(shí)，標(biāo)志著Agent從設(shè)想走向相對(duì)成熟的產(chǎn)品階段。Why

Now？——行業(yè)領(lǐng)導(dǎo)者推動(dòng)，標(biāo)桿產(chǎn)品驗(yàn)證 資料來源：lamatic，智通財(cái)經(jīng)，新智元，東吳證券研究所

9

2024年的RE-Bench基準(zhǔn)測(cè)試顯示：在2小時(shí)短時(shí)限內(nèi)，頂尖AI

Agent得分是人類專家的4倍；但將時(shí)間放寬到32小時(shí)，人類表現(xiàn)則反超部分Agent

。這表明Agent在特定任務(wù)上已能匹敵人類專家，且更快、更經(jīng)濟(jì)，但人類在長(zhǎng)時(shí)策略上仍有優(yōu)勢(shì)。Why

Now？——行業(yè)領(lǐng)導(dǎo)者推動(dòng)，標(biāo)桿產(chǎn)品驗(yàn)證 資料來源：斯坦?！?025AIIndexReport》，東吳證券研究所

10

在MCP出現(xiàn)之前agent的挑戰(zhàn)

MCP的普及有助于促進(jìn)互聯(lián)互通①接口各異：每個(gè)工具、每個(gè)數(shù)據(jù)

源都有自己獨(dú)特的API接口或交互

方式。②定制開發(fā)成本高：Agent開發(fā)者

需要為每一個(gè)想要連接的工具編寫特定的適配代碼，以理解該工具的輸入輸出格式和調(diào)用邏輯。同樣，工具開發(fā)者如果想讓自己的服務(wù)被不同的Agent調(diào)用，也可能需要適

配多種不同的Agent框架。③生態(tài)割裂：這種點(diǎn)對(duì)點(diǎn)的、定制

化的連接方式，導(dǎo)致整個(gè)生態(tài)系統(tǒng)是割裂的。AgentA可能只能使用它

專門適配過的工具集X，而AgentB只能使用工具集Y，它們之間難以共享或調(diào)用對(duì)方生態(tài)中的工具，形

成了“數(shù)據(jù)孤島”和“能力孤島”

。①建立“通用語言”：MCP提供了一套標(biāo)準(zhǔn)化的規(guī)則和格式，定義了Agent（通過MCPClient）如何向工具（MCPServer）發(fā)出請(qǐng)求、傳遞參數(shù)，以及工具如何返回結(jié)果。這就像為AI

Agent和外部

工具之間建立了一種通用的“交流語言”。②降低開發(fā)與集成復(fù)雜度：Agent開發(fā)者不再需要為每個(gè)工具編寫定制化的適配器。只需要讓Agent支持MCP協(xié)議，理論上就能與任何同樣支持MCP的工具進(jìn)行交互。工具/數(shù)據(jù)源提供者只需將自己的服務(wù)通過一個(gè)MCPServer暴露出來，就能被所有支持MCP的Agent發(fā)現(xiàn)和調(diào)用，降低了接入AI生態(tài)的門檻。就像USB-C統(tǒng)一了

各種設(shè)備的物理連接和數(shù)據(jù)傳輸標(biāo)準(zhǔn)一樣，MCP旨在統(tǒng)一Agent與

工具的“數(shù)字連接”。

③促進(jìn)互操作性，催化生態(tài)系統(tǒng)繁榮：當(dāng)Agent和工具都遵循同一標(biāo)準(zhǔn)時(shí)，它們之間的互操作性大大增強(qiáng)。這意味著用戶或開發(fā)者可以更自由地組合來自不同提供商的模型、Agent框架和工具，構(gòu)建出更強(qiáng)大、更靈活的解決方案，打破了原有的供應(yīng)商鎖定或生態(tài)壁壘。標(biāo)準(zhǔn)化是生態(tài)繁榮的基礎(chǔ)。MCP的普及將鼓勵(lì)更多開發(fā)者參與Agents生態(tài)，形成一個(gè)更加開放、組件化、可互相協(xié)作的Agent生態(tài)系統(tǒng)。在MCP出現(xiàn)之前，Agent

想利用外部工具或數(shù)據(jù)源（例如調(diào)用一個(gè)API、查詢數(shù)據(jù)庫、讀取Slack消息、操作某個(gè)軟件），面臨著巨大挑戰(zhàn)：接口各異、定制開發(fā)成本高、生態(tài)割裂。MCP的普及有助于推動(dòng)Agent行業(yè)互聯(lián)互通。MCP

（ModelContextProtocol，模型上下文協(xié)議），是由Anthropic提出的一個(gè)開放協(xié)議，旨在統(tǒng)一大型語言模型（LLM）/Agent與外部工具、數(shù)據(jù)源之間的通信方式。MCP通過提供一個(gè)開放、統(tǒng)一的通信標(biāo)準(zhǔn)，可以解決Agent與外部世界交互的碎片化和高成本問題。它的普及將極大地降低集成門檻，增強(qiáng)不同模型、Agent和工具間的互操作性，催生出一個(gè)更加繁榮、開放和互聯(lián)互通的Agent生態(tài)系統(tǒng)，最終賦能更強(qiáng)大、更通用的AIAgent應(yīng)用。Why

Now？——MCP的普及助推Agent互聯(lián)互通 資料來源：36氪pro

，newline，東吳證券研究所

11

MCP模型2模型3外賣外賣地圖地圖模型1githubgithub模型2模型3模型1MCP模式傳統(tǒng)模式和其他工具調(diào)用方式（

FunctionCalling,

A2A,BrowserUse）相比，MCP的優(yōu)勢(shì)是什么？——通用性、

互操作性、低門檻1

、FunctionCalling是

OpenAI

的早期嘗試，開發(fā)者在調(diào)用

LLMAPI

時(shí)可以定義一組可用的函數(shù)（工具）。當(dāng)用戶需要執(zhí)行某個(gè)功能時(shí)，模型不會(huì)直接執(zhí)行，而是會(huì)輸出一個(gè)包含函數(shù)名和所需參數(shù)的JSON對(duì)象。開發(fā)者接收到這個(gè)對(duì)象后，

自己編寫代碼去執(zhí)行相應(yīng)的函數(shù)，并將結(jié)果返回給模型，讓

模型繼續(xù)生成回復(fù)。Functioncalling

的缺點(diǎn)是，沒有定義一個(gè)通用的、跨平臺(tái)、跨模型的標(biāo)準(zhǔn)，每個(gè)開發(fā)者都需要根據(jù)

