> **来源：[研报客](https://pc.yanbaoke.cn)** # Agent商业化加速，应用场景有望多点开花 投资评级：推荐 (维持） 华龙证券研究所 计算机行业 分析师：孙伯文 执业证书编号：S0230523080004 邮箱：sunbw@hlzq.com 联系人：朱凌萱 执业证书编号：S0230124010005 邮箱：zhulx@hlzq.com 2025年10月28日 ---计算机行业深度研究报告 # 最近一年市场走势 相对沪深300表现（2025.10.27） （单位： $\%$ ） <table><tr><td>表现</td><td>1M</td><td>3M</td><td>12M</td></tr><tr><td>计算机行业</td><td>-0.61</td><td>8.94</td><td>26.98</td></tr><tr><td>沪深300</td><td>3.65</td><td>14.28</td><td>19.20</td></tr></table> # 相关报告 《科技自立自强正当时，关注国产化布局机会—计算机行业周报》2025.10.27 《美方拟对关键软件出口管制，关注国产替代机会—计算机行业点评报告》2025.10.13 《阿里发布多项技术更新，全球AI基建加码—计算机行业周报》2025.09.29 # 观点： - AI Agent或接力Chat bot，成为下一阶段主流AI产品形态。根据Lilian Weng在《LLM Powered Autonomous Agents》中对Agent的定义，Agent具备Memory（记忆存储），能够自主规划并调用工具执行任务。执行是下一阶段AI能力的重点，相较于当前主流的Chat bot这一产品形态来说，Agent能够直接交付结果，将大大延展AI在生产力工具范畴的能力边界。从AI的最终形态来看，AI能够在识别、理解、推理的基础上参与决策并执行操作是发展AGI的必经之路。 - 过程交付向结果交付过渡，企业付费意愿潜在提升。我们认为从Chat bot到Agent，经历了约三个代际的AI产品形态演变。在演变的过程中，用户与AI的交互更为深入，任务结果交付更为完整。在当下，Agent是“过程交付”转向“结果交付”的更好载体。展望未来，AI产品的演进将更多地强化“生产力”属性，而非纯粹的“工具”属性。对企业来说，劳动力运营支出正在被GPU资本支出取代。具体来说，对B端客户，企业本身对于AI应用助力公司降本增效的需求较为明确。AI应用能够帮助企业提升的产能大于投入的成本，即ROI>1，就会刺激企业客户的付费意愿。并且，由于Agent能够辅助人类产生经济效益这一特性，企业对于AI的支出将从Capex转变Opex。Capex，即资本性支出，指用于获取或升级长期资产（如设备、厂房、技术）的大额投资，通过折旧/摊销分期转化为费用。Opex，即运营性支出，指维持企业日常运营的经常性费用（如工资、租金、水电费）。Agent能够部分替代劳动力职能，带来收益，因此对于Agent的资金投入相当于为劳动力付费，从而这部分资金未来将会从单纯的Capex转变为Opex，更进一步提升企业付费意愿。 - AIInfra建设高速发展，为Agent生态繁荣创造先决条件。在AI战略驱动下，海外云厂微软、谷歌、亚马逊、Meta等北美云厂近年来不断调高资本开支，加码对AI和云基础设施的投入力度。2025年初，阿里在业绩说明会上表明计划在未来三年内对AI和云计算基础设施的投资超过过去十年的总和。以阿里上调资本开支为起点，预计短期内国内大厂资本开支预期将延续上调趋势。另一方面，国产大模型架构不断优化，推理效率显著提升，例如DeepSeek-R1、阶跃星辰Step-3在基模方面持续创新，模型性能竞争依旧白热化，为Agent打下坚实基础。 - 垂类Agent多点开花，多Agent协同或成为趋势。多Agent协作（Multi-AgentCollaboration）是指多个自主智能体（Agent）通过通信、协调与任务分工，共同完成单个Agent无法高效或无法独立完成的复杂目标。其核心特征是“去中心化、交互性、互补性”，不依赖单一超级模型，而是通过群体智能涌现超越个体能力的集体表现。技术视角下，从模型到多Agent场景有望形成闭环。生态视角下，AI应用路径或从单点工具走向Agent平台最终形成基于多智能体的垂直行业解决方案。从当前商业模式来看，终端Agent以嵌入终端的形式触达消费者，一般以硬件一次性收入为主要收入来源。非终端Agent通常采用：（1）订阅模式（SaaS模式）。用户按周期（月/年）付费使用AI Agent功能，适用于标准化需求场景（如智能客服、数据分析），企业订阅后可获得稳定服务与持续更新。（2）按调用量付费，即按调用次数或任务量计费。适用于需求波动较大的场景（如云计算、大数据分析）。企业根据实际使用的API调用次数或任务复杂度付费，降低前期投入风险。（3）垂类场景中可按定制化服务收费（按智能体付费）。例如，针对金融、医疗、物流等行业的特定需求提供定制AI Agent，收取开发与部署费用。当前，SaaS和按调用量收费是主流选择方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。（4）按结果付费（RaaS）。这是一种新兴的商业模式，其核心在于企业不再为人工智能技术本身或使用量付费，而是根据智能体实际达成的业务成果来支付费用，要求AI能够交付可量化的商业价值。当前，SaaS和按调用量收费仍然是主流方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。 投资建议：Agent推动企业预算从“买工具”到“买结果”转变，全球算力Capex不断上行，基础模型加速迭代，为Agent生态繁荣创设良好条件。维持计算机行业“推荐”评级。建议关注：（1）办公Agent：金山办公（688111.SH）、泛微网络（603039.SH）、税友股份（603171.SH）；（2）企业管理Agent：鼎捷数智（300378.SZ）、赛意信息（300687.SZ）、汉得信息（300170.SZ）、用友网络（600588.SH）；(3)金融Agent：京北方(002987.SZ)、中科金财(002657.SZ)、同花顺(300033.SZ)；（4）多模态Agent：科大讯飞（002230.SZ）、万兴科技(300624.SZ)。 风险提示：（1）市场竞争加剧。（2）所引用数据资料的误差风险。（3）AI应用落地速度不及预期。（4）技术迭代速度不及预期。（5）重点关注公司业绩不达预期。（6）政策标准出台速度不及预期。 表：重点关注公司及盈利预测 <table><tr><td rowspan="2">股票代码</td><td rowspan="2">股票简称</td><td>2025/10/27</td><td colspan="4">EPS（元）</td><td colspan="4">PE</td><td rowspan="2">投资评级</td></tr><tr><td>股价（元）</td><td>2024A</td><td>2025E</td><td>2026E</td><td>2027E</td><td>2024A</td><td>2025E</td><td>2026E</td><td>2027E</td></tr><tr><td>002230.SZ</td><td>科大讯飞</td><td>51.35</td><td>0.24</td><td>0.39</td><td>0.56</td><td>0.75</td><td>169.94</td><td>130.86</td><td>91.96</td><td>68.78</td><td>未评级</td></tr><tr><td>002657.SZ</td><td>中科金财</td><td>31.98</td><td>-0.16</td><td>-0.02</td><td>0.09</td><td>0.16</td><td>/</td><td>/</td><td>368.43</td><td>201.89</td><td>未评级</td></tr><tr><td>002987.SZ</td><td>京北方</td><td>20.61</td><td>0.5</td><td>0.42</td><td>0.49</td><td>0.58</td><td>25.35</td><td>49.59</td><td>42.49</td><td>35.80</td><td>未评级</td></tr><tr><td>300033.SZ</td><td>同花顺</td><td>347.59</td><td>3.39</td><td>4.95</td><td>6.07</td><td>7.01</td><td>110.21</td><td>70.20</td><td>57.26</td><td>49.56</td><td>未评级