share_log

AI Agent,大模型落地下一站

AI Agent,大模型落地下一站

中金點睛 ·  08:28

來源:中金點睛
作者:陳昊 溫晗靜等

摘要

AI Agent(人工智能體)是能夠感知環境、自主規劃、進行決策和執行動作以實現目標的智能體,具有自主性、交互性、反應性、適應性等基本特徵,其核心驅動力爲大語言模型。隨着大模型賦能底層技術突破,我們看到AI Agent在聚焦垂類+多個智能體協同應用場景逐步落地,根據market.us,2033年全球大模型市場規模將有望由2023年的45億美元增長至821億美元,10年CAGR達33.7%。我們看好AI Agent未來發展趨勢及上下游產業鏈變化帶來的投資機會。

基礎設施側,AI Agent帶動更多應用興起拉動算力需求,多層推理帶動計算量成倍增長。我們觀察到各大模型廠商API輸入/輸出定價呈加速降低趨勢,大模型廠商的商業模式正逐步邁入以價換量時代,推動推理量的增長。考慮到推理芯片的需求主要對時延更加敏感,我們認爲未來端側硬件的需求差異化有望推動推理芯片性能多樣化、需求定製化。我們看好國內端側AI芯片企業有望在細分場景站穩腳跟,尋求差異化破局之路。

應用側,C端硬件或成流量入口,B端生產工具有望全面升級。1)C端,AI Agent長期將改變人機交互的方式,手機端有望形成新的流量入口,或深刻影響產業商業模式。我們看好Internet Plus-related及手機廠商對系統級AI的佈局,其中手機廠商將語音助手升級爲智能體;Internet Plus-related廠商相關公司相繼推出自主智能體,已具備「接管手機」或「接管電腦」的能力;2)B端,AI Agent有望憑藉專業性的知識沉澱落地B端市場,實現企業降本增效,其中賦能企業效率提升是決策核心考量,我們看好AI agent帶來的效率提升有望刺激新一輪產業投資。

具身智能側,AI Agent賦予機器人智慧,產業落地想象空間廣闊。基於大模型的AI Agent有望提升具身智能系統的智慧水平,加速具身智能的商業化落地,其中參與廠商不乏特斯拉、Figure.ai以及國內大疆、宇樹等知名廠商。我們認爲,AI Agent賦能下具身智能有望在各行各業中落地,發展前景廣闊,我們預計中國人形機器人出貨量有望在2030年達到35萬台,市場空間有望於2030年達581億元。

風險

宏觀經濟低迷影響消費者需求,技術迭代不及預期,AI商業化不及預期,算力供應不及預期,數據安全監管收緊風險,行業競爭風險加劇。

正文

AI Agent,探索通往AGI之路

  • 什麼是AI Agent?

AI Agent (人工智能體)是能夠感知環境、自主規劃、進行決策和執行動作以實現目標的智能體,具有自主性、交互性、反應性、適應性等基本特徵。與大模型和人類通過prompt進行交互的指令導向不同,AI Agent具備了通過獨立思考、自主規劃、調用工具去逐步完成給定目標的能力,爲目標導向。

圖表1:AI Agent觀點彙總分析

資料來源:華南AI實驗室,《LLM Powered Autonomous Agents》(Lilian Weng,2023),復旦大學NLP實驗室,
  • 發展歷程:大模型賦予AI Agent底層技術突破,探索通往AGI之路

AI Agent發展逾40年,大模型賦能下跨入新的智能體階段。20世紀80年代Wooldridge等人將Agent引入人工智能,自此之後AI Agent經歷了符號智能體、反應型智能體、基於強化學習的智能體、具有遷移學習和元學習功能的智能體四大發展階段。此前的強化學習等範式主要集中在增強特定領域的技術能力,但通用能力的發展被忽視,如長期規劃、有效泛化、知識記憶等。而LLM具備的自然語言理解能力、思維鏈、湧現能力使得AI Agent具備了較好的學習和遷移能力,處理問題的泛化性效果增強,推動着AI Agent進入了新智能體階段,成爲通向AGI的主要探索路徑。

圖表2:AI Agent發展歷程

資料來源:甲子光年智庫,《中國AI Agent行業研究》(沙利文&頭豹,2024),中金公司研究部
  • 行業空間:GMI預計2032年全球市場規模爲881億美元