OpenAI

的規(guī)范來實(shí)現(xiàn)。2

、MCP

旨在建立一套通用的協(xié)議或規(guī)范，來定義Agent如何發(fā)現(xiàn)、理解和調(diào)用各種工具，以及工具

如何返回結(jié)果。相較于

FunctionCalling

，MCP的優(yōu)勢(shì)在于：①統(tǒng)一度量衡：

MCP就像是為工具調(diào)用設(shè)定了國(guó)際標(biāo)準(zhǔn)（如米、千克），取代了之前各種自定義、不兼容的“度量方法”（類似

FunctionCalling

的非標(biāo)準(zhǔn)化狀態(tài)）。②互操作性

&

降低門檻：

有了統(tǒng)一標(biāo)準(zhǔn)，開發(fā)者開發(fā)的Agent

可以更容易地調(diào)用任何遵循

MCP

規(guī)范的工具，反之亦然。工具開發(fā)者只需支持

MCP，就能被眾多Agent使用。這大大降低了工具集成和生態(tài)構(gòu)建的門檻。3

、A2A

(Agent-to-Agent)是Google提出的概念，聲稱不僅能讓Agent調(diào)用工具（Tool），還能實(shí)現(xiàn)

Agent

與Agent

之間的直接交互。但我們認(rèn)為這其實(shí)是概念冗余：從工程角度看，一個(gè)Agent

本身也可以被封裝成一個(gè)符合

MCP

規(guī)范

的

Tool。因此，通過

MCP

協(xié)議，已經(jīng)可以間接實(shí)現(xiàn)Agent

調(diào)用另一個(gè)Agent（作為工具）。A2A并沒

有帶來根本性技術(shù)突破，更像是一種“KPI工程”或爭(zhēng)奪標(biāo)準(zhǔn)化話語權(quán)的戰(zhàn)略行為，而非必要的技術(shù)

創(chuàng)新。Why

Now？——MCP的普及助推Agent互聯(lián)互通 資料來源：36氪pro

，dailydoseof

data

science，東吳證券研究所12

A2A可以融入到MCP框架中A2A的原理和MCP類似和其他工具調(diào)用方式（

FunctionCalling,

A2A,BrowserUse

）相比，MCP的優(yōu)勢(shì)是什么？——通用性、互

操作性、低門檻4

、BrowserUse

讓

Agent

能夠像人一樣操作瀏覽器，瀏覽網(wǎng)頁、提取信息、填寫表單、點(diǎn)擊按鈕等。但需要明確的是，BrowserUse和MCP并不互斥。Browseruse的驅(qū)動(dòng)方式分為兩種：MCP驅(qū)動(dòng)和GUI操作。?MCP驅(qū)動(dòng)（更成熟、常用）

：這并不是讓AI真的“看”屏幕去點(diǎn)。而是通過調(diào)用瀏覽器提供的API（例如，獲取網(wǎng)頁

DOM

結(jié)構(gòu)、執(zhí)行

JavaScript、模擬網(wǎng)絡(luò)請(qǐng)求等），或者將這些瀏覽器操作封裝成符合

MCP

標(biāo)準(zhǔn)的工具，然后讓Agent

通過代碼調(diào)用這些工具來間接“操作”瀏覽器。現(xiàn)在很多所謂的BrowserUse

演示，其背后很可能就是這種基于代碼/API/MCP的方式。代表產(chǎn)品有BrowserUser和Manus。BrowserUse的準(zhǔn)確率較高?

GUI操作（尚不成熟）：這是真正意義上

的“看屏幕、點(diǎn)鼠標(biāo)”。Agent接收瀏覽器窗口的截圖，通過視覺模型識(shí)別界面元

素（按鈕、輸入框等），計(jì)算出坐標(biāo)，然

后通過模擬鼠標(biāo)點(diǎn)擊和鍵盤輸入來進(jìn)行操作。這種方式目前面臨準(zhǔn)確性和穩(wěn)定性的

瓶頸，因?yàn)橐曈X模型在精確識(shí)別和定位界

面元素（尤其是動(dòng)態(tài)或復(fù)雜的網(wǎng)頁）時(shí)容

易出錯(cuò)，導(dǎo)致點(diǎn)擊錯(cuò)誤位置或無法完成操

作。

初創(chuàng)產(chǎn)品BrowserUse，由兩名學(xué)生

在4天時(shí)間內(nèi)開發(fā)完成，可以理解網(wǎng)

頁內(nèi)容。該初創(chuàng)公司2025年3月融資

1700萬美元。Why

Now？——MCP的普及助推Agent互聯(lián)互通 資料來源：InfoQ，東吳證券研究所

13

驅(qū)動(dòng)力三：市場(chǎng)需求驅(qū)動(dòng)?；仡橝I發(fā)展歷程，如果說2023年是“模型競(jìng)賽年”（以LLM本身性能競(jìng)賽為標(biāo)志），那么2024年則是“應(yīng)用探索年”。在2024年，涌現(xiàn)了大量基于

LLM的應(yīng)用，例如各種聊天機(jī)器人、寫作助手、簡(jiǎn)單的Copilot等。企業(yè)投入資源進(jìn)行嘗試，希望將AI能力融入業(yè)務(wù)流程。然而，2024年的應(yīng)用探索也暴露出一些局限性。許多應(yīng)用可能只是“薄封裝”，未能深入解決核心業(yè)務(wù)痛點(diǎn)；或者其自動(dòng)化能力僅限于相對(duì)簡(jiǎn)單的單點(diǎn)任務(wù)，難以應(yīng)對(duì)跨系統(tǒng)、多步驟的復(fù)雜工作流；帶來的生產(chǎn)力提升往往是局部的、漸進(jìn)式的，未能完全達(dá)到市場(chǎng)最初的高期望，也使得AI投入的ROI不夠清晰。進(jìn)入2025年，市場(chǎng)心態(tài)發(fā)生了轉(zhuǎn)變，特別是對(duì)于需要為AI投資尋求明確商業(yè)價(jià)值的ToB而言：①

從“嘗試”到“落地”：企業(yè)不再滿足于概念驗(yàn)證（PoC）或小范圍試點(diǎn)。他們需要能夠真正部署到生產(chǎn)環(huán)境中、穩(wěn)定可靠、能與現(xiàn)有系統(tǒng)集成、

并產(chǎn)生可衡量業(yè)務(wù)成果的AI解決方案。市場(chǎng)渴望看到AI技術(shù)從“玩具”或“助手”變成真正能干活、能解決問題的“員工”或“自動(dòng)化引擎”。②

渴望自動(dòng)化“更復(fù)雜任務(wù)”：簡(jiǎn)單的問答、基礎(chǔ)的內(nèi)容生成等“低垂果實(shí)”已被初步采摘。企業(yè)現(xiàn)在關(guān)注的是那些更耗時(shí)、更繁瑣、涉及多個(gè)步驟、