</td></tr><tr><td>300170.SZ</td><td>汉得信息</td><td>16.47</td><td>0.19</td><td>0.24</td><td>0.30</td><td>0.37</td><td>64.80</td><td>68.14</td><td>55.23</td><td>44.80</td><td>未评级</td></tr><tr><td>300378.SZ</td><td>鼎捷数智</td><td>48.25</td><td>0.57</td><td>0.76</td><td>0.93</td><td>1.16</td><td>46.70</td><td>63.49</td><td>51.88</td><td>41.59</td><td>增持</td></tr><tr><td>300624.SZ</td><td>万兴科技</td><td>67.61</td><td>-0.85</td><td>0.15</td><td>0.49</td><td>0.79</td><td>/</td><td>459.62</td><td>139.14</td><td>85.33</td><td>未评级</td></tr><tr><td>300687.SZ</td><td>赛意信息</td><td>25.58</td><td>0.34</td><td>0.46</td><td>0.64</td><td>0.78</td><td>29.34</td><td>55.02</td><td>40.21</td><td>32.98</td><td>未评级</td></tr><tr><td>600588.SH</td><td>用友网络</td><td>14.37</td><td>-0.62</td><td>-0.08</td><td>0.08</td><td>0.19</td><td>/</td><td>/</td><td>186.87</td><td>74.84</td><td>未评级</td></tr><tr><td>603039.SH</td><td>泛微网络</td><td>55.39</td><td>0.78</td><td>0.99</td><td>1.20</td><td>1.36</td><td>71.47</td><td>56.06</td><td>45.97</td><td>40.85</td><td>未评级</td></tr><tr><td>603171.SH</td><td>税友股份</td><td>46.25</td><td>0.28</td><td>0.53</td><td>0.88</td><td>1.27</td><td>148.78</td><td>87.74</td><td>52.57</td><td>36.43</td><td>未评级</td></tr><tr><td>688111.SH</td><td>金山办公</td><td>298.75</td><td>3.56</td><td>3.99</td><td>4.77</td><td>5.79</td><td>100.52</td><td>74.82</td><td>62.69</td><td>51.60</td><td>未评级</td></tr></table> 数据来源：Wind,华龙证券研究所；注：鼎捷数智盈利预测来源于华龙证券研究所,其余所有公司盈利预测来源于Wind一致预期 # 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 # 01 Agent概念定义 - 生成式AI智能体是一种能够自主运行的应用程序，它通过感知环境并调用相关工具来执行任务，以实现预设目标。其具备以下核心特征：首先，它拥有高度自主性，可在无需人工干预的情况下独立运作；其次，它表现出显著的主动性，能够自主制定行动计划；更重要的是，即使在没有人类明确指令的情况下，智能体也能通过自主推理确定最优行动路径，最终达成既定目标。 - 模型是智能体流程中央决策者。智能体可以使用一个或多个语言模型，这些模型可以是通用模型、多模态模型或经过微调的专用模型。 - 工具是连接智能体内部能力与外部世界的桥梁。借助工具，智能体可以访问和处理现实世界的信息，从而支持更专业的系统，如检索增强生成（RAG）技术等。因而智能体能够打破依赖基础模型的局限性，并执行比基础模型能够实现的更广泛的操作。 图1：模型与智能体的区别 <table><tr><td>模型</td><td>智能体</td></tr><tr><td>知识仅限于其训练数据所涵盖的内容。</td><td>通过工具连接外部系统，扩展知识范围。</td></tr><tr><td>仅基于用户查询进行单次推理/预测，除非专门实现，否则不管理会话历史或持续上下文（如聊天记录）。</td><td>通过管理会话历史（如聊天记录），支持多轮推理/预测，结合编排层的决策，实现更连贯的交互。在此上下文中，“轮次”指的是智能体与外部系统的单次交互（即一次输入事件/查询+一次智能体响应）。</td></tr><tr><td>无原生工具集成。</td><td>在智能体架构中原生集成工具。</td></tr><tr><td>无原生逻辑层，用户需要手动设计提示词(Prompt)，可以采用简单问答或使用推理框架（如CoT、ReAct等）构造复杂提示词来引导预测。</td><td>具备原生认知架构，支持CoT、ReAct等推理框架，并可结合LangChain等预构建的智能体框架。</td></tr></table> 资料来源：谷歌，华龙证券研究所 图2：基于LLM的自主智能体系统 资料来源：《LLM Powered Autonomous Agents》，Lilian Weng, 华龙证券研究所 # 01 Agent与人类行为的对比 # Agent是通往AGI的必经之路 - AI Agent或接力Chat bot，成为下一阶段主流AI产品形态。根据Lilian Weng在《LLM Powered Autonomous Agents》中对Agent的定义，Agent具备Memory（记忆存储），能够自主规划并调用工具执行任务。执行是下一阶段AI能力的重点，相较于当前主流的Chat bot这一产品形态来说，Agent能够直接交付结果，将大大延展AI在生产力工具范畴的能力边界。从AI的最终形态来看，AI能够在识别、理解、推理的基础上参与决策并执行操作是发展AGI的必经之路。 - 从设计理念来看，Agent的产品形态和工作流程可以看做人类行为习惯的多维度映射。比如Agent基于大模型进行决策，大模型承担了类似于“大脑”的角色。同时，Agent具备“知识库”（记忆）、工具使用（技能）等方面特征，同样具有“类人”特性。 <table><tr><td colspan="3">表1:Agent与人类行为的多维度对比</td></tr><tr><td>对比维度</td><td>人类</td><td>智能体</td></tr><tr><td>决策中枢</td><td>大脑:自主决定何时执行何种任务</td><td>大模型:处理信息后决定回答或执行的动作</td></tr><tr><td>角色特性</td><td>可同时承担多重角色(如学生、员工),各角色有不同行为规则</td><td>通常专一角色(如显示器客服),严格遵循预设规则</td></tr><tr><td>知识管理</td><td>知识存储于大脑或外部载体(书籍/表格),需主动回忆或查阅后整合回答</td><td>文本知识库存储,通过查询匹配内容生成回答</td></tr><tr><td>技能应用</td><td>多样化技能(如烹饪),可选择简单方案(加热预制菜)或复杂流程(从头烹饪)</td><td>技能分为两类:插件:即插即用工具Flow:预设工作流按需执行</td></tr><tr><td>交互方式</td><td>多渠道联系(面对面/电话/微信/视频)</td><td>多平台发布(API/企业微信/钉钉),支持并发响应</td></tr></table> 资料来源：阿里云开发者社区，华龙证券研究所 # 01 Agent——协调者角色 # Agent在交互流程中扮演核心协调者的角色 以谷歌Agent示例来看，用户与Agent具体交互步骤包括： (1) 用户输入查询指令后, Agent会主动构建结构化指令——整合提示词和示例模板发送给模型; (2) 模型根据接收到的提示词和示例模板解析用户意图，生成 JSON 负载并通过 Agent 传到用户端 UI； (3) 用户端UI直接调用API并返回数据，以富格式内容向用户展示结果。 在此过程中，模型的作用是提供客户端所需的参数，而实际的API调用由客户端UI负责执行。在一些应用场景中，API最终的响应数据也会返还给智能体，以便智能体在推理、逻辑决策或行动选择中进行参考和利用。因而Agent在此过程中扮演的角色类似于一个信息拆解、分配、处理的中枢。 