熱門資訊> 正文
2025-10-13 13:12
(來源:財通證券研究)
核心觀點
全球大模型Agent能力產業化加速落地。2025年9月以來,全球大模型領域發展主線從「參數規模競賽與榜單跑分」轉向「Agent能力嵌入系統與核心入口」,海外廠商如OpenAI、Anthropic、Google各有技術與商業化推進,國內廠商圍繞「模型—入口—算力」協同佈局且產業三角架構初成。本輪變革核心是大模型從「單一語言交互的能説會答」升級為「多模態感知的能看會做、全鏈路可控可管」,並從單點技術突破轉向系統化能力構建,產業化落地持續加速。
內容、Agent、入口三線推進:海外頭部廠商的AI系統升級路徑。OpenAI、Anthropic、Google等海外廠商的共同方向,是用產品形態與系統接口承載Agent,讓模型從「能説會答」升級到「能看會做、可控可管」,並把入口(瀏覽器/家庭)與工具鏈(SDK/測試/安全)做厚,推動從技術演示向產業化落地的遷移。
模型—入口—算力三線合圍的中國路徑。阿里巴巴、騰訊、字節、百度、快手、華為等國內廠商的共同方向,是以「旗艦基模」確立能力上限,以「Agent/ADP/ADK」打通開發與運維,以「算力與計量服務」穩定供給,再輔以「視頻/圖像生成的性價比迭代」打開應用規模。整體鏈路從「模型→平臺→入口/場景→供給側」逐步閉合,向「能看會做、可控可管」的系統能力收斂。
海內外AI升級共振:從「會説」到「會做」,由點到鏈的系統化升級。當前AI產業已步入規模化落地關鍵階段,下一階段競爭核心聚焦「工程化的三角」體系構建——涵蓋Agent工程化、入口承載力、供給側計量三大維度,疊加資本與資源耦合的差異化路徑,最終將收斂至「通用智能即基礎設施」的產業終局。海內外發展核心差異體現在節奏與財務結構選擇:海外企業憑資本、技術優勢加速通用智能前沿探索,但需承擔高研發投入與財務風險;國內企業依託場景複用及成本控制,以穩健節奏推進並側重「規模化盈利」,卻需警惕技術迭代滯后風險。未來,在「節奏把控」與「財務健康」間實現平衡者,將在「通用智能基礎設施」終局競爭中佔據主導地位。
投資建議:見正文。
風險提示:技術迭代不及預期的風險;商業化落地不及預期的風險;政策支 持不及預期風險;全球宏觀經濟風險。
正文內容
01
全球大模型Agent能力產業化加速落地
2025年9月以來,全球大模型領域發展主線已從「參數規模競賽與榜單跑分」轉向「Agent能力嵌入系統與核心入口」,行業重心加速從技術演示向產業化落地遷移。海外市場方面,OpenAI以Sora 2模型及獨立Sora App為核心,推動視頻生成技術進入商業化可運營期,不僅整合了長鏡頭物理一致性、音畫同步優化與內容分發功能,還配套了明確的合規管理方案;Anthropic發佈Claude Sonnet 4.5模型,強化「模擬電腦操作、長時任務執行」的工程化能力,同步完善Agent開發與運維鏈路,聚焦「從榜單分數領先轉向生產環境可用」;Google將Gemini深度融入Chrome瀏覽器,以高頻場景承載內容理解、跨標籤協作,並推出專用模型實現瀏覽器內表單提交、流程測試等操作,拓展「從回答到執行」的能力邊界。國內大模型廠商圍繞「模型—入口—算力」展開協同佈局:阿里在雲棲大會發布Qwen3-Max旗艦基模;騰訊既面向全球開放企業級智能體平臺ADP 3.0,其混元Image 3.0也在開源圖像生成榜單登頂;快手可靈2.5 Turbo在視頻生成質量與成本控制上雙向突破,推動技術從「可看」向「可用」過渡;華為依託CloudMatrix384架構與推理計量服務夯實算力基礎;百度發佈文心大模型X1.1加碼推理性能與多Agent協同,國內產業三角架構已初步成形。綜上,本輪變革核心是大模型從「單一語言交互的能説會答」,升級為「多模態感知的能看會做、全鏈路可控可管」,從單點技術突破轉向系統化能力構建,產業化落地不斷加速。
