AI Agent（人工智能体）是能够感知环境、自主规划、进行决策和执行动作以实现目标的智能体，具有自主性、交互性、反应性、适应性等基本特征，其核心驱动力为大语言模型。随着大模型赋能底层技术突破，我们看到AI Agent在聚焦垂类+多个智能体协同应用场景逐步落地，根据market.us，2033年全球大模型市场规模将有望由2023年的45亿美元增长至821亿美元，10年CAGR达33.7%。我们看好AI Agent未来发展趋势及上下游产业链变化带来的投资机会。
基础设施侧，AI Agent带动更多应用兴起拉动算力需求，多层推理带动计算量成倍增长。我们观察到各大模型厂商API输入/输出定价呈加速降低趋势，大模型厂商的商业模式正逐步迈入以价换量时代，推动推理量的增长。考虑到推理芯片的需求主要对时延更加敏感，我们认为未来端侧硬件的需求差异化有望推动推理芯片性能多样化、需求定制化。我们看好国内端侧AI芯片企业有望在细分场景站稳脚跟，寻求差异化破局之路。
应用侧，C端硬件或成流量入口，B端生产工具有望全面升级。1）C端，AI Agent长期将改变人机交互的方式，手机端有望形成新的流量入口，或深刻影响产业商业模式。我们看好互联网及手机厂商对系统级AI的布局，其中手机厂商将语音助手升级为智能体；互联网厂商相关公司相继推出自主智能体，已具备“接管手机”或“接管电脑”的能力；2）B端，AI Agent有望凭借专业性的知识沉淀落地B端市场，实现企业降本增效，其中赋能企业效率提升是决策核心考量，我们看好AI agent带来的效率提升有望刺激新一轮产业投资。
具身智能侧，AI Agent赋予机器人智慧，产业落地想象空间广阔。基于大模型的AI Agent有望提升具身智能系统的智慧水平，加速具身智能的商业化落地，其中参与厂商不乏特斯拉、Figure.ai以及国内大疆、宇树等知名厂商。我们认为，AI Agent赋能下具身智能有望在各行各业中落地，发展前景广阔，我们预计中国人形机器人出货量有望在2030年达到35万台，市场空间有望于2030年达581亿元。
宏观经济低迷影响消费者需求，技术迭代不及预期，AI商业化不及预期，算力供应不及预期，数据安全监管收紧风险，行业竞争风险加剧。
AI Agent，探索通往AGI之路
什么是AI Agent？
AI Agent （人工智能体）是能够感知环境、自主规划、进行决策和执行动作以实现目标的智能体，具有自主性、交互性、反应性、适应性等基本特征。与大模型和人类通过prompt进行交互的指令导向不同，AI Agent具备了通过独立思考、自主规划、调用工具去逐步完成给定目标的能力，为目标导向。
图表1：AI Agent观点汇总分析
资料来源：华南AI实验室，《LLM Powered Autonomous Agents》（Lilian Weng，2023），复旦大学NLP实验室，中金公司研究部
发展历程：大模型赋予AI Agent底层技术突破，探索通往AGI之路
AI Agent发展逾40年，大模型赋能下跨入新的智能体阶段。20世纪80年代Wooldridge等人将Agent引入人工智能，自此之后AI Agent经历了符号智能体、反应型智能体、基于强化学习的智能体、具有迁移学习和元学习功能的智能体四大发展阶段。此前的强化学习等范式主要集中在增强特定领域的技术能力，但通用能力的发展被忽视，如长期规划、有效泛化、知识记忆等。而LLM具备的自然语言理解能力、思维链、涌现能力使得AI Agent具备了较好的学习和迁移能力，处理问题的泛化性效果增强，推动着AI Agent进入了新智能体阶段，成为通向AGI的主要探索路径。
图表2：AI Agent发展历程
资料来源：甲子光年智库，《中国AI Agent行业研究》（沙利文&头豹，2024），中金公司研究部
行业空间：GMI预计2032年全球市场规模为881亿美元
底层云侧及端侧大模型持续发展，推动AI Agent市场规模不断增长。大模型作为AI Agent的核心驱动力，其技术的迭代、市场的增长有望持续推动AI Agent不断发展。根据market.us，2033年全球大模型市场规模将由2023年的45亿美元增长至821亿美元，10年CAGR达33.7%。根据大模型部署方式不同，AI Agent应用落地可分为云侧和端侧两类。