图3:Agent在交互中的执行流程 资料来源：谷歌，华龙证券研究所 # 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 # 从Chatbot到Composer到Agent的必然性 从Chatbot到Agent，经历了约三个代际的AI产品形态演变。 # 第一代（Chatbot） - 定位：聊天程序 - 任务完成度：用户输入问题，产品输出答复/解决方案，具体执行需要用户完成。 - 代表产品：Chatgpt # 第二代（Composer） 定位：编程实习生 - 任务完成度：用户输入问题，产品生成解决问题的代码，并且自动填入代码编辑器的编译区，需用户审核、进一步编写和执行。 - 代表产品：Cursor，Copilot # 第三代（Agent） - 定位：个人秘书 - 任务完成度：用户输入问题，产品生成完整的的解决方案，可调用工具、数据库等自动执行任务，用户需选择执行方案或决定是否终止执行。 - 代表产品：Manus 在演变的过程中，用户与AI的交互更为深入，任务结果交付更为完整。在当下，Agent是“过程交付”转向“结果交付”的更好载体。展望未来，AI产品的演进将更多地强化“生产力”属性，而非纯粹的“工具”属性。对企业来说，劳动力运营支出正在被GPU资本支出取代。 图4：AI产品形态的大致演变过程 资料来源：Github，华龙证券研究所 # Agent有望推动AI应用付费逻辑转变 - 具体来说，对B端客户，企业本身对于AI应用助力公司降本增效的需求较为明确。AI应用能够帮助企业提升的产能大于投入的成本，即ROI>1，就会刺激企业客户的付费意愿。而以Agent对劳动力的补充效应来说，人与AI的交互模式可以拆解为三种：Embedding模式、Copilot模式和Agents模式。在这三种模式中，Agents模式下，AI会完成绝大部分工作，人只需要设立目标、提供资源并且监督结果。由于在这种模式下，Agent能够直接交付成果，对于工作任务的完成度或对劳动力的补充效果指标更容易量化，因此更容易形成看得见的ROI提升。 - 并且，由于Agent能够辅助人类产生经济效益这一特性，企业对于AI的支出将从Capex转变Opex。Capex，即资本性支出，指用于获取或升级长期资产（如设备、厂房、技术）的大额投资，通过折旧/摊销分期转化为费用。Opex，即运营性支出，指维持企业日常运营的经常性费用（如工资、租金、水电费）。Agent能够部分替代劳动力职能，带来收益，因此对于Agent的资金投入相当于为劳动力付费，从而这部分资金未来将会从单纯的Capex转变为Opex，更进一步提升企业付费意愿。 图5：人与AI协同的三种方式 资料来源：腾讯研究院，华龙证券研究所 # 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 # 顶层设计出台，Agent发展目标明晰 - 时隔十年，“人工智能+”接力“互联网+”。2015年7月4日，国务院印发《关于积极推进“互联网+”行动的指导意见》，成为支撑“互联网+”蓬勃发展的顶层设计文件。十年后（2025年8月26日），国务院印发《关于深入实施“人工智能+”行动的意见》（下称《意见》）。关于人工智能的顶层设计文件出台，有望再次顺应时代发展的浪潮，引导人工智能技术加速赋能千行百业。关于智能体，《意见》中提出了两个总体目标和关键时间点：到2027年，新一代智能终端、智能体等应用普及率超 $70\%$ ；到2030年，新一代智能终端、智能体等应用普及率超 $90\%$ 。其次，《意见》提到了在软件、信息、金融、商务、法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。以及，提到培育人工智能应用服务商，发展“模型即服务”、“智能体即服务”等商业模式。与“互联网+”相比，“人工智能+”总体目标更具体、可量化。 表2：“互联网+”行动与“人工智能+”行动的目标对比 <table><tr><td>发布时间</td><td>政策文件</td><td>总体目标</td></tr><tr><td rowspan="2">2015年7月4日</td><td rowspan="2">《关于积极推进“互联网+”行动的指导意见》</td><td>到2018年，互联网与经济社会各领域的融合发展进一步深化，基于互联网的新业态成为新的经济增长动力，互联网支撑大众创业、万众创新的作用进一步增强，互联网成为提供公共服务的重要手段，网络经济与实体经济协同互动的发展格局基本形成。</td></tr><tr><td>到2025年，网络化、智能化、服务化、协同化的“互联网+”产业生态体系基本完善，“互联网+”新经济形态初步形成，“互联网+”成为经济社会创新发展的重要驱动力量。</td></tr><tr><td rowspan="3">2025年8月26日</td><td rowspan="3">《关于深入实施“人工智能+”行动的意见》</td><td>到2027年，新一代智能终端、智能体等应用普及率超70%；</td></tr><tr><td>到2030年，新一代智能终端、智能体等应用普及率超90%；</td></tr><tr><td>到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。</td></tr></table> 资料来源：中国政府网，华龙证券研究所 # AIInfra——Agent产业繁荣的基础 - AIInfra建设高速发展，为Agent生态繁荣创造先决条件。在AI战略驱动下，海外云厂微软、谷歌，亚马逊，Meta等北美云厂近年来不断调高资本开支，加码对AI和云基础设施的投入力度。2025年初，阿里在业绩说明会上表明计划在未来三年内对AI和云计算基础设施的投资超过过去十年的总和。2025年9月，阿里官方表示，将持续追加更大投入。对比2022年，2032年阿里云全球数据中心能耗规模将提升10倍。以阿里上调资本开支为起点，预计国内大厂资本开支预期将延续上调趋势。 - 推理算力持续高速增长。据IDC预测，到2028年，预计中国AI服务器中73%的工作负载将用于推理。推理侧与应用端直接挂钩，随大厂资本开支预期进一步上调，推理侧算力边际增长加快。 表3：Agent产业链 <table><tr><td>上游</td><td>基础设施与技术提供商。提供硬件支持、算法与模型、数据服务、云计算平台。</td></tr><tr><td>中游</td><td>AI Agent研发与集成商。主要为系统集成商、软件开发商等。</td></tr><tr><td>下游</td><td>应用与终端用户。主要为面向C/B/G的行业应用、终端设备厂商。</td></tr></table> 资料来源：华经产业研究院，华龙证券研究所 图6：北美四大云厂资本开支 资料来源：Wind，华龙证券研究所 # MCP：AI应用的USB-C接口 - MCP（模型上下文）协议是由Anthropic于2024年11月推出的开放协议，可类比为“AI应用程序的USB-C接口”——正如USB-C通过统一物理接口连接各类外设，MCP为AI模型与多样化数据源及工具建立了通用交互标准。在MCP出现之前，AI应用依赖手动API布线、插件接口或代理框架等碎片化方式与外部工具交互，这种模式要求为每个服务开发专用集成，不仅导致系统复杂性激增，还严重限制了可扩展性。MCP出现后，开发者无需重复编写适配代码即可构建复杂工作流和Agents，有效解决了传统AI面临的“数据孤岛”和“工具碎片化”的难题，更通过开放协议催生了跨平台协作生态，使得开发者能聚焦业务逻辑而非底层适配，加速了AI应用的规模化落地。 - 大厂入局，MCP生态持续繁荣。（1）海外：OpenAI、谷歌、微软和亚马逊等海外大厂陆续宣布支持或集成MCP协议。（2）国内：阿里云百炼平台、腾讯云、百度千帆大模型平台等官宣支持MCP协议。 图7：支持MCP协议和不支持MCP协议场景下的工具调用对比 资料来源：《Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions》, XINYI HOU et al., 华龙证券研究所 # 多重因素为Agent生态繁荣奠基 # A2A：实现Agent之间的交互 - A2A（Agent2Agent）协议是由谷歌推出的一个开放标准，旨在实现智能体之间的相互对话，能够在一个由不同框架和不同供应商构建代理的世界中提供一种通用语言，便利Agent与Agent之间的沟通。A2A主要的作用包括：通过代理卡发现彼此（Agent）的高级技能和能力；协商交互方式（文本、文件、结构化数据）；管理共享的、可能需要长时间运行的任务；交换对话上下文、指令和复杂的多部分结果。 - A2A与MCP协议共同构建了稳健的Agent应用的互补标准。区别在于，MCP通过结构化输入/输出连接代理与工具、API和资源，可以视为Agent获取其功能的方式，更侧重于智能体的使用能力。