国泰海通非银投研:投研Agent超越大模型的生产力

一、核心要点

1. 本次研报为国泰海通非银系列第三讲，主题为金融投研Agent的深度研究，对比其与Chat类AI的差异，并拆解产业链、商业模式，分析行业空间与成长逻辑。
2. AI Agent具备自主感知、记忆、决策、交互、执行五大能力，核心与Chat类AI的差异在于永久性结构化记忆、本地文件操作、主动推送任务，体现为从信息工具到任务执行者的跃升。
3. Agent分类维度包括应用范围（通用型由头部互联网厂商布局，垂类如万得、同花顺等布局金融投研场景）和部署方式（云端托管、本地托管、完全本地化部署）。
4. AI投研发展分为三个阶段：2022年Chat阶段、传统Agent阶段（以Minas为标志）、当前Agent2.0阶段（以Cloud为标志，降低应用门槛），金融领域在2025年底起快速推广。

二、投资线索

1. Agent产业链分为上游算力云服务、中游大模型、下游应用，Agent等于模型加Harness（运行支撑设施），Harness构建层、连接层、能力层、运行管控层四层结构保障Agent稳定运行。
2. Agent变现模式包括出租底层算力、按年收费加超额token付费，金融垂类Agent具备数据积淀深、业务逻辑理解好、准确性要求匹配度高、长链路推理适配性强的优势，商业价值更高。
3. 投研Agent核心壁垒为数据（高质量稀缺金融数据积淀）、Skill（投研专业技能封装与生态建设）、Harness（合规稳定运行的技术保障）三者协同，分别决定是否懂金融、是否会干活、是否合规稳定。
4. 行业展望：到2030年全球Agent市场规模有望达392亿美元，未来空间包括B端投研、C端投顾、出海三大方向，具备数据、Skill、Harness优势的头部公司将受益，推荐标的为同方财富（东方财富）、同华顺（同花顺）。

三、风险与关注

1. 风险点：监管合规风险、AI模型幻觉问题、Agent执行中可能出现的数据滥用或权限滥用问题。
2. 行业局限：金融数据口径标准化程度不足、AI模型幻觉问题仍存在，需通过标准化数据体系、封装专业技能组件、构建投研级治理底座迭代升级。