《互聯網傳媒行業：AI時代新起點尋新投資方向（三）AI Agent大模型時代重要落地方向-231012（41頁）.pdf》由會員分享，可在線閱讀，更多相關《互聯網傳媒行業：AI時代新起點尋新投資方向（三）AI Agent大模型時代重要落地方向-231012（41頁）.pdf（41頁珍藏版）》請在三個皮匠報告上搜索。

1、AIAI時代新起點，尋新投資方向（三）時代新起點，尋新投資方向（三）AI Agent，大模型時代重要落地方向，大模型時代重要落地方向2023年10月12日證券分析師：張良衛執業證書編號：S0600516070001聯系郵箱：研究助理：郭若娜執業證書:S0600122080017 證券研究報告證券研究報告行業深度報告行業深度報告互聯網傳媒互聯網傳媒增持（維持）增持（維持）核心觀點核心觀點大模型時代的大模型時代的AI AGENT=LLMAI AGENT=LLM+規劃能力規劃能力 +記憶記憶+工具。工具。AI領域AGENT概念由來已久，這一輪LLM給AI AGENT提供了突破性技術方案，對AI AG

2、ENT性能表現至關重要；同時需借助外部工具在實際應用中保持長期一致性和準確性。目前AI AGENT的探索大致分為自主智能體和智能體模擬。方向一：方向一：自主智能體，力圖實現復雜流程自動化自主智能體，力圖實現復雜流程自動化。自主智能體有望帶來軟件行業交互方式和商業模式變革?；竽Ｐ湍芰鉀Q下限問題，在實際企業應用場景中自主智能體的架構設計、工程能力、垂類數據質量等也至關重要，垂類/中間件玩家亦有機會。其中，單智能體相對更適用于較簡單的任務，在C端應用上有一定潛力，代表性玩家包括中心化應用的ChatGPT、去中心化應用的adept AI、可定制和平臺化的Cortex、MindOS等；但其在B端場

3、景上略顯乏力，基本無法完成較為復雜的工作，多智能體優勢相對更加突出。代表性玩家包括MetaGPT、ChatDev、Showrunner。方向二：智能體模擬，力圖更加擬人可信。方向二：智能體模擬，力圖更加擬人可信。1 1）陪伴類智能體）陪伴類智能體強調情感情商等人類特征，具有“人格”，且能夠記住與用戶的歷史交流，代表應用如PI、Character ai、replica、glow等。我們認為國內情緒消費市場仍有較大想象空間，陪伴類智能體或受益于情緒消費趨勢紅利，成為LLM時代重要的AI原生應用。我們預計陪伴類智能體大部分商業價值集中在供給方而非平臺，我們更加看好具備豐富IP儲備或者能讓用戶定制智能

4、體的玩家。2）交互智能體：交互智能體：強調與環境交互的能力，智能體之間/與虛擬世界內事物之間可互動，可能涌現出超越設計者規劃的場景和能力，大模型不確定性反而成為優勢，有望成為AIGC重要部分。特別是對開放世界游戲等行業，可增強玩家沉浸感，解決開放世界內容消耗快的問題；多可信agent技術成熟后可能會孵化出新的游戲品類。代表項目如斯坦福大學開源的Smallville 小鎮，應用如網易逆水寒、昆侖萬維Club Koala。投資建議：投資建議：1 1）推薦在AI AGENT方向有直接布局的昆侖萬維、中文在線、盛天網絡，建議關注天地在線等。2）游戲板塊推薦研運能力出色且產品儲備充沛的廠商：愷英網絡、吉

5、比特、三七互娛、巨人網絡、寶通科技等，港股的創夢天地等，建議關注神州泰岳、世紀華通等。3）IP資源建議關注藝人IP（華策影視等）、影視IP（光線傳媒、奧飛娛樂、博納影業、上海電影、中國電影等）。4）教育推薦南方傳媒、鳳凰傳媒、皖新傳媒、新東方，建議關注世紀天鴻、好未來、高途集團、科大訊飛、佳發教育、盛通股份、傳智教育、鴻合科技等；電商及企業服務推薦焦點科技、華凱易佰、吉宏股份;創作類自主智能體發展有助于提高內容行業生產效率，推薦動畫電影龍頭光線傳媒。風險提示：風險提示：產業進展不及預期，監管風險，市場競爭加劇風險目錄目錄1.1.AI AGENTAI AGENT：LLMLLM提供新基座，自動化提

6、供新基座，自動化/擬人化是兩大方向擬人化是兩大方向2 2.自主智能體：自動化，新一輪生產力革命自主智能體：自動化，新一輪生產力革命2.2 自主智能體：實驗性VS實操性，單智能體VS多智能體3 3.智能體模擬：擬人化，新的精神消費品智能體模擬：擬人化，新的精神消費品3.1 陪伴類，提供情緒價值1.1 AI AGENT：感知并反應，具備自主性/可迭代/規劃性1.2 新時代AI AGENT：LLM+規劃+記憶+工具3.2 重交互，提高用戶體驗4.4.投資建議投資建議5.5.風險提示風險提示1.3 兩大方向：自動化（自主智能體）、擬人化（智能體模擬）2.1 自主智能體：軟件新范式，非大模型玩家亦有機會

7、1 1、AI AI AGENTAGENT：LLMLLM提供新基座，自動化提供新基座，自動化/擬人化是兩大方向擬人化是兩大方向121.1 AI AGENT1.1 AI AGENT：感知并反應，具備自主性：感知并反應，具備自主性/可迭代可迭代/規劃性規劃性資料來源：人工智能：現代方法（第4版），Karpathy，東吳證券研究所文本輸入區域文本輸入區域智能體智能體agentagent：通過傳感器：通過傳感器感知環境（收集信息）感知環境（收集信息）并通過執行器并通過執行器作用于該環境（采取行動）作用于該環境（采取行動）的事物。的事物。Agent概念最早起源于M.Minsky(AI之父之一）于1986年

8、出版的Society of Mind（也是神經網絡熱潮開始的年份），1994年AI學術界內便已開始較多對agent的討論，本篇報告我們采用22年出版的人工智能：現代方法（第四版）中的定義。理性智能體概念是研究人工智能方法的核心。理性智能體概念是研究人工智能方法的核心。區別于普通計算機程序，理性智能體具備自主性、可學習迭代、可制定并實現目標等特點。人工智能專注于研究和構建做正確的事情的智能體理性智能體（Rational Agent/Intelligent Agent，也是本報告“AI AGENT”定義），即設計理性智能體程序實現智能體函數，完成從感知到動作的映射。對于每個可能的感知序列，給定感知

9、序列提供的證據和智能體所擁有的任何先驗知識，理性智能體應該選擇一個期望最大化其性能度量的動作。圖：智能體通過傳感器和執行器與環境交互圖：智能體通過傳感器和執行器與環境交互可進行語音互動可進行語音互動具備物理傳感器和執行器的計算裝置，使程序可以使用來自傳感器的感知，運行程序，并將程序生成的動作選擇反饋給執行器將當前感知作為傳感器輸入，將動作返回給執行器，是智能體函數的具體實現。智能體函數：抽象的數學描述，描述智能體行為，將任意給定的感知序列映射到一個動作；可能依賴整個感知歷史智能體智能體 =架構架構 +程序程序圖：智能體結構拆解圖：智能體結構拆解資料來源：LilLog，科研式學習公眾號，機器之心

10、，The Anatomy of Autonomy:Why Agents are the next AI Killer App after ChatGPT，東吳證券研究所31.2 1.2 新時代新時代AI AGENTAI AGENT：LLM+LLM+規劃規劃+記憶記憶+工具，大模型重要落地方向工具，大模型重要落地方向大模型時代的大模型時代的AI AGENT=LLMAI AGENT=LLM（核心控制器，構建核心能力）+規劃能力規劃能力 +記憶記憶+工具。其中基座模型能力至關重要。工具。其中基座模型能力至關重要。我們認為LLM給AI AGENT底層提供了一個突破性技術方案：過去強化學習基于深度學習框

11、架可讓agent學到技能，但agent本身并沒有真正理解問題和技能，泛化性也較差，只能用于特定領域，主要用在游戲和用來制作低維控制/計劃，代表性應用是圍棋領域的AlphaGo；LLM帶來了深度學習新范式，思維鏈和強大的自然語言理解能力有望讓agent具備強大的學習能力和遷移能力，從而讓創建廣泛應用且實用的agent成為可能。由于生成式LLM存在幻覺問題，記憶力短，在實際應用中難以保持長期一致性和準確性，且agent間合作也是重要趨勢，除了等待基座模型自身迭代之外，借助外部力量（向量存儲、檢索、代碼等）是重要方法，完整的AGENT框架應該具備這些能力。我們認為補齊了大模型短板的我們認為補齊了大模

12、型短板的AI AGENTAI AGENT更具備實用性，將是大模型重要落地方向。更具備實用性，將是大模型重要落地方向。前特斯拉總監、OpenAI科學家Karpathy公開表示“如今AI智能體才是未來最前沿的方向”“相比大模型訓練，OpenAI內部目前更關注Agent領域”。表：表：LLM AgentLLM Agent重要組件拆解重要組件拆解組件組件AGENTAGENT設定設定規劃規劃記憶記憶工具工具子目標和分解子目標和分解反思和完善反思和完善感知記憶感知記憶短期記憶短期記憶長期記憶長期記憶內涵內涵確定agent角色大模型解析用戶請求，并將其分解為多個任務，并根據其知識規劃任務順序及依賴關系?？勺?/p>

13、我批評和反思，從錯誤中吸取教訓，完善未來步驟?？捎成錇榛谠驾斎?，如文本/圖片或其他模態做embedding情境學習能力，受到模型有限上下文窗口長度的限制。長時間保留和回憶信息的能力，行為更加一致、合理、有效調用外部 API獲取模型 權重中缺失的額外信息，包括當前信息、代碼執行能力、對專有信息源訪問等能力能力提示工程/大模型生成能力/數據大模型對自然語言理解生成能力、邏輯分析能力等提示工程大模型短板，需借助外部力量路徑路徑手動輸入/llm生成/數據集對齊思想鏈、思維樹、外部規劃模型反饋、環境反饋、人類反饋prompt通常利用外部向量存儲和快速檢索實現MRKL架構、TALM、HuggingGP

