《計算機行業：AI Agent突破ChatBot形式滲透全產業-250217（24頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：AI Agent突破ChatBot形式滲透全產業-250217（24頁）.pdf（24頁珍藏版）》請在三個皮匠報告上搜索。

1、 請務必閱讀正文之后的免責條款部分 股票研究股票研究 行業專題研究行業專題研究 證券研究報告證券研究報告 股票研究/Table_Date 2025.02.17 AI Agent 突破突破 ChatBot 形式滲透全產業形式滲透全產業 Table_Industry 計算機計算機 Table_Invest 評級：評級：增持增持 上次評級:增持 Table_Report 相關報告相關報告 計算機效率革命劍指“暴力計算法則”2025.02.14 計算機重視企業本地部署大模型的投資機會2025.02.12 計算機金融行業本地部署 DeepSeek，金融 IT充分受益2025.02.08 計算機Deep

2、Research 發布，深化 Agent 應用2025.02.05 計算機AI 競賽加速，國內技術與應用快速崛起2025.02.03 table_Authors 李博倫李博倫(分析師分析師)伍巍伍巍(研究助理研究助理)鐘明翰鐘明翰(研究助理研究助理)0755-23976516 021-38031029 021-38031383 登記編號登記編號 S0880520020004 S0880123070157 S0880124070047 本報告導讀：本報告導讀：RAG 降低大模型幻覺并突破信息滯后，降低大模型幻覺并突破信息滯后，DeepSeek 帶來輕量化成本變革，二者共同帶來輕量化成本變革，二者

3、共同驅動驅動 AI Agent 加速落地。同時，加速落地。同時，AI Agent 的應用形式已遠不局限于的應用形式已遠不局限于 ChatBot，在工，在工農業等封閉場景形成商業閉環，并加速向更多企業級和消費級的垂直領域滲透農業等封閉場景形成商業閉環，并加速向更多企業級和消費級的垂直領域滲透。投資要點：投資要點：Table_Summary 投資建議：投資建議：AI Agent 技術的演進路徑顯示其價值釋放存在明顯的場景梯度，應優先關注已形成完整感知-決策-執行閉環的技術場景。企業級場景因決策鏈路清晰、數據質量可控成為初期落地重心，而消費級應用的爆發需等待多模態交互技術成熟與硬件成本下探。投資重心

4、應聚焦具備行業轉化能力的平臺型技術供應商，以及能夠將Agent 能力深度嵌入垂直場景工作流的解決方案商。同時在基礎設施層面，邊緣計算單元和多模態傳感器將在 AI Agent 落地的趨勢中受益。推薦標的：鼎捷數智、福昕軟件、科大訊飛、虹軟科技、商湯-W、用友網絡、京北方、宇信科技、星環科技、朗新集團、國能日新。受益標的：潤達醫療、邁富時、泛微網絡、華宇軟件。DeepSeek 輕量輕量化技術突破驅動化技術突破驅動 AI Agent 產業級應用產業級應用加速加速滲透。滲透。DeepSeek-R1 API 價格約為行業均值的 5%，推動企業級場景中應用成本下降，加速從試點到規?；霓D變。消費級市場則受

5、益于 Janus-Pro 等輕量多模態方案，多模態小模型的成功可支撐環境感知、物體操控等復雜交互需求。技術輕量化使智能座艙、家庭機器人等消費硬件突破算力約束，打開市場空間。能實現輕量模型與行業工作流深度耦合的技術平臺將搶先構建商業護城河。RAG 技術通過動態整合外部知識庫，有效解決大模型信息滯后與技術通過動態整合外部知識庫，有效解決大模型信息滯后與幻覺問題?；糜X問題。微軟 CEO 明確 RAG 是 AI 應用的核心組件，其價值在于構建理解-檢索-生成的持續進化閉環。RAG 實現結構化信息提取與邏輯重組使企業能夠將內部知識庫轉化為動態訓練數據，通過持續反饋優化 Agent 決策能力，為金融研報生

6、成、醫療診斷等專業場景提供可靠知識支撐。多源數據整合能力以及 RAG 與實際業務需求的深度融合將成為企業級 AI 應用的核心競爭力。工業、農業等領域的封閉場景正成為工業、農業等領域的封閉場景正成為 AI Agent 價值釋放的價值釋放的重要重要陣陣地。地。工業自動化領域已形成完整技術驗證閉環，Covariant Brain 在倉儲物流場景實現 99.99%分揀準確率，Agility Robotics 的 Digit 機器人通過云端平臺實現全流程自動化管理。農業精準管理場景中，土壤墑情分析與病蟲害預測系統通過環境傳感器數據閉環，實現種植決策的動態優化。這些應用場景具備結構化數據環境、明確的決策目

7、標和可量化的評價體系，為 AI Agent 技術迭代提供穩定訓練場，催生了 AI Agent 的商業化突破。風險提示：風險提示：技術成熟度不足、數據安全隱患、行業競爭同質化風險。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 2 of 24 目錄目錄 1.投資建議.3 2.從被動響應到主動閉環，AI Agent 開啟智能決策新紀元.3 3.RAG 突破信息滯后，激發大模型應用潛力.4 4.DeepSeek 輕量化成本推動 AI Agent 在企業落地.5 5.AI Agent 實現從對話系統到全場景智能體的范式重構.9 6.應用場景持續拓展，揭示更多產業效率提升路徑.11 6.1.

8、賦能工業自動化，開啟智能制造新紀元.12 6.2.服務機器人交互環境驅動自主決策,現場協同實現服務革新.13 6.3.自動駕駛省實現精準道路決策，智能座艙提升駕乘體驗.15 6.4.農業 Agent 實現全程監控，自主管理種植與養殖細節.16 6.5.智能家居主動聯動 IoT 設備，提升生活場景智能化水平.18 6.6.Agent 突破智能終端操作范式，實現個人助理全流程自動化.20 6.7.金融服務 Agent 智能監控識別風險，自動執行財富管理.21 6.8.自主開展實驗加速科研進程，Agent 貫穿操作到分析全流程.21 6.9.Agent 助力 NPC 實現智能互動，場景生成和游戲測試

9、工作提速.22 7.風險提示.23 oYaZmNpNtQtPsPaQ9R9PsQpPsQnQeRrRsQlOoPzR6MoOvMwMrRpMMYnOpP行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 3 of 24 1.投資建議投資建議 AI Agent 技術的演進路徑顯示其價值釋放存在明顯的場景梯度，應優先關注已形成完整感知-決策-執行閉環的技術場景。企業級場景因決策鏈路清晰、數據質量可控成為初期落地重心，而消費級應用的爆發需等待多模態交互技術成熟與硬件成本下探。投資重心應聚焦具備行業轉化能力的平臺型技術供應商，以及能夠將 Agent 能力深度嵌入垂直場景工作流的解決方案商。同時

10、在基礎設施層面，邊緣計算單元和多模態傳感器將在 AI Agent 落地的趨勢中受益。推薦標的：鼎捷數智、福昕軟件、科大訊飛、虹軟科技、商湯-W、用友網絡、京北方、宇信科技、星環科技、朗新集團、國能日新。受益標的：潤達醫療、邁富時、泛微網絡、華宇軟件。表表1：推薦標的盈利預測推薦標的盈利預測 股票名稱股票名稱 股價（元）股價（元）EPS（元/股）PE（倍）評級評級 2025/02/14 2023A 2024E 2025E 2023A 2024E 2025E 科大訊飛 52.78 0.28 0.39 0.43 188.50 135.33 122.74 增持 福昕軟件 81.69-1.03-0.12

11、 0.3-272.30 增持 鼎捷數智 41.56 0.56 0.68 0.85 74.21 61.12 48.89 增持 虹軟科技 51.14 0.22 0.36 0.48 232.45 142.06 106.54 增持 商湯-W 28.58 0.735 0.87 1.02 38.88 32.85 28.02 增持 用友網絡 60.67 1.1804 1.74 2.11 51.40 34.87 28.75 增持 京北方 16.86 0.79 0.55 0.66 21.34 30.65 25.55 增持 宇信科技 27.64 0.47 0.54 0.64 58.81 51.19 43.19 增

12、持 朗新集團 12.81 0.56 0.54 0.64 22.88 23.72 20.02 增持 國能日新 46.3 0.85 1.29 1.65 54.47 35.89 28.06 增持 星環科技 57.41-2.39-1.86-1.36-增持 數據來源：國泰君安證券研究 2.從被動響應到主動閉環從被動響應到主動閉環，AI Agent 開啟智能決策新紀開啟智能決策新紀元元 AI Agent 是基于是基于 LLM 構建的自主決策系統，通過任務分解、記憶管理與構建的自主決策系統，通過任務分解、記憶管理與工具調用實現復雜目標閉環。工具調用實現復雜目標閉環。其核心架構以 LLM 為大腦，具備三層能力