需要調(diào)用不同工具或信息源的復(fù)雜流程。例如，自動(dòng)完成一份包含數(shù)據(jù)搜集、分析、圖表生成和報(bào)告撰寫的市場(chǎng)研究報(bào)告；或者自動(dòng)化處理一個(gè)需要查詢訂單系統(tǒng)、物流系統(tǒng)、與客戶溝通并執(zhí)行退款操作的客服請(qǐng)求；亦或是完成整個(gè)軟件開發(fā)周期中的部分環(huán)節(jié)。這些是傳統(tǒng)自動(dòng)化或簡(jiǎn)單AI應(yīng)用難

以觸及的領(lǐng)域。③

期待“更顯著”的生產(chǎn)力提升：市場(chǎng)不再滿足于10%或20%的效率提升。他們期待的是數(shù)量級(jí)（例如數(shù)倍甚至更高）的生產(chǎn)力飛躍，能夠真正重塑工作方式、顯著降低成本、或者將人力解放出來從事更高價(jià)值的創(chuàng)造性或戰(zhàn)略性工作。而AI

Agent（智能體）的出現(xiàn)，恰好精準(zhǔn)地契合了市場(chǎng)的這種新期待：①為復(fù)雜任務(wù)而生：Agent的核心能力（如自主規(guī)劃、記憶、工具使用）使其天然適合處理多步驟、需要與外部環(huán)境（如網(wǎng)頁、軟件、API）交互的復(fù)雜任務(wù)，這正是市場(chǎng)所需要的。②強(qiáng)調(diào)“執(zhí)行”與“行動(dòng)”：不同于L1/L2主要停留在“對(duì)話”或“推理”，L3

Agent的設(shè)計(jì)目標(biāo)就是完成任務(wù)、采取行動(dòng)，這與企業(yè)追求“落地”和實(shí)際效果的需求高度一致。③潛力巨大：通過自動(dòng)化更復(fù)雜、更耗時(shí)的工作流，Agent有望帶來指數(shù)級(jí)的效率提升和生產(chǎn)力解放，滿足市場(chǎng)對(duì)“顯著”價(jià)值回報(bào)的期待。 資料來源：東吳證券研究所

14

Why

Now？——市場(chǎng)需求驅(qū)動(dòng)當(dāng)前存在著大量的垂類Agent

。根據(jù)AI

AgentsDirectory統(tǒng)計(jì)，截至2025/4/7，全球共有1211個(gè)AI

Agent，覆蓋57個(gè)不同類別，其中數(shù)量較多的有Agent

平臺(tái)（136個(gè)）、生產(chǎn)力Agent（94個(gè)），客戶服務(wù)Agent（66個(gè)），個(gè)人助手Agent（50個(gè)）等。雖然部分應(yīng)用可能并不屬于嚴(yán)格意義上的Agent（需要

有調(diào)用工具的能力和規(guī)劃執(zhí)行的能力等），但也能直觀上反映當(dāng)前應(yīng)用生態(tài)的復(fù)雜多樣。然而，這些都能被稱之為Agent嗎？AlAgentsPlatform

ProductivityVoiceAlAgentsPersonalAssistant DataAnalysis

ContentCreation

WorkfiowRecruitingAlAgentsAlVideoAgentsWebAlAgents

ImagesLeadGenerationSoftwareTesting

AlAvatarToolLibrariesAl

SecurityModel

Serving AlDocsAgents AlAgentMemory

Marketing

Al

ShoppingAgents TravelAlAgent

GamingAdsAlAgents NSFWAuthenticationAgents

EcommerceCodeGenerationMobileAppBuilders 資料來源：AI

AgentsDirectory，東吳證券研究所15

定義：不是所有的AI模型/產(chǎn)品都叫Agent按照行業(yè)分類的AI

Agent數(shù)量（截止25/4/7

）0

20

40

60

80100120140160AI

AgentlandscapeChatbotCopilot&Assistant半自動(dòng)Agent全自動(dòng)Agent對(duì)話能力√√√√推理能力√√√√長(zhǎng)記憶能力√√√調(diào)用工具的能力√√規(guī)劃的能力√關(guān)于Agent的討論往往存在定義混亂的問題。以至于一千個(gè)人眼中有一千個(gè)Agent。我們認(rèn)為，只有同時(shí)具備了這四項(xiàng)能力（對(duì)話能力、推理能力、長(zhǎng)記憶、工具調(diào)用），才能被稱之為Agent

。其中，工具調(diào)用是最核心的區(qū)分要素。只有對(duì)話能力的是

Chatbot；只有對(duì)話和推理能力的是

Reasoner。而工具調(diào)用又是建立在前三個(gè)基礎(chǔ)之上的。Agent必須理解用戶的指令，記住過去對(duì)話的內(nèi)容，記住其任務(wù)目標(biāo)、分解動(dòng)作和已執(zhí)行的步驟、遇到的問 資料來源：GoogleAgentWhitepaper，東吳證券研究所16

定義：不是所有的AI模型/產(chǎn)品都叫Agent題，才能順利地完成多步驟任務(wù)。Agent的構(gòu)成盡管如此，我們?nèi)匀粺o法準(zhǔn)確定義AI

Agent，例如：?一個(gè)AI系統(tǒng)僅僅能響應(yīng)指令、生成內(nèi)容就夠了嗎？還是要看它是否能為了達(dá)成某個(gè)特定目標(biāo)而主動(dòng)采取一系列行動(dòng)？?Agent

的“行動(dòng)”是否必須對(duì)外部世界（數(shù)字或物理）產(chǎn)生狀態(tài)改變？生成信息、報(bào)告或建議算不算定義中的“行動(dòng)”？?這個(gè)系統(tǒng)是只在內(nèi)部進(jìn)行計(jì)算和推理，還是需要感知外部環(huán)境的狀態(tài)，并能對(duì)環(huán)境施加影響（無論是數(shù)字環(huán)境還是物理環(huán)境）？?在執(zhí)行任務(wù)的過程中，系統(tǒng)是嚴(yán)格按照預(yù)設(shè)步驟執(zhí)行，還是能夠根據(jù)當(dāng)前情況自主進(jìn)行決策、選擇策略或調(diào)整計(jì)劃？?需要多大程度的獨(dú)立決策和執(zhí)行能力才能稱之為Agent？需要人類確認(rèn)或干預(yù)到什么程度就不再是（完全自主的）Agent？?系統(tǒng)完成任務(wù)是僅靠自身內(nèi)置的知識(shí)和能力，還是需要識(shí)別并調(diào)用外部的資源或工具（如API、數(shù)據(jù)庫、其他軟件）來輔助完成？?Agent交互的“環(huán)境”必須是動(dòng)態(tài)的、不可預(yù)測(cè)的嗎？與一個(gè)靜態(tài)數(shù)據(jù)庫交互算不算環(huán)境交互？?系統(tǒng)處理任務(wù)是一次性的“問答”或“生成”，還是能夠在持續(xù)一段時(shí)間內(nèi)保持對(duì)目標(biāo)和上下文的認(rèn)知（記憶），以完成需要多個(gè)步驟或較長(zhǎng)時(shí)間