►云侧：云计算平台较快发展，为AI Agent应用孵化创造有利条件。根据IDC，2023年全球公有云市场规模同比增长22.4%至4819亿美元。
►端侧：端侧AI持续渗透，AI Agent端侧应用有望顺利普及：1）AI手机方面，根据Counterpoint，2027年Gen AI手机出货量有望突破5.5亿部，渗透率达43%；2）AIPC方面，根据Canalys，3Q24全球AI PC出货量达1,330万台，渗透率达20%；Canalys预计2027年全球AIPC渗透率有望达60%以上。
根据GMI数据，2023年全球AI Agent市场规模约52亿美元，其中云侧应用占比约64%。随着企业加速将AI集成到其运营中降本增效，以及AI Agent或以应用服务的形式嵌入终端设备面向消费者，GMI预计2032年全球AI Agent市场规模将达881亿美元，对应2023~2032年CAGR超36.5%。
图表3：全球AI Agent市场规模增长预测及驱动因素
注：其中LLM市场规模测算来自market.us；公有云市场规模测算来自中国信通院；生成式AI手机出货量预测来自Counterpoint；AI Agent市场规模数据来自GMI
资料来源：market.us，面壁智能官方公众号，Counterpoint，GMI，中国信通院，中金公司研究部
基础设施：从训练到推理，算力增长持续化，硬件需求丰富化
AI Agent带动更多应用兴起拉动算力需求，多层推理带动计算量成倍增长
回溯自2022年11月GPT 3.5发布以来至今，我们认为大模型厂商对于API输入/输出百万Tokens的收费标准整体呈现较为明显的下降态势。我们认为大模型厂商的商业模式正逐步迈入以价换量时代，收费标准的价格普遍下降有望吸引更多应用开发者和消费用户。
图表4：AI Agent如智谱清言APP日活用户数
资料来源：QuestMobile，中金公司研究部
多层推理带动计算量成倍增长。2024年9月Open AI正式发布新一代生成式AI模型o1的预览版，通过展示思维链（Chain of thought, CoT）的技术，使得其推理性能得到进一步提升。我们认为，从思维链的显性展示及所获得的结果来看，表明了在某种程度上给予大模型越多的算力消耗，可以输出越智能的结果。
国产端侧AI芯片：寻求差异化破局之路
由于推理场景多而大，对AI芯片催生了定制化、差异化的需求。虽然国内企业在代工制程、综合设计实力方面暂时落后，但在细分领域各有所长。我们认为，国内端侧AI芯片企业有望在某个细分场景站稳脚跟的同时扩展底层实力，未来会逐渐走向与海外大厂的直接竞争，在国际舞台崭露头角。
图表5：终端AI芯片各下游性能要求
资料来源：Frost&Sullivan，各公司官网，中金公司研究部
产业格局：C端硬件或成流量入口，B端生产工具全面升级
C端：AI Agent或改变内容分发渠道，看好硬件流量入口发展空间
手机终端或有望成为新的流量入口，深刻影响手机厂商商业模式。移动互联网时代APP替代了网页版的搜索引擎，各种APP成为了人们获取垂类信息的渠道，对应应用商店的入口作用得到了凸显（当前手机端，用户主要依靠手动从应用商店下载对应APP产品，APP本身承担了内容筛选的角色，不同的APP对应提供不同类型的内容产品）。Agent（APP-less）UI交互模式下，APP弱化为硬件的后台服务提供方，一方面，APP和应用商店的入口功能被削弱，手机厂商软件生态的商业模式或出现变化；另一方面，AI Agent产品由于高集成度、开发门槛高、对手机系统级硬件适配度要求高等特点，更适合于头部软硬件厂商如手机厂商、云服务商、互联网大厂开发。在此过程中，手机厂商由于天然掌握手机终端硬件入口，我们预计其有望占得先机，从而更深刻地参与到内容的分发环节。
图表6：内容分发渠道变迁
资料来源：中金公司研究部
图表7：AI Agent帮助提升分发效率
资料来源：中金公司研究部
B端：AI agent或带动新一轮产业投资，生产工具全面升级
