AI专题·Agent：智能体基建厚积薄发，商业化应用曙光乍现

智能体基建厚积薄发，商业化应用曙光乍现 西南证券研究院 海外研究团队 2025年4月 AI专题·Agent 核心观点  AI发展阶段从推理者走向智能体，模型底座智能水平提升。目前，AI发展水平正从推理者向智能体Agent演进，AI产品逐步能够理解目标、具备外部记忆和推理能力，相关智能体产业链正经历从模型能力提升到应用商业化的系统性跃迁。AI大模型能力由预训练、后训练、测试时三条扩展曲线推进，其中，预训练奠定模型内部智能上限，后训练及测试时扩展分别释放模型在特定领域和推理方面的潜力，当前基础模型迭代放缓，逐步从训练扩展向测试时扩展转变，主次曲线迎来切换，从而对大规模集群依赖程度下降、推理算力需求攀升，更加聚焦AI产品的商业化能力和生态建设。  中间工具厚积薄发，开发者生态积极构建。在中间层，智能体生态所需的通信协议与开发工具快速涌现，Anthropic MCP协议、谷歌A2A协议等代表性技术正助力构建智能体新型操作系统，为模型与工具、智能体与智能体之间建立统一的交互接口。其中，2025年3月MCP Server发现平台Smithery的服务器创建数量较2月实现3倍增长，A2A已得到50多家合作伙伴的支持，开发者生态加速繁荣。开发工具与底层框架的标准化，可类比为互联网时代移动手机的USB-C接口，或者类比为用于App和操作系统之间通信的Android API，将加速AI智能体商业化进程。  初代产品创收加速，商业化应用曙光乍现。在应用层，智能体应用分为跨行业通用产品和垂类专业产品，前者发展相对成熟，部分产品已开始规模化应用，后者商业化起步略晚，但有望成为B端数智化转型的重要抓手。目前，智能体作为交互式AI产品开始快速落地，初代产品Cursor、Glean等已实现上亿美金年经常性收入（ARR），展现出较高成的长潜力，并出现基于实际交付成果、任务完成率等指标的新收费模式。整体来看，AI智能体产品正形成“底层模型能力升级+中间工具繁荣+商业场景落地”的基础设施与应用协同的演进路径，未来AI智能体应用还需进一步提升规划能力、具备更好的记忆、拥有更强的多模态理解能力，释放变现潜力。  相关标的：1）推理算力：英伟达、博通；2）中间工具和数据层：谷歌、Snowflake；3）下游应用：Salesforce、SAP、Shopify；4）云服务：亚马逊、微软、谷歌。  风险提示：AI技术进展不及预期；AI商业化进展不及预期；投资回报不及预期等风险。 1 一、AI发展阶段：从推理者转向智能体，开始学会调用工具 目 录 二、Agent模型层：底座智能水平提升，推理能力成为核心 三、Agent中间层：中间工具厚积薄发，开发者生态积极构建 四、Agent应用层：初代产品创收加速，商业化应用曙光乍现 五、相关标的及风险提示 2  模型多维能力持续提升，AI从推理者转向智能体。根据OpenAI对AI发展的理解和定义，AI水平可分为五大等级：一是聊天机器人(Chatbot)，能够用自然语言进行对话；二是推理者，基于推理模型，解决人类级别的智力问题；三是智能体(Agent)，能够代表用户采取行动；四是创新者；五是组织。过去，在ChatGPT等聊天机器人产品推出时，大模型通常采取一次性推理，用户与聊天机器人的交互形式呈现为简单的一问一答。而在推理模型的不断发展之下，AI模型逐渐能够与自己对话，实现内部思考，具备推理能力。当前，随着大模型在交互/认知/泛化/自主等多维度能力持续提升，AI正从推理者转向智能体，逐步具备采取行动及处理任务的能力，智能体产品加速推进。 1.1 AI等级：AI发展水平划为五大等级，当前正从推理者转向智能体 AI发展水平划分为五大等级 资料来源：Bloomberg reporting，OpenAI，西南证券整理 聊天机器人 推理者 智能体 创新者 组织  具备语言对话能力的人工智能  具备解决人类水平问题的能力  能够采取行动的系统  能够帮助发明创新的人工智能  能够完成组织工作的人工智能 AI等级 交互能力 认知能力 泛化能力 多领域泛化 处理事实 简单式一问一答 自主能力 依赖人类指令按步骤执行命令 3 系统中协同运作 上下文深入交流 环境中动态交互 创新性思考 链式推理 局限于特定领域任务 跨领域整合 设定目标自主完成复杂任务 定义  用户：给出任务目标  AI：通过使用工具并进行规划，直接完成任务，甚至具备修正能力  用户：给出明显指令  AI：具备一定的理解力和工具使用能力，但仍需用户逐步确认  用户：给出明确且具体的每一步指令  AI：根据一个指令产生一个动作 4  AI产品目前处于中间过渡形态，智能体有望革新交互效率。过去，传统聊天机器人只能执行明确指令，用户需要逐次下达任务指令，AI模型根据一个指令进行一个动作；当前，中间形态的AI产品已初步具备目标理解和推理能力，可以根据用户的模糊需求主动采取一部分行动，但仍然需要依赖用户反馈进行下一步操作；未来，真正的AI智能体将能够根据最终目标自主规划任务步骤、调用多种工具、识别错误并给出修正策略，具备完成任务的能力。 用户与不同AI产品形态的互动以及第一轮交互结果示例 我上传了一份 Excel，帮我分析一下里面的数据有什么趋势或异常？ 你想分析哪一列数据？趋势是指增长吗？异常是指什么？ 资料来源：西南证券 我上传了一份 Excel，帮我分析一下里面的数据有什么趋势或异常？ 我上传了一份 Excel，帮我分析一下里面的数据有什么趋势或异常？ 我已做出基础统计和可视化图表，你需要继续深入哪个部分吗？ 我已检查和分析数据、生成多种图表和文字总结。但是可能异常值过多，需要帮你进一步清洗数据吗？ 用户与传统聊天机器人的交互结果 用户与推理者产品的交互结果 用户与智能体产品的交互结果 1.1 AI等级：AI发展水平划为五大等级，当前正从推理者转向智能体 1.2 Agent等级：初阶能够使用工具，高阶可自主完成长时任务  智能体(Agent)=大模型(LLM)+记忆(Memory)+主动规划(Planning)+工具使用(Tool use)。  大模型：在基于LLM的智能体中，LLM充当智能体的大脑。  主动规划：可以将大型任务分解为子任务，并规划执行任务的流程，同时能够对任务执行的过程进行思考和反思，从而决定是继续执行任务，或判断任务完结并终止运行。  记忆：短期记忆指在执行任务的过程中的上下文，会在子任务的执行过程产生和暂存，在任务完结后被清空；长期记忆即可以长时间保留的信息，一般指外部知识库，可用向量数据库存储或检索。  工具使用：为智能体配备工具API，如计算器/搜索工具/代码执行器/数据库查询工具等，从而与物理世界实现交互，解决实际问题。 智能体公式：Agent = LLM + Memory + Planning + Tool use 资料来源：OpenAI官网，西南证券整理 5  自主决策能力是基础，解决长时任务是关键。根据智能体“推理+记忆+使用工具+规划”的四大核心能力来看，截至目前，聊天机器人产品逐步具备推理能力，副驾驶和工具型助手可以建立外部记忆，