才能完成的任務(wù)？?Agent

的“大腦”是什么？它與底層的LLM是什么關(guān)系？Agent是

LLM

本身，還是一個(gè)圍繞

LLM構(gòu)建了規(guī)劃、決策、執(zhí)行框架的系統(tǒng)？這些問題其實(shí)是同一個(gè)問題，即，Agent需要智能到什么程度，才可以被稱之為Agent？再比如：?AI搜索（如Perplexity、DeepResearch

、NewBing）是Agent嗎？一個(gè)能理解復(fù)雜問題、自主上網(wǎng)搜索、閱讀并整合信息，最終生成一份摘要報(bào)告或直接答案的AI

搜索系統(tǒng)，是Agent

嗎？它“使用”了瀏覽器或搜索引擎作為工具，并“行動(dòng)”生成了報(bào)告，這是否足夠？如果這個(gè)AI

搜索系統(tǒng)只是呈現(xiàn)整合后的信息，而沒有根據(jù)這些信息去執(zhí)行下一步的、改變外部狀態(tài)的動(dòng)作（比如基于搜索結(jié)果去預(yù)訂、購買或發(fā)送郵件），它與一個(gè)高級(jí)

的L2Reasoner的核心區(qū)別是什么？DeepResearch

這類工具，其“Agent”屬性體現(xiàn)在哪里？?jī)H僅是研究過程的自動(dòng)化嗎？?AI編程（如GithubCopilot

、Cursor、Devin）是Agent嗎？GitHub

Copilot根據(jù)代碼上下文提供建議，開發(fā)者選擇采納。它有環(huán)境感知（代碼上下文），也有行動(dòng)（生成代碼建議），但自主性較低，它算Agent嗎？還是更像一個(gè)“智能感知代碼的

L1模型”？?AI推薦系統(tǒng)是Agent嗎？一個(gè)能分析你的歷史行為、理解你的偏好，并主動(dòng)推送（行動(dòng)）相關(guān)內(nèi)容或商品的推薦引擎，它具備目標(biāo)（提升用戶參與度/轉(zhuǎn)化率）、環(huán)境感知（用戶行為數(shù)據(jù)）和行動(dòng)（推送），它算Agent嗎？它的“自主性”和“規(guī)劃”體現(xiàn)在哪里？ 資料來源：東吳證券研究所

17

定義：Agent的智能程度是有層次和梯度的二、Agent為何重要？解放生產(chǎn)力、走向AGI和具身智能、挑戰(zhàn)入口格局18AI

Agent作為下一代AI應(yīng)用形態(tài)，將帶來革命性的變化，遠(yuǎn)超簡(jiǎn)單的信息檢索或內(nèi)容生成。Agent是能夠主動(dòng)執(zhí)行任務(wù)、解決問題的

數(shù)字化勞動(dòng)力或超級(jí)助理，其核心價(jià)值體現(xiàn)在：①深度自動(dòng)化：超越簡(jiǎn)單重復(fù)：不同于RPA或傳統(tǒng)腳本主要處理固定流程的重復(fù)性任務(wù)，Agent能夠理解模糊指令，自主規(guī)劃并執(zhí)行復(fù)雜的、多

步驟的、甚至需要適應(yīng)變化的認(rèn)知型任務(wù)。例如，Operator能模擬人類操作任意GUI界面完成預(yù)訂或購物，Devin能自主完成軟

件開發(fā)中的編碼、調(diào)試、測(cè)試等系列環(huán)節(jié)。端到端流程：

Agent有潛力打通原本需要多個(gè)人類角色、多個(gè)軟件系統(tǒng)協(xié)作才能完成的端到端工作流，實(shí)現(xiàn)更高層次的自動(dòng)化。

認(rèn)知自動(dòng)化：

其核心是自動(dòng)化需要思考、判斷、與數(shù)字世界交互的“知識(shí)工作”，而不僅僅是體力或簡(jiǎn)單的點(diǎn)擊操作。用operator采購商品

用operator自動(dòng)預(yù)定餐廳 資料來源：openai，東吳證券研究所19

2.1

Agent將帶來革命性的變化——深度自動(dòng)化自動(dòng)化重復(fù)性、流程化的數(shù)字/知識(shí)工作軟件開發(fā)與編程輔助垂直領(lǐng)域的專業(yè)Agent代表產(chǎn)品OpenAIDeepResearch,PerplexityGitHubCopilot,Cursor,Devin如營(yíng)銷/人力資源等行業(yè)的Agent具體能力?

信息研究與報(bào)告生成：自動(dòng)搜集、整理、分析信息并生成報(bào)告，輔助研究人員、分析師等知識(shí)工作者。?

操作軟件和網(wǎng)頁：

自動(dòng)執(zhí)行需要與軟件界面或網(wǎng)頁交互的任務(wù)，如填寫表單、預(yù)訂差旅、處理郵件、管理日程、關(guān)閉廣告、計(jì)算退款等。?

數(shù)據(jù)處理與分析：

自動(dòng)執(zhí)行數(shù)據(jù)提取、

清洗、初步分析等任務(wù)。???代碼生成、補(bǔ)全、調(diào)試:提升開發(fā)者效率。復(fù)雜開發(fā)任務(wù)執(zhí)行:

能夠理解需求、規(guī)劃步驟、編寫代碼、配置環(huán)境、測(cè)

試、修復(fù)

Bug等更完整的開發(fā)流程。

API調(diào)用與集成:

Agent利用編碼能力與其他系統(tǒng)或服務(wù)交互。????客戶服務(wù):處理標(biāo)準(zhǔn)化的客戶請(qǐng)求，如查詢訂單、處理退款等。銷售/市場(chǎng)營(yíng)銷:

自動(dòng)化部分銷售流程，如

潛在客戶篩選、郵件營(yíng)銷等。人力資源:輔助處理簡(jiǎn)歷篩選、安排面試等

流程化任務(wù)。特定行業(yè):如法律文書輔助、醫(yī)療信息查詢

與初步分析等②指數(shù)級(jí)效率提升：?速度與規(guī)模：

對(duì)于特定任務(wù)，Agent的處理速度可以遠(yuǎn)超人類（如RE-Bench短時(shí)限測(cè)試表現(xiàn)）。更重要的是，Agent可以7x24小時(shí)不間斷工作，并且可以輕松擴(kuò)展（理論上增加算力即可增加Agent數(shù)量），實(shí)現(xiàn)人力無法比擬的規(guī)?；?。?成本優(yōu)化潛力：

