计算机：AI Agent：外创新企业的再次自我革命

证券研究报告|行业专题 计算机 行业投资评级|优于大市（维持） 2024年11月27日 AIAgent：海外创新企业的再次自我革命 证券分析师 姓名：陈涵泊 资格编号：S0120524040004 邮箱：chenhb3＠tebon.com.cn 证券分析师 姓名：李佩京 资格编号：S0120524090004 邮箱：lipj＠tebon.com.cn 研究助理 姓名：王思 邮箱：wangsi＠tebon.com.cn 0 核心逻辑 AIAgent：大模型开启推理时刻，算力成本降低推动产业化进程。AIAgent是一种能够感知环境、进行决策和执行动作的智能实体，具备通过独立思考、调用工具去逐步完成给定目标的能力，可拆解为大模型+规划+记忆+工具使用四个组成部分。我们认为，AIAgent的产业发展离不开AI大模型的进步和推理成本的下降，当前已初步具备发展条件。1）o1掀起推理的划时代革命，通过思维链开启推理ScallingLaw时刻。根据TheInformation，传统的大模型ScalingLaw已经撞墙，OpenAI发布了全新的多模态Self-playRL模型o1，o1开创模型scaling的新维度，模型性能不再仅仅受限于预训练阶段，现在可以通过增加推理计算资源来提升模型表现。2）国内外算力供需错配现象改善，算力部署成本有望下降，有利于Agent产业化推广。从AI算力租赁成本来看，租赁价格今年较去年缩水70%。根据PANews，去年由于AI算力供应紧张，H100的租赁价格高达每小时8美元，但现在市场上算力供应过剩，价格降到了每小时2美元以下。 产业进程：国内外科技厂商共振，美国涌现多款垂类AIAgent取得显著进展。大模型能力增长遇瓶颈，国内外科技大厂转向AIAgent。国外来看，OpenAI、Google、Anthropic正在将注意力从模型转移至一系列AIAgent工具上，Anthropic推出Computeruse，变革人类与PC交互方式，OpenAI、Google也将Agent应用排上日程；国内来看，智谱抢跑发布AutoGLM，百度、腾讯、钉钉等互联网大厂纷纷跟进。我们认为，随着企业数字化进程不断发展，部分企业已积累了大量的数字文档、资料等，具备行业know-how的企业更有能力推出Agent应用，美国垂直领域龙头不断落地AIAgent。1）AI+营销：AppLovin，AXON赋能广告实现精准投放；2）AI+数据分析：Palantir，AI加速数据智能整合、分析和决策；3）AI+CRM：Salesforce，Agent起到提高员工效率和员工人数的作用；4）AI+办公：微软连出10款AIAgent，涵盖销售、运营、服务三类，内部Copilot和Agent重塑各个部门的业务流程，扩大员工工作效能；5）AI+教育：Duolingo，AI助力教育行业应材施教，有望加速提高用户付费率。 商业成效：Agent用户粘性增强，商业模式完善实现初步兑现。AIAgent可以实现员工与数字生产力的协作，直接带来企业价值。根据甲子光年，截至2030年，AI在全球各行业可能创造的价值将近3.8万亿美元。从用户访问量来看，AI应用访问量阶段性向好，用户使用习惯或已养成。根据10月AI产品榜单，全球前 20AI产品Web访问量基本都在增长，其中微软的copilot增速最快，达到87.57%。我们认为，在行业领域具备know-how，深入了解客户需求后开发出的垂类Agent，如果长期来看能够帮助企业提升的产能大于投入的成本，就有望形成付费，从而实现Agent价值兑现。近期海外AI应用业绩大爆发，初步验证垂类AIAgent的商业价值，资本市场表现亮眼。Applovin、Palantir、Innodata2024年初至11月26日股价涨幅分别为750.36%、296.50%、418.23%。 