14、T、API-Bank1954年Minsky首次提出“強化”和“強化學習”概念1957年Bellman提出求解最優控制問題及最優控制問題的MDP的動態規劃方法1989年Watkins提出的Q學習拓展強化學習應用和完備強化學習，成為最廣泛使用的強化學習方法2013年DeepMind發表利用強化學習玩Atari游戲的論文20162016年年基于深度強化學基于深度強化學習的習的AlphaGoAlphaGo打打敗頂尖職業棋手敗頂尖職業棋手李世石李世石2020年20222022年年2006年Geoffrey Hinton提出無監督預訓練+有監督訓練微調的解決方案，深度學習浪潮開啟2012年CNN網絡Ale

15、xNet奪得ImageNet冠軍，碾壓第二名的分類性能2017年谷歌提出Transfor-mer架構1986年David Rumelhart、Geoffrey Hinton等人將BP算法應用在多層感知機上2018年谷歌發布BERT，成主流；OPEN AI發布GPT1OPEN AI發布GPT3，開啟練大模型時代ChatgptChatgpt發布發布用戶需求提示工程LLM結果任務導向訓練專有日志外部工具搜索緩存器數據庫代碼解釋器調整指令RLHFRL語料庫調優LLM LLM AgentAgentstateAgentAgentEnvironmentEnvironmentactionreward強強化化學

16、學習習神神經經網網絡絡LLM+強化學習41.3 1.3 兩大方向：自動化（自主智能體）、擬人化（兩大方向：自動化（自主智能體）、擬人化（智能體模擬）智能體模擬）結合目前學術界和產業界基于LLM開發的AI AGENT應用情況，我們將目前AI AGENT劃分為兩大類：自主智能體，力圖實現復雜流程自動化自主智能體，力圖實現復雜流程自動化。當給定自主智能體一個目標時，它們能自行創建任務、完成任務、創建新任務、重新確定任務列表的優先級、完成新的首要任務，并不斷重復這個過程，直到完成目標。準確度要求高，因而更需要外部工具輔助減少大模型不確定性的負面影響。智能體模擬，力圖更加擬人可信。智能體模擬，力圖更加擬

17、人可信。分為強調情感情商的智能體以及強調交互的智能體，后者往往是在多智能體環境中，可能涌現出超越設計者規劃的場景和能力，大模型生成的不確定性反而成為優勢，多樣性使其有望成為AIGC重要組成部分。我們認為兩大方向并不是完全割裂的，相反，自動化與擬人化將作為我們認為兩大方向并不是完全割裂的，相反，自動化與擬人化將作為ai ai agentagent兩大核心能力并行發展，隨著底層模型成熟以及行業探索更加深入，兩大核心能力并行發展，隨著底層模型成熟以及行業探索更加深入，有望進一步擴大有望進一步擴大ai agentai agent適用范圍，提升其實用性。適用范圍，提升其實用性。資料來源：A Survey

18、 on Large Language Model based Autonomous Agents，東吳證券研究所整理記憶記憶外部工具外部工具當前應用當前應用AutoGPT、chatgpt+插件、adept、metagpt等自主智能體自主智能體短期記憶為主較多Pi、Smallville小鎮、Voyager、GITM等智能體模擬智能體模擬短期記憶+長期記憶較少圖：基于圖：基于LLMLLM的的AGENTAGENT領域產品增長情況領域產品增長情況圖：當前圖：當前AI AGENTAI AGENT兩大方向兩大方向自主智能體和智能體模擬對比自主智能體和智能體模擬對比一般，更多要求擬人程度準確度要求準確度要求

19、高初始動力用戶給定開發者設定的內部目標累累計計論論文文數數量量通用智能體工具智能體模擬智能體具身智能體游戲智能體網頁智能體助手智能體2 2、自主智能體：自動化，新一輪生產力革命、自主智能體：自動化，新一輪生產力革命562.1 2.1 自主智能體：軟件新范式，非大模型玩家亦有機會自主智能體：軟件新范式，非大模型玩家亦有機會 自主智能體，力圖實現復雜流程自動化自主智能體，力圖實現復雜流程自動化。真格基金管理合伙人戴雨森將AI和人類協作的程度類比為自動駕駛的不同階段，AI AgentAI Agent約為自動駕駛的約為自動駕駛的L4L4階段階段，Agent完成任務，人進行外部輔助和監督。自主智能體有望

20、帶來軟件行業自主智能體有望帶來軟件行業交互方式和商業模式變革：交互方式和商業模式變革：交互方式變革：交互方式變革：相比過去的APP/軟件，從人適應應用變成應用適應人，Agent的決策/規劃/執行等環節需要更深的用戶需求理解以及更強的工程細節打磨。如目前Agent運行中常常遇見無休止的擴展、誤解輸出格式等問題，這類問題不單單依靠大模型能力提升，對Agent架構的設計和垂類數據的學習也有要求。商業模式變革：商業模式變革：按服務內容收費轉換成按token收費，對Agent功能實用性要求更高?；竽Ｐ湍芰倘恢匾?，但其只能解決下限問題，在實際企業應用場景中自主智能體的架構設計、工程能力、垂類數據質量

21、等也至關重要，垂類基座大模型能力固然重要，但其只能解決下限問題，在實際企業應用場景中自主智能體的架構設計、工程能力、垂類數據質量等也至關重要，垂類/中間件玩家亦有機會。中間件玩家亦有機會。準確度和效率是自主智能體重要指標（決策式AI更擅長做的事，也意味著更低的容錯度），企業對于低門檻定制AGENT也存在需求，專注具體領域/提供AGENT框架的玩家仍有可為。資料來源：戴雨森即刻賬號，東吳證券研究所整理表：表：AIAI發展階段對比自動駕駛不同階段發展階段對比自動駕駛不同階段等級等級名稱名稱自動化程度自動化程度含義含義示例示例L1Tool無人類完成所有工作，沒有任何顯性的AI輔助目前絕大多數軟件產品

22、L2Chatbot助理人類完成絕大部分工作，類似向AI詢問意見，了解信息，AI提供信息和建議但不直接處理工作初代ChatGPT和ChatbotL3Copilot 部分自動化人類和AI進行協作，工作量相當。AI根據人類prompt完成工作初稿，人類進行目標設定，修改調整，最后確認Copilot、JasperL4Agent條件自動化AI完成絕大部分工作，人類負責設定目標、提供資源和監督結果，AI完成任務拆分，工具選擇，進度控制，現目標后自主結束工作AutoGPTL5species 完全自動化完全無需人類監督，AI自主拆解目標，尋找資源，選擇并使用工具，完成全部工作，人類只需給出目標類似馮諾什曼機器

23、人圖：圖：AI AGENTAI AGENT原生生態構想原生生態構想iOS/AndroidLLMAPP STORE/應用商店APPAGENTAGENT STORE移動互聯網原生生態移動互聯網原生生態AI AGENTAI AGENT原生生態構想原生生態構想格局格局賽道間差異大與硬件設備商格局相關集中度高開源+閉源并存72.2 2.2 自主智能體：實驗性自主智能體：實驗性VSVS實操性，單智能體實操性，單智能體VSVS多智能體多智能體 目前行業內對自主智能體的探索主要分為四大類：實驗性項目實驗性項目VSVS實操性應用：實操性應用：前者雖然實際運行中出錯概率高，但其創意、思路和開發經驗對開發者仍有不少

24、啟發和貢獻，如掀起這一波AGENT開發熱潮的AutoGPT。實操性應用更加強調與實際場景的適配。單智能體單智能體VSVS多智能體：單智能體多智能體：單智能體相對更適用于較簡單的任務（如比價等），在C端應用上有一定潛力（如chatgpt+插件、adept ai等）；但其在B端場景上略顯乏力，由于缺乏完整性評估、任務隊列過長、大模型幻覺等原因，基本無法完成較為復雜的工作（如軟件開發等），多智能體優勢相對更加突出（如metagpt、chatdev等）。資料來源：A Survey on Large Language Model based Autonomous Agents，東吳證券研究所整理表：主要

25、自主智能體一覽表：主要自主智能體一覽項目項目實用性實用性單智能體單智能體/多多智能體智能體配置模塊配置模塊記憶記憶規劃規劃動作動作能力獲取能力獲取發布時間發布時間操作操作結構結構WebGPT實驗性單-使用工具有微調2021/12ReAct實驗性單-有反饋規劃使用工具有微調2022/10HuggingGPT實驗性單-統一存儲器（沒有短期和長期記憶的區別）無反饋規劃使用工具-2023/03AutoGPT實驗性單-只有讀/寫操作混合存儲器有反饋規劃使用工具無微調2023/04ChatDev實操性多手工輸入-混合存儲器有反饋規劃 不使用工具無微調2023/07MetaGPT實操性多手工輸入有讀/寫/反

26、射操作混合存儲器有反饋規劃使用工具-2023/08注：“-”表示相關應用論文中沒有相關表述系統系統目標用戶相關記憶生成下一步命令的json文件獲取相關記憶關閉思考：文本推理計劃批評82.2.1 2.2.1 單智能體（單智能體（1 1）：實驗性項目，）：實驗性項目，如如AutoGPTAutoGPTAutoGPTAutoGPT：2023年3月開源的第一款AI AGENT實驗性項目，由游戲開發者Toran Bruce Richards開發。AutoGPT可根據用戶給定的目標，自動生成所需提示，并利用GPT4和各種工具API執行多步驟的項目，無需人類的干預和指導。上線5個月在github上的STAR數