底層雲側及端側大模型持續發展,推動AI Agent市場規模不斷增長。大模型作爲AI Agent的核心驅動力,其技術的迭代、市場的增長有望持續推動AI Agent不斷髮展。根據market.us,2033年全球大模型市場規模將由2023年的45億美元增長至821億美元,10年CAGR達33.7%。根據大模型部署方式不同,AI Agent應用落地可分爲雲側和端側兩類。

►雲側:雲計算平台較快發展,爲AI Agent應用孵化創造有利條件。根據IDC,2023年全球公有云市場規模同比增長22.4%至4819億美元。

►端側:端側AI持續滲透,AI Agent端側應用有望順利普及:1)AI手機方面,根據Counterpoint,2027年Gen AI手機出貨量有望突破5.5億部,滲透率達43%;2)AIPC方面,根據Canalys,3Q24全球AI PC出貨量達1,330萬台,滲透率達20%;Canalys預計2027年全球AIPC滲透率有望達60%以上。

根據GMI數據,2023年全球AI Agent市場規模約52億美元,其中雲側應用佔比約64%。隨着企業加速將AI集成到其運營中降本增效,以及AI Agent或以應用服務的形式嵌入終端設備面向消費者,GMI預計2032年全球AI Agent市場規模將達881億美元,對應2023~2032年CAGR超36.5%。

圖表3:全球AI Agent市場規模增長預測及驅動因素

資料來源:market.us,面壁智能官方公衆號,Counterpoint,GMI,中國信通院,中金公司研究部

注:其中LLM市場規模測算來自market.us;公有云市場規模測算來自中國信通院;生成式AI手機出貨量預測來自Counterpoint;AI Agent市場規模數據來自GMI

基礎設施:從訓練到推理,算力增長持續化,硬件需求豐富化

  • AI Agent帶動更多應用興起拉動算力需求,多層推理帶動計算量成倍增長

回溯自2022年11月GPT 3.5發佈以來至今,我們認爲大模型廠商對於API輸入/輸出百萬Tokens的收費標準整體呈現較爲明顯的下降態勢。我們認爲大模型廠商的商業模式正逐步邁入以價換量時代,收費標準的價格普遍下降有望吸引更多應用開發者和消費用戶。

圖表4:AI Agent如智譜清言APP日活用戶數

資料來源:QuestMobile,中金公司研究部

多層推理帶動計算量成倍增長。2024年9月Open AI正式發佈新一代生成式AI模型o1的預覽版,通過展示思維鏈(Chain of thought, CoT)的技術,使得其推理性能得到進一步提升。我們認爲,從思維鏈的顯性展示及所獲得的結果來看,表明了在某種程度上給予大模型越多的算力消耗,可以輸出越智能的結果。

  • 國產端側AI芯片:尋求差異化破局之路

由於推理場景多而大,對AI芯片催生了定製化、差異化的需求。雖然國內企業在代工製程、綜合設計實力方面暫時落後,但在細分領域各有所長。我們認爲,國內端側AI芯片企業有望在某個細分場景站穩腳跟的同時擴展底層實力,未來會逐漸走向與海外大廠的直接競爭,在國際舞臺嶄露頭角。

圖表5:終端AI芯片各下游性能要求

資料來源:Frost&Sullivan,各公司官網,中金公司研究部

產業格局:C端硬件或成流量入口,B端生產工具全面升級

  • C端:AI Agent或改變內容分發渠道,看好硬件流量入口發展空間

手機終端或有望成爲新的流量入口,深刻影響手機廠商商業模式。移動互聯網時代APP替代了網頁版的搜索引擎,各種APP成爲了人們獲取垂類信息的渠道,對應應用商店的入口作用得到了凸顯(當前手機端,用戶主要依靠手動從應用商店下載對應APP產品,APP本身承擔了內容篩選的角色,不同的APP對應提供不同類型的內容產品)。Agent(APP-less)UI交互模式下,APP弱化爲硬件的後臺服務提供方,一方面,APP和應用商店的入口功能被削弱,手機廠商軟體生態的商業模式或出現變化;另一方面,AI Agent產品由於高集成度、開發門檻高、對手機系統級硬件適配度要求高等特點,更適合於頭部軟硬件廠商如手機廠商、雲服務商、互聯網大廠開發。在此過程中,手機廠商由於天然掌握手機終端硬件入口,我們預計其有望佔得先機,從而更深刻地參與到內容的分發環節。