A2A则促进不同代理之间作为对等体的动态、多模态通信，更侧重于智能体合作完成任务。也就是，一个Agent可能会使用A2A与其他Agent进行通信，而每个Agent内部则使用MCP与其特定的工具和资源进行交互。 图8：A2A与MCP协议的互补关系 资料来源：谷歌，华龙证券研究所 图9：A2A在Agent间沟通的意义 资料来源：谷歌，华龙证券研究所 # 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 # 通用型Agent和垂类Agent的区别 - 通用Agent是一种能够处理多种任务和应用场景的AI系统。它们通常具有广泛的知识和能力，可以在不同的环境中执行各种任务。例如，像ChatGPT这样的通用Agent可以进行对话、回答问题、生成文本等。通用Agent的优势在于其灵活性和广泛的适用性，但在特定领域的专业性和准确性可能不如垂直Agent。 - 垂直Agent专注于特定领域或行业，提供高度定制化的解决方案。它们通常集成了该领域的专业知识和数据，能够在特定场景中提供高精度的服务。例如，医疗诊断Agent可以准确识别疾病并提供循证医学支持的诊断建议，金融风控Agent可以实时分析交易模式并识别潜在的欺诈行为。 - 垂类Agent依托企业多年积累的结构化、深加工专业数据，形成通用大模型无法通过公开语料“想象”补齐的专业壁垒。在应用场景中，垂类Agent直接嵌入企业核心业务流程，把“感知-决策-执行”做完整，替代的是高成本、重复性人力工作，降本增效立竿见影，客户付费意愿高。由于垂类Agent更容易解决“AI最后一公里”难题，我们认为垂类Agent有望出现数量上的繁荣。 <table><tr><td colspan="2">表4:Agent在行业中的部分应用场景</td></tr><tr><td>行业</td><td>场景</td></tr><tr><td>金融</td><td>客户服务、财富管理、展业助手等</td></tr><tr><td>制造业</td><td>设备维修助手、研发助手、具身智能等</td></tr><tr><td>快消</td><td>智能营销、实时分析数据、动态推荐</td></tr><tr><td>物流</td><td>自动分拣、路径规划,降低分拣错误率,提升仓库吞吐流转效率</td></tr><tr><td>人力资源管理</td><td>云端智能处理面试视频、评估候选人匹配度、优化评估机制</td></tr><tr><td>医疗</td><td>智能导诊、院内服务、患者健康管理等</td></tr><tr><td>教育</td><td>校园百事通、教师课件助手、科研助手</td></tr></table> 资料来源：经济日报，华龙证券研究所 # 通用Agent：具备跨领域适应性，定位为“全能助手” # - 海外：Agent雏形已显现 - OpenAI:2025年7月17日，OpenAI更新ChatGPT智能体。OpenAI推出ChatGPT智能体，融合Operator和Deep research核心功能。本次发布的ChatGPT智能体集成在ChatGPT当中，本质上是OpenAI前期发布的两个产品——Operator和Deepresearch的结合。ChatGPT智能体既有Operator能够在网页上滚动、点击和输入文本的远程网页预览能力，也有Deep research擅长分析和总结信息的优势。在模拟复杂现实世界任务的基准测试中，ChatGPT智能体的输出结果在约一半的案例中与人类表现相当或更优，且在任务完成时间范围内，其表现显著优于o3和o4-mini。测试中的任务来源于现实世界，包括具有经济价值的复杂工作任务，例如对按需急诊服务提供商进行竞争分析、编制详细的摊销计划，以及为新的绿色氢能设施识别可行的水井。我们认为通用Agent的能力边界仍在持续拓展，各Agent产品在工具调用和任务领域上会更为追求“大而全”。 图10：经济型的复杂任务测试 o4-mini win o4-mini tie 03win 03 tie ChatGPT agent win ChatGPT agent tie rannnnnne nnnnne ${13}/{14}$ ${12}/{12}$ ${12}/{12}$ ${12}/{12}$ ${12}/{14}$ ${13}/{14}$ 江 次 . $\frac{1}{2} =$ ${12}/{12}$ $\therefore m = \frac{3}{11}$ Economically important tasks 图11：CUA在计算机使用和浏览器使用基准 资料来源：OpenAI，华龙证券研究所 # 通用Agent：具备跨领域适应性，定位为“全能助手” - 海外：Agent雏形已显现 - Anthropic:2025年5月，Anthropic推出新一代Claude 模型——Claude Opus 4和Claude Sonnet 4，两个模型均可在扩展思考模式下均支持工具调用（如网络搜索），Claude能够动态切换推理与工具使用流程，从而优化最终响应质量。此外，Anthropic API上新发布了四个新功能，帮助开发者构建更强大的 AI 代理：代码执行工具、MCP 连接器、文件 API，以及能够缓存提示长达一小时的能力。 - 谷歌：2025年，谷歌开始将智能体功能引入 Chrome、搜索和 Gemini 应用中。其中，Gemini 应用中 Agent Mode 的实验版本即将推出。Agent Mode 展现了一个智能体的雏形。比如在帮助用户寻找公寓的案例中，它能帮助用户在 Zillow 等网站上找到符合条件的房源，调整过滤器，并使用 MCP 访问房源，甚至为用户安排看房。 图12: Claude Opus 4和Claude Sonnet 4 <table><tr><td></td><td>Claude Opus 4</td><td>Claude Sonnet 4</td><td>Claude Sonnet 3.7</td><td>OpenAI o3</td><td>OpenAI GPT-4.1</td><td>Gemini 2.5 Pro 预定(05-06)</td></tr><tr><td>代理式编程</td><td>72.5% /</td><td>72.7% /</td><td>62.3% /</td><td rowspan="2">69.1%</td><td rowspan="2">54.6%</td><td rowspan="2">63.2%</td></tr><tr><td>SWE-bench 验证1.5</td><td>79.4%</td><td>80.2%</td><td>70.3%</td></tr><tr><td>代理终端编程</td><td>43.2% /</td><td>35.5% /</td><td rowspan="2">35.2%</td><td rowspan="2">30.2%</td><td rowspan="2">30.3%</td><td rowspan="2">25.3%</td></tr><tr><td>终端基准2.5</td><td>50.0%</td><td>41.3%</td></tr><tr><td>研究生级推理</td><td>79.6% /</td><td>75.4% /</td><td rowspan="2">78.2%</td><td rowspan="2">83.3%</td><td rowspan="2">66.3%</td><td rowspan="2">83.0%</td></tr><tr><td>GPQA钻石2</td><td>83.3%</td><td>83.8%</td></tr><tr><td>代理工具使用</td><td>零售</td><td>零售</td><td>零售</td><td>零售</td><td>零售</td><td rowspan="2">-</td></tr><tr><td>TAU-bench</td><td>81.4%</td><td>80.5%</td><td>81.2%</td><td>70.4%</td><td>68.0%</td></tr><tr><td></td><td>航空公司</td><td>航空公司</td><td>航空公司</td><td>航空公司</td><td>航空公司</td><td rowspan="2">-</td></tr><tr><td></td><td>59.6%</td><td>60.0%</td><td>58.4%</td><td>52.0%</td><td>49.4%</td></tr><tr><td>多语言问答 MMMLU3</td><td>88.8%</td><td>86.5%</td><td>85.9%</td><td>88.8%</td><td>83.7%</td><td>-</td></tr><tr><td>视觉推理 MMMU (验证)</td><td>76.5%</td><td>74.4%</td><td>75.0%</td><td>82.9%</td><td>74.8%</td><td>79.6%</td></tr><tr><td>高中数学竞赛 AIME 20255,6</td><td>75.5% /</td><td>70.5% /</td><td rowspan="2">54.8%</td><td rowspan="2">88.9%</td><td rowspan="2">-</td><td rowspan="2">83.0%</td></tr><tr><td></td><td>90.0%</td><td>85.0%</td></tr></table> 资料来源：Anthropic，华龙证券研究所 图13：Gemini 应用中的Agent Mode寻找公寓过程 资料来源：谷歌，华龙证券研究所 # 通用Agent：具备跨领域适应性，定位为“全能助手” - 国内：模型优势继续放大，在创新和颠覆中形成正循环 - 模型持续领先，开源推动行业共同进步。