13、：規劃層將宏觀任務拆解為可執行的子目標，并通過自我反思機制優化執行路徑；記憶層整合短期上下文學習與長期外部向量數據庫，實現跨會話的知識沉淀；工具層動態對接 API 擴展能力邊界，實時獲取模型權重外的信息。典型代表 AutoGPT 通過這三層架構，可自主完成從數據爬取到分析報告生成的全流程，突破傳統 AI 單點工具的限制，形成系統的自治。圖圖1：AI Agent：LLM 驅動的自主代理系統驅動的自主代理系統 數據來源：LLM Powered Autonomous Agents 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 4 of 24 AI Agent 能夠代表用戶或系統自主執行

14、任務，通過設計工作流程并調用工能夠代表用戶或系統自主執行任務，通過設計工作流程并調用工具實現復雜功能。具實現復雜功能。人機協作模式按照自動化程度不同，可以分為三種：Embedding、Copilot、Agent。AI Agent 不僅限于 NLP 等基礎的模塊化工作，還涵蓋決策制定、問題解決、與外部環境交互及執行動作等能力。例如，在軟件設計、IT 自動化和代碼生成等企業場景中，AI Agent 利用大語言模型（LLMs）的高級自然語言處理技術，逐步理解用戶輸入并調用外部工具完成任務。其核心價值在于通過自主性和智能化能力，顯著提升任務執行效率并降低人工干預需求。圖圖2：Agent 模式模式 AI

15、 自主性提高，人類工作轉向專注設置自主性提高，人類工作轉向專注設置 OKR 數據來源：沙丘智庫 AI Agent 通過自主任務分解與動態規劃實現復雜流程自動化。通過自主任務分解與動態規劃實現復雜流程自動化。非 Agentic 聊天機器人受限于單輪對話模式，需用戶逐步輸入指令，而如 AutoGPT 等Agentic 系統能自動解析用戶需求，生成多級子任務序列。以生成行業分析報告為例，AI Agent 可自主規劃數據采集、清洗建模、可視化輸出全流程，調用代碼解釋器與數據庫接口完成操作，無需人工拆分步驟。這種基于目標導向的架構使其在軟件開發、數據分析等領域實現端到端解決方案，突破傳統 ChatBot

16、s 線性交互的局限。3.RAG 突破信息滯后，激發大模型應用潛力突破信息滯后，激發大模型應用潛力 RAG 賦能外部資源激活，驅動大模型全場景精準應用。賦能外部資源激活，驅動大模型全場景精準應用。LLM 正受到離線訓練方式的制約，難以實時更新和整合多元數據，迫切需要突破固有瓶頸以滿足日益增長的業務需求。RAG 技術通過動態檢索外部高質量信息，并將其有機融合到生成流程中，從根本上提升了模型對實時數據的響應能力和內容準確性。借助 RAG 技術，企業得以在數字化轉型中建立高效、實時的智能系統。RAG 引入使大模型幻覺降低，顯著提升生成準確性。引入使大模型幻覺降低，顯著提升生成準確性。大語言模型在生成答

17、案時常存在輸出信息不準確與幻覺風險，而 RAG 技術通過動態檢索外部高質量信息，嚴格校驗用戶查詢，從而極大緩解了這一短板。而文心一言的案例則證明，當搜索系統與生成模型協同工作時，答案呈現出更清晰、數據支撐充分的邏輯結構。通過理解并在檢索后生成回復的流程，不僅確保了答案的時效性與準確度，也為大模型承擔專業及復雜任務提供了堅實技術保障。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 5 of 24 圖圖3：LLM 的幻覺問題仍未得到充分解決，的幻覺問題仍未得到充分解決，RAG 提供了有效的解決思路提供了有效的解決思路 數據來源：Vectara RAG 技術助力企業構建智能決策平臺。技術

18、助力企業構建智能決策平臺。在企業數字化轉型過程中，高速、精準的數據處理與實時決策能力至關重要。微軟 CEO 在 2024 年 Microsoft Build 上強調 RAG 是任何 AI 驅動應用的核心，通過引入檢索機制，企業得以將內部結構化數據與外部實時信息無縫整合，形成一個高效智能決策平臺。這一技術不僅解決了傳統大模型因離線訓練導致的信息更新滯后問題，而且利用語義搜索和知識圖譜等工具，實現了邏輯多角度與數據多維度的深度融合，從而顯著提升決策效率和準確性。隨著各行業對智能化水平要求不斷升級，這一技術革新將推動大模型產業應用的全面升級。RAG 為大模型構建“理解為大模型構建“理解檢索檢索生成”

19、閉環，有效支撐大模型迭代進化。生成”閉環，有效支撐大模型迭代進化。RAG 通過引入外部知識檢索確保模型生成內容始終建立在最新、最權威的信息基礎上。例如，2024 年 7 月開源的 GraphRAG 不僅在傳統關鍵詞匹配上進行了突破，還融合了向量搜索與圖數據庫的優勢，實現了結構化的信息提取與邏輯重組。此舉解決了模型面對語境復雜問題時可能出現的信息冗余與邏輯混亂問題，從根本上提升了大模型應答的專業性和系統性。通過這種多層次、閉環的數據整合策略，研發團隊既能快速驗證新信息，又能持續更新模型核心知識圖譜，為整個大模型生態系統后續演進鑄就堅實基礎。RAG 實現多模態信息融合，激發全場景智慧應用潛力。實現

20、多模態信息融合，激發全場景智慧應用潛力。在數字經濟背景下，信息不再局限于文字描述，而是涵蓋圖像、視頻及其他多媒體形態。文心一言便充分體現了這一趨勢，其通過文本描述與表格、視頻多種展現方式，可以有效回答復雜問題。多模態檢索能力使大模型能夠綜合不同形式的數據，為跨行業應用奠定了基礎。企業借助這種技術，可以實現更全面的數據采集與知識融合，從而開發出面向教育、創意、智能客服等領域的全新應用場景，進一步拓寬市場邊界。長上下文與長上下文與 RAG 融合協同，構筑大模型長效擴展與競爭優勢。融合協同，構筑大模型長效擴展與競爭優勢。雖然近年來大模型不斷突破上下文窗口的限制，實現了處理百萬 token 的能力，但

21、同時單純依靠長上下文技術在應對復雜檢索時仍存在一定短板，容易因冗余信息干擾核心推理。RAG 正是在這一背景下發揮出補充優勢，通過實時檢索外部數據，輔助大模型在處理跨領域、跨模態問題時快速定位精確信息，實現信息動態更新與核驗。兩者融合不僅有效防止了單一模型可能出現的知識陳舊和幻覺問題，更構成了一個靈活、長效的知識更新體系，為諸如金融、醫療、法律等要求高數據實時性和高準確性場景提供強大技術支撐。4.DeepSeek 輕量化成本推動輕量化成本推動 AI Agent 在企業落地在企業落地 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 6 of 24 DeepSeek-R1 在在 AIME

22、 等多項推理測試中對標等多項推理測試中對標 OpenAI o1，標志著開源，標志著開源Agent 邁入高級推理時代。邁入高級推理時代。推理能力一直是制約 AI 應用場景拓展的關鍵瓶頸。2025 年 1 月 20 日，DeepSeek 發布 R1 模型，通過在后訓練階段大規模應用強化學習技術，DeepSeek-R1 實現了顯著的性能突破在 AIME 2024測試中達到 79.8 的 Pass1 分數，在 MATH-500 達到 97.3 的通過率，引領了開源模型的多維度認知能力提升，使得 AI Agent 能夠處理更具挑戰性的任務流程，從簡單的指令執行升級為具備結構化思維的智能協作者。在金融分析

23、、科研探索等對推理深度要求較高的專業領域，Agent 將能夠提供更接近人類專家水平的決策支持，這種能力躍升直接拓展了 AI Agent 的應用邊界，推動其從輔助工具向核心決策支持系統演進。DeepSeek-R1 采用采用 MIT License 并支持模型蒸餾，打破了并支持模型蒸餾，打破了 AI Agent 開發的開發的技術壟斷格局。技術壟斷格局。在過去閉源模型占領技術高位的市場環境下，AI Agent 開發往往受限于核心模型的封閉性，導致創新被少數科技巨頭壟斷。DeepSeek-R1 通過采用完全開放的 MIT 協議，并明確支持模型蒸餾，從根本上改變了這一局面。同時，其蒸餾模型在基準測試中也

24、表現優異，基于 R1 蒸餾的 32B模型在 AIME 和 MATH-500 中分別實現了 72.6、94.3 的 Pass1，證明了技術擴散的可行性。這種技術民主化趨勢將催生更多垂直領域的創新應用，推動 AI Agent 行業從單一技術競爭轉向多元化的場景創新競爭。圖圖4：DeepSeek-R1 及其蒸餾模型在基準測試中均表現優異及其蒸餾模型在基準測試中均表現優異 數據來源：DeepSeek DeepSeek 通過開源大模型與蒸餾小模型，構建起層級化的技術供給體系。通過開源大模型與蒸餾小模型，構建起層級化的技術供給體系。DeepSeek-R1 的發布建立了從 660B 頂級模型到 1.5B 輕