投资建议：我们认为，随着底层大模型沿着推理端不断迭代，AIAgent迎来良好的产业发展基础，美股AIAgent已在B端例如广告营销、数据分析、办公应用、教育等多个领域取得显著进展，成为业绩增长的驱动力。未来，随着用户对AI应用关注度和使用粘性提高，在垂类场景具备行业know-how的厂商有望率先受益。建议关注：1）toBAgent：泛微网络、致远互联、金蝶国际、彩讯股份、鼎捷软件、汉得信息、用友网络、科大讯飞、金证股份、华策影视、中国软件国际；2）toCAgent：金山办公、万兴科技、福昕软件、彩讯股份；3）AI多模态：万兴科技、虹软科技、当虹科技、中科创达、大华股份、海康威视、漫步者、萤石网络、汉仪股份、美图公司、云从科技等。 风险提示：技术迭代不及预期、国内AIAgent商业化进展不及预期、算力供应不及预期、行业竞争加剧风险等。 请务必阅读正文之后的信息披露及法律声明。1 目录CONTENTS 01 AIAgent：底层技术愈发成熟，算力成本降低开启产业化篇章 02 产业进程：国内外科技厂商共振，场景化AIAgent落地加快 03 商业成效：Agent用户粘性增强，商业模式完善实现初步兑现 04 投资建议和风险提示 请务必阅读正文之后的信息披露及法律声明。2 01 AIAgent：底层技术愈发成熟，算力成本降低开启产业化篇章 1.1、AIAgent：感知环境，自主行动，更广泛的人机融合 1.2、大模型：实现复杂任务规划，推理的ScallingLaw时刻 1.3、算力：国内外算力保障供给，Agent推理成本有望下降 1.1AIAgent：感知环境，自主行动，更广泛的人机融合 AIAgent是一种能够感知环境、进行决策和执行动作的智能实体，具备通过独立思考、调用工具去逐步完成给定目标的能力，可拆解为大模型+规划+记忆+工具使 用四个组成部分。例如，与每一步都需要人工输入的传统人工智能工具不同，AutoGPT代理可在后台持续工作。它们会根据所规划的目标开展行动，并可自主运行。 大模型：充当Agent的大脑,配合规划、记忆、工具高效完成任务。 规划：子目标和分解，Agent将大任务分解为较小、可管理的子目标，使其能够有效处理复杂任务；反思和完善，Agent可以对过去的行为进行自我批评和自我反思，从错误中学习，并为未来的步骤进行完善，从而提高最终结果的质量。 记忆：短期记忆，所有的上下文学习都是利用模型的短期记忆进行学习；长期记忆，这为Agent提供了在长时间内保留和回忆（无限）信息的能力，通常通过利用外部向量存储和快速检索来实现。 工具：学会调用外部API以获取模型权重中缺失的额外信息（经常在预训练后难以更改），包括当前信息、代码执行能力、访问专有信息源等。 AIAgent带来更广泛的人机融合。基于大模型的Agent不仅可以让每个人都有增强能力的专属智能助理，还将改变人机协同的模式，带来更为广泛的人机融合。智能体（Agent）模式中，人类设定目标和提供必要的资源（例如计算能力），然后AI独立地承担大部分工作，最后人类监督进程以及评估最终结果。 AI 人类 AI 人类 人类完成绝大部分工作 人类和AI协作工作 AI完成大部分工作 Embedding模式 Copilot模式 Agent模式 AI全权代理 其中某（几）个任务 AI提供信息或建议 其中某（几）个任务 AI提供信息或建议 人类修改调整确认 设定目标 提供资源监督结果 任务拆分 工具选择进度控制 人类自主结束工作 人类自主结束工作 AI自主结束 工作 人类 人类设立任务目标 人类设立任务目标 AI 图表：LLM驱动下的AIAgentSystem概览图表：人类与AI协同的三种模式 1.2.1Agent性能依赖于推理能力，CoT为其重要手段 AIAgent的性能依赖于推理能力，思维链（CoT）提示技术是提升这一能力的重要手段。 就像人类一样，在从事复杂任务时，每一步之间往往会有一个推理过程。