雖然當(dāng)前推理成本較高，但通過自動(dòng)化高價(jià)值、高成本的人類勞動(dòng)（尤其是專業(yè)知識(shí)工作，如軟件開發(fā)、法律咨詢），長(zhǎng)期來看具有巨大的成本節(jié)約潛力。一個(gè)高效的Agent理論上可以替代或增強(qiáng)多個(gè)人類員工的生產(chǎn)力。?減少錯(cuò)誤與提升一致性：

對(duì)于定義清晰的任務(wù)，Agent有望減少人為錯(cuò)誤，提高執(zhí)行的一致性和標(biāo)準(zhǔn)化水平（盡管當(dāng)前可靠性仍是挑戰(zhàn)）。③解放人類生產(chǎn)力與創(chuàng)造力：人機(jī)協(xié)作新范式：Agent不僅僅是替代，更是強(qiáng)大的增強(qiáng)工具和協(xié)作伙伴。它們可以承擔(dān)復(fù)雜流程中繁瑣、耗時(shí)的部分，讓人類專家（開發(fā)者、研究員、律師等）從重復(fù)性勞動(dòng)中解放出來。聚焦高價(jià)值活動(dòng)：

人類可以將時(shí)間和精力投入到更需要?jiǎng)?chuàng)造力、戰(zhàn)略思考、復(fù)雜決策、情感溝通和人際協(xié)作等AI尚不擅長(zhǎng)的高階任務(wù)上。賦能創(chuàng)新：

通過自動(dòng)化原本難以完成或成本過高的復(fù)雜分析與操作，Agent可能催生新的科學(xué)發(fā)現(xiàn)、商業(yè)模式或藝術(shù)創(chuàng)作，拓展人類能力的邊界。2.1

Agent將帶來革命性的變化——指數(shù)級(jí)效率提升 資料來源：東吳證券研究所

20

AI

的發(fā)展遵循一個(gè)從簡(jiǎn)單到復(fù)雜的層級(jí)結(jié)構(gòu)，通常參考

OpenAI提出的

L1

到

L5框架。Agent(L3)是承上啟下的關(guān)鍵階段。它不僅需要

L2

的推理和規(guī)劃能力，更核心的是增加了與外部世界（數(shù)字世界或物理世界）交互的能力，形成閉環(huán)系統(tǒng)。這與

L1/L2主要停留在與人交互或純粹內(nèi)部思考不同。雖然

L1

到

L3

的路徑相對(duì)清晰，但從

L3(Agent)

到

L4(創(chuàng)新者)存在一個(gè)巨大的鴻溝。區(qū)別在于：L1-L3本質(zhì)是遵循指令

(instructionfollowing/execution)：AI

的主要任務(wù)是理解并完成人類給定的指令或目標(biāo)。評(píng)價(jià)標(biāo)準(zhǔn)相對(duì)明確（任務(wù)是否完成，結(jié)果是否正確）。而

L4(Innovator)要求創(chuàng)造力與原創(chuàng)性:

它需要能夠超越指令

(beyondinstructions)，產(chǎn)生新的想法、方法、知識(shí)，甚至設(shè)定新的目標(biāo)。評(píng)價(jià)標(biāo)準(zhǔn)變得模糊，不再是簡(jiǎn)單的“對(duì)不對(duì)”，而是“好不好”、“新不新”。雖然終極目標(biāo)是AGI，但短期內(nèi)Agent

通往AGI

的路徑體現(xiàn)在其自動(dòng)化復(fù)雜任務(wù)的能力上。無論是自動(dòng)化研究信息收集（只讀Agent），還是自動(dòng)化軟件操作、任務(wù)執(zhí)行（讀寫

Agent），核心都是解放人類的注意力，提升生產(chǎn)力。通過不斷提升自動(dòng)化水平和處理任務(wù)的復(fù)雜度，Agent

的能力逐步逼近甚至超越人類特定領(lǐng)域的水平，為最終實(shí)現(xiàn)AGI奠定基礎(chǔ)。L1chatbot一個(gè)博學(xué)的“客服”或“問事處”L2reasoner一個(gè)聰明的“參謀”或“軍師”L3Agent一個(gè)能干的“管家”

或“全能助理”L4innovator一位智慧的“科學(xué)家”或“藝術(shù)家”L5Organizer一個(gè)高效運(yùn)轉(zhuǎn)的“公司”

或復(fù)雜的“生態(tài)系統(tǒng)”AGI一個(gè)數(shù)字版的“人”，

或者超越人類智慧 資料來源：東吳證券研究所

21

2.2

Agent（L3）是通往AGI的關(guān)鍵環(huán)節(jié)當(dāng)前以“只讀”型

Agent（如

AI研究助手）為代表的應(yīng)用已初步展現(xiàn)出明確的產(chǎn)品市場(chǎng)契合點(diǎn)（PMF），主要服務(wù)于知識(shí)工作者。下一步的關(guān)鍵是從“只讀”進(jìn)化到“讀寫”型

Agent，即賦予

AI執(zhí)行操作、調(diào)用工具（如瀏覽器、郵件客戶端、API）、與外部世界交互的能力（如

OpenAIOperator

、Monica

的探索）。雖然“讀寫”

Agent潛力巨大（能自主完成訂票、發(fā)郵件、甚至發(fā)布懸賞任務(wù)等復(fù)雜操作），但其發(fā)展會(huì)更謹(jǐn)慎，因?yàn)樯婕鞍踩?quán)限和潛在風(fēng)險(xiǎn)，

需要配合監(jiān)控、對(duì)齊和防濫用措施。隨著記憶（Memory）和在線學(xué)習(xí)（Online

Learning）這兩大關(guān)鍵技術(shù)的突破，Agent

的能力將進(jìn)一步飛躍，可能實(shí)現(xiàn)

Agent指揮

Agent、更個(gè)性化、

能實(shí)時(shí)學(xué)習(xí)適應(yīng)新情況。未來可能出現(xiàn)為

AI設(shè)計(jì)的專用工具，進(jìn)一步提升其效率，超越人類工具的限制。Agent

的普及將極大解放人類注意力，從重復(fù)性工作中解脫，可能帶來生產(chǎn)力的指數(shù)級(jí)增長(zhǎng)，改變工作和生活方式。目前，絕大多數(shù)AIAgent主要活躍在數(shù)字世界中。這是因?yàn)閿?shù)字世界?環(huán)境結(jié)構(gòu)化:數(shù)字環(huán)境（如網(wǎng)頁、軟件界面、API）通常具有相對(duì)清晰的結(jié)構(gòu)、明確的輸入輸出規(guī)則和可預(yù)測(cè)性。?信息易獲取:數(shù)據(jù)以文本、代碼、圖像等形式存在，相對(duì)容易被模型理解和處理。?行動(dòng)成本低/可逆:數(shù)字操作（如點(diǎn)擊、輸入、調(diào)用API）通常成本低廉，且很多操作是可撤銷或影響有限的。然而，這種數(shù)字世界的局限性也很明顯：AI