25、量級模型的完整產品線，其中 Qwen 系列覆蓋 1.5B、7B、14B、32B 等多個規格，Llama 系列則提供 8B 和 70B 兩個版本。這種分級技術架構為 AI Agent 產業鏈的專業化分工奠定了基礎。即便是最小的 1.5B 模型也能在 MATH-500 中達到 83.9的成績，證明了輕量級模型在特定場景下的實用價值，將推動 AI Agent 行業形成專業化的分工體系。DeepSeek-R1 以小參數量實現高性能，挑戰了傳統的規模擴張路線。以小參數量實現高性能，挑戰了傳統的規模擴張路線。DeepSeek-R1 的成功對 AI 行業部分企業長期奉行的 Scaling Law 發展理念提

26、出了根本性挑戰。通過在后訓練階段采用創新的強化學習算法，即便是DeepSeek-R1、Qwen 32B 規模版本的蒸餾模型也能在 AIME 等核心指標上全面超過 o1-mini 的表現。這一突破性成果證明，算法創新比簡單的參數規行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 7 of 24 模擴張更具價值，從根本上動搖了過度依賴算力投入的傳統發展路徑。這種范式轉變將重塑產業投資邏輯，使得資本市場不再盲目追捧算力基建，轉而更加關注企業的實際創新力。對于整個 AI 行業而言，發展重心將從粗放式的規模擴張轉向精細化的算法優化，推動行業形成更加理性和可持續的技術進化路徑。這種認知的轉變也將

27、幫助企業避免陷入無休止的算力軍備競賽，轉而將有限資源投入到真正能創造價值的技術創新中。表表2：DeepSeek 提供不同量級模型，蒸餾模型同樣表現優異提供不同量級模型，蒸餾模型同樣表現優異 模型名稱模型名稱 AIME AIME 2024 2024 pass1pass1 AIME 2024 AIME 2024 cons64cons64 MATHMATH-500 500 pass1pass1 GPQA Diamond GPQA Diamond pass1pass1 LiveCodeBench LiveCodeBench pass1pass1 CodeForces CodeForces rating

28、rating GPTGPT-4o4o-05130513 9.3 13.4 74.6 49.9 32.9 759 ClaudeClaude-3.53.5-SonnetSonnet-10221022 16 26.7 78.3 65 38.9 717 o1o1-minimini 63.6 80 90 60 53.8 1820 QwQQwQ-32B32B 44 60 90.6 54.5 41.9 1316 DeepSeekDeepSeek-R1R1-DistillDistill-QwenQwen-1.5B1.5B 28.9 52.7 83.9 33.8 16.9 954 DeepSeekDeepSee

29、k-R1R1-DistillDistill-QwenQwen-7B7B 55.5 83.3 92.8 49.1 37.6 1189 DeepSeekDeepSeek-R1R1-DistillDistill-QwenQwen-14B14B 69.7 80 93.9 59.1 53.1 1481 DeepSeekDeepSeek-R1R1-DistillDistill-QwenQwen-32B32B 72.6 83.3 94.3 62.1 57.2 1691 DeepSeekDeepSeek-R1R1-DistillDistill-LlamaLlama-8B8B 50.4 80 89.1 49 3

30、9.6 1205 DeepSeekDeepSeek-R1R1-DistillDistill-LlamaLlama-70B70B 70 86.7 94.5 65.2 57.5 1633 數據來源：DeepSeek，國泰君安證券研究 Janus-Pro 以以 7B 參數量在多模態領域參數量在多模態領域實現突破實現突破，印證輕量化技術路線，印證輕量化技術路線在多在多模態領域同樣具有模態領域同樣具有普適性。普適性。繼 DeepSeek-R1 在對話領域證明小參數量模型的可行性后，1 月 28 日 DeepSeek 又發布了 Janus-Pro，通過解耦式架構設計在多模態領域實現了突破。其 7B 版本在

31、 GenEval 基準測試中取得 80%準確率，在 DPG-Bench 獲得 84.19 分，且在 MMBench 多模態理解測試中達到 79.2 分，超越 DALL-E 3、Emu3-Gen 等一眾主流生成方法。這一成果證明了輕量化技術路線并非僅限于特定領域，而是可以推廣到 AI 技術的各個分支，表明 AI 技術的進步不一定依賴于算力規模的無限擴張。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 8 of 24 圖圖5：Janus-Pro 以以 7B 參數量在多模態領域實現參數量在多模態領域實現突破突破，印證輕量化技術路線在多模態領域同樣具有普適性，印證輕量化技術路線在多模態領域

32、同樣具有普適性 數據來源：DeepSeek，國泰君安證券研究 顯著低于行業均值的顯著低于行業均值的 API 定價策略，重構了定價策略，重構了 AI Agent 的商業化路徑。的商業化路徑。DeepSeek-R1 通過極具競爭力的定價策略，從根本上改變了 AI Agent 的商業化邏輯。其 API 價格僅為競品 o1，o1-mini 的不到 5%，DeepSeek-R1 緩存命中的輸入 API 價格為 1 元/百萬 tokens，輸出 API 價格為 16 元/百萬tokens，而 o1-mini 和 o1 對應的價格分別為 11 元/88 元，55 元/438 元。這種普惠性的商業模式創新，將

33、加速 AI Agent 在各個垂直領域的滲透，推動行業從概念驗證階段邁向規?；虡I應用階段。同時，合理的成本結構也為開發者提供了更大的商業模式創新空間，有助于形成更加多元化的商業生態。圖圖6：DeepSeek 在推理模型中在推理模型中 API 價格優勢顯著，重構價格優勢顯著，重構 AI 商業化路徑商業化路徑 數據來源：DeepSeek，國泰君安證券研究 開開源后訓練階段的強化學習技術，將重塑源后訓練階段的強化學習技術，將重塑 AI Agent 的進化路徑。的進化路徑。DeepSeek-R1 通過開源其后訓練階段的強化學習技術，為整個 AI Agent 領域提供了一個可復制的技術范式。這種在極少

34、標注數據下實現模型能力定向優化的方法，不僅降低了 AI 訓練的資源門檻，更重要的是為整個行業指明了一條高效的技術進化路徑。開源策略使得這一突破性技術能被整個行業共同驗證和改進，加速了 AI Agent 在認知能力上的迭代升級。這種技術共享機制將行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 9 of 24 推動整個行業形成更加開放和協作的創新生態，為 AI Agent 向更高級形態演進奠定基礎。DeepSeek-R1 低價低價 API 與開源策略的組合與開源策略的組合或或改變改變 AI 產業的投資方向。產業的投資方向。DeepSeek-R1 的開源策略與極具競爭力的 API 定價相

35、結合，正在重塑整個AI 產業的發展路徑。當基礎模型能力可以通過低成本 API 獲取，且核心技術棧完全開源時，大量企業將不再需要投入巨資研發底層大模型。這種策略必然導致行業競爭重心從基礎技術研發轉向應用場景創新。企業可以將原本用于基礎研發的資源，轉而投入到 AI Agent 的場景應用開發中，這種投資重點的轉移將顯著加速 AI 技術的產業落地。同時，基礎設施的同質化也會推動企業更專注于在特定垂直領域打造差異化優勢，最終形成以應用創新為核心的良性競爭格局。5.AI Agent 實現實現從對話系統到全場景智能體的范式重從對話系統到全場景智能體的范式重構構 ChatBots 是是 AI Agent 的

36、重要應用形式，代表性應用智能客服系統已經遠超的重要應用形式，代表性應用智能客服系統已經遠超傳統對話系統的局限，從簡單對話工具升級為完整的智能服務生態系統。傳統對話系統的局限，從簡單對話工具升級為完整的智能服務生態系統。目前群眾對 AI 的認知雖然普遍停留在類 ChatGPT 這樣的對話機器人層面，但以智能客服領域為例，AI Agent 已經實現了顯著的技術突破。引入 AI Agent 的客服系統能夠自動識別客戶使用的語言并實時切換，提供全天候的自動化服務響應；在數據分析層面，系統可以實時監控和分析客戶互動數據，通過行為模式分析預測客戶需求，并據此提供個性化的服務推薦；通過情感識別技術，AI A

37、gent 還能夠捕捉客戶的情緒變化，及時調整服務策略，有效提升客戶滿意度。這些功能的整合，使 AI Agent 在客服領域構建了一個融合自動化、智能分析和個性化服務的完整生態系統。AI Agent 應用形式覆蓋物理交互、虛擬決策和內容創作等類型，展現出超應用形式覆蓋物理交互、虛擬決策和內容創作等類型，展現出超越對話系統的廣泛應用價值。越對話系統的廣泛應用價值。物理執行與交互型應用強調與現實世界的直接互動，包括智能家居控制系統、自動駕駛技術、工業自動化機器人、智慧農業系統以及醫療護理機器人等。在虛擬決策與數據處理領域，AI Agent 專注于數字環境中的信息處理和決策支持，應用范圍覆蓋個人數字助

