软件大革命，AI Agent投资宝典

AI Agent 由模型、工具和编排层构成，是一种可以自主实现目标的应用。据谷歌《Agents》白皮书，AI Agent 可以被定义为一种试图通过观察世界并利用自身拥有的工具对其施加影响，从而实现目标的应用。AI Agent 也可以是积极主动的，使在没有人类给出明确指令集的情况下，智能体也能够思考下一步该做什么来实现其最终目标。智能体的行为、动作和决策由一系列基础组件驱动。这些组件的组合可以描述为一种认知架构，通过混合和匹配这些组件，可以实现许多这样的架构。按核心功能划分，AI Agent 的认知架构包括三个基本组件：模型、工具和编排层。

模型：AI Agent 工作流的决策中枢。AI Agent 所使用的模型可以是一个或多个任何大小的语言模型，这些模型能够遵循基于指令的推理和逻辑框架，例如 ReAct、思维链或思维树。需要注意的是，模型通常不是使用 AI Agent 的特定配置设置（例如工具选择、编排/推理设置）进行训练的。然而，通过向模型提供展示 AI Agent 能力的示例（包括 AI Agent 在不同情境下使用特定工具或推理步骤的实例），可以进一步优化模型以完成 AI Agent 的任务。

展开剩余

Al Agent：AI时代的软件革命。

AIAgent是软件革命的关键，解决了生成式AI模型的应用局限，推动AI技术向实用、智能方向发展。 1）从技术原理上看，AIAgent由模型、工具和编排层构成，是一种可以自主实现目标的应用；2）从商业化路径看，MCP到Manus，基于类MCP协议的底层数据互通+Agentic-based决策路径定义AIAgent范式，在C端AIAgent更强调通用性和拓展性，按tokens付费更适合；在B端AIAgent更强调任务的完成度和准确性，按结果付费更适合；3）展望未来，类似芯片的“摩尔定律”，AIAgent的任务长度或每7个月翻一倍，最终实现Agent开发Agent的闭环飞轮。

商业路径：C 端流量变现+B 端结果导向的双线并行目前主流的 AI Agent 的付费用户主要聚焦在 C 端与 B 端，而两者在付费意愿存在着明显区别，AI Agent 在 C 端和 B 端承担的角色不同，C 端需求往往容错率高且多变，因此 AI Agent 更注重通用性而非过分强调准确性，因此 AI Agent 往往诞生于流量平台并通过独特且多变的能力不断吸引流量，从而实现二次变现； B 端需求往往准确且固定，AI Agent 厂商的核心竞争力是行业 Know-how 及私域数据的挖掘，最终会反映在于 AI Agent 对于某任务的完成度、准确度、完成成本等指标，按照结果付费更加适用。

我们认为：

1. C 端 AI Agent 更强调通用性和拓展性，更常见的形式是通过独特的 AI Agent 的功能实现流量的迁入，再而转换各类的收费模式；部分企业已初步实现 AI Agent 的 C 端商业路径。以快手可灵为例，两周迭代一个版本不断提升技术表现是吸引用户留存的重要因素之一。据财经杂志微信公众号，可灵自 2024 年 6 月 6 日发布以来，以大约每两周上线一个新版本的速度进行更新，相继开放了图生视频、视频续写等能力，视频长度也从 2 分钟提升到 3 分钟。技术成长速度很快，很多创作者会反馈模型生成效果、控制效果有大幅提升，在技术支持下，可灵 AI 逐步形成了用户端会员订阅、企业端 API 服务加定制化场景解决方案的多元变现模式。

2. B 端 AI Agent 更强调任务的完成度和准确性，按结果付费更适合。 AI Agent 的 B 端商业模式在通用性较强的办公场景以 tokens 计费为主。以客服助手为例，Bland 通过统一的 0.09 美元/分钟的收费模式，使得客户对于 AI 扩展的成本把控十分精准；Bland AI 提供完全自托管的端到端基础设施，实现更快的响应时间、99.99% 的正常运行时间以及数据安全性；此外，该类通用性 AI 的扩展性十分亮眼，如编写自定义提示词、将呼叫扩展到数千个、设置严格的防火墙等。

AI Agent 的“摩尔定律”指引未来发展路径

类似芯片的“摩尔定律”，AI Agent 的任务长度或每 7 个月翻一倍。据 METR 《Measuring AI Ability to Complete Long Task》，将人类完成某个任务所需时间定义为“任务长度”，截止 2025 年 3 月份 AI Agent 在完成耗时少于 4 分钟的任务时，成功率接近 100%；但对于耗时超过 4 小时的任务，成功率却不到 10%。进一步研究可得到，2020-2025 年领先大模型能够完成的任务长度呈现每 7 个月翻一倍的指数级增长，并有望在未来 2-4 年维持该趋势。AI Agent 的“摩尔定律”指引未来发展路径类似芯片的“摩尔定律”，AI Agent 的任务长度或每 7 个月翻一倍。