27、量已超過149K，具有一定代表性，對后來各種AGENT發展具有啟發意義。使用多個外部工具：使用多個外部工具：1）能克隆 github 倉庫、啟動其他agent、發言、發送推文和生成圖片，支持所有矢量數據庫和 LLM 提供商/文本到圖片模型/瀏覽器。2）通過集成Pinecone數據庫，它可進行長期內存存儲，從而保存上下文并基于此進行決策改進。3）通過python內部List結構，保存text文本，每次會獲取最近一次的歷史信息。應用場景偏向于辦公應用場景偏向于辦公/開發類（開發類（自動化流程工作流、進行深入市場研究、寫代碼/程序、開發網站或APP），但實操效果一般，容易陷入死循環，但實操效果一般，

28、容易陷入死循環。其他相似項目其他相似項目：BabyAGI（4月開源的實驗性項目，由小型風投Untapped Capital合伙人Yohei Nakajima開發，類似簡單版本的AUTOGPT）、AGENTGPT等案例1：借助GPT4+PINECONE，“寫一篇關于太空的文章”PINECONE里查找關于太空的文章，有則直接展示文章，無則下一步 用GPT-4生成提示，如“太空是什么”，用GPT4回答這個提示，并把生成的提示和回答存儲在PINECONE里，并用它們作為文章第一段。重復直到文章足夠長/足夠完整/達到一定字數限制/時間限制。詢問用戶是否滿意，是則結束運行，否會根據用戶反饋修改補充。圖：圖

29、：AUTOGPTAUTOGPT運行流程圖運行流程圖資料來源：AutoGPT，github，Atom Capital，機器之心，AI協同創新智庫，東吳證券研究所案例2：借助多個外部工具，“實現多語言的自動翻譯功能”在聊天對話中，用戶輸入一段文本。AutoGPT可以與外部的機器翻譯工具（如Google Translate）結合，利用外部翻譯工具將其翻譯為另一種語言。輸出翻譯結果。圖圖：AUTOGPTAUTOGPT是是githubgithub歷史上星數增長最快的開源項目歷史上星數增長最快的開源項目圖圖：AUTOGPTAUTOGPT在在githubgithub上的問答區熱門問題多為實操效果不佳上的問答

30、區熱門問題多為實操效果不佳92.2.1 2.2.1 實驗性項目，如代碼實驗性項目，如代碼開發類開發類GPT EngineerGPT EngineerGPT EngineerGPT Engineer：主要作者Anton Osika在6月11日推出的開源代碼生成工具，基于GPT模型，能根據用戶的指示和需求生成高質量的代碼，功能包括創建新函數、修復現有代碼錯誤等等，支持多種編程語言。截至2023年9月，github星星數量接近44k。亮點一：可定制性。亮點一：可定制性。用戶可根據自己的編碼風格、項目需求和編程習慣進行設置，讓GPT Engineer生成符合自身要求的代碼。亮點二：上下文感知。亮點二：

31、上下文感知?？衫斫獯a上下文，并生成與之相適應的代碼片段，用戶無需為適應其生成方式而做出額外調整，從而提高工作效率。不足：1）無法進行迭代，在創建完應用程序后不能要求它更改任何內容。2）構建復雜的代碼時仍需要一些編碼經驗。資料來源：科技扳手哥，AI Talker，github，東吳證券研究所圖：用圖：用GPT EngineerGPT Engineer編寫貪吃蛇程序。編寫貪吃蛇程序。過去新手通常需3個月學會，現在可幾分鐘內完成（1）獲取OpenAI API密鑰（2）新建一個空文件夾（4）運行 GPT 工程師腳本（3）填寫主提示102.2.1 2.2.1 實驗性項目，如實驗性項目，如科研科研類類G

32、PT ResearcherGPT ResearcherGPT Researcher：哥倫比亞大學研究團隊推出的AI Agent項目，專門用于網絡科研任務，能夠生成詳盡、精確且客觀的研究報告。已在github上開源，截至2023年9月github星星數量超過4k。GPT Researcher首先生成一系列研究問題，然后觸發網絡爬蟲Agent從在線資源中搜集與任務相關的信息。每個獲取的資源都會進行總結，并追蹤其來源。最終，所有的資源都會被篩選、匯總，形成一份完整的研究報告。主要優勢在于能夠快速地完成研究任務。圖：圖：GPT ResearcherGPT Researcher工作工作流程流程任務研究任

33、務生成器查詢報告智能體輸出最終報告生成研究任務爬取多個站點總結站點信息匯總并撰寫研究報告圖：圖：GPT ResearcherGPT Researcher在在githubgithub的的starstar數量數量資料來源：github，STARCHARTS，新智元，東吳證券研究所查詢查詢11 ShortGPT可實現自動編輯框架；編輯腳本和提示；創建配音/內容；生成字幕；從互聯網上獲取圖像和視頻片段，并根據需要與網絡和 Pexels API 連接；確保使用 TinyDB 自動編輯變量的長期持久性等。圖圖：ShortGPTShortGPT工作流程工作流程2.2.1 2.2.1 實驗性項目，如實驗性項目

34、，如創作創作類類ShortGPTShortGPT自動編輯框架：使用LLM的視頻編輯語言簡化視頻創建過程。腳本和提示：為各種LLM自動編輯過程提供現成腳本和提示。內容創建：支持多種語言。字幕生成：自動生成視頻字幕。資源來源：從互聯網上獲取圖像和視頻片段，必要時連接到web和Pexels API。內存和持久性：確保TinyDB自動編輯變量的長期持久性。圖圖：ShortGPTShortGPT在在githubgithub的的starstar數量數量圖圖：ShortGPTShortGPT創作短視頻創作短視頻內容數據庫內容引擎GPT實用程序編輯框架接口實用程序資料來源：github，東吳證券研究所12插件

35、：插件：3月份在ChatGPT plus版本GPT4模型中增加的功能，截至9月插件近900個，覆蓋辦公、編程、搜索、購物、本地生活等多個領域，但受限于chatgpt輸入token長度的限制，每次最多啟動3個插件。插件功能有效拓展了chatgpt適用領域，其中聯網插件改善了大模型幻覺和數據過時等問題，但chatgpt目前只提供信息參考，還無法直接替用戶轉到相關應用中進行操作。高級數據分析：高級數據分析：7月份openai向ChatGPT plus所有用戶開放“代碼解釋器”功能（現“高級數據分析”功能，與插件功能平行），能編寫和執行 python 代碼并能處理文件上傳。高級數據分析功能提高了cha

36、tgpt處理復雜任務的能力以及數學推理這類回答的準確度。自定義指令功能。自定義指令功能。7-8月向所有chatgpt用戶推出，用戶可以預設自己的身份以及期望機器人在回復中所需要遵守的指令。如軟件程序員可要求 ChatGPT用指定的語言回答問題，且無需解釋。該功能進一步提高chatgpt個性化水平，改善大模型容易遺忘前期信息的問題。多模態輸入：多模態輸入：9月OpenAI宣布即將開始在ChatGPT中推出新的語音和圖像功能，允許用戶進行語音對話，或向ChatGPT輸入圖像。OpenAI將在ChatGPT中向Plus和Enterprise用戶推出語音和圖像。多模態輸入將進一步降低chatgpt的使

37、用門檻，擴大其使用范圍，向“個人助理”的方向更進一步。企業版本：企業版本：提供無限速的GPT-4訪問權限；支持32K上下文輸入；高級數據分析功能（代碼解釋器），自定義選項等。Openai在B端應用和商業化有望加速。2.2.2 2.2.2 單智能體（單智能體（2 2）：實現交互變革，中心化應用如功能升級后的：實現交互變革，中心化應用如功能升級后的ChatGPTChatGPT資料來源：openai，chatgpt，東吳證券研究所圖：圖：chatgptchatgpt自定義指令功能案例自定義指令功能案例圖：圖：chatgptchatgpt plusplus版本中版本中GPTGPT模型可使用插件和高級模

38、型可使用插件和高級數據分析功能數據分析功能圖：使用聯網和旅行類插件，圖：使用聯網和旅行類插件，chatgptchatgpt可以更好幫助用戶指定旅行規劃可以更好幫助用戶指定旅行規劃132.2.2 2.2.2 實現交互變革，實現交互變革，去中心化去中心化應用應用如如adept AIadept AI資料來源：ADEPT官網，東吳證券研究所可進行語音互動可進行語音互動AI初創公司Adept 22年9月發布大型行動模型大型行動模型ACTACT-1 1，ACTACT-1 1以桌面對話框形式存在，用戶與網頁的交互方式從過去的鼠標以桌面對話框形式存在，用戶與網頁的交互方式從過去的鼠標/鍵盤改變為自然語言。鍵盤

39、改變為自然語言。用戶可在電腦隨時調用，在文本框中輸入命令，ACT-1會一步步自動完成操作，在需要時可以跨多個工具進行協調，用戶反饋后也可即時修改錯誤。使用示例：在google sheet中創建上一季度損益欄、在“22年”列更新收入總值、增加一列展示平均支出；在salesforce中添加某產品為新產品、添加某人為新聯系人、設置提醒在某個時間點給某人發郵件；在某交易平臺上幫找適合的商品Adept：2022年創立，目標是構建能夠自動化任何軟件過程的AI。經歷2輪融資，22年4月A輪融資6500萬美元，23年3月獲得來自包括微軟、英偉達在內的3.5億美元融資，投后估值突破估值突破1010億美元億美元。

40、團隊：團隊：1）創始人David Luan：曾任OpenAI工程副總裁（參與GPT2和GPT3研發）、谷歌Google Brain Director(參與各種大模型的訓練)。2）CTO Niki Parmar、首席科學家Ashish Vaswani：Transformer架構的提出者、Attention Is All You Need論文共同一作。3）其他成員基本都來自Google Brain、DeepMind、Google Research。例例2 2：在：在salesforcesalesforce填寫資料，一句話完成填寫資料，一句話完成10+10+點擊的工作點擊的工作例例1 1：找房：找房