DeepSeek R1后，国产开源大模型形成的优势持续。2025年7月18日，据国际权威大模型排行榜LMArena，Kimi K2接棒DeepSeek-R1-0528，成为全球排名第一的开源模型，大模型总榜全球第5名。截至10月27日，全球排名前10的模型中，国产模型占三席，分别为qwen3-max-preview、glm-4.6、qwen3-max-2025-09-23。国产AI在全球竞争中不断取得新突破，开源生态日渐繁荣，中国开源模型在全球影响力上持续提升。我们认为，中国AI企业正凭借底层技术创新在国际竞争中崛起。 图14：LMArena全球大模型排行榜（截至10月27日） <table><tr><td>Q型号 258/258</td><td>总体↑↓</td><td>硬提示↑↓</td><td>编程↑↓</td><td>数学↑↓</td><td>创意写作↑↓</td><td>指令跟随↑↓</td><td>长查询↑↓</td><td>多轮对话↑↓</td></tr><tr><td>A claudi-opus-4-1-...</td><td>1</td><td>1</td><td>1</td><td>1</td><td>1</td><td>1</td><td>1</td><td>1</td></tr><tr><td>A claudi-sonnet-4-...</td><td>1</td><td>1</td><td>1</td><td>1</td><td>2</td><td>1</td><td>1</td><td>1</td></tr><tr><td>G gemini-2.5-pro</td><td>1</td><td>3</td><td>5</td><td>1</td><td>1</td><td>2</td><td>2</td><td>2</td></tr><tr><td>gpt-4.5-preview-...</td><td>1</td><td>7</td><td>5</td><td>8</td><td>1</td><td>2</td><td>4</td><td>1</td></tr><tr><td>chatgpt-4o-lates...</td><td>2</td><td>5</td><td>5</td><td>13</td><td>2</td><td>7</td><td>5</td><td>1</td></tr><tr><td>A claudi-opus-4-1-...</td><td>2</td><td>3</td><td>2</td><td>1</td><td>2</td><td>1</td><td>2</td><td>1</td></tr><tr><td>A claudi-sonnet-4-...</td><td>2</td><td>2</td><td>4</td><td>2</td><td>1</td><td>1</td><td>2</td><td>1</td></tr><tr><td>gpt-5-high</td><td>2</td><td>5</td><td>5</td><td>1</td><td>9</td><td>8</td><td>15</td><td>8</td></tr><tr><td>o3-2025-04-16</td><td>2</td><td>6</td><td>6</td><td>1</td><td>9</td><td>10</td><td>20</td><td>10</td></tr><tr><td>qwen3-max-preview</td><td>3</td><td>3</td><td>4</td><td>1</td><td>8</td><td>5</td><td>4</td><td>4</td></tr><tr><td>Z glm-4.6</td><td>10</td><td>5</td><td>5</td><td>2</td><td>2</td><td>5</td><td>6</td><td>9</td></tr><tr><td>gpt-5-chat</td><td>10</td><td>5</td><td>5</td><td>9</td><td>9</td><td>8</td><td>6</td><td>3</td></tr><tr><td>qwen3-max-2025-0...</td><td>10</td><td>5</td><td>3</td><td>1</td><td>6</td><td>6</td><td>5</td><td>3</td></tr></table> 资料来源：LMArena，华龙证券研究所 # 通用Agent：具备跨领域适应性，定位为“全能助手” - 国内：模型优势继续放大，在创新和颠覆中形成正循环 - 月之暗面：Kimi K2模型正式发布并开源，代码和Agentic任务执行能力突出。Kimi K2采用DeepSeek V3的架构，并在其基础上进行了优化（如增加专家数量、减少注意力头数量等），以更少的计算资源实现更强的性能。这种继承与优化的策略，体现了中国开源模型在架构设计上的务实与成熟，在互相借鉴中持续进步，形成了良好的开源生态。 - K2模型有1T总参数，激活参数32B，采用MoE架构，在SWE Bench Verified、Tau2等硬核基准夺得开源SOTA。预训练阶段使用MuonClip优化器实现万亿参数模型的稳定高效训练，有效提高Token利用效率；配合大规模Agentic Tool Use数据合成和引入自我评价机制的通用强化学习等关键技术，K2在代码能力、工具调用能力和风格化写作能力方面实现全面跃升，展现出通用Agent雏形。API定价方面，K2支持最长128K上下文，输入定价与输出定价分别为：4元/百万tokens和16元/百万tokens。我们认为，K2更为聚焦代码能力，任务执行上向Agent形态靠拢，反映了基础模型能力迭代趋势。同时，开源能够加速国内AGI研究与应用落地的整体进程，继DeepSeek开源后，进一步将行业竞争从“闭源堆卡”推向“开源创新”的新轨道。 图15：Kimi K2在自主编程、工具调用和数学推理维度表现优异 资料来源：Kimi，华龙证券研究所 图16：Kimi K2的大规模智能体数据合成 资料来源：Kimi，华龙证券研究所 # 通用Agent：具备跨领域适应性，定位为“全能助手” - 国内：模型优势继续放大，在创新和颠覆中形成正循环 - 国产算力+国产大模型适配加速，国内AI产业闭环正在形成。DeepSeek-V3.1宣布为下一代国产卡设计、阶跃星辰Step-3在基模方面持续创新，基于国产卡推理效率大幅领先。 - DeepSeek: DeepSeek于2025年9月22日更新了V3.1-Terminus 版本大模型（基于DeepSeek-V3.1版本的更新），重点提高了Agent能力，进一步优化了编程智能体和搜索智能体的能力。我们认为国产模型的Agent能力将延续加速迭代的趋势，将有效提高Agent的可用性，对于复杂任务的完成度，扩大使用场景。 