Agent迎来落地奇点，把握应用入口机会.docx

内容目录

一、Agent：数字打工人，千行百业智能化革命将启 3

模式变革：Agent=数字打工人，实现自主决策和任务执行 3

技术走向：目前以TaskAgent为主流，Multi-Agent协作应用体验提升 4

潜力充足：助力产业降本和价值重塑，万亿级中国AI市场有望开启 6

二、奇点将至：Manus通用智能体初成型，开启AIAgent新时代 7

产业趋势：“卷基座、卷模型”→“卷推理、卷AIAgent、卷应用落地” 7

Manus：首款通用型AI智能体问世，标志AI从Reasoner走向Agent 8

三、产业展望：重视入口，AI应用+智能硬件迎来产业变革 9

AI应用：流量为王，产品工程化能力重要度提升 9

3.1.2通用vs垂类：平台型公司加速部署通用Agent 10

3.1.2ToCvsToB：ToC更重产品力，ToB注重行业Know-How 12

智能硬件：端侧实现Agent落地最后一公里 12

投资建议 13

风险提示 13

图表目录

图表1：人类与AI协同的三种模式 3

图表2：AIAgent系统架构 4

图表3：主流Agent技术拆解及发展趋势 5

图表4：OpenAI的Multi-AgentSwarm在客户服务领域工作流程 6

图表5：AIAgent对AI产业的市场规模及各细分领域价值的影响 7

图表6：大模型发展重心有望进一步向“后训练、推理侧、自主智能体”偏移 7

图表7：Manus部分智能体应用案例 8

图表8：Manus或标志着Agent能力进入第三阶段 9

图表9：Manus在GAIA基准测试上表现突出 9

图表10：驱动AI产品增长的核心变量 9

图表11：项目视角下AI产品工程化的挑战 10

图表12：我国AlAgent平台型厂商及其产品类型梳理 10

图表13：2025年2月全球AI网站排行榜（节选） 11

图表14：2025年2月中国AI网站排行榜（节选） 11

图表15：AlAgent行业应用发展象限 11

图表16：24年最受欢迎Agent集中于C端产品，最实用Agent集中于B端产品 12

图表17：产品对比——Manus个人智能助理vs“智友”企业智能总管 12

图表18：各类智能硬件均有可能成为不同领域的主流交互入口 13

一、Agent：数字打工人，千行百业智能化革命将启

模式变革：Agent=数字打工人，实现自主决策和任务执行

AIAgent是“感知环境-自主决策-执行行动”的智能实体，具备通过独立思考和调用工具逐步完成目标的能力。区别于Prompt模式将大模型作为工具来调用，Agent自主性增强，只需要给定目标就可以在某个流程节点独立完成并减少人类

的审核，体现出高于Embedding模式和Copilot模式的智能化。

图表1：人类与AI协同的三种模式

来源：头豹研究院，中泰证券研究所

AIAgent=LLM×(规划+记忆+工具+行动)。在以LLM为基础的AlAgent系统中，大模型作为AIAgent系统的大脑负责计算，并需要其他组件进行辅助，以提升AIAgent的理解力和泛化能力，使其能更好地处理多种任务和上下文信息。

规划(Planning)：1）对需要更多步骤的复杂任务，AIAgent能够调用LLM通过思维链能力进行任务分解；2）通过反思和自省框架，AlAgent可以不断提升任务规划能力。

记忆(Memory)：1）对AlAgent智能体系统的所有输入会成为系统的短期记

忆；2）AlAgent在完成目标时，需要查询的外部向量数据库成为系统的长

期记忆。

工具(Tools)：1）AlAgent能够使用外部工具API拓展模型能力，以获取大模型以外的能力和信息；2）类GPT等大模型也更新了插件的功能，能够

调用插件访问最新信息或者特定数据源，但需要用户针对提问问题提前选择需要使用的插件，无法做到自然地回答问题。

图表2：AIAgent系统架构

来源：头豹研究院，中泰证券研究所

我们认为，AIAgent可能不仅限于对标另外一类形式的应用，而是直接对标人工劳动力（如WPS不限于对标微软OfficeSaaS云服务，而是直接对标办公室的员工）。

技术走向：目前以TaskAgent为主流，Multi-Agent协作应用体验提升

技术路径：目前AI产品以TaskAgent为主流，短期内JobAgent有