02
內容、Agent、入口三線推進:海外頭部廠商的AI系統升級路徑
OpenAI:視頻生成進入「產品—合規—分發」三位一體的運營期。9月末,OpenAI以Sora 2為底座,推出獨立Sora App,將長鏡頭物理一致性、角色跨鏡頭延續與音畫同步等核心能力收攏到一個面向大眾的產品形態中:用户不僅能「生成」,還能在應用內瀏覽、複用與二次創作,並通過「客串式」素材插入(cameos)打通社交傳播鏈路。伴隨下載量在發佈后數天即躍升至百萬量級,平臺側的治理與合規被前置為同等重要的工程任務——OpenAI在發佈頁明確「負責任上線」框架,強調內容標記與權利方控制;主流媒體對未成年人與名人肖像等敏感場景的討論,也倒逼平臺建立更細粒度的創作邊界與審覈機制。整體看,Sora不再是「演示級模型」,而是「可持續運營的內容平臺能力」,一端是視頻生成的質量與可控性,另一端是分發與合規的系統化建設。
Anthropic:從「會答題」到「會做事」,以工程化鏈路把Agent落到生產。9月29日,Anthropic發佈Claude Sonnet 4.5,官方定位為其「最佳編碼與電腦使用」模型:在大體量代碼生成與重構、長時多步任務、工具/終端操作等方面做了系統增強,並同步推出Claude Agent SDK、Claude Code/終端接口與檢查點回滾等能力,明確把「能寫、能調、能跑」的閉環納入可運維的研發流程。與此同時,模型在長時任務上的穩定性(「連續數十小時保持同一項目上下文」)以及面向企業使用的價格與接入路徑(API/控制檯/Bedrock),共同指向從「分數領先」向「生產可用」的遷移。就方法論而言,這一代迭代不再將「模型效果」與「系統治理」割裂,而是通過可回溯、可觀察與安全分級,降低Agent在實際業務中的引入成本與運維風險。
Google(Gemini):把智能嵌入瀏覽器入口,並以「Computer Use」從回答邁向執行。9月,Google將Gemini深度融入Chrome:在地址欄與瀏覽器側邊欄內提供對頁理解、跨標籤比較與摘要能力,配合「AI Mode」在搜索端的視覺—文本聯動,形成「高頻入口上的輕量Agent」。10月,Google DeepMind又發佈Gemini 2.5 Computer Use專用模型,面向「在受控環境內操控UI」的Agent場景:模型通過對界面截圖的視覺理解與推理,循環地產生「點擊、輸入、滾動、下拉選擇」等13類原子動作,可完成表單提交、流程測試與登錄后操作等任務;同時在工程側提供「逐步動作安全審查」、「高風險操作須確認」等防護與開發者開關。官方博客強調其在Online-Mind2Web等基準上的領先與低時延,以及在Google AI Studio/Vertex AI的預覽開放與Browserbase演示環境,標誌着瀏覽器從信息入口升級為「可執行的工作流容器」。
整體來看,海外廠商的共同方向,是用產品形態與系統接口承載Agent,讓模型從「能説會答」升級到「能看會做、可控可管」,並把入口(瀏覽器/家庭)與工具鏈(SDK/測試/安全)做厚,推動從技術演示向產業化落地的遷移。
03
模型—入口—算力三線合圍的中國路徑
騰訊:企業級Agent工程化與開源圖像模型雙線走強。9月16日,2025騰訊全球數字生態大會上,騰訊首發「騰訊雲智能體戰略全景圖」,推出智能體開發平臺3.0(Agent Development Platform 3.0,新增近600項功能,無編程經驗者亦可開發)、混元3D 3.0(建模精度提升3倍)等新品,並明確「智能化提效、全球化擴規模」雙引擎戰略;AI應用層面,「元寶」日提問量較年初增長30倍,躋身國內AI原生應用DAU前三,廣告、遊戲等業務借AI實現收入增長,軟件開發中AI生成超50%的新增代碼。騰訊混元進展同樣突出,實驗室一年內發佈超30個模型,混元翻譯獲國際大賽30項第一;9月28日開源的混元圖像3.0,在LMArena盲測中登頂全球26個大模型榜單,且具備多模態創作能力,混元3D、世界模型也在國際評測中奪冠,3D系列模型下載量超260萬。此外,騰訊雲在全球11個區域設立辦公室,升級星星海服務器等產品,EdgeOne Pages出海用户3個月內超10萬,同時全面適配國產芯片,以全棧自研能力為AI落地提供完整體系。