38、理、企業決策支持系統、金融投資顧問、科研輔助工具等。而在內容生成領域，AI Agent則主要服務于用戶體驗和創意產出，具體表現為智能游戲NPC系統、個性化教育平臺、創意設計輔助工具以及智能零售服務系統。這種多維度的應用分布充分體現了 AI Agent 在各個領域的深度融合與實際應用價值。物理執行與交物理執行與交互型互型 物理執行與交互型物理執行與交互型 AI Agent 通過傳感器和執行器的深度融合，實現從環境通過傳感器和執行器的深度融合，實現從環境感知到自主決策的完整智能交互鏈路，突破傳統自動化系統的固定程序限感知到自主決策的完整智能交互鏈路，突破傳統自動化系統的固定程序限制。制。通過多模態

39、傳感器的協同，系統能夠主動獲取并整合視覺、聲音、溫度、位置等環境信息，并基于實時狀態自主制定執行策略。這種自適應的環境感知和決策執行能力，標志著智能自動化從固定程序控制邁向了具備環境認知和自主決策能力的新階段。智能家居和自動駕駛領域的智能家居和自動駕駛領域的 AI Agent 通過實時環境感知和多維度控制協同，通過實時環境感知和多維度控制協同，將傳統自動化升級為具備場景理解和自適應決策的智能系統。將傳統自動化升級為具備場景理解和自適應決策的智能系統。在智能家居領域，AI Agent 主要負責家庭環境的全方位管理，包括對室內溫度、濕度、光照等環境參數的實時監測和自動調節，以及對安防系統、家用電器

40、的智能控制。通過多維度的環境感知和設備聯動，系統可以營造舒適的居住環境，同時實現能源使用的優化。在自動駕駛領域，AI Agent 通過多傳感器融合技術實現對道路環境的全面感知，包括車道線識別、障礙物檢測、交通信號識別等，并能夠根據道路狀況做出實時駕駛決策，執行轉向、加速、制動等控行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 10 of 24 制指令。工業和農業領域的工業和農業領域的 AI Agent 突破傳統自動化的單一執行模式，實現從固定突破傳統自動化的單一執行模式，實現從固定流程控制到自主優化流程控制到自主優化決策的技術躍升。決策的技術躍升。在工業領域，AI Agent 顛覆

41、了傳統工業機器人的固定程序執行模式。它不僅能完成預設的制造任務，更能通過持續學習優化生產工藝，自主調整操作參數。例如，在質量檢測環節，Agent能夠基于歷史數據自主更新檢測標準，并在發現異常時主動調整上游生產參數，展現出對整體生產流程的理解和優化能力。在農業領域，AI Agent 同樣突破了傳統農業自動化的局限，它能夠綜合分析土壤、氣候、作物生長等多維數據，自主制定和動態調整精準作業方案，實現從被動執行到主動決策的轉變。圖圖7：Agent 機器人可通過觀察學習人類操作機器人可通過觀察學習人類操作獲取信息獲取信息 數據來源：Agent AI:Surveying the Horizons of M

42、ultimodal Interaction 醫療護理領域的醫療護理領域的 AI Agent 通過智能機器人技術，將傳統被動監護升級為主通過智能機器人技術，將傳統被動監護升級為主動感知、智能判斷和精準執行的全方位護理服務。動感知、智能判斷和精準執行的全方位護理服務。在醫療護理場景中，AI Agent 突破了傳統醫療設備的單一功能限制。它不僅能監測患者的生命體征，更能通過多模態數據分析理解患者的整體狀態變化。例如，Agent 能夠學習每個患者的康復特點，預判可能出現的風險，并主動調整護理策略。這種從被動監測到主動預防的轉變，使 AI Agent 成為醫護人員的智能助手，而不僅是簡單的監測工具。系統

43、通過持續學習和經驗積累，能夠越來越準確地理解和滿足不同患者的個性化護理需求。虛擬決策與數據處理型虛擬決策與數據處理型 虛擬決策與數據處理型虛擬決策與數據處理型 AI Agent 通過構建數據通過構建數據-算法算法-決策的閉環系統，在決策的閉環系統，在金融、醫療、企業運營等領域實現了從海量信息到精準決策的智能轉化。金融、醫療、企業運營等領域實現了從海量信息到精準決策的智能轉化。不同于傳統數據分析系統的靜態決策模型，AI Agent 建立了一個動態自適應的決策體系。系統能夠自主判斷數據的關聯性和重要程度，并根據實時反饋不斷調整其決策權重。自主學習和動態優化能力使 AI Agent 從單純的數據處理

44、工具進化為具備戰略思維的決策助手。個人數字助理和企業決策支持系統通過智能數據分析和自動化執行，實現個人數字助理和企業決策支持系統通過智能數據分析和自動化執行，實現了從個人事務管理到企業運營決策的全方位支持。了從個人事務管理到企業運營決策的全方位支持。突破傳統數字助理的被動提醒功能，現代 AI Agent 展現出主動服務的特質。在個人應用領域，Agent不僅執行預設任務，更能通過分析用戶行為模式主動預測需求，系統會學習用戶的工作習慣，在適當時機提供個性化建議，并自主協調各類任務的優先級。在企業應用中，AI Agent 超越了傳統決策支持系統的數據匯總功能，能夠主動發現業務異常，預判風險，并提供基

45、于多維度分析的決策建議。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 11 of 24 金融投資和科研輔助領域的金融投資和科研輔助領域的 AI Agent 依托專業數據分析和智能決策技術，依托專業數據分析和智能決策技術，在投資管理和科學研究中展現出顯著的效率提升。在投資管理和科學研究中展現出顯著的效率提升。區別于傳統金融分析工具，金融領域的 AI Agent 具備市場洞察和風險預警的主動性。系統不僅能實時分析市場數據，更能通過對多維信息的綜合研判，預測潛在的市場機會和風險。在科研領域，AI Agent 突破了傳統數據分析軟件的局限，能夠自主提出研究假設，設計實驗方案，并通過持續的

46、數據分析優化研究路徑，展現出類似科研人員的探索能力。醫療健康管理領域的醫療健康管理領域的 AI Agent 通過智能診斷分析和個性化健康管理，正在通過智能診斷分析和個性化健康管理，正在重塑醫療服務的交付模式和效率。重塑醫療服務的交付模式和效率。相比傳統醫療信息系統，醫療 AI Agent展現出主動預防和個性化診療的特點。在診斷環節，Agent 不僅能分析當前癥狀，更能通過整合患者的歷史數據、家族病史和生活習慣，主動識別潛在健康風險。在健康管理方面，系統能夠根據個人健康數據的動態變化，自主調整健康建議，并在發現異常時主動提醒就醫，實現從被動治療到主動預防的服務模式轉變。通過持續學習和經驗積累，A

47、I Agent 能夠越來越準確地理解每位患者的健康特征，提供更精準的診療建議。內容生成、娛樂與教育型內容生成、娛樂與教育型 內容生成、娛樂與教育型內容生成、娛樂與教育型 AI Agent 主要聚焦于用戶體驗和創意產出，其應主要聚焦于用戶體驗和創意產出，其應用形式涵蓋游戲、教育、創意媒體及零售等領域。用形式涵蓋游戲、教育、創意媒體及零售等領域。不同于傳統內容生成工具的模板化輸出，AI Agent 在內容創作領域展現出獨特的自主創意能力。系統能夠理解創作意圖，自主調整生成策略，并通過持續學習用戶反饋來優化創作質量。這種創作能力不僅體現在單一媒體形式上，更能實現跨媒體的智能融合，打造沉浸式的用戶體驗

48、。游戲游戲 AI Agent 通過智能通過智能 NPC 交互、動態內容生成和自適應難度調節，將交互、動態內容生成和自適應難度調節，將靜態游戲世界轉變為能夠持續進化的互動環境。靜態游戲世界轉變為能夠持續進化的互動環境。突破傳統游戲 AI 的預設行為模式，游戲 AI Agent 展現出類人的互動能力。在 NPC 設計中，Agent 能夠根據玩家的行為動態調整對話內容和互動策略，不再局限于固定的對話樹。在游戲內容生成方面，系統能夠基于玩家的游戲風格和表現，自主創造符合個人特點的任務和劇情，使游戲世界呈現出持續演進的生命力。同時，AI Agent 能夠通過分析玩家的技能水平和游戲習慣，自動調整游戲難度

49、和挑戰模式，確保每位玩家都能獲得最佳的游戲體驗。教育與培訓教育與培訓 AI Agent 通過個性化學習路徑規劃和實時反饋調整，將標準化通過個性化學習路徑規劃和實時反饋調整，將標準化教學模式轉變為自適應的智能教育體系。教學模式轉變為自適應的智能教育體系。區別于傳統在線教育平臺的固定課程體系，教育領域的 AI Agent 具備學習診斷和教學策略優化的能力。系統能夠通過持續評估學習者的知識掌握程度、學習風格和進度，自主調整教學內容的難度和呈現方式。在實踐中，Agent 不僅能提供個性化的學習建議，還能預測可能出現的學習困難，提前調整教學策略。這種自適應學習機制使教育從統一標準走向個性化培養，真正實現