的能力被束縛在屏幕和網(wǎng)絡(luò)之內(nèi)，無法直接感知和影響我們生活的物理現(xiàn)實(shí)。真正的通用智能必然要求能

夠理解并作用于物理世界。 資料來源：東吳證券研究所

22

2.2

Agent（L3）是走向具身智能的關(guān)鍵環(huán)節(jié)我們認(rèn)為，AI

Agent的發(fā)展可能對(duì)現(xiàn)有的互聯(lián)網(wǎng)入口格局產(chǎn)生深遠(yuǎn)甚至顛覆性的影響。入口可能更加集中，價(jià)值鏈可能重構(gòu)：可能出現(xiàn)少數(shù)幾個(gè)主導(dǎo)性的通用Agent。傳統(tǒng)依賴流量分發(fā)的入口（如搜索引擎、應(yīng)用商店）面臨挑戰(zhàn)，

能直接完成任務(wù)或提供核心能力的Agent平臺(tái)和服務(wù)商可能獲得更大

價(jià)值。1.

對(duì)傳統(tǒng)搜索引擎的挑戰(zhàn)與重塑：?信息獲取方式改變：用戶可能不再需要通過關(guān)鍵詞搜索，然后瀏覽一堆鏈接來尋找答案或服務(wù)。Agent可以直接理解用戶的復(fù)雜意圖（例如“幫我

規(guī)劃一個(gè)周末去杭州的旅行，包含交通、住宿和景點(diǎn)，預(yù)算2000元”），然后整合信息、調(diào)用工具（訂票、訂酒店API）、進(jìn)行規(guī)劃，并直接給出

完整方案甚至完成預(yù)訂。這大大削弱了傳統(tǒng)搜索引擎作為信息“門戶”的角色。?搜索即執(zhí)行：Agent將搜索從“查找信息”升級(jí)為“完成任務(wù)”。入口的價(jià)值不再僅僅是分發(fā)流量到其他網(wǎng)站，而是直接滿足用戶的最終需求。像

Perplexity、Google的AIOverviews以及DeepSearch/Research，都體現(xiàn)了這種趨勢(shì)——搜索結(jié)果本身就是答案或解決方案的一部分。 資料來源：ARKbigideas2025，東吳證券研究所

23

2.3

Agent將重塑互聯(lián)網(wǎng)流量入口格局ChatGPT,Claude,Perplexity和Bing的搜索份額AI聚合電商信息2.Agent本身成為入口：最具顛覆性的可能是，一個(gè)或多個(gè)強(qiáng)大的通用Agent成為用戶上網(wǎng)和處理數(shù)字任務(wù)的首選入口。用戶首先想到的是“問Agent”，而不是“打開某個(gè)App或網(wǎng)站”。這樣的通用Agent有可能是APP、瀏覽器或者OS操作系統(tǒng)。?OS級(jí)Agent：操作系統(tǒng)（如WindowsCopilot、未來更強(qiáng)大的Siri/Google

Assistant）可以深度集成Agent能力，協(xié)調(diào)控制設(shè)備上的各種應(yīng)用和數(shù)據(jù)。用戶可能直接通過OS層的Agent下達(dá)指令，Agent負(fù)責(zé)調(diào)用合適的App或服務(wù)來完成，使得OS本身成為一個(gè)更核心、更主動(dòng)的交互入口。?瀏覽器集成Agent：瀏覽器作為訪問Web的主要工具，集成Agent可以輔助用戶瀏覽、總結(jié)網(wǎng)頁、寫作、甚至自動(dòng)化某些網(wǎng)頁操作。這讓瀏覽

器從一個(gè)被動(dòng)的頁面加載器，變成一個(gè)主動(dòng)的智能助手，增強(qiáng)了其入口地位，例如EdgeCopilot、夸克、豆包（也有瀏覽器功能）

。?“超級(jí)App”入口地位鞏固：對(duì)于像微信這樣的超級(jí)App，如果能成功集成強(qiáng)大的Agent能力，并打通其內(nèi)部豐富的小程序、服務(wù)和社交關(guān)系，它可能成為一個(gè)極其強(qiáng)大的、覆蓋生活方方面面的Agent入口。用戶在一個(gè)App內(nèi)就能完成大量任務(wù)。3.部分APP被“管道化”：一些功能單一的服務(wù)型App（如訂票、打車、天氣），用戶可能不再需要直接打開它們，而是通過Agent來調(diào)用其背后的

API或功能。這些App可能淪為Agent的“工具箱”，其自身的入口價(jià)值下降。而復(fù)雜或體驗(yàn)型App，仍是入口：對(duì)于需要沉浸式體驗(yàn)或復(fù)雜交互的應(yīng)用（如游戲、專業(yè)創(chuàng)作工具、內(nèi)容社區(qū)），用戶可能仍然會(huì)直接打開App。但Agent也可能在這些App內(nèi)部提供輔助功能。 資料來源：東吳證券研究所

24

2.3

Agent將重塑互聯(lián)網(wǎng)流量入口格局小程序視頻號(hào)微信小店郵件備忘錄keynoteOutlookteamsEdgeIM朋友圈公眾號(hào)pages照片郵件SiriAppleIntelligenceWindows

Copilotpowerpoint微信excelword我們預(yù)計(jì)，圍繞“通用入口級(jí)Agent”的大戰(zhàn)將在2025年下半年開始逐漸拉開帷幕。為什么？因?yàn)長(zhǎng)3級(jí)別Agent能力（能夠系統(tǒng)性完成復(fù)雜任務(wù)）可能在一年內(nèi)取得關(guān)鍵突破，一旦技術(shù)相對(duì)成熟，能夠支撐起一個(gè)足夠“通用”的Agent體驗(yàn)，各大有實(shí)力的玩家就會(huì)下場(chǎng)爭(zhēng)奪市場(chǎng)主導(dǎo)權(quán)。 資料來源：Genspark，東吳證券研究所

25

2.3我們預(yù)計(jì)入口級(jí)Agent大戰(zhàn)將于25H2開啟Agent在L3的評(píng)分有望進(jìn)一步突破三、競(jìng)爭(zhēng)格局：模型即產(chǎn)品，通用Agent將由大廠主導(dǎo)26n

平臺(tái)

vs.應(yīng)用n

通用

vs.