41、用戶輸入：在休斯頓買個60w以下4口之家房子瀏覽器根據指令在指定地區進行搜索設置價格區間，選擇房間數搜出符合要求的房子列表進入返回列表中的第一個結果返回用戶符合要求的房子頁面142.2.3 2.2.3 單智能體（單智能體（3 3）：實現交互變革，）：實現交互變革，可可定制、平臺化，如定制、平臺化，如CortexCortexCortex Cortex：Kinesys AI發布的產品，可在用戶自己數據上構建AI Co-pilot，使團隊能夠使用自己私有數據源構建定制的AI助手，按使用量計費。Cortex可將GPT4等多個不同大模型組合使用，且為了讓專一領域大模型更實用，Cortex會采取調用向量數

42、據、實時聯網搜索、調用指定API等方式在同一公司內部，同一份原始信息Cortex能獲取每個人崗位所需要關鍵點，以特定格式輸出，即根據業務部門的不同而“千人千面”?？蛻羧后w：適用于個人開發者和早期初創企業，幫助他們大大減少從調試開始的工作量。目前有10多家付費用戶和上千個人用戶。案例：某網紅SaaS公司使用Cortex，讓網紅們以特定的人設和粉絲們聊天。Kinesys AI：一家使用AI革新軟件開發的公司，探索使開發更具可擴展性、可訪問性和效率的LLMs應用。團隊7人，2名創始人為華人，多人從斯坦福本碩畢業。創始人兼Nemo Yang，00后CEO，僅用2年獲得佐治亞理工學院本碩學位，ML專業背

43、景出身，曾在字節飛書和微軟任職。聯合創始人兼CTO Jian Cai畢業于北京大學計算機系，曾在Google工作8年，上一份創業項目是在線協作辦公文檔“一起寫”，后被快手收購。資料來源：量子位，cortex官網，東吳證券研究所圖：圖：CORTEXCORTEX可向用戶提供多個大模型可向用戶提供多個大模型圖：圖：CORTEXCORTEX開發私人開發私人copilotcopilot的頁面的頁面輸入輸入-提取問題提取問題-返回結果返回結果-輸出流輸出流-得到答案得到答案-輸出輸出圖：圖：CORTEX CORTEX 不同收費方案及其增值功能不同收費方案及其增值功能（1）pro:10美元/月 每月 500

44、0 次 LLM 調用，每 1000 次調用收取 1.99 美元 無限量自定義知識源，每個知識源的文件數量不限；無限量自定義通話；copilot長期記憶訪問；最新的 LLM；copilot和可調用設備API集成（2）Team：200美元/月，5位開發者 對知識、可調用程序和copilot進行細粒度訪問控制；可調用生成器的實時協作；更多企業數據集成；1名專職技術聯系人（3）business：500美元/月，20位開發者 CEO 專職支持（限時）15 MindOS是心識宇宙發布的多功能的 AI agent引擎和平臺，用戶可在3分鐘內開發具有獨特記憶、個性和專業知識的可定制agent“Genius”，

45、提供超過1000個帶有性格、功能的預置Genius，準確推斷意圖的準確率達到97%。目前平臺已提供Marketplace（分享和發現 Genius）、Workflow（支持用戶僅通過拖放和簡單的配置來構建Genius）、Structured Memory（從對話中沉淀結構化信息），未來還會拓增包括 Deep Thinking（深度思考）、Self Learning（自主學習）和 Teamwork（團隊協作）等板塊。商業化方案：增值服務，平臺增量價值定價在9.99美元/月。心識宇宙22年1月底成立，已獲得紅杉中國種子基金、線性資本、銀杏谷資本等頂級基金投資，22年11月天使輪融資后估值達5億元。

46、團隊成員來自Meta、Google、TikTok、Alibaba等，創始人兼CEO陶芳波深耕數據挖掘領域方向，先后在美國微軟研究院、Facebook Research、NASA等從事研發工作，阿里達摩院神經符號實驗室創建人。資料來源：mindos官網，企查查，量子位，東吳證券研究所圖：圖：MindOSMindOS推薦推薦GeniusGenius：行業分析師、旅行咨詢師、新聞解讀員（回答均已做適當縮減）：行業分析師、旅行咨詢師、新聞解讀員（回答均已做適當縮減）問題：為我生成一份有關人工智能最新問題：為我生成一份有關人工智能最新消息的簡短新聞報道。消息的簡短新聞報道?；卮穑喝斯ぶ悄艹鮿摴維pea

47、k獲得1600萬美元最新融資，由Lachy Groom領投摘要：由人工智能支持的英語學習平臺 Speak 獲得 1600 萬美元的新一輪融資，領投方為 Lachy Groom。洞察力：對 Speak 的投資凸顯了人工智能在教育領域日益增長的興趣和潛力。人工智能驅動的語言學習平臺有可能通過為全球學生提供個性化的互動學習體驗，徹底改變語言教育。評價：列出5條新聞及其摘要和解讀，新聞實時性好，但最后一條解讀中途停止問題：我想要一份關于北美游戲產業問題：我想要一份關于北美游戲產業的行業報告。的行業報告?；卮穑侯A計到 2028 年，北美游戲產業的產值將達到 1,746.8 億美元，未來五年的復合年增長率

48、為 11.8%。預計美國將占據主要市場份額，游戲機等游戲硬件將拉動需求。最大的細分市場是移動游戲，預計 2023 年的市場規模將達到 745.9 億美元。預計到 2027 年，用戶數量將達到 2.923 億。該行業的公司面臨著監管障礙、網絡安全威脅和競爭加劇等挑戰。評價：生成了一份完整的游戲行業報告，且可以針對其中細節進行追問，表現較好問題：我想安排一次為期問題：我想安排一次為期 3 3 天的倫敦家天的倫敦家庭旅行，請為我制定一份旅行計劃。庭旅行，請為我制定一份旅行計劃?；卮穑旱谝惶欤嚎莆奶鼗▓@。您可以盡情逛逛各種商店和攤位，也許還能買到一些獨特的紀念品。在倫敦交通博物館沉浸在倫敦交通歷史的迷

49、人世界中。在萊斯特廣場餐廳享用美味的海鮮和美式午餐。在標志性的皇家歌劇院體驗現場表演的魅力。在比爾叮當街餐廳享用美味晚餐。第二天：南岸參觀標志性的倫敦眼，開始新的一天。Florentine Trattoria 餐廳享用美味的意大利午餐。在倫敦威斯敏斯特橋公園廣場酒店放松身心評價：第二日的計劃中途停止版本版本免費免費版本版本PROPRO版本版本新手新手版本版本PROPRO版本版本企業企業版本版本OPENAIOPENAI密密鑰來源鑰來源需要用戶自行集成不需要 OpenAI 密鑰適用大規模業務需求，可量身定制解決方案和需求定價定價-9.99美元/月15美元/月49美元/月功能功能訪問知識、技能和內存

50、模塊免費版本功能+優先訪問新功能訪問知識、技能和內存模新手版本所有功能+優先訪問新功能每月每月MindOS MindOS 積分數量積分數量200無限500無限表：表：MindOSMindOS變現方案變現方案2.2.3 2.2.3 實現交互變革，實現交互變革，可可定制、平臺化，如定制、平臺化，如MindOSMindOS162.2.3 MindOS2.2.3 MindOS試用：顯示思維鏈和相關鏈接，回答信息豐富試用：顯示思維鏈和相關鏈接，回答信息豐富思考過程（可折疊）生成計劃（可折疊）尋找符合需求的酒店基于CHATGPT生成準備階段檢查清單基于CHATGPT回答組織計劃撰寫文件Genius形象，可

51、隱藏需求：生成一份需求：生成一份AI AGENTAI AGENT行業報告行業報告Chatgpt（GPT3.5）中文回答，約1000字，無圖片MindOS 行業分析師，英文回答，翻譯為中文約為6000字，顯示4張圖片需求：生成一份倫敦旅游計劃需求：生成一份倫敦旅游計劃2023 年頂級 AI 統計數據和趨勢：人工智能市場規模和經濟影響、人工智能的采用和增長、人工智能勞動力和就業影響、AI 業務影響和用戶情緒競爭情形：主要參與者策略人工智能市場規模和趨勢：市場概況、市場劃分、供給端、業務、區域、競爭、鄰近及相關市場主要行業的AI用例和應用：醫療、零售和電子商務、食品科技、銀行和金融服務、物流和運輸、

52、旅行、房地產、娛樂和游戲、制造業、汽車、媒體、教育、時尚、私募股權和本金投資、法律行業、信息技術、服務行業資料來源：mindos官網，chatgpt，東吳證券研究所MetaGPT：7月深度賦智開源的多智能體框架，快速幫助用戶搭建屬于自己的虛擬公司，虛擬公司中的員工都是智能體，如軟件公司中的工程師、產品經理、架構師和項目經理，用戶只需輸入簡短的需求，MetaGPT就能輸出整個軟件公司的工作流程和詳細的SOP，如創造故事、競品分析等?？蚣芊譃榛A組件層和協作層。（框架分為基礎組件層和協作層。（1 1）基礎組件層建立單個基礎組件層建立單個AGENTAGENT操作和全系統信息交換所需的核心構件操作和全

53、系統信息交換所需的核心構件，其中環境可實現共享工作空間和通信；記憶用于存儲和檢索歷史信息；角色封裝特定領域的技能和工作流程；工具提供通用服務和實用程序。（2）協作層協作層建立在基礎組件層之上，協調單協調單個個AGENTAGENT協同解決復雜問題協同解決復雜問題，建立了重要的合作機制知識共享和封裝工作流。知識共享允許AGENT交換信息，存儲、檢索和共享不同粒度的數據；封裝工作流程利用 SOP 將復雜任務分解為更小、更易于管理的組件，將這些子任務分配給合適AGENT，并通過標準化輸出監督他們的表現，確保他們的行動符合總體目標。172.2.4 2.2.4 多多智能體：智能體：AGENTAGENT團隊