50、因材施教。零售與電商零售與電商 AI Agent 通過智能導購、個性化推薦和動態定價，將傳統商業通過智能導購、個性化推薦和動態定價，將傳統商業服務升級為主動感知用戶需求的智能零售生態。服務升級為主動感知用戶需求的智能零售生態。相比傳統電商推薦系統，零售領域的 AI Agent 展現出更強的場景理解和需求預測能力。系統不僅能分析用戶的歷史購物數據，更能理解用戶的消費意圖和行為模式，主動提供符合用戶當前場景的購物建議。在營銷策略方面，Agent 能夠根據市場動態和用戶反饋實時調整商品展示和促銷方案，打造個性化的購物體驗。通過持續學習和優化，系統能夠越來越準確地預測用戶需求，實現從被動響應到主動服務

51、的轉變。6.應用場景持續拓展，揭示更多產業效率提升路徑應用場景持續拓展，揭示更多產業效率提升路徑 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 12 of 24 6.1.賦能工業自動化賦能工業自動化，開啟智能制造新紀元開啟智能制造新紀元 Covariant Brain 以以 99.99%精準率引領精準率引領 AI Agent 技術革新。技術革新。該產品由OpenAI 與 UC Berkeley 頂尖科研團隊聯合研發，于 2023 年 9 月發布，依托全球倉儲物流現場采集的上百萬次真實作業數據，通過大規模預訓練構建出具有自適應學習能力的智能核心，從而使機器人在無需 1:1 人工監控

52、的前提下，也能在高復雜度場景中實現高效自主操作，充分證明了其依托AI Agent 所展現的自主感知、實時決策和動態學習優勢已打破了傳統 AI 技術在實際應用中的種種局限。此外，Covariant Brain 通過跨終端數據聯動和持續優化算法，不斷提升任務執行效率和系統適應性，推動了物流及制造等行業智能化流程的轉型。圖圖8：Covariant Brain 在倉儲物流場景實現高達在倉儲物流場景實現高達 99.99%的準確率的準確率 數據來源：Covariant Digit 憑借憑借特殊的特殊的腿設計及云端平臺接入，推動倉儲物流實現自動化升級。腿設計及云端平臺接入，推動倉儲物流實現自動化升級。202

53、4 年 4 月，Agility Robotics 與 Manhattan Associates 正式展開合作，將Digit 接入全球首個倉庫管理平臺，并通過 Agility Arc 云自動化平臺實現機器人群管理和工作流程制定，使 Digit 成為全球首個實現實際生產作業的雙足機器人。該機器人專為應對倉庫中重復性且復雜的物料搬運而設計，其獨特的“backward”腿結構顯著提升了在狹窄空間中穿梭和操作的靈活性，從而在作業安全性和效率之間取得平衡。通過與倉儲信息系統的無縫對接，Digit 不僅能夠實現設施映射、流程定義及實時操作管理，而且在實際應用中已證明其有效緩解了倉庫勞動力不足的問題，為行業帶

54、來顯著的自動化投資邏輯和成本優化方案。Digit 依托依托 AI 大模型與多傳感融合，構建全自主決策系統重塑倉儲作業模大模型與多傳感融合，構建全自主決策系統重塑倉儲作業模式。式。2024 年 12 月，Digit 通過整合激光雷達、深度攝像頭、立體攝像頭及聲學傳感器，實現了對倉儲環境中障礙物和操作對象的精準感知，并依托內置的大語言模型完成自主判斷和任務執行，這為其在倉庫中獨立完成分揀、搬運等操作提供了技術保障。此外，該機器人采用基于 Linux 的實時操作系統和雙 Intel i7 處理器進行數據高速處理及平衡控制，進一步確保在復雜場景下的穩定運作。Digit 在 GXO Logistics

55、和 Amazon 進行了試點應用，展現出每小時僅約 10 至 12 美元的低運營成本優勢，有效提升了物流作業效率，充分體現了新一代 AI Agent 相比傳統人工智能系統在自主性、實時響應與靈活適應能力等方面的顯著突破。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 13 of 24 圖圖9：Agility Robotics Digit 重塑倉儲作業模式重塑倉儲作業模式 數據來源：Agility Robotics Atlas 憑借全自主任務執行彰顯憑借全自主任務執行彰顯 AI Agent 應用優勢應用優勢。2024 年 10 月發布的Atlas 機器人是 BostonDynamic

56、s 推出的一款前沿電動仿人機器人，Atlas 在無遙控和無預設動作指導的情況下，通過融合機器學習驅動的視覺模型、力反饋以及本體感知等多項先進傳感器，實現了在狹窄工業環境中，如發動機蓋等復雜物體搬運任務的精準操控和靈活調整。在操作過程中，Atlas 不僅能夠依靠實時環境信息快速定位目標，還能在遇到操作偏差時及時重新計算路徑和調整姿態，例如在未能成功插入發動機蓋時主動重新定位并嘗試補救，有效突破了傳統預編程 AI 系統在固定任務執行上的局限性。此外，其頭部可實現 360 度旋轉，而在倒退過程中臀部甚至能旋轉達 180 度的設計，充分體現了這種全自主決策能力的多角度靈活性，直觀地揭示了 AI Age

57、nt 在工業自動化和復雜場景應用中的獨特技術優勢和革新意義 圖圖10：Atlas 能夠在工作過程中自主重新計算路徑和調整姿態能夠在工作過程中自主重新計算路徑和調整姿態 數據來源：Boston Dynamics 多模協作多模協作是是機器機器人領域的人領域的 AI Agent 未來必然的趨勢未來必然的趨勢。越來越多機器人 AI從實驗室走進真實場景，如醫院、倉庫、商場。這些商用的成功將帶來更大投入，預計服務機器人市場將加速擴張。多模協作方面，機器人不再單機作戰，機器人團隊的概念被強化，未來的工廠和公共場所將出現由眾多 AI 機器人 Agent 組成的生態，分管移動搬運、機械臂裝配、無人機巡檢等任務，

58、彼此通信協同完成復雜流程。人類將更多扮演監控者和高層決策者角色，把繁重危險或枯燥工作交給這些自主機器人。6.2.服務機器人服務機器人交互環境交互環境驅動自主決策驅動自主決策,現場協同實現服務革新現場協同實現服務革新 Moxi機器人以自主學習互動革新醫院后勤流程機器人以自主學習互動革新醫院后勤流程。Diligent Robotics早在2022年就研發了 Moxi 機器人，該機器人在美國醫院部署，擁有前置攝像頭、后置激光雷達和聽覺傳感器。進入新環境后，Moxi 在約一周內通過對象識別技術學習醫院布局，記錄物品的位置、顏色與形狀。當遇到不熟悉任務時，它會主動請求護士指導，并采用物理操作教學記錄物品

59、重量及手感等參數，行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 14 of 24 實現交互式動態學習。內置安全儲物柜可通過射頻識別卡開啟，加上云連接及 LTE 備份保障，使其在網絡不穩定時仍能正常作業。這種實時環境適應與人機協同訓練能力，與單純執行預設任務的傳統 AI 形成鮮明對比，充分體現出 AI Agent 在提升醫院后勤效率和護理體驗方面的顯著優勢。Sanctuary AI 于于 2023 年發布的年發布的 Phoenix 機器人機器人在零售場景在零售場景展現自主決展現自主決策與策與現場執行特質現場執行特質。在該產品中，通過融合 Carbon AI 算法，機器人能夠自主完成

60、從實時環境感知到決策并執行任務的全流程。據 GeekWire 報道，該產品摒棄了傳統 AI 單純依賴外部指令的模式，而是采用了內在自主規劃和動態反饋機制，使設備在零售等實際環境中能夠靈活適應多樣化服務需求。產品運行過程中，不斷采集現場數據，通過深度學習模型進行策略優化，從而實現精準任務執行和風險降低。這種應用形態推動了勞動即服務（Labor as a service）模式在實體經濟中的落地。圖圖11：Moxi 醫院服務機器人可自主學習醫院環境醫院服務機器人可自主學習醫院環境 圖圖12：Sanctuary AI Phoenix 實現零售場景的實現零售場景的 Agent 數據來源：Diligent

61、 Robotics 數據來源：Sanctuary AI 波士頓動力的波士頓動力的 Spot 演示充分展現了演示充分展現了 AI Agent 在導覽場景中在導覽場景中實時互動與動實時互動與動態決策的獨特優勢。態決策的獨特優勢。該 Demo 由 Boston Dynamics 于 2023 年 10 月發布，展示了基于 ChatGPT 及多模型融合實現的 Spot 機器人旅游導覽產品。與依賴固定預設指令的傳統 AI 系統不同，此應用示范通過整合視覺、語音與自然語言處理模塊，體現了 AI Agent 在實時交互與自主決策方面的顯著特點。系統利用攝像頭采集圖像，經 BLIP-2 進行圖像描述；同時，將

