来源：中金点睛
摘要
AI Agent（人工智能体）是能够感知环境、自主规划、进行决策和执行动作以实现目标的智能体，具有自主性、交互性、反应性、适应性等基本特征，其核心驱动力为大语言模型。随着大模型赋能底层技术突破，我们看到AI Agent在聚焦垂类+多个智能体协同应用场景逐步落地，根据market.us，2033年全球大模型市场规模将有望由2023年的45亿美元增长至821亿美元，10年CAGR达33.7%。我们看好AI Agent未来发展趋势及上下游产业链变化带来的投资机会。
基础设施侧，AI Agent带动更多应用兴起拉动算力需求，多层推理带动计算量成倍增长。 我们观察到各大模型厂商API输入/输出定价呈加速降低趋势，大模型厂商的商业模式正逐步迈入以价换量时代，推动推理量的增长。考虑到推理芯片的需求主要对时延更加敏感，我们认为未来端侧硬件的需求差异化有望推动推理芯片性能多样化、需求定制化。我们看好国内端侧AI芯片企业有望在细分场景站稳脚跟，寻求差异化破局之路。
应用侧，C端硬件或成流量入口，B端生产工具有望全面升级。 1）C端， AI Agent长期将改变人机交互的方式，手机端有望形成新的流量入口，或深刻影响产业商业模式。我们看好互联网及手机厂商对系统级AI的布局，其中手机厂商将语音助手升级为智能体；互联网厂商相关公司相继推出自主智能体，已具备“接管手机”或“接管电脑”的能力；2）B端， AI Agent有望凭借专业性的知识沉淀落地B端市场，实现企业降本增效，其中赋能企业效率提升是决策核心考量，我们看好AI agent带来的效率提升有望刺激新一轮产业投资。
具身智能侧，AI Agent赋予机器人智慧，产业落地想象空间广阔。 基于大模型的AI Agent有望提升具身智能系统的智慧水平，加速具身智能的商业化落地，其中参与厂商不乏特斯拉、Figure.ai以及国内大疆、宇树等知名厂商。我们认为，AI Agent赋能下具身智能有望在各行各业中落地，发展前景广阔，我们预计中国人形机器人出货量有望在2030年达到35万台，市场空间有望于2030年达581亿元。
风险
宏观经济低迷影响消费者需求，技术迭代不及预期，AI商业化不及预期，算力供应不及预期，数据安全监管收紧风险，行业竞争风险加剧。
正文 AI Agent，探索通往AGI之路 AI Agent （人工智能体）是能够感知环境、自主规划、进行决策和执行动作以实现目标的智能体，具有自主性、交互性、反应性、适应性等基本特征。 与大模型和人类通过prompt进行交互的指令导向不同，AI Agent具备了通过独立思考、自主规划、调用工具去逐步完成给定目标的能力，为目标导向。
图表1：AI Agent观点汇总分析
资料来源：华南AI实验室，《LLM Powered Autonomous Agents》（Lilian Weng，2023），复旦大学NLP实验室， AI Agent发展逾40年，大模型赋能下跨入新的智能体阶段。 20世纪80年代Wooldridge等人将Agent引入人工智能，自此之后AI Agent经历了符号智能体、反应型智能体、基于强化学习的智能体、具有迁移学习和元学习功能的智能体四大发展阶段。此前的强化学习等范式主要集中在增强特定领域的技术能力，但通用能力的发展被忽视，如长期规划、有效泛化、知识记忆等。而LLM具备的自然语言理解能力、思维链、涌现能力使得AI Agent具备了较好的学习和迁移能力，处理问题的泛化性效果增强，推动着AI Agent进入了新智能体阶段，成为通向AGI的主要探索路径。
图表2：AI Agent发展历程
资料来源：甲子光年智库，《中国AI Agent行业研究》（沙利文&头豹，2024），中金公司研究部 底层云侧及端侧大模型持续发展，推动AI Agent市场规模不断增长。 大模型作为AI Agent的核心驱动力，其技术的迭代、市场的增长有望持续推动AI Agent不断发展。根据market.us，2033年全球大模型市场规模将由2023年的45亿美元增长至821亿美元，10年CAGR达33.7%。根据大模型部署方式不同，AI Agent应用落地可分为云侧和端侧两类。
►云侧： 云计算平台较快发展，为AI Agent应用孵化创造有利条件。根据IDC，2023年全球公有云市场规模同比增长22.4%至4819亿美元。