图17：DeepSeek-V3.1搜索智能体测评结果 <table><tr><td>Benchmarks</td><td>DeepSeek-V3.1</td><td>DeepSeek-R1-0528</td></tr><tr><td>Browsecomp</td><td>30.0</td><td>8.9</td></tr><tr><td>Browsecomp_zh</td><td>49.2</td><td>35.7</td></tr><tr><td>HLE</td><td>29.8</td><td>24.8</td></tr><tr><td>xbench-DeepSearch</td><td>71.2</td><td>55.0</td></tr><tr><td>Frames</td><td>83.7</td><td>82.0</td></tr><tr><td>SimpleQA</td><td>93.4</td><td>92.3</td></tr><tr><td>Seal0</td><td>42.6</td><td>29.7</td></tr></table> 资料来源：Deepseek，华龙证券研究所 图18：DeepSeek-V3.1-Terminus Agent能力提升 <table><tr><td>Benchmark</td><td>DeepSeek-V3.1</td><td>DeepSeek-V3.1 -Terminus</td></tr><tr><td colspan="3">非 Agent 测评 (thinking 模式)</td></tr><tr><td>MMLU-Pro</td><td>84.8</td><td>85.0</td></tr><tr><td>GPQA-Diamond</td><td>80.1</td><td>80.7</td></tr><tr><td>Humanity's Last Exam</td><td>15.9</td><td>21.7</td></tr><tr><td>LiveCodeBench</td><td>74.8</td><td>74.9</td></tr><tr><td>Codeforces</td><td>2091</td><td>2046</td></tr><tr><td>Aider-Polyglot</td><td>76.3</td><td>76.1</td></tr><tr><td colspan="3">Agent 测评</td></tr><tr><td>BrowseComp</td><td>30.0</td><td>38.5</td></tr><tr><td>BrowseComp-zh</td><td>49.2</td><td>45.0</td></tr><tr><td>SimpleQA</td><td>93.4</td><td>96.8</td></tr><tr><td>SWE Verified</td><td>66.0</td><td>68.4</td></tr><tr><td>SWE-bench Multilingual</td><td>54.5</td><td>57.8</td></tr><tr><td>Terminal-bench</td><td>31.3</td><td>36.7</td></tr></table> 资料来源：Deepseek，华龙证券研究所 图19：阶跃星辰基于国产卡推理效率大幅领先（32k上下文） 资料来源：阶跃星辰，华龙证券研究所 # 通用Agent：具备跨领域适应性，定位为“全能助手” - 国内：模型优势继续放大，在创新和颠覆中形成正循环 - 阿里巴巴：Agent将成为AI时代中的“软件”。阿里于9月云栖大会上正式提出ASI战略，提出AI的终极目标是超级人工智能。阿里认为，AI时代中，互联网时代所产生的操作系统和软件生态将被颠覆，大模型将扮演操作系统的角色，Agent将成为AI时代中的“软件”。吴泳铭在主旨演讲中将AI的未来路径从AGI延伸到ASI,描绘了清晰的三阶段演进:智能涌现(学习人) $\rightarrow$ 自主行动(辅助人) $\rightarrow$ 自我迭代(超越人)。我们当前正处于自主行动时期，Agent的发展是我们走向自主迭代时期的关键。在此过程中，人类将要适应和智能体共同工作，与智能体共同分担社会角色。 - 阿里以AI战略为导向，Agent产品从概念走向交付，通过完整的开发框架、20万开发者构建的80万个Agent。Agent正在走出实验室，进入生产环境。截至2025年9月24日数据，随着模型能力的不断提升以及Agent应用的爆发，阿里云百炼平台的模型日均调用量在一年内增长了15倍。 图20：阿里巴巴ASI目标路径图 资料来源：阿里巴巴微信公众号，华龙证券研究所 图21：以大模型作为操作系统、Agent作为软件的架构 资料来源：阿里巴巴微信公众号，华龙证券研究所 # 垂类Agent：专注特定场景或领域，强调专业知识，定位为“行业专家” - 阿里巴巴：飞猪于今年劳动节假期前夕推出多智能体驱动的旅行AI——“问一问”，能够思考用户需求，提供定制化的旅行规划和预订服务。用户可以通过自然语言交互提出需求，“问一问”在“路线定制师”、“酒店顾问”等多个智能体的协作下，为用户提供行程规划、交通规划、酒店推荐、生成行程图等服务，并可以一键直达出行和住宿预订界面。与其他大部分AI助手不同，“问一问”连接了飞猪的实时报价引擎，可以精准捕捉机票、酒店的实时价格，提供多个真实可订的选择。此外，用户还可以随意调整预算区间，“问一问”将会根据新预算，迅速生成一套符合需求的新方案。 - 总体而言，飞猪“问一问”深刻理解了旅游规划这一复杂场景的需求，并进行了针对性优化。在AI时代，高质量的专有数据是比算法模型更深的护城河。飞猪凭借其生态内实时、准确的供应链数据，构建了竞争壁垒，其价值在于解决问题，也使得用户能够愿意为最终效果（一键规划和实时比价）买单。这表明，拥有独特场景和数据的公司，在推动垂类Agent落地方面具有先天优势。飞猪“问一问”展现了垂类Agent的基本发展路径：依托自身的数据和生态优势，在特定领域内将复杂任务的处理体验做到极致，通过提升效率和体验来创造商业价值。我们认为，在众多垂直行业，类似“AI专家”的落地应用将会加速涌现。 图22：飞猪旅行Agent“问一问”功能 资料来源：阿里巴巴，华龙证券研究所 图23：飞猪旅行Agent“问一问”功能 资料来源：阿里巴巴，华龙证券研究所 # 开发门槛大幅下降，垂类Agent具备爆发潜力 - Salesforce：于2025年6月推出面向企业的智能体平台Agentforce 3，用户可以通过Agentforce使用预制Agent或自定义Agent，构建企业级数字劳动平台。 - 字节：扣子空间是字节跳动推出的一款人与Agent协作平台，支持任务自动化、专家代理和多种应用场景，包括播客生成、PPT制作和网页开发等。用户可以通过自然语言指令与平台互动，实现高效的协作和复杂任务处理。同时，扣子空间也支持用户快速搭建个性化的智能体。即使非技术背景的用户，也能在扣子空间快速创建定制化AI应用。平台提供对话状态机引擎，通过拖拽式界面配置意图识别规则与多轮对话流程。能够解决中小企业定制开发成本高、周期长的难题。在金融分析、用户调研等专业场景中，扣子空间内置的专家级Agent可直接提供深度服务。例如投资类Agent能生成包含个股走势预测的每日早报，调用专业金融框架解析自选股数据；DeepTrip旅行专家能够根据指令生成旅行攻略。这些专家Agent能够帮助用户解决垂直领域知识门槛过高的问题。 - 支持自然语言交互的Agent开发平台让“人人都可以是产品经理”走向现实，更有望将基于特定数据库的垂类Agent数量推向新的高点。 图24：通过Agentforce构建的企业级Agent系统 资料来源：Agentforce，华龙证券研究所 图25：扣子空间DeepTrip 旅行专家Agent工作案例 资料来源：扣子空间，华龙证券研究所 # 多Agent协同与工具调用能力将是Agent能力拓展的支点，有望加速Agent商业模式走通 - 多Agent协作（Multi-AgentCollaboration）是指多个自主智能体（Agent）通过通信、协调与任务分工，共同完成单个Agent无法高效或无法独立完成的复杂目标。其核心特征是“去中心化、交互性、互补性”，不依赖单一超级模型，而是通过群体智能涌现超越个体能力的集体表现。技术视角下，从模型到多Agent场景有望形成闭环。生态视角下，AI应用路径或从单点工具走向Agent平台最终形成基于多智能体的垂直行业解决方案。 - 终端Agent以嵌入终端的形式触达消费者，一般以硬件一次性收入为主要收入来源。非终端Agent通常采用：（1）订阅模式（SaaS模式）。用户按周期（月/年）付费使用AI Agent功能，适用于标准化需求场景（如智能客服、数据分析），企业订阅后可获得稳定服务与持续更新。（2）按调用量付费，即按调用次数或任务量计费。适用于需求波动较大的场景（如云计算、大数据分析）。企业根据实际使用的API调用次数或任务复杂度付费，降低前期投入风险。（3）垂类场景中可按定制化服务收费（按智能体付费）。例如，针对金融、医疗、物流等行业的特定需求提供定制AI Agent，收取开发与部署费用。当前，SaaS和按调用量收费是主流选择方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。（4）按结果付费（RaaS）。这是一种新兴的商业模式，其核心在于企业不再为人工智能技术本身或使用量付费，而是根据智能体实际达成的业务成果来支付费用，要求AI能够交付可量化的商业价值。当前，SaaS和按调用量收费仍然是主流方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。 