62、麥克風錄入的語音數據通過 Whisper 轉換為文本，再由 ChatGPT 生成與場景相符的導覽內容，最后借助 ElevenLabs 將文字實時轉換為語音輸出，從而構建起閉環互動體驗。此外，Spot 機器人還通過視覺檢測與肢體動作調整，實現了對現場問詢者的指向響應，進一步提升人機交互的自然度。圖圖13：波士頓動力的波士頓動力的 Spot 可收集環境信可收集環境信息生成實時導覽講解息生成實時導覽講解 數據來源：Boston Dynamics 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 15 of 24 6.3.自動駕駛省實現精準道路決策，智能座艙提升駕乘體驗自動駕駛省實現精準道路

63、決策，智能座艙提升駕乘體驗 復雜道路環境下的動態決策能力是自動駕駛最核心的復雜道路環境下的動態決策能力是自動駕駛最核心的 Agent 屬性，需要實屬性，需要實現感知現感知-判斷判斷-執行的完整閉環，這與傳統按固定規則運行的執行的完整閉環，這與傳統按固定規則運行的 AI 系統有本質系統有本質區別。區別。傳統 AI 系統只能在預設場景下按既定規則行動，而自動駕駛需要像人類駕駛員一樣，能夠實時感知路況變化、評估風險、自主決策并采取相應行動，這種在不確定環境中的自適應能力正是 AI Agent 的典型特征。特斯拉特斯拉 FSD V12 版本實現了完全的端到端自動駕駛能力，標志著從規則系版本實現了完全的

64、端到端自動駕駛能力，標志著從規則系統到統到 AI Agent 的重要突破。的重要突破。該版本完全采用神經網絡進行車輛控制，以光子進入，控制輸出的架構取代了傳統的 30 萬行 C+代碼。系統基于全球數百萬特斯拉車輛采集的真實駕駛視頻進行訓練，能夠模仿人類駕駛員的決策過程。實測數據顯示，V12 版本需要人工干預的頻率僅為 V11 的百分之一，體現了 Agent 的高度自主性。圖圖14：FSD 本質上是本質上是 AI Agent 的一種形式的一種形式 數據來源：Tesla 自動駕駛自動駕駛已有眾多不同的應用形式。已有眾多不同的應用形式。例如 Waymo 的自動駕駛出租車、Dominos 的自動配送、

65、Aurora 的長途自動駕駛卡車以及 Lyft 的自動駕駛整合項目，這些案例憑借多傳感融合、路徑規劃及動態決策等技術，在不同場景中實現了精準導航與安全運營，從而彰顯出 AI Agent 的優勢。梅賽德斯在梅賽德斯在 2024年年 CES發布了車載虛擬助手，被稱為車內的“對話伙伴”。發布了車載虛擬助手，被稱為車內的“對話伙伴”。該功能集成在 MB.OS 系統中，具有上下文理解和情感語調輸出能力，可與駕駛員進行類似人際的對話交流。不同于傳統車載語音助手只執行簡單指令，這個AI助手會主動提供基于情境的建議，例如當用戶長途駕駛疲勞時，它可能主動建議休息或推薦沿途咖啡店。它還能詢問澄清用戶含糊的請求，體

66、現出一定的對話智能。梅賽德斯將其定位為“車上對話伙伴”，希望提升駕乘體驗的個性化和豪華感。該助手背后采用了大型語言模型和車輛數據的結合，并增加了事實核查功能：如當助手推薦餐廳時，會自動核實餐廳是否營業以避免誤導。這體現出車載 Agent 與一般 ChatBot 的不同，必須提供可靠的信息以保障安全和信任。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 16 of 24 圖圖15：梅賽德斯奔馳發布了車載虛擬助手，功能體現了梅賽德斯奔馳發布了車載虛擬助手，功能體現了 Agent 特點特點 數據來源：梅賽德斯奔馳 在車載智能領域，自動駕駛在車載智能領域，自動駕駛 AI Agent 和智能

67、座艙和智能座艙 AI Agent 正雙線并進。正雙線并進。無人駕駛技術已經在特定城市開始商業服務，AI 司機展現出超越人類在疲勞和反應時間上的優勢，但也凸顯了完善長尾安全的必要。而在駕駛艙內，擁有對話智能的 AI 助手正成為新車賣點，豪華品牌率先布局。未來自動駕駛Agent 將與車內助手融合，合作完成駕駛，加速艙駕融合的趨勢，提高乘客乘車體驗。個性化方面，車載 AI Agent 會學習司機的駕駛風格和偏好，自主調整自動駕駛策略，以提供定制化的駕乘感受。6.4.農業農業 Agent 實現全程監控實現全程監控，自主管理種植與養殖細節，自主管理種植與養殖細節 農業領域的農業領域的 AI Agent

68、定位于精準種植和養殖定位于精準種植和養殖的智能管家。的智能管家。傳統農業需要農民定期察看作物、手動控制灌溉施肥并處理病蟲害，機械化程度有限。AI Agent 借助物聯網感知和自動化農機，實現對農田和牧場的實時監測與自主操作。典型應用包括：自主農機（無人拖拉機、無人收割機等），可在田間自動耕種收；農業環境監測 Agent，通過無人機、傳感器網絡收集土壤濕度、作物長勢、病蟲情況并智能決策灌溉施藥；畜牧管理 Agent，利用攝像頭和可穿戴設備跟蹤牲畜健康、自動投喂；農產品物流 Agent，優化從田間到倉儲的運輸調度等。與室內 ChatBot 不同，農業 AI Agent 要在室外動態環境下工作：這意

69、味著需要很強的環境感知魯棒性（應對光照、塵土等干擾）和安全冗余（田間機械要避免傷人和誤損農作物）。它們往往結合 GPS 導航、機器視覺和農業專業模型來決策。例如無人拖拉機需識別前方是作物還是雜草，是人還是稻草人，從而決定繞行或繼續。農業 AI Agent 的目標是提高產量、降低成本并實現可持續發展，精準農業可減少水、化肥農藥浪費，也降低對環境的負面影響。自主化智能設備驅動農業降本增效，數字服務催生新利潤模式。自主化智能設備驅動農業降本增效，數字服務催生新利潤模式。2025 年 CES上，John Deere 展出了 9RX 拖拉機，實現完全自主駕駛。該拖拉機可通過移動 App 設定耕作地塊及深

70、度，并依托 16 個攝像頭與 GPS 導航精準完成無人耕作。機器配備 360感知系統，能實時偵測障礙及作物邊界，并在異常情況下自動剎停并提醒農戶。自 2024 年起，9R 系列支持工廠選裝或套件升級，同時推出果園自主噴藥機與電動割草機，切實緩解農業勞動力短缺。約翰迪爾借助 AI Agent 推動全產品線向自主化及數字化轉型，為農業降低運營成本與提升作業精度提供了強有力的技術支撐。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 17 of 24 圖圖16：John Deere 9RX 拖拉機實現完全自主駕駛、耕作和避障拖拉機實現完全自主駕駛、耕作和避障 數據來源：John Deere

71、 精準噴灑精準噴灑 AI 系統大幅降本增效促農業升級。系統大幅降本增效促農業升級。在 Deere 旗下創業公司 Blue River 的 See&Spray 技術中，通過攝像頭與 AI 算法，實現農用噴桿的精準除草，每秒自動分析田間圖像，精確區分作物和雜草，確保僅對雜草區域進行定點噴藥。試驗顯示，該系統平均節省 59%農藥，而 2024 年在美國棉花、玉米等作物大面積應用中累計為農戶節省農藥成本數千萬美元。更先進的See&Spray Ultra 可識別多種雜草，實現雙管混噴，一次作業解決多重問題。該精準農業技術具備明確成本回收效應，對農機智能升級及節能環保投資展現出較強吸引力。圖圖17：Blu

72、e River See&Spray 精確區分雜草進行定點噴灑農藥精確區分雜草進行定點噴灑農藥 數據來源：John Deere AI Agent 實時監控牛群健康，促使畜牧精準管理降本增效。實時監控牛群健康，促使畜牧精準管理降本增效。Cainthus 視覺AI 系統通過攝像頭識別奶牛并監測飲食、運動、反芻行為，實現自動實時預警；Lely 全自動飼喂系統 Vector 依據牛群位置與采食數據精準喂料，既避免了牛群饑餓又免于浪費。未來，畜牧 AI Agent 還將在智能預測與疾病預警方面升級，推動行業持續增效。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 18 of 24 圖圖18：C