百度:推理向底座與多Agent協同並進。2025年9月9日,百度在WAVE SUMMIT深度學習開發者大會上,正式發佈文心大模型X1.1,該模型基於文心大模型4.5訓練,採用迭代式混合強化學習訓練框架,相比文心大模型X1,事實性提升34.8%、指令遵循提升12.5%、智能體提升9.6%,能高效處理複雜寫作與長程任務,在權威基準評測中超越DeepSeekR1-0528,與GPT-5、Gemini2.5Pro效果持平,目前可在文心一言官網、文小言APP及百度智能雲千帆平臺使用;大會還發布劇本驅動多模協同的數字人技術(含五項創新技術,數字人直播表現超真人,如羅永浩數字人首播GMV破紀錄)、飛槳框架v3.2(通過三大核心升級提升訓練效率,強化芯片適配能力,配套大模型高效部署套件等,還開源ERNIE-4.5-21B-A3B-Thinking模型)、文心快碼3.5S(強化多智能體自協同能力,實現「一人即團隊」開發模式,服務超1000萬開發者),同時披露飛槳文心生態已有2333萬開發者、76萬家服務企業,發起「AI助老公益計劃」、推出「文心導師・星耀計劃」,並與中國科技館聯合發佈「首個科技館智能體矩陣」及啟動「未來之翼科普共創計劃」。
快手:可靈2.5 Turbo全方位升級並降價30%。2025年9月26日,可靈AI平臺向創作者宣佈新版模型與功能上線,重點推出可靈2.5 Turbo模型,該模型在穩定性與想象力上全方位升級,視頻效果實現超世代提升,同時定價下調30%,高品質5s視頻生成靈感值從35降至25,較可靈2.1同檔位便宜30%,其中黑金會員每月可生成1000+條該模型高品質視頻,鑽石會員每月可生成320條;通過KlingBench 1.0評測集(覆蓋多測試維度,評測時間2025年8月14日-9月19日)對比,其圖生視頻與文生視頻效果均超過Veo3 Quality、Veo3 Fast、Seedance1.0及Seedance 1.0 mini等模型,且在提示詞理解與時序控制(能解析複雜指令,將靜態圖轉化為敍事連貫的動態視頻)、高速動態質量(引入強化學習,生成高動態動作且畫面流暢穩定)、多種風格保持(精準捕捉原作藝術風格,確保幀畫面視覺特徵統一)上顯著提升,文生視頻具備美學升級、動態穩定等優勢,圖生視頻有特效玩法豐富、跨場景切換絲滑等特點,為影視、短劇等專業創意場景奠定基礎,未來可靈AI還將持續提升模型質量並開發新功能,助力創作者「用AI講出好故事」。
華為:以CloudMatrix384與AI Token服務夯實推理供給側。2025年9月在上海舉辦的第十屆華為全聯接大會(HUAWEI CONNECT 2025)上,華為雲重點發布多領域技術與服務:推出由CloudMatrix384超節點(未來將向8192卡更大規模演進)承載的AITokenService「算力即結果」推理計量服務,通過「資源匯池+任務解耦+並行化」提升推理吞吐,該超節點昇騰AI雲服務推理性能領先,目前全球AI雲服務客户已增至1805家;同時發佈CloudRobo具身智能平臺、R2C協議、Versatile Agent平臺等,並推動盤古大模型以開源與閉源模式落地30多個行業的500多個場景。此外,華為雲依託「全球一張網,數智雙引擎」體系,為多家企業解決業務難題、提供數智化轉型支持,且始終沿「軟硬一體」路徑,以可獲取的高密度算力與可計量的推理服務,為國內模型訓練/部署及行業落地提供穩定底座。