图26：基于LLM的多智能体协同系统问答应用实例 资料来源：Khanh-Tung Tran et al., 《Multi-Agent Collaboration Mechanisms: A Survey of LLMs》, 华龙证券研究所 表5：Agent主流的收费模式 <table><tr><td>面向对象</td><td>收费逻辑</td><td>代表形态</td></tr><tr><td>终端消费者</td><td>硬件销售升级</td><td>消费者服务（智能手机AI智能体）</td></tr><tr><td rowspan="4">非终端消费者</td><td>订阅制</td><td>SaaS</td></tr><tr><td>按智能体付费</td><td>Agent-as-a-Service(AaaS)</td></tr><tr><td>按结果付费</td><td>Result-as-a-Service(RaaS)</td></tr><tr><td>按调用量收费</td><td>按tokens计费</td></tr></table> 资料来源：陈永伟，《智能体经济的崛起：AI智能体对商业世界的重塑》，涂鸦智能，腾讯科技，央广网，华龙证券研究所 # Agent商业化进入加速期 A股部分上市公司垂类Agent进展情况 <table><tr><td colspan="4">表6:Agent相关标的和主要进展</td></tr><tr><td>股票代码</td><td>股票简称</td><td>AI业务/产品进展</td><td>AI+赛道</td></tr><tr><td>688111. SH</td><td>金山办公</td><td>发布WPS AI 3.0并推出原生Office办公智能体</td><td>AI+办公</td></tr><tr><td>002230. SZ</td><td>科大讯飞</td><td>智能体总数较2025年初增长85%</td><td>AI+教育/医疗等</td></tr><tr><td>600588. SH</td><td>用友网络</td><td>发布全新一代用友BIP智能体构建平台,助力企业级智能体构建;ChatBI、DataAgent等智能化能力平台研发完成;推出数十个全面覆盖十大领域深度场景应用的智能体。</td><td>AI+企业数智化</td></tr><tr><td>300378. SZ</td><td>鼎捷数智</td><td>发布企业智能体生成套件;发布具备制造业Know-How的多智能体协作协议——MACP</td><td>AI+企业数智化</td></tr><tr><td>300687. SZ</td><td>赛意信息</td><td>核心产品善谋AIGC平台中包括企业级AI智能体子平台(善用)</td><td>AI+企业数智化</td></tr><tr><td>300170. SZ</td><td>汉得信息</td><td>推出B端AI应用软件及服务——“得灵”系列产品,在营销、供应链、财务、工业等领域构建业务智能体并落地</td><td>AI+企业数智化</td></tr><tr><td>603039. SH</td><td>泛微网络</td><td>以“大模型+小模型+智能体”为架构的泛微数智大脑Xiaoe.AI</td><td>AI+协同办公</td></tr><tr><td>688369. SH</td><td>致远互联</td><td>构建了新一代AI智能体产品线CoMi,包含一系列企业应用Agent</td><td>AI+企业数智化</td></tr><tr><td>603171. SH</td><td>税友股份</td><td>推出“犀友”智能体中心,以多模态AI能力配合传统小模型能力构建出智能体,实现税务流程智能化。</td><td>AI+税务数智化</td></tr><tr><td>300634. SZ</td><td>彩讯股份</td><td>彩讯智慧办公AI系列产品,整合数十种智能体模块,覆盖邮件、审批、创作等高频办公场景,支持企业自定义创建智能体</td><td>AI+协同办公</td></tr><tr><td>002657. SZ</td><td>中科金财</td><td>与阿里云联合推出AI业务流程智能体原生平台(SinoAgent),可应用于银行、影视内容等多个行业场景</td><td>AI+金融科技</td></tr><tr><td>002987. SZ</td><td>京北方</td><td>构建以“京北方大模型&智能体系列”为核心的智能产品体系</td><td>AI+金融科技</td></tr><tr><td>300033. SZ</td><td>同花顺</td><td>公司于2025年上半年升级了多个智能产品,推动前沿大模型技术应用。问财投资助手实现革命性进化,从单一推理模型跃升为自主规划推理智能体</td><td>AI+金融科技</td></tr><tr><td>603859. SH</td><td>能科科技</td><td>提供自主研发的“灵系列”AI agent产品及解决方案;构建覆盖二十余个工业场景的应用 Agent</td><td>AI+工业</td></tr><tr><td>300624. SZ</td><td>万兴科技</td><td>推出音视频AI Agent创作工具——万兴超媒Agent/SuperMedia</td><td>AI+视频创意</td></tr></table> 资料来源：公司公开资料整理，华龙证券研究所 # 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 # 05 投资建议 投资建议：Agent推动企业预算从“买工具”到“买结果”转变，全球算力Capex不断上行，基础模型加速迭代，为Agent生态繁荣创设良好条件。维持计算机行业“推荐”评级。建议关注：（1）办公Agent：金山办公（688111.SH）、泛微网络（603039.SH）、税友股份（603171.SH）；（2）企业管理Agent：鼎捷数智（300378.SZ）、赛意信息（300687.SZ）、汉得信息（300170.SZ）、用友网络（600588.SH）；(3)金融Agent：京北方(002987.SZ)、中科金财(002657.SZ)、同花顺(300033.SZ)；(4)多模态Agent：科大讯飞（002230.SZ）、万兴科技(300624.SZ)。 表7：重点关注公司及盈利预测 <table><tr><td rowspan="2">股票代码</td><td rowspan="2">股票简称</td><td>2025/10/27</td><td colspan="4">EPS（元）</td><td colspan="4">PE</td><td rowspan="2">投资评级</td></tr><tr><td>股价（元）</td><td>2024A</td><td>2025E</td><td>2026E</td><td>2027E</td><td>2024A</td><td>2025E</td><td>2026E</td><td>2027E</td></tr><tr><td>002230.SZ</td><td>科大讯飞</td><td>51.35</td><td>0.24</td><td>0.39</td><td>0.56</td><td>0.75</td><td>169.94</td><td>130.86</td><td>91.96</td><td>68.78</td><td>未评级</td></tr><tr><td>002657.SZ</td><td>中科金财</td><td>31.98</td><td>-0.16</td><td>-0.02</td><td>0.09</td><td>0.16</td><td>/</td><td>/</td><td>368.43</td><td>201.89</td><td>未评级</td></tr><tr><td>002987.SZ</td><td>京北方</td><td>20.61</td><td>0.5</td><td>0.42</td><td>0.49</td><td>0.58</td><td>25.35</td><td>49.59</td><td>42.49</td><td>35.80</td><td>未评级</td></tr><tr><td>300033.SZ</td><td>同花顺</td><td>347.59</td><td>3.39</td><td>4.95</td><td>6.07</td><td>7.01</td><td>110.21</td><td>70.20</td><td>57.26</td><td>49.56</td><td>未评级</td></tr><tr><td>300170.SZ</td><td>汉得信息</td><td>16.47</