73、ainthus 監測牛群狀態自動實時預警監測牛群狀態自動實時預警 圖圖19：Lely Vector 依據牛群位置精準喂食依據牛群位置精準喂食 數據來源：Cargill 數據來源：Lely 農業農業 AI Agent 已在大型規?；r業中嶄露頭角，但在小農戶中滲透率還低。已在大型規?；r業中嶄露頭角，但在小農戶中滲透率還低。由于小農戶無力購置昂貴 AI 設備，將出現提供 AI 農業服務的組織，例如無人機噴灑隊、共享無人拖拉機合作社等，由專業人員運維 AI 裝備，農戶按畝付費使用，讓小農從 AI 技術中受益。隨著技術成熟，大規模機械化的地區先采用 AI，小農地區或許會通過政府補貼或企業推廣漸進在關

74、鍵環節中引入 AI。6.5.智能家居主動聯動智能家居主動聯動 IoT 設備，提升生活場景智能化水平設備，提升生活場景智能化水平 LG 于于 2024 CES 發布的智能家居發布的智能家居 AI Agent 突破了傳統家居智能應用模式。突破了傳統家居智能應用模式。該產品采用雙輪仿步設計，實現全方位自主移動，并融合多模態語音交互、表情識別技術以及環境監測功能，有效感知家庭溫濕度、空氣質量等數據，及時調控室內照明、恒溫器及各類 IoT 設備。依托 Qualcomm Robotics RB5平臺提供的 5G 連接及邊緣 AI 處理能力，該 AI Agent 能將實時監測信息與外部氣象、交通動態相結合，

75、形成精準的自動化控制體系，從而在保障家庭安全防護、智能節能管理和寵物看護等場景中展現出獨特優勢，有力支撐“Zero Labor Home”愿景落地，為用戶創造更便捷和安全的家居體驗。圖圖20：LG 推出了具有機器人和多模態功能的智能家居推出了具有機器人和多模態功能的智能家居 AI Agent 數據來源：LG Amazon Bedrock Agents 創新激活智能安防，實現自動風險預警創新激活智能安防，實現自動風險預警。該產品由亞馬遜 AWS 團隊于 2024 年 10 月發布，在此方案中，通過家居攝像頭實時采集視頻數據并存儲，再由部署的 EC2 服務器調度前后端對視頻進行預處理及關鍵幀抽取，

76、結合 Claude 3.5 Sonnet 模型實現圖像內容識別，并利用 Amazon Bedrock Agents 自動調用 Lambda 函數，觸發以 SES 發送郵件或以 Connect 撥出電話的報警機制。系統同時運用 Rekognition 進行人臉比對，精準甄別現場異常與合法用戶，確保防護體系高效運行。Agent 機制為系統賦予了主動響應與動態任務調度能力，有效提升了智能安防解決方案的實時性和準確性，從而為智能家居領域注入了創新驅動力。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 19 of 24 圖圖21：Amazon Bedrock：智能安防實現自動風險預警：智能安

77、防實現自動風險預警 數據來源：AWS Home Assistant 的的 AI Agent 引領智能家居設備全域精準高效自動聯動引領智能家居設備全域精準高效自動聯動。Home Assistant 在其最新版本中率先集成了 AI Agent 功能，并明確將自家產品界定為具備獨立決策與自動執行能力的 AI Agent，從而區別于傳統的普通 AI 系統。該產品利用語音指令與自然語言處理技術，實現家居設備的精準聯動控制，同時結合 Google AI 與 OpenAI ChatGPT 等云端大模型，為用戶提供靈活高效的操作體驗。與此同時，Home Assistant 堅持本地數據存儲策略，有效降低因模型

78、幻覺而引發的誤判風險，增強隱私保護。通過設計專注、簡潔的 API 接口，AI Agent 可以在自動化流程中高效響應指令，確?？缙脚_及多設備的協同運作。此外，與 NVIDIA 等機構的合作進一步強化了本地大模型技術的應用，為智能家居技術創新樹立了全新標桿。Tuya Smart 于于 2025 年年 01 月發布的產品系列充分整合先進算法與人機交互月發布的產品系列充分整合先進算法與人機交互設計，展現出設計，展現出 AI Agent 在多場景定制中的獨特優勢。在多場景定制中的獨特優勢。Tuya Fitness Cheerleader依托實時運動數據與情感激勵技術，為用戶提供科學運動指導；Pet F

79、eeding Assistant 通過智能傳感與預設控制，實現精準寵物喂養管理，保障寵物健康；而 Smart Ambient Lighting 則依靠環境感知與動態調光算法，根據居住環境與用戶習慣自動營造舒適光氛。這些產品不僅突破了傳統單一功能 AI 的局限，提升了交互智能化與場景適應能力，而且以細致化操作為用戶生活帶來全方位提升。圖圖22：Tuya 的的 Fitness Cheerleader 依托運動數據為用戶提供情感激勵依托運動數據為用戶提供情感激勵 數據來源：CES 智能家居智能家居 AI Agent 目前正從概念走向實用。目前正從概念走向實用。雖然這類產品普及需要時間，但可以預見未來

80、更多家電設備將內置 AI Agent，實現互聯互通，用戶可通過行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 20 of 24 任何一個終端與整個家庭 Agent 交互；AI Agent 將掌握更多個性化數據，通過長時間學習真正懂得主人的生活習慣，從被動執行者提升為貼心生活助理；在安防養老等領域，家居 AI Agent 需求尤為迫切，預計會涌現專門面向獨居老人、殘障人士的照護型 Agent，提供主動的監護和陪伴?？傮w來看，智能家居將因 AI Agent 的引入而邁向真正的無憂自動化。6.6.Agent 突破智能終端操作范式，實現個人助理全流程自動化突破智能終端操作范式，實現個人助理

81、全流程自動化 AI Agent 正在成為智能終端的統一任務執行者，取代傳統分散正在成為智能終端的統一任務執行者，取代傳統分散式式 APP 使用使用模式。模式。用戶可以直接向 AI Agent 發出指令，由其自動完成跨應用任務，如規劃周末旅行時，AI Agent 能同時處理旅行預訂、天氣查詢和日程安排等多項任務，無需用戶手動切換多個應用。AI Agent 正在獲得直接操控設備的能力。正在獲得直接操控設備的能力。Anthropic 在 2024 年 6 月發布Claude 3.5 Sonnet 模型，其 Computer Use 功能已具備理解和交互任何桌面應用的能力，可以模擬按鍵輸入、點擊按鈕和

82、鼠標手勢等操作，實現類似真人操作電腦的效果。此后智譜、OpenAI 相繼發布了 AutoGLM 和 Operator，Google 也正在開發具備操作設備功能的 AgentJarvis，展現了 AI 在自動化設備操控方面的應用前景，為 AI Agent 跨越 ChatBots 形式的桎梏提供了基礎。圖圖23：OpenAI Operator 接管網頁瀏覽器執行任務接管網頁瀏覽器執行任務 圖圖24：智譜智譜 AutoGLM 可實時操作手機可實時操作手機 數據來源：OpenAI 數據來源：智譜 HyperWrite AI Assistant 憑定制操作流程實現任務全自動高效執行。憑定制操作流程實現任

83、務全自動高效執行。該產品基于開源平臺 AutoGPT 構建，使用瀏覽器擴展技術，能夠執行網頁點擊、文字輸入及菜單選擇等操作，從而在自動管理郵件、在線訂餐及重復下單等復雜任務時顯著提升效率并確保操作精準；與此同時，其智能決策機制能夠根據用戶習慣進行細致匹配，展現出遠超傳統僅提供文本回復的普通 AI 的交互深度與靈活適應性，為用戶提供了全新數字化個人助理體驗。圖圖25：AutoGPT 為開發者提供了構建為開發者提供了構建 AI Agent 的平臺的平臺 數據來源：AutoGPT 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 21 of 24 個人個人 AI Agent 助理的發展趨勢

84、是不再只是建議，而是直接執行操作。助理的發展趨勢是不再只是建議，而是直接執行操作。從訂票購物到文件整理，都可放手給 AI 處理，人只做決策把關。這需要各平臺開放 API、打通數據孤島，所以我們看到微軟、蘋果等都在布局生態整合；未來的個人 AI 助理會越來越了解主人，甚至學習模仿主人的語氣風格來代為通信。在隱私許可下，它可能瀏覽用戶多年通信記錄、健康數據等，從中學習主人偏好，為其制定高度個性化的建議。6.7.金融服務金融服務 Agent 智能監控識別風險，自動執行財富管理智能監控識別風險，自動執行財富管理 智能代理風控技術推動金融安全突破，實時反欺詐效能顯著提升。智能代理風控技術推動金融安全突破

85、，實時反欺詐效能顯著提升。全球支付巨頭萬事達于 2024 年部署了一套基于海量歷史交易數據訓練的智能Agent 系統，該系統能在每筆刷卡交易瞬間整合交易金額、商戶類別、賬戶行為模式和設備識別碼，迅速判定風險，實現 20%-300%的檢測率提升。相較于僅檢查黑名單或設定簡單閾值的傳統規則風控，智能代理具備自學習和捕捉復雜異常模式的優勢，不僅降低誤報率，保障正常交易，同時也在2023 年英國的消費者風險評分服務中初步展現了多場景應用潛力，為未來拓展至更廣泛風控領域提供了堅實支撐?；诨?AI Agent 賦能，機器人投顧實現精細資金自動調控新模式。賦能，機器人投顧實現精細資金自動調控新模式。We