AI Agent有望凭借专业性的知识沉淀落地B端市场，实现企业降本增效。相较于个人用户，企业用户通常面临更加复杂和多样化的业务需求，并拥有更明确的业务场景、业务逻辑、更多场景化行业数据及其行业知识案例的积累，能够发挥AI Agent的自主性、感知与理解环境、决策与执行、交互、使用工具等优势。B端市场沉淀了海量场景化数据集，有望通过模型训练与微调以深化场景体验与模型的耦合程度，实现AI Agent嵌入企业客户工作并承载业务逻辑。我们认为，AI Agent有望在B端逐步释放AI的核心价值，实现降本提效、优化人机、人人交互协同模式并引领生产关系的变革。
图表8：AI Agent在B端落地价值，提升B端生产效率
资料来源：甲子光年《2024年中国AI Agent行业研究报告》，中金公司研究部
AI Agent赋能，智能机器人时代到来
传统机器人发展已较为成熟，AI Agent有望驱动机器人产业焕发新机，具身智能成为未来发展方向。机器人已在汽车、电子制造、仓储物流等众多场景落地，但已商业化的工业机器人、服务机器人大多被设计来专用于执行特定任务。而具身智能由“本体”（物理实体）与“智能体”（AI Agent）构成，能够感知并理解周围环境，在物理环境中执行具体任务，并在环境交互中学习进化。我们认为随着劳动力人口占比下降、成本提升，以及任务场景趋于复杂、非结构化，更具通用性的具身智能有望成为机器人产业未来发展方向。
图表9：具身智能是能够与物理环境交互并从交互中学习的人工智能系统
资料来源：高通官网，中金公司研究部
AI Agent赋予机器人智慧，打开广阔应用空间
大模型的出现为迈向通用人工智能提供契机。自谷歌Transformer神经网络架构发布以来，众多研究者发现基于Transformer的预训练语言模型在非语言类的任务中也能取得不错的效果，具有较强的泛化能力。此后大模型被引入具身智能领域，例如谷歌在2023年发布的PaLM-E模型，即是基于Transformer神经网络开发的具身多模态大语言模型，能够指导机器人实现长时序、one-shot、zero-shot等操作任务。基于大模型的AI Agent有望提升具身智能系统在人机交互、运动控制和感知交互等方面的智慧水平。具身智能算法不再仅针对特定任务，而是能泛化至未知任务中，我们认为有望降低未来的开发成本、加快迭代速度，进而加速具身智能的商业化。向未来展望，我们认为伴随成本下降以及社会接受度的提升，人形机器人的渗透率有望快速提升。我们测算中国人形机器人出货量有望在2030年达到35万台，市场空间有望于2030年达581亿元，保持高速增长态势。
图表10：人形机器人在四类场景中的应用推进节奏
资料来源：创业邦，中金公司研究部
风险提示
宏观经济低迷影响消费者需求：如汇率波动、大宗商品价格、通胀等宏观因素影响消费者对可选消费品的需求。
技术迭代不及预期：AI Agent和大模型迭代放缓，或在端侧适配中面临难以攻克的技术挑战。
AI商业化不及预期：客户对AI付费意愿和使用习惯存在差异，若缺乏持续使用的动力，AI产品难以成为生活必需品，可能导致用户粘性不足，抑制商业化变现能力。
算力供应不及预期：AI Agent对推理算力的高需求，使得算力供应成为关键。若国内研发和供应进展低于预期，或因地缘政治风险导致进口算力产品供应受限，可能会影响AI Agent推广落地。
数据安全监管收紧风险：数据广泛应用可能引发数据安全相关担忧，若监管政策进一步收紧，将对企业数据处理和AI模型训练形成制约。
行业竞争风险加剧：行业公司竞争加剧会对盈利造成影响，增强行业不确定性。
本文摘自：2024年12月24日已经发布的《AI浪潮之巅系列：AI Agent，大模型落地下一站》
陈 昊 分析员 SAC 执证编号：S0080520120009 SFC CE Ref：BQS925
温晗静 分析员 SAC 执证编号：S0080521070003 SFC CE Ref：BSJ666
成乔升 分析员 SAC 执证编号：S0080521060004
臧若晨 分析员 SAC 执证编号：S0080522070018 SFC CE Ref：BTM305
朱镜榆 分析员 SAC 执证编号：S0080523070002
查玉洁 分析员 SAC 执证编号：S0080524110001
孔 杨 分析员 SAC 执证编号：S0080524100002
彭 虎 分析员 SAC 执证编号：S0080521020001 SFC CE Ref：BRE806