AIAgents也会借助ReAct组件（ReasoningandActing），将大模型的推理能力和行为决策紧密结合起来，使语言模型可以根据知识进行有逻辑地计划安排。 根据《ChainofThoughtPromptingElicitsReasoninginLargeLanguageModels》，思维链提示策略可以有效提升大型语言模型的推理能力。通过在输入中加入一系列中间推理步骤作为提示，引导模型按照类似人类的思维方式进行推理，从而提高其在各种复杂任务中的性能，进行更深层次的逻辑推理和问题解决。 Altman提出了AGI五级理论，推理能力提升是向L3智能体过度的重要环节。其中，AIAgent处于通过AGI的L3等级，智能体不仅能思考，还可以采取行动的AI系统，能够执行全自动化业务。L2等级所展现的强大推理和问题解决能力是达到Agent等级的重要环节，OpenAIo1模型为L2等级的代表。 图表：AGI五级理论图表：大模型引入CoT提高复杂任务准确性 等级内容 L1聊天机器人具有对话能力的AI，能够与用户进行流畅的对话，提供信息、解答问题、辅助创作等，比如聊天机器人。 L2推理者像人类一样能够解决问题的AI，能够解决类似于人类博士水平的复杂问题，展现出强大的推理和问题解决能力，比如OpenAIo1。 L4创新者能够协助发明创造的AI，具有创新的能力，可以辅助人类在科学发现、艺术创作或工程设计等领域产生新想法和解决方案。 L3智能体不仅能思考，还可以采取行动的AI系统，能够执行全自动化业务。 L5组织者可以完成组织工作的AI，能够自动掌控整个组织跨业务流程的规划、 执行、反馈、迭代、资源分配、管理等，基本上已经与人类差不多。 请务必阅读正文之后的信息披露及法律声明。 资料来源：GoogleResearch&BrainTeam《ChainofThoughtPromptingElicitsReasoninginLargeLanguageModels》， 5 APPSO微信公众号，甲子光年微信公众号，德邦研究所 1.2.2传统ScallingLaw已放缓，o1掀起推理的划时代革命 受制于高质量文本数据越来越少等原因，传统的大模型ScallingLaw已放缓。根据TheInformation，传统的大模型ScalingLaw已经撞墙，OpenAI下一代旗舰Orion遭遇瓶颈，仅仅增加模型规模已经不能保证性能的线性提升，且伴随着高昂成本和显著的边际效益递减。路透社发文表示，由于当前方法受到限制，OpenAI和其他公司正在寻求通向更智能AI的新途径。 OpenAI发布了全新的多模态Self-playRL模型o1，通过多步推理的方式，其在语言推理方面取得了傲人的成绩，开启了推理的ScallingLaw时刻。 o1开创模型scaling的新维度，模型性能不再仅仅受限于预训练阶段，现在可以通过增加推理计算资源来提升模型表现。OpenAI发现，随着强化学习的增加（训练时间计算）和思考时间的增加（测试时间计算），o1的性能会持续提高。 o1模型实现了结构化推理，展现思维链（COT）能力，将单个任务拆解成多个简单任务，提升回答的逻辑性。它通过让模型在回答复杂问题时，逐步解释每一步的推理过程，而不是直接给出答案。因此模型在回答问题时就像是人类在解题时那样，先思考每一步的逻辑，再逐步推导出最终的结果。具体来看，o1至少已经能够实现：提出假设，验证思路，反思过程这三种主要的逻辑推理能力。 我们认为，大模型已从GPT3.5的简单对话能力发展至o1的复杂任务规划解决能力，为AIAgent发展建立了技术根基，通过强化推理的方式迈开通过AGI的重要一步。 图表：o1性能随着训练时间和测试时间计算而平稳提升图表：o1在具有挑战性的推理基准上大大优于GPT-4o 1.3算力：国内外算力保障供给，Agent推理成本有望下降 国内外算力供需错配现象改善，算力部署成本有望下降，有利于Agent产业化 推广