54、完成復雜開發任務，如團隊完成復雜開發任務，如MetaGPTMetaGPT資料來源：深度賦智，東吳證券研究所圖：圖：MetaGPTMetaGPT的智能體以的智能體以SOPSOP形式合作形式合作MetaGPT智能體合作開發SOP人類交互單行要求單行要求寫一個經典簡寫一個經典簡單的單的flappy flappy birdbird游戲游戲非常好！我可以非常好！我可以直接用接口和鍵直接用接口和鍵盤玩了盤玩了計劃計劃&代碼代碼檢查檢查設計設計定義定義老板驗收并支付老板驗收并支付需求文件需求文件系統設計系統設計架構師架構師產品經理產品經理任務任務代碼代碼項目管理人項目管理人工程師工程師質檢工程師質檢工程師驗

55、收測試測試編寫代碼編寫代碼系統設計系統設計架構設計架構設計需求分析需求分析計劃計劃圖：圖：MetaGPTMetaGPT框架框架基礎組件層基礎組件層協作層協作層核心組件核心組件角色角色環境環境行動行動工具工具記憶記憶知識共享知識共享封裝工作流封裝工作流消息調度消息調度角色訂閱角色訂閱消息復制消息復制上下文檢索上下文檢索內存緩存和索引內存緩存和索引同步更新同步更新任務分解任務分解動作規范化動作規范化功能功能調用調用姓名姓名文件文件目標目標約束約束 觀察編寫優雅、可讀、可擴展、高效的代碼編寫的代碼應符合PEP8等代碼標準、模塊化、易于閱讀和維護思考&反思知識沉淀&行動 狀態管理廣播信息傳遞18資料來

56、源：深度賦智，github，東吳證券研究所。注：HumanEval包括164 個手寫編程任務。MBPP 基準包括427個經過人工驗證的 Python 編程任務。2.2.4 2.2.4 相比單相比單智能體，智能體，MetaGPTMetaGPT實操價值更高實操價值更高橫向對比，橫向對比，MetaGPTMetaGPT的實操價值更高。的實操價值更高。在github開源2個月STAR數量已超過24K。對比大模型：對比大模型：根據實驗結果，基于GPT4-32k、使用4個AGENT（工程師+產品經理+架構師+項目經理）的MetaGPT在開源數據集MBPP和HumanEval上的單次嘗試通過率好于其他代碼生成

57、LLM（包括GPT4、CODEX等）。對比其他對比其他AGENTAGENT：MetaGPT 的獨特之處在于它能生成產品需求文檔和技術設計，從而展示其項目執行的整體方法，在游戲、網絡開發和數據分析等各種場景下有更強的通用性。根據實驗結果，MetaGPT 在為項目執行提供更全面、更強大的解決方案方面優于AutoGPT、Agentverse、LangChain w/Python REPL tool等同類產品。低成本低門檻開發簡易軟件項目。低成本低門檻開發簡易軟件項目。在實驗的7個任務（包括 Python 游戲生成、CRUD 代碼生成和簡單數據分析）中，每個項目平均消耗26.6k token用于pro

58、mpt，任務完成后消耗 6.2k token，總成本1.09美元，耗時 8-9分鐘，時間和財務支出不到傳統軟件工程開發的千分之一。不足：不足：MetaGPT偶爾會引用不存在的資源文件，在執行復雜任務時容易調用未定義或未導入的類或變量。這些現象普遍歸因于大型語言模型固有的幻覺傾向，可以通過更清晰、更高效的AGENT協作工作流程來處理。圖：圖：MetaGPTMetaGPT功能比功能比AGENTAGENT等同類應用更加豐富等同類應用更加豐富圖：圖：MetaGPTMetaGPT在在MBPP and HumanEvalMBPP and HumanEval數據集上的表現好于其他大模型數據集上的表現好于其他

59、大模型19 ChatDevChatDev:清華大學NLP實驗室孫茂松教授指導，聯合面壁智能、北京郵電大學、布朗大學研究人員共同發布的、大模型驅動的全流程自動化軟件開發框架，可以理解為對話驅動的虛擬軟件開發公司，對話驅動的虛擬軟件開發公司，在人類“用戶”指定一個具體任務需求后，不同角色智能體將進行交互式協同，以生產一個完整軟件（包括源代碼、環境依賴說明書、用戶手冊等）。2.2.4 AGENT2.2.4 AGENT團隊完成復雜開發任務，如團隊完成復雜開發任務，如ChatDevChatDev資料來源：Communicative Agents for Software Development，東吳證券

60、研究所編程編程測試測試文檔文檔設計設計瀑布模型瀑布模型交流鏈交流鏈設計環節開始前：設計環節開始前：人類提供一個初步想法,想法將由智能體 CEO/CTO/CPO共同分析評估。CEO會分別與CPO和CTO進行討論，決定游戲的呈現形式和使用的編程語言。每個專業角色智能體由兩個instructor（智能體）分配。CTO向程序員提出要求和大致思路，程序員編寫代碼,設計師生成GUI方案，調用有關工具生成圖像資源，由程序員進行集成。代碼審查員代碼審查員:審查代碼測試工程師測試工程師:實際運行引入思維指導機制，當測試反饋不明確時，程序員和測試工程師會進行角色互換。環境說明環境說明:說明游戲運行所需依賴環境，C

61、TO指導程序員完成。用戶手冊用戶手冊:由CEO決定包含的內容，交由CPO進行生成。注:瀑布模型是將軟件生存周期的各項活動規定為按固定順序而連接的若干階段工作，形如瀑布流水，最終得到軟件產品。圖：圖：ChatDevChatDev架構包括階段級組件和聊天級組件架構包括階段級組件和聊天級組件20模型方面，接入gpt3.5-turbo-16k版本的ChatGPT API，在Camel指令跟隨對話數據集中隨機挑選了 70 個任務，作為 CHATDEV 軟件開發的分析基礎。驅動智能體對話的驅動智能體對話的3 3個關鍵機制個關鍵機制:角色專業化：角色專業化：通過角色扮演機制確保每個智能體各司其職，在指定的專

62、業角色下完成相應的方案提議和決策討論。記憶流：記憶流：保存每輪對話記錄，供各個智能體隨時翻閱，確保思路的連貫性。自反思：自反思：智能體完成各自工作但沒有達到要求時，生成一個偽我，將問題和有關對話向instructor進行反饋。文檔編制：通過需求和代碼理解進行環境配置說明書和用戶手冊生成。人類用戶即可將ChatDev生成軟件打包帶走并配置使用。2.2.4 ChatDev2.2.4 ChatDev：角色扮演、記憶、反思貫穿全流程：角色扮演、記憶、反思貫穿全流程圖：圖：ChatDevChatDev智能體對話的智能體對話的3 3個關鍵機制及其他環節中重要策略個關鍵機制及其他環節中重要策略（a a）角色

63、分工）角色分工（b b）記憶流）記憶流（c c）自反思）自反思你是一個系統設計CTO你是一個決策CEO語言？Java？太難了！Python！交流過程對話結論？Python！偽提問者（b）代碼環節的思維指示（a）代碼環節的原始指示（c）測試環節的原始指示（d）測試環節的思維指示編碼測試：思維指示策略以緩解潛在代碼幻覺。通過互換角色獲取代碼審查員想讓程序員修改的代碼塊精確片段，后將此思維注入到提示中以更加細粒度地將信息指示給程序員讓其進行代碼優化。圖：圖：ChatDevChatDev框架中兩個智能體對“編程語言研討”的對話交流過程：框架中兩個智能體對“編程語言研討”的對話交流過程：為了滿足新用戶的

64、需求，使桌面應用程序可實現，你應該提出一種具體的程序設計語言。帶有Pygame庫的Python是實現基本Gomoku游戲的合適選擇好極了!Python是一種用途廣泛的程序設計語言，適合于實現基本Gomoku游戲。它的簡單性和可讀性使它成為初學者和有經驗的開發人員的熱門選擇。讓我們開始使用Pygame庫在Python中開發基本的Gomoku游戲吧，Python。圖：案例圖：案例設計一款五子棋設計一款五子棋ChatDev程序員及測試人員初步生成一個基于終端的程序GUI設計在此基礎上加入初步用戶交互界面創意設計師在交互界面上加入根據GUI需要創作相應的圖像素材人類用戶可選擇性替換圖像素材使其更符合用

65、戶美觀度需求資料來源：Communicative Agents for Software Development，東吳證券研究所21CHATDEV 為軟件開發提供了一種無需培訓、高效且具有成本效益的新范式。為軟件開發提供了一種無需培訓、高效且具有成本效益的新范式。CHATDEV 軟件平均生產時間不到7分鐘（傳統定制軟件開發周期，即使使用敏捷軟件開發方法每個周期通常也需要 2-4 周甚至幾個月時間），制造成本不到0.3美元，在提高制作效率的同時成本也大大低于傳統定制軟件開發公司的費用。提供具體提供具體/特定說明更有利于發揮特定說明更有利于發揮CHATDEV功能，目前技術更適用于中小軟件。功能，目

66、前技術更適用于中小軟件。當用戶指定一個不太具體的任務時，CHATDEV生成的源代碼往往更短（不具體任務代碼平均值110.97行VS總體平均值131.61行）。為充分發揮CHATDEV作用，研發團隊建議向 CHATDEV 提供特定說明（如所需的軟件功能系統規則、UI 設計和其他詳細規范等），通過提供更清晰、更具體的說明，用戶可以指導 CHATDEV 生成符合其特定要求的更全面和量身定制的代碼。因為AGENT自主決定具體實現細節的能力有限，會導致多輪冗長的討論；且大規模軟件開發對審查人員和測試人員都具有挑戰性，因為很難在給定的時間限制內找出缺陷或漏洞。因此目前CHATDEV更多對初級程序員或工程師

67、有用，要為高級或大型軟件需求生成完美源代碼仍具有挑戰性。潛在風險和限制：潛在風險和限制：1）大模型固有的隨機性使得軟件生產過程具有一定的不確定性。2）設計師對GUI進行圖像創作的過程，對各個圖像素材均獨立生成的，因此可能會GUI配圖不自然；3）大模型可能會表現出固有偏差，導致生成的代碼模式不一定符合實際程序員解決問題的思路。2.2.4 ChatDev2.2.4 ChatDev：適合中小軟件的低成本：適合中小軟件的低成本/自動化開發框架自動化開發框架表：表：CHATDEV 70CHATDEV 70個任務聊天鏈中的所有對話統計分析結果個任務聊天鏈中的所有對話統計分析結果圖：圖：CHATDEVCHA

68、TDEV不同任務的軟件開發運行時間分布情況不同任務的軟件開發運行時間分布情況制造成本測算：CHATDEV 開發一個軟件平均需要4.8萬個tokens（3.7萬個prompt tokens+1.2萬個completion tokens），gpt3.5-turbo-16k版本收費0.003美金/1K tokens，即軟件生產平均總成本約為 0.16美元；再加上平均每個軟件設計者成本為 0.14美元，合計0.3美元。資料來源：Communicative Agents for Software Development，東吳證券研究所資料來源：fable官網，東吳證券研究所222.2.4.AGENT2.