td><td>0.19</td><td>0.24</td><td>0.30</td><td>0.37</td><td>64.80</td><td>68.14</td><td>55.23</td><td>44.80</td><td>未评级</td></tr><tr><td>300378.SZ</td><td>鼎捷数智</td><td>48.25</td><td>0.57</td><td>0.76</td><td>0.93</td><td>1.16</td><td>46.70</td><td>63.49</td><td>51.88</td><td>41.59</td><td>增持</td></tr><tr><td>300624.SZ</td><td>万兴科技</td><td>67.61</td><td>-0.85</td><td>0.15</td><td>0.49</td><td>0.79</td><td>/</td><td>459.62</td><td>139.14</td><td>85.33</td><td>未评级</td></tr><tr><td>300687.SZ</td><td>赛意信息</td><td>25.58</td><td>0.34</td><td>0.46</td><td>0.64</td><td>0.78</td><td>29.34</td><td>55.02</td><td>40.21</td><td>32.98</td><td>未评级</td></tr><tr><td>600588.SH</td><td>用友网络</td><td>14.37</td><td>-0.62</td><td>-0.08</td><td>0.08</td><td>0.19</td><td>/</td><td>/</td><td>186.87</td><td>74.84</td><td>未评级</td></tr><tr><td>603039.SH</td><td>泛微网络</td><td>55.39</td><td>0.78</td><td>0.99</td><td>1.20</td><td>1.36</td><td>71.47</td><td>56.06</td><td>45.97</td><td>40.85</td><td>未评级</td></tr><tr><td>603171.SH</td><td>税友股份</td><td>46.25</td><td>0.28</td><td>0.53</td><td>0.88</td><td>1.27</td><td>148.78</td><td>87.74</td><td>52.57</td><td>36.43</td><td>未评级</td></tr><tr><td>688111.SH</td><td>金山办公</td><td>298.75</td><td>3.56</td><td>3.99</td><td>4.77</td><td>5.79</td><td>100.52</td><td>74.82</td><td>62.69</td><td>51.60</td><td>未评级</td></tr></table> 数据来源：Wind,华龙证券研究所；注：鼎捷数智盈利预测来源于华龙证券研究所,其余所有公司盈利预测来源于Wind一致预期 # 目录 1 Agent的定位与角色 2 需求引领下，Agent的出现具有必然性 3 多重因素为Agent生态繁荣奠基 4 Agent商业化进入加速期 5 投资建议 6 风险提示 # 06 风险提示 (1) 市场竞争加剧。部分赛道处于建设初期，行业壁垒尚在构建。 (2) 所引用数据资料的误差风险。本报告数据资料来源于公开数据，将可能对分析结果造成影响。 (3) AI应用落地速度不及预期。当前市场上AI应用的定价、商业模式以及市场监管等方面仍处于探索阶段。 (4) 技术迭代速度不及预期。技术突破速度对Agent应用范围和节奏影响较大。 (5) 重点关注公司业绩不达预期。重点关注公司业绩会受到各种因素影响，如果业绩不达预期，会使得公司股价受到影响。 (6) 政策标准出台速度不及预期。当前AI相关技术发展速度较快, 数据需求量大, 往往伴随数据安全、数据所有权等问题, 因此需要政策提供支持和引导。 # 免责及评级说明部分 # 分析师声明： 本人具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉尽责的职业态度，独立、客观、公正地出具本报告。不受本公司相关业务部门、证券发行人人士、上市公司、基金管理公司、资产管理公司等利益相关者的干涉和影响。本报告清晰准确地反映了本人的研究观点。本人在预测证券品种的走势或对投资证券的可行性提出建议时，已按要求进行相应的信息披露，在自己所知情的范围内本公司、本人以及财产上的利害关系人与所评价或推荐的证券不存在利害关系。本人不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。据此入市，风险自担。 投资评级说明： <table><tr><td>投资建议的评级标准</td><td>类别</td><td>评级</td><td>说明</td></tr><tr><td rowspan="8">报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后的6-12个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅。其中：A股市场以沪深300指数为基准。</td><td rowspan="5">股票评级</td><td>买入</td><td>股票价格变动相对沪深300指数涨幅在10%以上</td></tr><tr><td>增持</td><td>股票价格变动相对沪深300指数涨幅在5%至10%之间</td></tr><tr><td>中性</td><td>股票价格变动相对沪深300指数涨跌幅在-5%至5%之间</td></tr><tr><td>减持</td><td>股票价格变动相对沪深300指数跌幅在-10%至-5%之间</td></tr><tr><td>卖出</td><td>股票价格变动相对沪深300指数跌幅在-10%以上</td></tr><tr><td rowspan="3">行业评级</td><td>推荐</td><td>基本面向好，行业指数领先沪深300指数</td></tr><tr><td>中性</td><td>基本面稳定，行业指数跟随沪深300指数</td></tr><tr><td>回避</td><td>基本面向淡，行业指数落后沪深300指数</td></tr></table> # 免责声明： 华龙证券股份有限公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。 本报告的风险等级评定为R4，仅供符合本公司投资者适当性管理要求的客户（C4及以上风险等级）参考使用。本公司不会因为任何机构或个人接收到报告而视其为当然客户。 本报告信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，本公司可能会发出与本报告所载意见、评估及预测不一致的研究报告，但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。同时，本报告所指的证券或投资标的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。 本报告仅为参考之用，并不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议，也不构成对所述金融产品、产品发行或管理人作出任何形式的保证。在任何情况下，本公司仅承诺以勤勉的职业态度，独立、客观地出具本报告以供投资者参考，但不就本报告中的任何内容对任何投资做出任何形式的承诺或担保。据此投资所造成的任何一切后果或损失，本公司及相关研究人员均不承担任何形式的法律责任。 在法律许可的情况下，本公司及所属关联机构可能会持有报告中提及的公司所发行证券的头寸并进行证券交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。 # 版权声明： 本报告版权归华龙证券股份有限公司所有，本公司对本报告保留一切权利。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。 # 华龙证券研究所 # 北京 地址：北京市东城区安定门外大街189号天鸿宝景大厦西配楼F4层 邮编：100033 # 兰州 地址：兰州市城关区东岗西路638号文化大厦21楼 邮编：730030 电话：0931-4635761 # 上海 地址：上海市浦东新区浦东大道720号11楼 邮编：200000 # 深圳 地址：深圳市福田区民田路178号华融大厦辅楼2层 邮编：518046