垂直n

成本與效率價(jià)值將主要沉淀在擁有核心模型和平臺(tái)的巨頭，還是能夠創(chuàng)造獨(dú)特價(jià)值的Agent應(yīng)用開發(fā)商？目前看平臺(tái)方優(yōu)勢(shì)明顯，平臺(tái)公司傾向于將其Agent能力與其現(xiàn)有云服務(wù)、操作系統(tǒng)、辦公套件等深度綁定，構(gòu)建封閉或半封閉生態(tài)，增加用

戶遷移成本。但應(yīng)用層創(chuàng)新仍有機(jī)會(huì)。通用Agent（如Operator）能力不斷提升，是否會(huì)擠壓垂直Agent的生存空間？短期內(nèi)，垂直Agent憑借領(lǐng)域知識(shí)仍有優(yōu)勢(shì)；但長(zhǎng)期看，通用Agent的泛化能力是巨大威脅。推理成本是Agent大規(guī)模商業(yè)化的關(guān)鍵瓶頸。模型效率、訓(xùn)練/推理優(yōu)化、以及芯片成本將是重要的競(jìng)爭(zhēng)維度。n交互范式之爭(zhēng)n

數(shù)據(jù)與護(hù)城河n

人才競(jìng)爭(zhēng)Operator代表的直接GUI操作與Manus代表的“可見性”過程展示，以及未來可能出現(xiàn)的更優(yōu)化的Agent專用接口，都反映了對(duì)最佳人機(jī)（或Agent-機(jī)）交互方式的探索。高質(zhì)量的訓(xùn)練數(shù)據(jù)（尤其是人類示范數(shù)據(jù)和特定

領(lǐng)域數(shù)據(jù)）以及持續(xù)的用戶反饋數(shù)據(jù)（盡管其提

升智能的效率存疑，但對(duì)產(chǎn)品優(yōu)化有用）是重要

的競(jìng)爭(zhēng)壁壘，但并非傳統(tǒng)意義上的“數(shù)據(jù)飛輪”。頂尖的AI研究員和工程師是各家爭(zhēng)奪的核心資源。AIAgent的競(jìng)爭(zhēng)格局是典型的“巨頭環(huán)伺，新銳突圍”。大型科技平臺(tái)憑借模型、數(shù)據(jù)、資金和生態(tài)優(yōu)勢(shì)占據(jù)主導(dǎo)地位，并致力于構(gòu)建平臺(tái)和生態(tài)系統(tǒng)。然而，在基礎(chǔ)設(shè)施、工具鏈以及需要深度領(lǐng)域知識(shí)的垂直應(yīng)用方面，仍然存在創(chuàng)業(yè)公司和專業(yè)廠商的機(jī)會(huì)。成本、效率、交互體驗(yàn)和商業(yè)模式的創(chuàng)新將是未來競(jìng)爭(zhēng)的關(guān)鍵。后續(xù)續(xù)密切關(guān)注技術(shù)演進(jìn)、平臺(tái)戰(zhàn)略以及細(xì)分市場(chǎng)的動(dòng)態(tài)。我們預(yù)計(jì)Agent領(lǐng)域的競(jìng)爭(zhēng)將圍繞六個(gè)維度展開AI

Agent的競(jìng)爭(zhēng)格局是典型的“巨頭環(huán)伺，新銳突圍” 資料來源：東吳證券研究所

27

?在LLM經(jīng)歷突破性發(fā)展的初期階段，模型本身展現(xiàn)出強(qiáng)大能力（如對(duì)話、寫作、編碼、推理），以至于模型本身幾乎就等同于產(chǎn)品。模型的“magicmoment”往往直接定義了新的產(chǎn)品可能性。例如：?

GPT-3.5解鎖了Chatbot形態(tài)；?

ClaudeSonnet解鎖了Cursor；?DeepSeek的出圈也是因?yàn)槠銻1推理能力，其產(chǎn)品形態(tài)并沒有過多優(yōu)化；?OpenAIDeepResearch

并非在O3上做了套殼，而是基于CUA重新訓(xùn)練了專有模型。AI應(yīng)用的核心價(jià)值很大程度上就是讓用戶能夠便捷地體驗(yàn)和使用這些前沿模型的基礎(chǔ)能力。

“模型的能力”幾乎就是產(chǎn)品的全部吸引力。DataBricks公司生成式AI副總裁NaveenRao

預(yù)測(cè)：在未來兩到三年內(nèi)，所有閉源的

AI模型提供商都會(huì)停止銷售API服務(wù)。這表明，API經(jīng)濟(jì)即將走向終結(jié)。模型提供商與應(yīng)用層之間原本的蜜月期可能已經(jīng)徹底結(jié)束。我們已經(jīng)看到了一些跡象：?大模型公司開始停止提供最新模型的API：DeepSearch

并未提供

API接口，僅作為OpenAI

高級(jí)訂閱的增值功能出現(xiàn)；Claude

Code

則只是一個(gè)極為簡(jiǎn)單的終端整合。模型廠商已開始跳過第三方應(yīng)用層，直接創(chuàng)造用戶價(jià)值。?應(yīng)用層企業(yè)開始布局模型訓(xùn)練能力：應(yīng)用型公司也意識(shí)到了這種威脅，嘗試轉(zhuǎn)型。例如

Cursor

擁有一款自主開發(fā)的小型代碼補(bǔ)全模型；WindSurf

內(nèi)部開發(fā)了

Codium這樣一款低成本的代碼模型；Perplexity此前一直依靠?jī)?nèi)部分類器進(jìn)行請(qǐng)求路由，最近更是轉(zhuǎn)型訓(xùn)練了自己的DeepSeek

變體模型用于搜索用途。?“應(yīng)用套殼商”

（Wrappers）實(shí)際上處于困境之中：他們要么自主訓(xùn)練模型，要么就等著被上游大模型徹底取代。他們現(xiàn)在所做的事情，本質(zhì)上都是為上游大模型廠商進(jìn)行免費(fèi)的市場(chǎng)調(diào)研、數(shù)據(jù)設(shè)計(jì)和數(shù)據(jù)生成。 資料來源：極客公園，founderpark，東吳證券研究所28

模型即產(chǎn)品：爆款應(yīng)用背后是模型能力更新類型產(chǎn)品名簡(jiǎn)介ChatbotAddcontext.xyz為用戶創(chuàng)建個(gè)性化聊天機(jī)器人的平臺(tái)Write-a-cardAI賀卡信息生成器BibleGPT圣經(jīng)GPTAIWritingNeuralcanvasAI動(dòng)漫生成平臺(tái)Postgeniusapp社交媒體推文生成器ClucSEO優(yōu)化內(nèi)容生成工具AIImagePhotofixAI照片編輯器MakePose角色和動(dòng)作生成器IllustrateAI插圖生成工具AIDesignAI

Designer可視化室內(nèi)設(shè)計(jì)工具ProductivityClipGPTAI書簽和筆記工具AudioWhisper.aiopenAI開發(fā)的多語言轉(zhuǎn)錄、翻譯和識(shí)別工具VideoQuestionYoutubeAI視頻問答工具什么是“淺層套殼產(chǎn)品”？“淺層套殼產(chǎn)品”（Wrappers）指的是那些僅僅在強(qiáng)大的底層AI模型（通