69、2.4.AGENT團隊完成復雜創造任務，如團隊完成復雜創造任務，如ShowrunnerShowrunner7月份，艾美獎得主初創公司Fable發布名為SHOW-1的Showrunner AI技術，用其制作出一集完全用AI拍攝的南方公園。通過自然語言給不同智能體分配各自目標，人類導演只需給出一個高層次的構思提示（標題、概要、事件），AI智能體會開始自導自演。不同AI智能體擔任不同的角色，有獨特的背景故事、個性和動機，如演員、導演、剪輯等，彼此分工合作，互相配合，最終完成整部影片的制作。底層模型：底層模型：基于兩個在南方公園數據集（約1200個角色和600張場景）上訓練的自定義擴散模型自定義擴散模

70、型，可以生成新角色和新場景；一個超分辨率模超分辨率模型型（R-ESRGAN-4x+-Anime6B）可以將場景放大；語音克隆語音克隆AIAI可給角色即時配音。記憶能力：記憶能力：在多智能體無梯度架構驅動下，每個角色的完整經歷都會被存儲為自然語言。隨著時間的推移，這些記憶會被合成更高層次的反射更高層次的反射，隨時動態檢索動態檢索，來實時計劃實時計劃每個角色的行為。模擬創造性思維：模擬創造性思維：模擬產生的數據為撰寫初始提示的用戶和與LLM進行提示鏈交互的生成故事系統提供創新基礎。其中，提示鏈通過向語言模型提供一系列相關的提示，來模擬持續的思維過程。如，它可以在每一步中扮演不同的角色，對前一個提示

71、和生成的結果進行判別。圖：圖：ShowrunnerShowrunner工作流程工作流程提示鏈模擬數據場景分級系統聲音生成相機系統重放延申腳本情節模式評估生成圖：圖：ShowrunnerShowrunner生成的生成的南方公園南方公園劇集畫面劇集畫面3 3、智能體模擬、智能體模擬：擬人化，新的精神消費品：擬人化，新的精神消費品23243.1 3.1 陪伴類，提供情緒價值陪伴類，提供情緒價值陪伴類智能體強調情感情商等人類特征，具有“人格”，且能夠記住與用戶的歷史交流。陪伴類智能體強調情感情商等人類特征，具有“人格”，且能夠記住與用戶的歷史交流。（1）LLM在自然語言理解能力上的重要突破使陪伴類智能

72、體在技術上成為可能，（2）GPT4在情商上顯著高于以往其他大模型，隨著大模型情商迭代、多模態技術發展，有望出現更加立體擬人可信、能夠提供較高情緒價值的陪伴智能體。我們認為國內情緒消費市場仍有較大想象空間（社會婚姻觀念轉變、現代工作生活節奏緊張下，國民孤獨感增加），陪伴類智能體或受益于情緒消費趨勢紅利，成為LLM時代重要的AI原生應用。從用戶陪伴性需求的第一性原理出發，我們預計陪伴類智能體大部分商業價值集中在IP上，基于此我們更加看好當前具備豐富IP儲備或者能讓用戶定制智能體的玩家：1 1）參考人的陪伴：）參考人的陪伴：陌生人社交和秀場直播屬于線上陪伴代表性應用，前者核心問題在于用戶間建立一定情

73、感聯系后會轉到最常用的社交平臺，后者用戶價值會逐漸集中到頭部主播，而非平臺。2 2）參考物的陪伴：）參考物的陪伴：潮玩等消費品有一定的陪伴屬性，受眾大部分支出花在自己喜歡的IP。圖：圖：GPT4GPT4情商顯著好于其他大模型情商顯著好于其他大模型資料來源：Emotional Intelligence of Large Language Models，歐睿數據，東吳證券研究所PiPi：Inflection AI在22年5月發布，輸出風格定位為用戶的“老師、教練、知己、創意合作伙伴和參謀”，主要特征是富有同情心、回答簡明扼要且幽默。目前典型用例包括問題解答、對話準備、靈感激發；咨詢、計劃；傾訴、安

74、慰、激勵、支持等等。訓練數據：訓練數據：含情感類文本和數據含情感類文本和數據。Pi的數據集包括公開網絡和公司專有數據的數十億行文字，涵蓋面試、個人期刊、小說、詩歌、電子郵件、社交媒體帖子等，涉及許多情感內容數據集。底層模型：底層模型：基于基于Inflection AIInflection AI自研大模型自研大模型InflectionInflection-1(1(Transformer架構，使用數千個H100 GPU訓練)。PiPi具備記憶能力，具備記憶能力，強調“強調“for youfor you為你服務”為你服務”：用戶可在Message、INS等多個平臺使用PI，只需使用相同的電話號碼登錄

75、，Pi會記住用戶姓名以及在不同會話中的對話內容，并會主動跟進過去的談話內容。如果互聯網上有關于用戶的公開信息，Pi 可能會根據用戶的姓名知道這些信息。圖：圖：PiPi聊天界面聊天界面3.1.1 3.1.1 陪伴類：高情商、具備人格特征，如陪伴類：高情商、具備人格特征，如PiPi圖：用戶可以在多個應用使用圖：用戶可以在多個應用使用PIPI資料來源：inflection ai官網，東吳證券研究所2526相比通用類聊天機器人chatgpt等，Pi展示出更強的共情能力和有展示出更強的共情能力和有趣人格，也會注重和用戶的雙向交互。趣人格，也會注重和用戶的雙向交互。比如在回答同一個問題“我最近感到很沮喪”

76、時：ChatGPT：回答更嚴肅、更偏向于專業化建議，ChatGPT提供了尋求家人幫助、咨詢醫生、鍛煉身體類的具體建議。Pi：回答更偏向于感情安慰，Pi在回答中讓用戶說出自身的感受，并試圖和用戶一起探求沮喪的原因，更傾向于感情交流。圖：圖：PiPi的回答更有“人情味”的回答更有“人情味”3.1.1 3.1.1 高情商個人助理高情商個人助理PiPi：AIAI提供情緒價值提供情緒價值我最近感到很沮喪我最近感到很沮喪PIPI：我能感受到你現在很痛苦，我想讓你知道你的感情是真實且重要的。我們可以更深入的聊一下，我們可以嘗試找到你這種感受的根源。你不用告訴我任何不舒服的細節，我可以通過和你的聊天進行猜想。

77、你可以告訴我最近的感受嗎？你最近還會時不時地被困擾嗎？聽到你最近很沮喪我感到很難過。你要知道你不是一個人，這里有很多人愿意幫助你。沮喪是一種常見的可以影響任何人的精神狀態，它沒什么難以啟齒的。如果你感到不舒服，和一個你信任的人（家人，朋友）聊天是很好的第一步。他們可以支持你，幫你排憂解難。你也可以找心理咨詢師這類專業人士求助，他們可以為你制定一個治療方案。另外，你還可以通過日常鍛煉，健康飲食，充足睡眠，練習技巧（冥想、深呼吸）。尋求幫助并不可恥，照顧好自己，不要猶豫為自己尋找支持的聲音。用戶：用戶：你知道什么是質數嗎？你知道什么是質數嗎？PI：我知道質數是什么。它們是只能被1和它們自己整除的數

78、字，2、3、5、7、11等等。讓我們玩一個游戲讓我們玩一個游戲我給你一個數字，你告訴我它是質數還是非質數。我給你一個數字，你告訴我它是質數還是非質數。準備好了準備好了嗎？嗎？用戶：用戶：你喜歡泰坦尼克號這部電影嗎？你喜歡泰坦尼克號這部電影嗎？PI：絕對地，我認為電影泰坦尼克號是一部經典之作，它不僅票房大賣，而且有一個關于愛、犧牲和悲劇的永恒故事。另外，誰能忘記史詩般的配樂呢？你你有電影中最喜歡的場景或歌曲有電影中最喜歡的場景或歌曲嗎？嗎？圖：圖：PiPi用例用例靈感激發靈感激發學習學習PIPI和和AIAI職業規劃職業規劃日常記錄日常記錄尋找優質書籍與電影尋找優質書籍與電影解答家庭作業解答家庭作

79、業學習新知識學習新知識玩游戲玩游戲對話準備對話準備安慰安慰掌握工作任務掌握工作任務傾訴傾訴規劃規劃激勵激勵圖：圖：PiPi擅長在回答中開啟新話題擅長在回答中開啟新話題資料來源：inflection ai官網，chatgpt，東吳證券研究所整理Inflection AIInflection AI：成立于2022年3月，23年6月實現新一輪融資13億美元，估值達40億美元，投資人包括微軟、英偉達，Bill Gates、Greylock、Reid Hoffman、Eric Schmidt（Google前CEO）、Mike Schroepfer（Meta前CTO）、Demis Hassabis（Dee