86、althfront于 2025 年初推出“Self-Driving Money”功能，智能代理在客戶工資到賬后自動劃分資金，優先償還信用貸款，再進行投資，剩余資金存入高息賬戶，充分體現了理財的精準與高效；同時，Betterment 借助 AI 模型開展財務健康診斷，實時掃描用戶的收入、支出與投資狀況，主動提醒應急儲備不足等風險，從而降低成本并有效抑制情緒化操作。整體來看，智能代理推動機器人投顧從基礎資產配置向全方位財務規劃轉型，不僅提升投資組合管理效能，更預示著行業將迎來智能化、精細化管理的新時代。圖圖26：Wealthfront 可根據需求自主管理工資可根據需求自主管理工資 數據來源：Wea

87、lthfront AI Agent 有望降低金融服務門檻，讓小微企業和普羅大眾獲得更好服務。有望降低金融服務門檻，讓小微企業和普羅大眾獲得更好服務。AI 快速審批小額貸款，解決了農村客戶缺抵押、人工審核成本高的問題；AI 理財顧問為小資產客戶提供指導，讓他們也能科學理財。這將促進普惠金融的發展，實現金融包容性；同時，風控 Agent 有望保障更多用戶的賬戶安全。6.8.自主開展實驗加速科研進程，自主開展實驗加速科研進程，Agent 貫穿操作到分析全流程貫穿操作到分析全流程 自主實驗自主實驗 Agent 引領化學全流程自動化創新。引領化學全流程自動化創新。利物浦大學 Andrew Cooper團

88、隊開發的自主合作化學機器人系統采用兩臺 1.75 米高移動機器人，分別行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 22 of 24 在合成工作站與分析儀器上執行化學反應與產物測定任務，由中央 AI 統一協調、依據實時分析數據指引后續實驗方向。該團隊在 2020 年利用單機器人系統在 8 天內完成約 700 次實驗，成功優化光催化產氫效率；而在 2024年，升級后的雙機器人系統已在有機合成挑戰中實現了合成、分析與決策全流程自動化。此外，系統具備智能避讓功能，可在實驗室中與人類研究生協同作業，有效分配儀器使用時間。圖圖27：利物浦大學開發了可自主開展化學實驗的利物浦大學開發了可自主

89、開展化學實驗的 AI 機器人機器人 數據來源：Electronic Specifier 6.9.Agent 助力助力 NPC 實現智能互動，場景生成和游戲測試工作實現智能互動，場景生成和游戲測試工作提速提速 大模型助力人工智能代理革新游戲角色互動模式。大模型助力人工智能代理革新游戲角色互動模式。Inworld AI 作為專注于為游戲和元宇宙打造具有對話與情感 NPC 角色的企業，其平臺依托大型語言模型與行為樹，實現基于角色設定的逼真互動。該技術能動態生成對話，持續豐富劇情細節，并確保角色反應符合預設要求；開發者通過設定角色背景及安全閾值，有效規避內容偏差風險。Ubisoft 等知名廠商自 20

90、24 年 3 月起與 Inworld、NVIDIA 展開合作，驗證了這種 AI Agent 在游戲生態中的創新應用價值。此外，AI NPC 具備記憶玩家行為的功能，在后續互動中展現個性化響應，推動游戲敘事和用戶體驗不斷升級。圖圖28：Ubisoft 使用使用 Inworld 生成游戲生成游戲 NPC 數據來源：Ubisoft GPT-4 賦能賦能 Voyager 在游戲中自學。在游戲中自學。2023 年，NVIDIA 與 OpenAI 將 GPT-4 接入 Minecraft，打造了一款無需預設目標、依靠自我試驗不斷迭代代碼的自主探索智能體 Voyager。該智能體通過實時讀取游戲狀態，自主制

91、定探索行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 23 of 24 策略，并在遇到錯誤時快速修正、積累成功經驗，逐步建立技能庫，實現終身能力提升。數據顯示，其物品采集效率高出其他智能體 3.3 倍，區域探索范圍擴大至 2.3 倍，工具制作速度提升到 15.3 倍，充分驗證了大型語言模型結合強化探索的應用潛力。這一模式不僅刷新了游戲 AI 紀錄，也為軟件助理自動化等領域提供了前沿示范。圖圖29：Voyager 在在 Minecraft 中自主探索道具和技能中自主探索道具和技能 數據來源：Voyager 7.風險提示風險提示 1）技術成熟度不足）技術成熟度不足 部分 AI Agen

92、t 技術仍處實驗室階段，實際場景穩定性待驗證，工業級應用可能面臨穩定性不足、硬件適配性差等落地風險。2）數據安全隱憂）數據安全隱憂 金融、醫療、安防等領域的 Agent 依賴敏感數據，多模態數據融合增加泄露風險，模型幻覺可能引發誤判。3）行業競爭同質化）行業競爭同質化 開源模型降低技術壁壘，企業可能陷入 API 定價價格戰，中小廠商易被大廠生態整合淘汰。4）復合型人才）復合型人才缺失阻礙應用場景缺失阻礙應用場景拓展拓展 同時具備 AI 與垂直領域知識的人才缺乏，導致農業、醫療、金融等專業場景的 Agent 迭代困難，影響商業化進程。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分 2

93、4 of 24 本公司具有中國證監會核準的證券投資咨詢業務資格本公司具有中國證監會核準的證券投資咨詢業務資格 分析師聲明分析師聲明 作者具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，保證報告所采用的數據均來自合規渠道，分析邏輯基于作者的職業理解，本報告清晰準確地反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響，特此聲明。免責聲明免責聲明 本報告僅供國泰君安證券股份有限公司（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本公司的當然客戶。本報告僅在相關法律許可的情況下發放，并僅為提供信息而發放，概不構成任何廣告。本報告的信息來源

94、于已公開的資料，本公司對該等信息的準確性、完整性或可靠性不作任何保證。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌。過往表現不應作為日后的表現依據。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。本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。在任何情況下，本報告中的信息或所表述的意見均不構成對任何人的投資建議。在任何情況下，本公司、本公司員工或

95、者關聯機構不承諾投資者一定獲利，不與投資者分享投資收益，也不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者務必注意，其據此做出的任何投資決策與本公司、本公司員工或者關聯機構無關。本公司利用信息隔離墻控制內部一個或多個領域、部門或關聯機構之間的信息流動。因此，投資者應注意，在法律許可的情況下，本公司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或期權并進行證券或期權交易，也可能為這些公司提供或者爭取提供投資銀行、財務顧問或者金融產品等相關服務。在法律許可的情況下，本公司的員工可能擔任本報告所提到的公司的董事。市場有風險，投資需謹慎。投資者不應將本報告作為作出投資決策的

96、唯一參考因素，亦不應認為本報告可以取代自己的判斷。在決定投資前，如有需要，投資者務必向專業人士咨詢并謹慎決策。本報告版權僅為本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制、發表或引用。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并注明出處為“國泰君安證券研究”，且不得對本報告進行任何有悖原意的引用、刪節和修改。若本公司以外的其他機構（以下簡稱“該機構”）發送本報告，則由該機構獨自為此發送行為負責。通過此途徑獲得本報告的投資者應自行聯系該機構以要求獲悉更詳細信息或進而交易本報告中提及的證券。本報告不構成本公司向該機構之客戶提供的投資建議，本公司、本公司員工或者關聯機

97、構亦不為該機構之客戶因使用本報告或報告所載內容引起的任何損失承擔任何責任。評級說明評級說明 評級評級 說明說明 投資建議的比較標準投資建議的比較標準 投資評級分為股票評級和行業評級。以報告發布后的 12 個月內的市場表現為比較標準，報告發布日后的 12 個月內的公司股價（或行業指數）的漲跌幅相對同期的滬深 300 指數漲跌幅為基準。股票投資評級 增持 相對滬深 300 指數漲幅 15%以上 謹慎增持 相對滬深 300 指數漲幅介于 5%15%之間 中性 相對滬深 300 指數漲幅介于-5%5%減持 相對滬深 300 指數下跌 5%以上 行業投資評級 增持 明顯強于滬深 300 指數 中性 基本與滬深 300 指數持平 減持 明顯弱于滬深 300 指數 國泰君安證券研究所國泰君安證券研究所 上海上海 深圳深圳 北京北京 地址 上海市靜安區新閘路 669 號博華廣場20 層 深圳市福田區益田路 6003 號榮超商務中心 B 棟 27 層 北京市西城區金融大街甲 9 號 金融街中心南樓 18 層 郵編 200041 518026 100032 電話（021）38676666（0755）23976888（010）83939888 E-mail：