常通過API調(diào)用）之上增加了一個(gè)相對(duì)簡(jiǎn)單的用戶界面（UI）、應(yīng)用外殼或非常基礎(chǔ)的功能封裝，而沒有提供顯著附加價(jià)值的應(yīng)用。這類產(chǎn)品可能包括：?提供特定Prompt模板的簡(jiǎn)單問答工具。?對(duì)模型輸出進(jìn)行非常有限的格式化或后處理的應(yīng)用。?僅僅是換了個(gè)皮膚或交互方式來調(diào)用通用模型API的服務(wù)。?缺乏深度工作流整合、獨(dú)特?cái)?shù)據(jù)、復(fù)雜功能或差異化用戶體驗(yàn)的應(yīng)用。?它們的核心競(jìng)爭(zhēng)力幾乎完全依賴于底層模型的表現(xiàn)，

自身的“護(hù)城河”

非常淺。我們已經(jīng)看過了太多的失敗案例。AI墓地（AIGraveyard）網(wǎng)站統(tǒng)計(jì)了5046個(gè)AI應(yīng)用，其中1210個(gè)已停止運(yùn)行或停止服務(wù)（截至2025/4/28），其中許多是套殼產(chǎn)品，停運(yùn)最多的類型是AI寫作工具。這些套殼產(chǎn)品通常模仿大模型如ChatGPT的功能，但由于娛樂性大于實(shí)用性、難以應(yīng)對(duì)復(fù)雜社交場(chǎng)景、用戶留存和盈利能力不足等原因而失敗。 資料來源：甲子光年，AIGraveyard，東吳證券研究所

29

模型即產(chǎn)品：淺層套殼產(chǎn)品終將被顛覆AIGraveyard各類型代表性項(xiàng)目1.掌控基礎(chǔ)大模型:平臺(tái)方如OpenAI

、Google、微軟、Anthropic等投入巨資研發(fā)和迭代基礎(chǔ)大模型。這些模型是Agent能力的“大腦”，其性能、成本和功能直接決定了上層應(yīng)用的天花板。應(yīng)用開發(fā)商在很大程度上依賴平臺(tái)方提供的模型API。2.控制算力：Agent的訓(xùn)練和大規(guī)模推理需要龐大的算力、存儲(chǔ)和網(wǎng)絡(luò)資源。平臺(tái)方通常也是主要的云服務(wù)提供商（如AWS

、Azure等），它們不僅提供這些底層資源，還越來越多地推出專門的Agent開發(fā)、托管和管理平臺(tái)。這使得應(yīng)用開發(fā)商在基礎(chǔ)設(shè)施層面也對(duì)平臺(tái)方產(chǎn)生依賴。3.設(shè)定技術(shù)標(biāo)準(zhǔn)與構(gòu)建生態(tài):平臺(tái)方有能力推動(dòng)和設(shè)定關(guān)鍵的技術(shù)標(biāo)準(zhǔn)和協(xié)議（如MCP）。它們通過提供SDK、開發(fā)者工具和應(yīng)用市場(chǎng)（如GPTStore），吸引開發(fā)者圍繞其平臺(tái)構(gòu)建應(yīng)用。一旦生態(tài)形成，平臺(tái)方可以通過分發(fā)、認(rèn)證、服務(wù)抽成等方式進(jìn)一步鞏固其價(jià)值地位，并增加開發(fā)者的遷移成本。4.數(shù)據(jù)與研發(fā)的規(guī)模效應(yīng):平臺(tái)方擁有海量數(shù)據(jù)用于訓(xùn)練更通用的基礎(chǔ)模型，并且具備更雄厚的資金實(shí)力進(jìn)行前沿的AI研究。這種規(guī)模效應(yīng)使得它們

在提升模型通用能力和探索新技術(shù)方面具有顯著優(yōu)勢(shì)。5.強(qiáng)大的分發(fā)渠道:平臺(tái)方通常擁有龐大的現(xiàn)有用戶基礎(chǔ)（操作系統(tǒng)、搜索引擎、辦公軟件、社交網(wǎng)絡(luò)、企業(yè)客戶群），可以將Agent能力和相關(guān)產(chǎn)品快速觸達(dá)海量用戶，這是初創(chuàng)應(yīng)用開發(fā)商難以比擬的。我們認(rèn)為淺層套殼產(chǎn)品終將被顛覆。為什么？根本原因在于這類產(chǎn)品缺乏可持續(xù)的競(jìng)爭(zhēng)壁壘，極易受到快速迭代的AI技術(shù)和市場(chǎng)格局的沖擊：?過度依賴底層模型，易受到模型迭代的降維打擊。淺層產(chǎn)品的能力上限完全由底層模型決定。一旦底層模型升級(jí)換代緩慢、API提價(jià)、調(diào)整服務(wù)策略甚至停止服務(wù)，這些產(chǎn)品將立刻失去競(jìng)爭(zhēng)力甚至無法生存。它們的命運(yùn)完全掌握在模型提供商手中。然而，基礎(chǔ)大模型的能力迭代速度極快。今天需要一個(gè)“套殼”應(yīng)用才能實(shí)現(xiàn)的功能，明天可能通過調(diào)用新一代模型的一個(gè)簡(jiǎn)單Prompt就能直接完成。模型能力的提升會(huì)不斷“內(nèi)化”原本屬于應(yīng)用層的功能，使得那些僅僅是對(duì)舊模型能力進(jìn)行封裝的淺層應(yīng)用迅速變得多余和過時(shí)。?缺乏核心壁壘，易被復(fù)制：由于沒有構(gòu)建真正的技術(shù)或產(chǎn)品壁壘，競(jìng)爭(zhēng)對(duì)手可以輕易地通過調(diào)用相同或類似的底層模型API，快速復(fù)制出一個(gè)功能

相近的產(chǎn)品，導(dǎo)致市場(chǎng)迅速陷入同質(zhì)化競(jìng)爭(zhēng)和價(jià)格戰(zhàn)。?平臺(tái)整合的擠壓效應(yīng):擁有強(qiáng)大基礎(chǔ)模型和生態(tài)系統(tǒng)的平臺(tái)公司（如微軟、谷歌）傾向于將AI能力深度整合進(jìn)其操作系統(tǒng)、辦公套件、瀏覽器等核

心產(chǎn)品中（如WindowsCopilot,M365Copilot）。用戶在熟悉的、高頻使用的平臺(tái)內(nèi)就能便捷地獲得類似甚至更好的功能，這將極大擠壓獨(dú)立的、功能單一的淺層套殼應(yīng)用的生存空間。 資料來源：東吳證券研究所