据 METR 《Measuring AI Ability to Complete Long Task》，将人类完成某个任务所需时间定义为“任务长度”，截止 2025 年 3 月份 AI Agent 在完成耗时少于 4 分钟的任务时，成功率接近 100%；但对于耗时超过 4 小时的任务，成功率却不到 10%。进一步研究可得到，2020-2025 年领先大模型能够完成的任务长度呈现每 7 个月翻一倍的指数级增长，并有望在未来 2-4 年维持该趋势。

十年未见的“无限战争”：互联网巨头争夺Agent超级入口。AIAgent作为必经之路，互联网巨头同时发力C端与B端已成为行业共识，虽然客户结构有异同，但在战略方针上殊途同归：

1）C端场景下，互联网巨头打造多元化的AIAgent产品，打响围绕入口、流量和平台的争夺战；

2）B端场景下，互联网巨头依托自身生态体系，开拓结果导向的商业模式。

AIAgent打开万亿企业级数字劳动力市场，AIAgent走入千行百业。

总体来看，AI Agent 象征软件从“工具”到“数字劳动力”的范式转移，AI Agent 使得软件不再是单纯的“开支”而是“投资”，软件厂商的潜在市场规模从企业的 IT 预算扩展到真人劳动力市场，实现大幅跃迁；通用 SaaS 有望成为 AI Agent 的基础设施，将历史数据挖掘活用提升 SaaS 的价值量，企业 AI 化之前必须云化，云化的厂商需要大量构建 AI Agent; 垂直应用有望与通用 SaaS、大模型厂商合作共赢：垂类应用借助 AI 实现更多能力、扩大市场规模，通用 SaaS、大模型厂商借助垂类应用补全生态； AI Agent 具备更强消费属性，未来可以采取按对话次数、按 tokens 等多元化付费模式，打开软件的估值天花板。

AI Agent 是数字劳动力，蕴含数万亿美元的市场机遇。微软 CEO 认为，传统的 SaaS 本质上是带有业务逻辑的 CRUD 数据库，而 AI Agent 可以集成所有业务逻辑并操控所有数据库；结合黄仁勋与 Salesforce CEO 的观点，AI Agent 可以自行规划、决策、选择工具完成任务，像一个真正的员工一样工作，因此 AI Agent 也可以被称为“数字员工”，IT 部门未来会更像 HR 部门。因此，本质上 AI Agent 的目标市场就不再是传统的 IT 预算，而是真人劳动力市场，可以达到数万亿美元。

1）在企业级市场，AIAgent渗透率快速提升，可通过升级套餐、提升渗透率及单独付费等方式增加企业收入。结合黄仁勋与Salesforce CEO的观点，本质上AIAgent的目标市场就不再是传统的IT预算，而是真人劳动力市场，市场规模可以达到数万亿美元。

2）通用SaaS有望成为AIAgent基础设施，垂类应用也将借助AI实现市场规模倍增，AIAgent在工业、教育、金融、零售、司法等多个行业率先落地。

投资建议：我们坚定认为2025年将是AIAgent元年，也是软件大革命的起点：Agent或成为软件价值重估的重要催化剂，软件厂商的目标市场有望扩大到数万亿美元的劳动力市场，AIAgent也有望提升软件的消费属性，进一步打开软件厂商的估值天花板，针对不同方向，建议关注：

1）办公：金山办公、合合信息、福昕软件等；

2）编程：卓易信息、普元信息、金现代等

3）终端AI：中科创达、萤石网络等；

4）ERP/ CRM：金蝶国际、用友网络、能科科技、赛意信息、鼎捷数智、汉得信息、中软国际等

5）OA：泛微网络、致远互联等；

6）司法：金桥信息、华宇软件等；

7）金融/财税：同花顺、新大陆、新致软件、税友股份、京北方等；

8）教育：科大讯飞、佳发教育等；

9）医疗：讯飞医疗、创业惠康、卫宁健康等；

10）客服：梦网科技、彩讯股份等；

11）AIGC：美图、万兴科技等。

此为报告精编节选，报告原文：

《信息技术-计算机行业深度研究：软件大革命深度：AI Agent投资宝典-民生证券[吕伟,杨立天,白青瑞]-20250512【105页】》

报告来源：【价值目录】网站