80、pmind聯創）。Google前CEO Eric Schmidt評價其在不到一年的時間里取得令人難以置信的成就，包括開發了“最復雜的LLM之一”，并發布了“首個有高EQ的個人AI產品”。發展目標：發展目標：構建更多適合各種用途的AI工具，如組織日程安排、幫助用戶學習新技能和執行耗時的任務，甚至幫助企業構建了解它們品牌價值的AI。商業模式：商業模式：B端已開放API，C端未來可能采取訂閱、Freemium或廣告形式（在用戶對話中出現廣告）。國內專注情感大模型的團隊：國內專注情感大模型的團隊：minimaxminimax、西湖星辰、聆心智能等。、西湖星辰、聆心智能等。表：表：InflectionI

81、nflection-1 1與其他模型相比，在瑣事型問答上表現較佳（表中數值為在與其他模型相比，在瑣事型問答上表現較佳（表中數值為在不同基準測試中的性能分數）不同基準測試中的性能分數）273.1.1 3.1.1 團隊團隊Inflection AIInflection AI：技術資金實力兼具的硅谷明星公司：技術資金實力兼具的硅谷明星公司團隊成員團隊成員公司職位公司職位成員介紹成員介紹團隊團隊（超34人）Mustafa Suleyman首席執行官、聯合創始人Deepmind聯合創始人，前Google AI 產品和AI政策副總裁，領導LaMDAKarn Simonyan首席科學家、聯合創始人牛津大學博

82、士和博士后，前Deepmind首席科學家，AlphaZero、AlphaFold等項目核心成員，深度學習經典網絡VGGNet的設計者Reid Hoffman聯合創始人斯坦福大學學士、牛津大學碩士，硅谷知名投資人、Linkedin聯合創始人、前Paypal高級副總裁技術團隊：包括前Google Brain和OpenAI研究員等產品團隊：包括前Google和DeepMind高級產品經理、前WhatsAPP產品經理等。模型模型TriviaQATriviaQA(O(O-shot)shot)SplitASplitATriviaQATriviaQA(1(1-shot)shot)SplitASplitATr

83、iviaQATriviaQA(0(0-shot)shot)SplitBSplitBTriviaQATriviaQA(1(1-shot)shot)SplitBSplitBNaturalQNaturalQuestionsuestions(0(0-shot)shot)NaturalQNaturalQuestionsuestions(1(1-shot)shot)PaLM2-L-86.1-37.5InflectionInflection-1 170.370.373.673.681.081.085.085.029.829.835.935.9Chinachilla(70B)55.4-16.6-PaLM(54

84、0B)-76.984.421.229.3LLaMA(65B)68.271.6-23.831圖：圖：InflectionInflection-1 1任務語言理解、定量推理等能力均優于任務語言理解、定量推理等能力均優于GPTGPT-3.53.5和和LLAMALLAMA準準確確度度表：表：Inflection AIInflection AI核心團隊背景強大，算力資源得到投資方英偉達支持核心團隊背景強大，算力資源得到投資方英偉達支持模型模型Inflection-1性能僅次于GPT-4和PaLM-2（L），性能約為GPT-3.5級別；算力算力和Nvidia&CoreWeave合作正和英偉達合作打造全球最

85、大的AI集群之一，計劃采用2.2萬張英偉達H100芯片，以支持新一代AI大模型的訓練和部署。資料來源：inflection ai官網，東吳證券研究所整理28資料來源：海外獨角獸，Character.AI官網，SENSOR TOWER，東吳證券研究所3.1.2 3.1.2 陪伴類：平臺化娛樂化，如陪伴類：平臺化娛樂化，如Character.AICharacter.AI、GlowGlow等等Character.AICharacter.AI：創立于2021年10月，創始團隊是來自Google Brain和Meta AI的深度學習、大型語言模型和對話領域的專家。2022年9月推出Beta版產品，采用了

86、GPT-3大模型，并用大量的書籍、電影和其他媒體中的虛構人物數據進行訓練，使聊天機器人能夠根據人物的個性和特征生成對話和文本響應。用戶可以在其平臺上創建AI機器人并與之聊天。根據根據Character.AICharacter.AI官方披露信息，官方披露信息，BetaBeta版本推出版本推出2 2個月后，每天生成個月后，每天生成1010億個單詞，截億個單詞，截至至20222022年年1212月，用戶已創建超月，用戶已創建超3535萬個機器人，涵蓋信息檢索、教練、教育、娛樂等萬個機器人，涵蓋信息檢索、教練、教育、娛樂等領域。領域。其他類似產品：其他類似產品：ReplikaReplika、GlowG

87、low等。等。（我們在此前深度報告AI時代新起點，尋新投資方向（二）海內外AI應用之游戲篇中已有詳細分析。圖：圖：Character.AI APPCharacter.AI APP 雙平臺雙平臺DAUDAU增長曲線（百萬人）增長曲線（百萬人）-0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.002023/5/242023/5/262023/5/282023/5/302023/6/12023/6/32023/6/52023/6/72023/6/92023/6/112023/6/132023/6/152023/6/172023/6/192023/6/212023/6/232

88、023/6/252023/6/272023/6/292023/7/12023/7/32023/7/52023/7/72023/7/92023/7/112023/7/132023/7/152023/7/172023/7/192023/7/212023/7/232023/7/252023/7/272023/7/292023/7/312023/8/22023/8/42023/8/62023/8/82023/8/102023/8/122023/8/142023/8/162023/8/182023/8/202023/8/222023/8/242023/8/262023/8/282023/8/302023

89、/9/12023/9/32023/9/52023/9/72023/9/92023/9/112023/9/132023/9/152023/9/172023/9/192023/9/212023/9/232023/9/252023/9/272023/9/292023/10/12023/10/32023/10/5293.2 3.2 重交互，提高用戶體驗重交互，提高用戶體驗交互智能體：強調與環境交互的能力，智能體與智能體交互智能體：強調與環境交互的能力，智能體與智能體/虛擬世界內事物之間可互動，可能涌虛擬世界內事物之間可互動，可能涌現出超越設計者規劃的場景和能力，大模型不確定性反而成為優勢，有望成為現出

90、超越設計者規劃的場景和能力，大模型不確定性反而成為優勢，有望成為AIGCAIGC重要部分。重要部分。特別是對開放世界游戲等行業，創建可信agent（大部分為可信NPC）的目的是提供一種生命的幻覺，做出決策并按自己的意愿行事，從而呈現出一種真實感，可增強玩家沉浸感，解決開放世界內容消耗快的問題；可信agent技術成熟后可能會孵化出新的游戲品類。資料來源：Generative Agents:Interactive Simulacra of Human Behavior，東吳證券研究所方式方式具體內涵具體內涵技術方案舉例技術方案舉例優點優點缺點缺點應用范圍應用范圍規則規則人為編寫agent行為有限狀

91、態機、行為樹簡單直接，可以處理初級社會互動開放世界中，agent行為可能無法完全代表其交互的結果，無法執行腳本中沒有編碼的新程序目前最主流方式，如質量效應模擬人生學習學習agent學習自己的行為強化學習克服人為編寫的問題適用對抗游戲，游戲獎勵易確定，學習算法可對其優化，尚未解決開放世界中的難題星際爭霸AlphaStar、Dota 2 OpenAI Five符號符號保持短期和長期記憶，以感知-計劃-行動的循環方式運行，動態感知環境并將其與人工編寫的行動程序相匹配強大的行為能力agent行動空間僅限于人工程序，并沒有提供一種機制激發agent尋求新的行為第一人稱射擊游戲NPC、空戰訓練模擬飛行員、

92、積木世界LLMLLM利用大語言模型強大 prompt 能力，并對這些能力進行補充，以支持agent的長期一致性、管理動態演變的記憶能力，以及遞歸產生更多的行為。強大理解和推理能力需要借助外部工具、底層大模型能力還需進一步迭代實驗性項目偏多，如Smallville 小鎮、Voyager表：可信表：可信agentagent搭建方式搭建方式圖：圖：Generative AgentsGenerative Agents運行流程圖運行流程圖計劃計劃行動行動反饋反饋生成式智能體記憶生成式智能體記憶感知感知記憶流記憶流檢索檢索檢索記憶檢索記憶303.2.1 3.2.1 單智能體：游戲單智能體：游戲世界世界AI

93、AI玩家，如玩家，如VoyagerVoyagerVoyager：英偉達首席科學家Jim Fan等人把GPT4接入我的世界提出的一個全新AI智能體。三個關鍵部分組成三個關鍵部分組成：最大化探索；有用于存儲和檢索復雜行為的可執行代碼的技能庫；具備一種新的結合了環境反饋、執行錯誤和程序改進的自我驗證的迭代提示機制，能在一個新的Minecraft世界中利用學到的技能庫從頭開始從頭開始解決新的任務。表現出強大表現出強大的情境終身學習能力的情境終身學習能力，并在玩Minecraft方面表現出非凡的熟練度。它獲得的獨特物品是SOTA的3.33.3倍，旅行距離是SOTA的2.32.3倍，解鎖關鍵技術樹里程碑的

94、速度是SOTA的15.315.3倍。其他類似應用：2023年5月商湯、清華、上海人工智能實驗室等機構研究人員提出的GITM框架，旨在創建游戲我的世界中的通用AGENT。資料來源：賽脖古公眾號，東吳證券研究所圖：工具使用對比圖圖：工具使用對比圖VoyagerVoyager其他其他AI AI AgentAgent圖：地圖探索范圍對比圖圖：地圖探索范圍對比圖31資料來源：Generative Agents:Interactive Simulacra of Human Behavior，東吳證券研究所25 個智能體居住在名為 Smallville 的小鎮，每個智能體可執行類似人類的日常行為，比如起床后

