科技-计算机行业：Agentic Coding推理新范式，关注算力结构化机遇

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 科技 Agentic Coding 推理新范式，关注算力结构化机遇 华泰研究 科技 增持 (维持) 计算机 增持 (维持) 谢春生 研究员 SAC No. S0570519080006 SFC No. BQZ938 xiechunsheng@htsc.com +(86) 21 2987 2036 郭雅丽 研究员 SAC No. S0570515060003 SFC No. BQB164 guoyali@htsc.com +(86) 21 3847 6016 王浩天* 联系人 SAC No. S0570125010006 wanghaotian@htsc.com +(86) 21 2897 2228 徐诚伟* 联系人 SAC No. S0570125070089 xuchengwei@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2026 年 1 月 26 日│中国内地 动态点评 AI Coding 的进化路径：Agentic；上下文窗口；从工具到产品 复盘 Claude Code 自发布后的功能迭代过程，我们看到以下变化趋势：1）Agentic Coding。Agentic Coding 正在驱动 AI 开发能力从简单程序拓展到更复杂应用，相较此前的代码预测、对话式代码生成工具，我们认为 Agentic Coding 的核心差异，在于具备项目级而非文件级/对话级的读写范围以及多工具多 Agent 调用能力。2）上下文窗口的合理利用。我们认为 Claude Code增加的多项功能，例如 CLAUDE.md、Skill、Memory，通过信息压缩极致地应用有限上下文窗口。对于当前的模型来说，上下文窗口就是模型的全部记忆，未来值得关注上下文窗口的提升进展。3）从工具到产品，降低开发门槛。26 年 1 月 16 日，Claude CoWork 发布。我们认为 CoWork 是对 Claude Code 的 UI 封装，结合了聊天窗口的易用优势和 Code 产品的项目级能力，使得非技术人员也可以建立项目级代码仓库，降低了复杂项目的建设门槛。 对软件影响：中小应用多样性增加，2B SaaS 替代风险被高估 我们认为 AI Coding 加速从想法到产品，中小应用有望增加，根据 Sensor Tower 的数据，25 年以来 iOS 应用发布量增速加快，25 年 12 月单月同比增速达到 60%。但就 2B SaaS 而言，我们认为替代风险被高估，AI Coding在建立 2B SaaS 应用时中短期面临上下文限制，远期面临维护的难点，目前没有看到拐点。从当前及短期来看，上下文窗口直接限制了 AI Coding 的能力上限，在大型项目场景，模型有限的记忆力将对理解能力带来显著影响。从相对远期看，我们认为企业端软件有更高的维护需求，Transformer 模型的自回归生成模式更擅长生成而非修改，会对维护带来困难，影响企业对产品的应用。 对算力影响：Agentic Coding 带来算力需求数量级提升 以 Claude Code 为例，从工作流来看：1）启动阶段，只打开几个小文件，agent 思考一次约消耗 1-2 万 token；2）深度工作阶段来看，一般打开 20个以上的文件，Claude 进行工具调用、编写代码、外部交互、debug 与代码测试等工作，每一步约消耗 20 万 token。从 Claude Code 技术文档来看，官方建议每名用户每分钟的 token 限制设置在 20-30 万 token，反映出其算力消耗的巨大。总体量化来看，假设完成一个项目需要 5 步左右的工作，则完成一个项目需要消耗百万级别 token，与 chatbot 单次交互消耗一千左右token 相比，算力消耗提升 3 个数量级。 关注 Agent 推理新范式下的结构化机遇 相较于 Chatbot 的静态、单轮交互，Agent 推理呈现多轮、动态、工具驱动与强不确定性的特征，使 CPU 从“指令搬运工”转变为系统级“指挥官”。在推理启动阶段，CPU 承担长尾计算、动态批处理与吞吐率优化等关键工作，直接影响算力利用效率与 token 经济学最优解；在推理执行阶段，Agent 的调度、决策与工具编排高度控制密集，更适配 CPU 架构，且大量外部工具运行在 CPU 上，已成为端到端延迟的主要来源。与此同时，虚拟机/沙箱化 Agent 路径随任务复杂化逐步成为主流，显著推升 CPU 与内存需求。整体来看，Agent 时代 CPU 或率先成为系统瓶颈，其核心数、I/O 与互联能力或将快速升级。产业链相关标的：AI Coding：卓易信息、Minimax；AI infra：深信服、优刻得、青云科技、浪潮信息、中国长城；CPU：Intel、AMD、Rambus、海光信息、龙芯中科；存储：MU、SNDK；互联：AVGO。 风险提示：宏观经济波动；模型迭代不及预期；AI 商业化不及预期。 (9)9264461Jan-25May-25Sep-25Jan-26(%)科技计算机沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 科技 Agentic Coding 成为主流应用形态 AI Coding 的进化路径 自 25 年以来，Claude Code 功能经历多项迭代。我们关注到三个趋势，一是 Agent 能力的增强，AI Coding 进化到 Agentic Coding；二是上下文窗口的合理应用，Claude 将各类记忆进行压缩，从而在有限的上下文窗口增强效果；三是从工具到产品，CoWork 的推出，有力推动了非技术人员对 AI Coding 工具的使用。 图表1： 过去一年 Claude Code 功能迭代 资料来源：Claude 官网博客、华泰研究 Agentic Coding 驱动 AI 开发从简单程序到更复杂应用，核心是项目级上下文、多工具多Agent 调用能力。LLM 时代早期，AI Coding 工具的主要功能是做代码预测和完成，其局限性在于工作范围和功能单一；随后的产品形态是基于对话的 AI 聊天界面，在聊天窗口粘贴代码即可完成代码建议，其局限性在于上下文来自手动输入，不适用于多文件场景。与此前工具比，Agentic Coding 应用场景为项目级而非文件级，具备更强的实施与协调能力，从而能够实现更复杂的应用开发。  项目级上下文，是开发能力迭代的信息基础：一个简单的程序对应一个文件，而应用需要多个文件配合，实现功能的实现和整合。Agentic Coding 在项目级别运行，项目是独立的独立工作区，每个项目都包含一个 20 万字节的上下文窗口，当容量接近上限时会自动启用 RAG 模式，将容量扩展至多 10 倍，这是对此前单文件级上下文的重要改进，我们认为在理解项目的基础上，模型才能有构建项目的能力。  多工具多 A