核心观点
AIAgent的发展路径类似于搭积木过程，过去各模块（大模型智能性、多模态推理、Coding能力、工具调用ToolUse、Token经济、算力支撑）零散分布，单一技术无法形成闭环，Agent形态始终停留在“缺乏行动能力”的状态。当前，以MCP为代表的工具调用协议标准化落地、OpenAI的AgentSDK框架逐步完善、大模型Coding能力提升至产业应用级别、Token调用成本大幅下降等因素叠加，各项技术模块已逐渐完整拼接。我们认为，AIAgent已经走到从组件齐备到整体协同运转的“临界点”，产业生态将步入爆发式增长阶段。预计将有越来越多的工具、软件开发接口，供大模型调用以提升其用户使用体验。且随着Token价格的下降，Agent渗透将加速。以MCP聚合平台Smithery为例，平台上已经有超过3500个MCP服务器推出，涉及多个领域。
技术演进
大模型
- 基础对话 → 需求对齐 → 智能涌现 → 多模态+长时记忆 → 强Coding与推理能力
- 发展历程：GPT-1 → GPT-2 → GPT-3 → InstructGPT/ChatGPT → Claude/GPT-4 → GPT-4o/Claude3/Gemini1.5Pro等
- 关键突破：多模态处理、长时记忆（上下文窗口扩展至1M Tokens）、推理能力提升
工具调用
- RAG（检索增强生成）→ FunctionCalling → MCP协议 → 计算机操作
- 关键进展：MCP协议标准化工具调用，简化跨模型跨平台调用
技术迭代
- COT（思维链）提出 → LangGraph等Agent开发框架完善 → Cursor/Cline等AI代码编辑器推出
- 关键框架：LangGraph（循环图概念）、MCP协议、AgentSDK
算力消耗测算
- 假设日活10亿的全球级AIAgent应用，每日所需算力约相当于14.15万张NVIDIA H100 SX MGPU
- 未来向多模态、复杂推理与高频次ToolUse方向演进，算力需求将指数级攀升
- 案例：Manus一次标准复杂度任务执行预计消耗20万Tokens；Cline+MCP+claudesonnet3.7组合一次标准旅行规划消耗93.34万Tokens
投资建议
产业链相关标的
- 硬件与基础设施：NVIDIA、AMD、Intel、TSMC、中芯国际、Amazon、Microsoft、Alphabet、CoreWeave、阿里巴巴
- 模型开发与研究：Alphabet、Microsoft、Meta、阿里巴巴、腾讯控股、科大讯飞
- 平台与工具：HuggingFace、Brevian、Anysphere、Coze、ScaleAI、Turing
- 应用：特斯拉、Salesforce、Adobe、Palantir、快手、阿里巴巴、腾讯控股、Boss直聘、美图、多领国
A股传媒相关标的
- AI教育：南方传媒、豆神教育、荣信文化、世纪天鸿
- AI陪伴：奥飞娱乐、上海电影、汤姆猫
- AI工具：果麦文化、昆仑万维、易点天下
- AI娱乐：恺英网络、巨人网络、盛天网络
风险提示
- AI大模型发展进度不及预期风险
- AI应用发展进度不及预期风险
- 技术与环境变化导致测算依据失效的风险
- 数据信息更新不及时风险