95、做早餐然后去上班，藝術家作畫，作家寫作。他們可以與別人和環境交流與別人和環境交流（互相注意到彼此舉動、發起對話或者問候）、反思這些觀察結果（反思這些觀察結果（形成獨特的個人觀點）、制定每天的計劃。、制定每天的計劃。他們擁有自己記憶和目標，會產生可信的個人和涌現的社交行為，而不是通過預先設計實現。如：從用戶指定的單一任務開始，即一個AI-Agent想要舉辦情人節聚會，AI-Agents們在接下來的時間里會自發的傳播邀請、認識新朋友、互相約出參加聚會的日期，并協調在正確的時間一起出現在聚會上。3.2.2 3.2.2 多智能體：多智能體：Smallville Smallville 小鎮，類小鎮，類西

96、部西部世界的模擬世界的模擬社會社會設計者創造了一個沙盒環境，里面有25個智能體。用戶可以像智能體一樣觀察他們的行為，并與他們交流、規劃時間、分享新聞、相互合作。圖：小鎮整體布局與智能體的生活圖：小鎮整體布局與智能體的生活圖：時間計劃表圖：時間計劃表圖：角色之間的對話圖：角色之間的對話智能體從早上開始一天的生活：在6點起床，接著刷牙、洗澡、做飯、吃早餐，7：30與妻兒交流，7：45收拾東西，8：00上班工作。伊莎貝拉伊莎貝拉:我還在考慮我的選擇，但是我一直在和山姆摩爾討論選舉。你對他有什么看法?湯姆湯姆:老實說，我不喜歡山姆摩爾。我認為他與社區脫節，沒有把我們的最大利益放在心上。32圖：與街上的

97、圖：與街上的AINPCAINPC進行互動，進行互動，AINPCAINPC在后續遇到玩家可以認出玩家在后續遇到玩家可以認出玩家2023年6月30日，網易重磅MMO新游逆水寒手游上線，首日即登頂iOS游戲免費榜，截至7月3日凌晨，仍高居榜首；iOS游戲暢銷榜排名于公測當天晚（6月30日晚）躍升至第3名，于7月1日晚躍升至第2名。逆水寒手游中投放了百位AINPC，不僅能和玩家對答如流，而且擁有了記憶，大大增加了游戲樂趣，同時NPC提供的探索劇情，也讓游戲內容更為豐富。通過與NPC互動，玩家可以了解這個世界，探聽到很多奇聞，了解一些boss的弱點（比如通過NPC對話，了解到高衙內的打手怕水，在打斗中將

98、其推進水中可以取得巧勝），甚至通過NPC的關系網，玩家可以巧解難題。圖：圖：AINPCAINPC會主動找到玩家，請吃飯喝酒，展開劇情會主動找到玩家，請吃飯喝酒，展開劇情資料來源：小紅書，七麥數據，東吳證券研究所3.2.3 3.2.3 多智能體：多智能體：網網易易逆水寒逆水寒手游，手游，AI NPCAI NPC提高玩家體驗提高玩家體驗33資料來源：Club Koala官網及官方YouTube賬號，東吳證券研究所3.2.4 3.2.4 多智能體：多智能體：昆侖昆侖萬維萬維Club KoalaClub Koala虛擬世界更可信虛擬世界更可信產品特色產品特色AI NPCAI NPC，讓虛擬世界更真實，

99、讓虛擬世界更真實使用Play for Fun的Atom AI系統，每個AI NPC都將有自己的性格特征、行為模式，會自主制定日程并執行，并會影響其他NPC的關系和發展。同時加入記憶系統記憶系統后，AI NPC能夠記住與玩家的互動，同時可以根據玩家的行為，并調整自己的行為，發展“自我意識”，進行自然而真實的動作和對話。玩家與AI NPC的互動將被NPC記住，同時NPC將分析玩家行為模式和偏好，并反映在后續與玩家的互動中，以建立起玩家與NPC之間真正的紐帶。未來玩家甚至可以定制自己的專屬未來玩家甚至可以定制自己的專屬NPCNPC。圖：圖：玩家與玩家與AI NPCAI NPC服裝服裝店員工店員工Sn

100、owSnow的的互動（互動（SnowSnow的回答契合她的身份設定）的回答契合她的身份設定）玩家（Alex）：我感到孤獨AI NPC：Alex，很遺憾聽到你這么說，有什么具體的事情讓你感到孤獨嗎？玩家（Alex）：我不確定，就是感覺我生活中少了些什么AI NPC：Alex，很遺憾聽到你這么說，這確實讓人難受。你有想過探索一些可能帶來樂趣的愛好或者活動嗎？我很享受學習時尚設計我很享受學習時尚設計，它能讓我.同時我也喜歡在戶外活動你呢？你覺得哪些愛好和活動可能讓你開心？4 4、投資建議、投資建議34354 4 投資建議投資建議推薦在智能體模擬方向有直接布局的昆侖萬維、中文在線、盛天網絡，建議關注天

101、地在線等。推薦在智能體模擬方向有直接布局的昆侖萬維、中文在線、盛天網絡，建議關注天地在線等。昆侖萬維：昆侖萬維：自研天工大模型；AI 游戲Club Koala預計2023年年末正式發行。中文在線：中文在線：推出Chapters、My escape等互動應用，用戶為情感付費，期待后續基于豐富內容語料帶來更自由更有趣的互動玩法及情感體驗。盛天網絡：盛天網絡：公司正積極對接超擬人大模型開發商聆心智能，后續將人工智能科技與自有娛樂場景深度結合，雙方將共同打造、探索AI+游戲社交互動新場景，給玩家帶來全新體驗。旗下帶帶電競正在推進AI虛擬陪伴等社交應用。天地在線：天地在線：與開發了“超擬人大模型”的聆心

102、智能達成專項開發和聯合運營合作?；诔瑪M人大模型，公司AI數字人有望更具有情緒、人格。智能體模擬有望提高游戲可玩性從而升級玩家體驗，游戲板塊有望整體受益。智能體模擬有望提高游戲可玩性從而升級玩家體驗，游戲板塊有望整體受益。我們推薦研運能力出色且產品儲備充沛的廠商：愷英網絡、吉比特、三七互娛、巨人網絡、寶通科技等，港股的創夢天地等，建議關注神州泰岳、世紀華通等。IPIP資源在資源在AI AGENTAI AGENT發展過程中亦有望發揮價值，發展過程中亦有望發揮價值，我們建議關注：1）藝人IP：華策影視等；2）影視/動畫IP：光線傳媒、奧飛娛樂、博納影業、上海電影、中國電影等。教育、電商等自主智能體

103、發展亦有望推動行業發展，快速布局、應用的公司將有望受益，教育推薦南方傳媒、鳳凰傳媒、皖新傳媒、新東方，教育、電商等自主智能體發展亦有望推動行業發展，快速布局、應用的公司將有望受益，教育推薦南方傳媒、鳳凰傳媒、皖新傳媒、新東方，建議關注世紀天鴻、好未來、高途集團、科大訊飛、佳發教育、盛通股份、傳智教育、鴻合科技等；電商及企業服務領域推薦焦點科技、華凱建議關注世紀天鴻、好未來、高途集團、科大訊飛、佳發教育、盛通股份、傳智教育、鴻合科技等；電商及企業服務領域推薦焦點科技、華凱易佰、吉宏股份。創作類自主智能體發展有助于提高內容行業生產效率，推薦動畫電影龍頭光線傳媒。易佰、吉宏股份。創作類自主智能體發展

104、有助于提高內容行業生產效率，推薦動畫電影龍頭光線傳媒。5 5、風險提示、風險提示36375.5.風險提示風險提示 產業進展不及預期:AI技術發展或產品落地不及預期可能會導致企業AI業務進展不及預期。監管風險：監管收緊可能會影響行業發展和企業業務進展。市場競爭加劇風險：個股所在行業競爭加劇可能對相關公司業務產生不利影響。免責聲明東吳證券股份有限公司經中國證券監督管理委員會批準，已具備證券投資咨詢業務資格。本研究報告僅供東吳證券股份有限公司（以下簡稱“本公司”）的客戶使用。本公司不會因接收人收到本報告而視其為客戶。在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的投資建議，本公司及作者不

105、對任何人因使用本報告中的內容所導致的任何后果負任何責任。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。在法律許可的情況下，東吳證券及其所屬關聯機構可能會持有報告中提到的公司所發行的證券并進行交易，還可能為這些公司提供投資銀行服務或其他服務。市場有風險，投資需謹慎。本報告是基于本公司分析師認為可靠且已公開的信息，本公司力求但不保證這些信息的準確性和完整性，也不保證文中觀點或陳述不會發生任何變更，在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本報告的版權歸本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制和發布。經授權刊載、轉發本報告或者

106、摘要的，應當注明出處為東吳證券研究所，并注明本報告發布人和發布日期，提示使用本報告的風險，且不得對本報告進行有悖原意的引用、刪節和修改。未經授權或未按要求刊載、轉發本報告的，應當承擔相應的法律責任。本公司將保留向其追究法律責任的權利。東吳證券投資評級標準 投資評級基于分析師對報告發布日后6至12個月內行業或公司回報潛力相對基準表現的預期（A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500 指數，新三板基準指數為三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的），具體如下：公司投資評級：買入：預期未來6個月個股漲跌幅相對基準在15%以上；增持：預期

107、未來6個月個股漲跌幅相對基準介于5%與15%之間；中性：預期未來 6個月個股漲跌幅相對基準介于-5%與5%之間；減持：預期未來 6個月個股漲跌幅相對基準介于-15%與-5%之間；賣出：預期未來 6個月個股漲跌幅相對基準在-15%以下。行業投資評級：增持：預期未來6個月內，行業指數相對強于基準5%以上；中性：預期未來6個月內，行業指數相對基準-5%與5%；減持：預期未來6個月內，行業指數相對弱于基準5%以上。我們在此提醒您，不同證券研究機構采用不同的評級術語及評級標準。我們采用的是相對評級體系，表示投資的相對比重建議。投資者買入或者賣出證券的決定應當充分考慮自身特定狀況，如具體投資目的、財務狀況以及特定需求等，并完整理解和使用本報告內容，不應視本報告為做出投資決策的唯一因素。東吳證券研究所蘇州工業園區星陽街5號郵政編碼：215021傳真：（0512）62938527