整體來看,國內廠商的共同方向,是以「旗艦基模」確立能力上限,以「Agent/ADP/ADK」打通開發與運維,以「算力與計量服務」穩定供給,再輔以「視頻/圖像生成的性價比迭代」打開應用規模。整體鏈路從「模型→平臺→入口/場景→供給側」逐步閉合,向「能看會做、可控可管」的系統能力收斂。
04
海內外AI升級共振:從「會説」到「會做」,由點到鏈的系統化升級
近期以來海內外AI升級,全球路徑同步收斂到三件事:第一,把模型升級為能理解多模態、能操控界面與工具的Agent;第二,用標準化工具鏈與可觀測/可回溯機制降低企業引入與運維成本;第三,把高頻入口(瀏覽器、應用端側)與供給側能力(算力計量、推理吞吐)做厚,形成「模型→平臺→入口/場景→供給側」的閉環,從「參數與榜單」轉向「產品與運營」。OpenAI 在產品化與合規治理並舉的同時,開始通過「資本+供給」的複雜交易結構鎖定未來算力與系統能力:除與 Oracle/SoftBank 的「Stargate」超大算力與雲合作外,又分別與 Nvidia、AMD達成直供與協同開發並含股權安排的長期協議,且管理層明確「未來數月還有更多大單」將落地;其中,Nvidia 首次對 OpenAI 進行直銷,並公開將其視為為「自託管超大規模數據中心」做準備的前置動作,側面印證 OpenAI 正在把「模型能力預期」直接轉化為「基礎設施超前押注」的產業組織策略。上述交易還被外界稱為「循環式」或「以股換供給」的結構創新,目的在於以更低的現金壓強換取更高的可用算力與更快的迭代節奏。
當前AI產業已從技術單點突破邁入規模化落地關鍵期,下一階段的競爭勝負手將高度聚焦於「工程化的三角」體系構建,其涵蓋Agent工程化、入口承載力、供給側計量三大核心維度,同時疊加資本與資源耦合的差異化路徑,最終將收斂於「通用智能即基礎設施」的產業終局,具體研判如下:
一、Agent工程化:企業規模化落地的核心壁壘
Agent作為AI與產業場景深度融合的關鍵載體,其工程化成熟度直接決定企業側應用的規模化能力。當前行業痛點集中於工具調用的穩定性不足、長程任務規劃的邏輯斷裂、動作序列的可追溯性缺失,導致多數Agent仍停留在Demo階段,難以適配企業複雜業務流程。下一階段,誰能率先將工具使用的接口標準化、長程規劃的算法模塊化、可審計動作序列的日誌體系規範化,形成具備兼容性、安全性、可擴展性的SDK(軟件開發工具包)與治理基線,誰就能突破企業規模化應用的核心瓶頸。例如,在金融風控場景中,標準化的Agent SDK可快速對接企業內部的信貸審批系統、徵信數據庫等多類工具,通過預設的治理基線確保風險評估流程的合規性與可追溯性;在智能製造場景中,穩定的動作序列治理能保障Agent與生產設備的協同精度,避免因流程斷層導致的生產事故。此類工程化能力將成為企業選擇AI解決方案的核心考量,進而在B端市場形成規模化優勢。
二、入口承載力:C端與辦公場景滲透的關鍵抓手
三、供給側計量:大客合作與生態構建的信任基石
AI供給側的計量能力是決定企業能否獲取大型客户、構建穩定生態的關鍵變量。當前行業普遍存在推理成本不透明、併發調度效率低、成本彈性不足等問題,導致大型客户在合作中面臨「預算不可控」、「服務穩定性難保障」等顧慮,難以形成長期合作。下一階段,誰能將推理計量(如Token消耗、算力佔用)、併發調度(如資源分配優先級、峰值負載應對)與成本彈性(如按需付費、長期合約折扣)轉化為可量化、可對賬的產品能力,誰就能在大客合作中建立「可結算的確定性」。例如,針對金融、政務等對成本敏感度高的行業,提供按業務場景定製的計量套餐,明確每筆AI服務的算力消耗與費用構成;針對互聯網企業的峰值需求,提供彈性調度方案,在流量高峰時自動擴容,低谷時縮減資源,實現成本最優。這種透明化、可控化的供給側計量能力,能增強客户合作信心,推動從「項目制合作」向「長期生態綁定」升級。