►端侧： 端侧AI持续渗透，AI Agent端侧应用有望顺利普及：1）AI手机方面，根据Counterpoint，2027年Gen AI手机出货量有望突破5.5亿部，渗透率达43%；2）AIPC方面，根据Canalys，3Q24全球AI PC出货量达1,330万台，渗透率达20%；Canalys预计2027年全球AIPC渗透率有望达60%以上。
根据GMI数据，2023年全球AI Agent市场规模约52亿美元，其中云侧应用占比约64%。随着企业加速将AI集成到其运营中降本增效，以及AI Agent或以应用服务的形式嵌入终端设备面向消费者，GMI预计2032年全球AI Agent市场规模将达881亿美元，对应2023~2032年CAGR超36.5%。
图表3：全球AI Agent市场规模增长预测及驱动因素
资料来源：market.us，面壁智能官方公众号，Counterpoint，GMI，中国信通院，中金公司研究部 注：其中LLM市场规模测算来自market.us；公有云市场规模测算来自中国信通院；生成式AI手机出货量预测来自Counterpoint；AI Agent市场规模数据来自GMI
基础设施：从训练到推理，算力增长持续化，硬件需求丰富化 回溯自2022年11月GPT 3.5发布以来至今，我们认为大模型厂商对于API输入/输出百万Tokens的收费标准整体呈现较为明显的下降态势。我们认为大模型厂商的商业模式正逐步迈入以价换量时代，收费标准的价格普遍下降有望吸引更多应用开发者和消费用户。
图表4：AI Agent如智谱清言APP日活用户数
资料来源：QuestMobile，中金公司研究部 多层推理带动计算量成倍增长。 2024年9月Open AI正式发布新一代生成式AI模型o1的预览版，通过展示思维链（Chain of thought, CoT）的技术，使得其推理性能得到进一步提升。我们认为，从思维链的显性展示及所获得的结果来看，表明了在某种程度上给予大模型越多的算力消耗，可以输出越智能的结果。
由于推理场景多而大，对AI芯片催生了定制化、差异化的需求。虽然国内企业在代工制程、综合设计实力方面暂时落后，但在细分领域各有所长。我们认为，国内端侧AI芯片企业有望在某个细分场景站稳脚跟的同时扩展底层实力，未来会逐渐走向与海外大厂的直接竞争，在国际舞台崭露头角。
图表5：终端AI芯片各下游性能要求
资料来源：Frost&Sullivan，各公司官网，中金公司研究部 产业格局：C端硬件或成流量入口，B端生产工具全面升级 手机终端或有望成为新的流量入口，深刻影响手机厂商商业模式。 移动互联网时代APP替代了网页版的搜索引擎，各种APP成为了人们获取垂类信息的渠道，对应应用商店的入口作用得到了凸显（当前手机端，用户主要依靠手动从应用商店下载对应APP产品，APP本身承担了内容筛选的角色，不同的APP对应提供不同类型的内容产品）。Agent（APP-less）UI交互模式下，APP弱化为硬件的后台服务提供方，一方面，APP和应用商店的入口功能被削弱，手机厂商软件生态的商业模式或出现变化；另一方面，AI Agent产品由于高集成度、开发门槛高、对手机系统级硬件适配度要求高等特点，更适合于头部软硬件厂商如手机厂商、云服务商、互联网大厂开发。在此过程中，手机厂商由于天然掌握手机终端硬件入口，我们预计其有望占得先机，从而更深刻地参与到内容的分发环节。
图表6：内容分发渠道变迁
资料来源：中金公司研究部 图表7：AI Agent帮助提升分发效率
资料来源：中金公司研究部 AI Agent有望凭借专业性的知识沉淀落地B端市场，实现企业降本增效。 相较于个人用户，企业用户通常面临更加复杂和多样化的业务需求，并拥有更明确的业务场景、业务逻辑、更多场景化行业数据及其行业知识案例的积累，能够发挥AI Agent的自主性、感知与理解环境、决策与执行、交互、使用工具等优势。B端市场沉淀了海量场景化数据集，有望通过模型训练与微调以深化场景体验与模型的耦合程度，实现AI Agent嵌入企业客户工作并承载业务逻辑。我们认为，AI Agent有望在B端逐步释放AI的核心价值，实现降本提效、优化人机、人人交互协同模式并引领生产关系的变革。