圖表6:內容分發渠道變遷

資料來源:中金公司研究部

圖表7:AI Agent幫助提升分發效率

資料來源:中金公司研究部
  • B端:AI agent或帶動新一輪產業投資,生產工具全面升級

AI Agent有望憑藉專業性的知識沉澱落地B端市場,實現企業降本增效。相較於個人用戶,企業用戶通常面臨更加複雜和多樣化的業務需求,並擁有更明確的業務場景、業務邏輯、更多場景化行業數據及其行業知識案例的積累,能夠發揮AI Agent的自主性、感知與理解環境、決策與執行、交互、使用工具等優勢。B端市場沉澱了海量場景化數據集,有望通過模型訓練與微調以深化場景體驗與模型的耦合程度,實現AI Agent嵌入企業客戶工作並承載業務邏輯。我們認爲,AI Agent有望在B端逐步釋放AI的核心價值,實現降本提效、優化人機、人人交互協同模式並引領生產關係的變革。

圖表8:AI Agent在B端落地價值,提升B端生產效率

資料來源:甲子光年《2024年中國AI Agent行業研究報告》,中金公司研究部

AI Agent賦能,智能機器人時代到來

傳統機器人發展已較爲成熟,AI Agent有望驅動機器人產業煥發新機,具身智能成爲未來發展方向。機器人已在汽車、電子製造、倉儲物流等衆多場景落地,但已商業化的工業機器人、服務機器人大多被設計來專用於執行特定任務。而具身智能由「本體」(物理實體)與「智能體」(AI Agent)構成,能夠感知並理解周圍環境,在物理環境中執行具體任務,並在環境交互中學習進化。我們認爲隨着勞動力人口占比下降、成本提升,以及任務場景趨於複雜、非結構化,更具通用性的具身智能有望成爲機器人產業未來發展方向。

圖表9:具身智能是能夠與物理環境交互並從交互中學習的人工智能系統

資料來源:高通官網,中金公司研究部
  • AI Agent賦予機器人智慧,打開廣闊應用空間

大模型的出現爲邁向通用人工智能提供契機。自谷歌Transformer神經網絡架構發佈以來,衆多研究者發現基於Transformer的預訓練語言模型在非語言類的任務中也能取得不錯的效果,具有較強的泛化能力。此後大模型被引入具身智能領域,例如谷歌在2023年發佈的PaLM-E模型,即是基於Transformer神經網絡開發的具身多模態大語言模型,能夠指導機器人實現長時序、one-shot、zero-shot等操作任務。基於大模型的AI Agent有望提升具身智能系統在人機交互、運動控制和感知交互等方面的智慧水平。具身智能算法不再僅針對特定任務,而是能泛化至未知任務中,我們認爲有望降低未來的開發成本、加快迭代速度,進而加速具身智能的商業化。向未來展望,我們認爲伴隨成本下降以及社會接受度的提升,人形機器人的滲透率有望快速提升。我們測算中國人形機器人出貨量有望在2030年達到35萬台,市場空間有望於2030年達581億元,保持高速增長態勢。

圖表10:人形機器人在四類場景中的應用推進節奏

資料來源:創業邦,中金公司研究部

風險提示

宏觀經濟低迷影響消費者需求:如匯率波動、大宗商品價格、通脹等宏觀因素影響消費者對可選消費品的需求。

技術迭代不及預期:AI Agent和大模型迭代放緩,或在端側適配中面臨難以攻克的技術挑戰。

AI商業化不及預期:客戶對AI付費意願和使用習慣存在差異,若缺乏持續使用的動力,AI產品難以成爲生活必需品,可能導致用戶粘性不足,抑制商業化變現能力。

算力供應不及預期:AI Agent對推理算力的高需求,使得算力供應成爲關鍵。若國內研發和供應進展低於預期,或因地緣政治風險導致進口算力產品供應受限,可能會影響AI Agent推廣落地。

數據安全監管收緊風險:數據廣泛應用可能引發數據安全相關擔憂,若監管政策進一步收緊,將對企業數據處理和AI模型訓練形成制約。

行業競爭風險加劇:行業公司競爭加劇會對盈利造成影響,增強行業不確定性。

編輯/jayden

譯文內容由第三人軟體翻譯。


以上內容僅用作資訊或教育之目的,不構成與富途相關的任何投資建議。富途竭力但無法保證上述全部內容的真實性、準確性和原創性。
    搶先評論