四、資本與資源耦合:中外差異化路徑的核心邏輯
在「工程化的三角」構建過程中,資本與資源的耦合方式呈現顯著的中外差異,這種差異將進一步影響產業發展節奏:
海外路徑:交易結構創新+自託管預備,鎖定長期資源。海外企業更傾向通過「交易結構創新」將技術能力預期直接轉化為資源鎖定——例如OpenAI與甲骨文的3000億美元算力交易、英偉達以GPU入股xAI的合作模式,既通過長期合約保障自身算力供給,又藉助「自託管預備」機制(如預留部分算力資源用於客户私有部署)提升客户信任度。這種模式的核心在於「以能力換資源」,通過技術優勢撬動資本與硬件資源的長期綁定,進而在通用智能賽道搶佔先機。
中國路徑:體系力+性價比,靠多行業複製堆確定性。中國企業則聚焦「體系力+性價比」的資源效率優化,通過全產業鏈協同降低成本,依託多行業場景複製形成規模效應。例如,華為雲通過昇騰芯片、盤古大模型、CloudMatrix算力平臺的全棧協同,降低企業AI部署成本;騰訊雲通過「智能體開發平臺3.0」支持多行業快速適配,在零售、醫療、政務等領域實現規模化落地。這種模式的核心在於「以效率換規模」,通過資源整合與場景複用,在差異化賽道構建確定性優勢。
五、最終收斂:通用智能即基礎設施,節奏與財務結構決定競爭格局
儘管中外路徑存在差異,但長期來看,AI產業的終局將收斂於「通用智能即基礎設施」——無論是海外的「技術驅動型」路徑,還是中國的「效率驅動型」路徑,最終都將實現通用智能能力的標準化、普惠化,成為像水電、雲服務一樣的基礎資源。兩者的核心差別在於發展節奏與財務結構的選擇權:海外企業憑藉資本與技術優勢,可能在通用智能的前沿探索上節奏更快,但需承擔更高的研發投入與財務風險;中國企業依託場景複用與成本控制,發展節奏相對穩健,財務結構更偏向「規模化盈利」,但需警惕技術迭代速度滯后的風險。未來,誰能在「節奏把控」與「財務健康」之間找到平衡,誰就能在「通用智能基礎設施」的終局競爭中佔據主導地位。
05
投資建議
建議關注AI應用產業鏈:金蝶國際、第四範式、快手-W、邁富時、美圖公司、阿里巴巴-W、騰訊控股、百度集團、金山辦公、福昕軟件、虹軟科技、科大訊飛、萬興科技、美圖公司、新致軟件、合合信息、百望股份等。
建議關注算力產業鏈,具體細分賽道如:
GPU:海光信息、寒武紀、阿里巴巴、百度、摩爾線程、沐曦股份、龍芯中科等;服務器:中科曙光、浪潮信息、紫光股份等;
液冷:英維克、東陽光、曙光數創等;
電源:歐陸通、麥格米特、中國長城等;
柴油發動機:濰柴重機、泰豪科技、科泰電源(維權)等;
EDA:華大九天、概倫電子、廣立微等;
IDC&算力租賃:協創數據、奧飛數據、科華數據、宏景科技、卡萊特、大位科技、潤澤科技、數據港、光環新網、世紀互聯、萬國數據、億田智能、有方科技、潤建股份、首都在線;華為鏈&國產鏈:神州數碼、納思達、軟通動力、智微智能、廣電運通、禾盛新材、拓維信息、中國軟件國際等。
技術迭代不及預期:若AI技術迭代不及預期,大模型優化受限,則相關產業發展進度會受到影響。
商業化落地不及預期:大模型結合應用的盈利模式尚處於探索階段,后續商業化落地進展有待觀察。
政策支持不及預期:新行業新技術的推廣需要政策支持,存在政策支持不及預期風險。
全球宏觀經濟風險:垂直領域公司與下游經濟情況相關,存在全球宏觀經濟風險。
注:文中報告節選自財通證券研究所已公開發布研究報告,具體報告內容及相關風險提示等詳見完整版報告。
證券研究報告:《全球Agent產業化競速》
對外發布時間:2025年10月12日
報告發布機構:財通證券股份有限公司(已獲中國證監會許可的證券投資諮詢業務資格)
分析師 楊 燁
SAC證書編號:S0160522050001
聯繫人 陳夢筆