图表8：AI Agent在B端落地价值，提升B端生产效率
资料来源：甲子光年《2024年中国AI Agent行业研究报告》，中金公司研究部 AI Agent赋能，智能机器人时代到来 传统机器人发展已较为成熟，AI Agent有望驱动机器人产业焕发新机，具身智能成为未来发展方向。 机器人已在汽车、电子制造、仓储物流等众多场景落地，但已商业化的工业机器人、服务机器人大多被设计来专用于执行特定任务。而具身智能由“本体”（物理实体）与“智能体”（AI Agent）构成，能够感知并理解周围环境，在物理环境中执行具体任务，并在环境交互中学习进化。我们认为随着劳动力人口占比下降、成本提升，以及任务场景趋于复杂、非结构化，更具通用性的具身智能有望成为机器人产业未来发展方向。
图表9：具身智能是能够与物理环境交互并从交互中学习的人工智能系统
资料来源：高通官网，中金公司研究部 大模型的出现为迈向通用人工智能提供契机。 自谷歌Transformer神经网络架构发布以来，众多研究者发现基于Transformer的预训练语言模型在非语言类的任务中也能取得不错的效果，具有较强的泛化能力。此后大模型被引入具身智能领域，例如谷歌在2023年发布的PaLM-E模型，即是基于Transformer神经网络开发的具身多模态大语言模型，能够指导机器人实现长时序、one-shot、zero-shot等操作任务。基于大模型的AI Agent有望提升具身智能系统在人机交互、运动控制和感知交互等方面的智慧水平。具身智能算法不再仅针对特定任务，而是能泛化至未知任务中，我们认为有望降低未来的开发成本、加快迭代速度，进而加速具身智能的商业化。向未来展望，我们认为伴随成本下降以及社会接受度的提升，人形机器人的渗透率有望快速提升。我们测算中国人形机器人出货量有望在2030年达到35万台，市场空间有望于2030年达581亿元，保持高速增长态势。
图表10：人形机器人在四类场景中的应用推进节奏
资料来源：创业邦，中金公司研究部 风险提示 宏观经济低迷影响消费者需求： 如汇率波动、大宗商品价格、通胀等宏观因素影响消费者对可选消费品的需求。
技术迭代不及预期： AI Agent和大模型迭代放缓，或在端侧适配中面临难以攻克的技术挑战。
AI商业化不及预期： 客户对AI付费意愿和使用习惯存在差异，若缺乏持续使用的动力，AI产品难以成为生活必需品，可能导致用户粘性不足，抑制商业化变现能力。
算力供应不及预期： AI Agent对推理算力的高需求，使得算力供应成为关键。若国内研发和供应进展低于预期，或因地缘政治风险导致进口算力产品供应受限，可能会影响AI Agent推广落地。
数据安全监管收紧风险： 数据广泛应用可能引发数据安全相关担忧，若监管政策进一步收紧，将对企业数据处理和AI模型训练形成制约。
行业竞争风险加剧： 行业公司竞争加剧会对盈利造成影响，增强行业不确定性。
编辑/jayden
來源：中金點睛
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 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， 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 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 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。
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 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 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 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
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。
