2025年计算机行业分析：AI Agent投资框架，算力需求测算与应用趋势展望

AI Agent 推理算力供需剪刀差测算

我们在6月24日发布的2025年中期策略报告里测算了未来3年海外AIAgent应用每日消耗的算力总量,测算思路主要是每日Agent应用算力消耗=每日Agent需求总token数*单token消耗算力，详细的测试过程如下:我们根据以下假设来测算，未来3年海外AIAgent应用每日消耗的算力总量。(1)假设目前全球AIAgent日活人数与AIWeb总日活人数相当,即2025年AIAgent全球(不含中国)渗透约为7%。我们预期2026-2028年透率分别为11%、14%、16%。根据非凡产研统计的全球AIWeb产品月活数据,海外整体AIWeb产品活跃度较国内更高2025年5月前20名海外产品合计月活量约为8.47亿，国内约为1.05亿;海外合计月活量呈现逐月增长的趋势(月增速4%左右)，而国内合计月活量环比下降比较明显(5月环比4月仍下降约5%)。

考虑到AIWeb日常使用率较高，我们假设DAU(日活)/MAU(月活)=38%，则AIAgent全球(不含中国)日活人数约为3.25亿。若按照2026-2028年透率分别为11%、14%、16%计算，则AIAgent全球(不含中国)日活人数分别为5.24亿、6.84亿、8.00亿。

(2)假设每个日活用户2025年每日仅使用1次AAgent应用，2026-2028年分别增加到2、3、4次(场景增加);且随着应用深度的增加，单次使用AIAgent产生的请求次数也会增加,假设2025-2028年分别为50、80、100、120次。上文提到，AIAgent是一种可感知环境变化、独立自主做出决策，并能够主动执行相应行动的AI系统，那么每一次自主规划或API调用都对应着一次对模型的请求，每循环一次至少对应着10次请求，若一个任务拆解为5次循环，则至少需要请求50次。未来MCP的成熟应用有望使循环次数的增长放缓，因为通俗来讲，对于某些问题Agent可以直接通过MCP接口获得结果而非重新计算。

(3)假设每一次请求需要的token数，2025-2028年分别为2000、2500、3000、3500目前主流AI智能体完成一个简单的任务(比如制作一张数据图表)大约消耗10万token，比较复杂的任务(比如制作一个Web应用)能达到消耗90万token 以上。

我们假设2025年平均使用一次AIAgent应用消耗10万token，对应50次请求，则单次请求消耗 token 数为 2000。未来随着多模态数据更广泛地应用,单次请求消耗 token数可能大幅增长，比如一张 512*512像素的图片对应约334tokens，Kimi的 Vision模型实行按量计费方式，单张图片按 1024 tokens计算。

(4)假设目前平均单token消耗算力约为8TFLOPS，随着模型参数量以及多模态数据量的增加，单token消耗算力有望逐年增长，我们假设2025-2028年平均单token消耗算力分别为

8、10、12、14 TFLOPS。我们基于通义千间2多模态代表模型Qwen2-VL-2B-Instruct的官方测试结果来推算单token消耗算力，推理速度测试基于NVIDIAA10080GB,测试了生成2048个token时，输入长度分别为1、6144、14336等token时的速度和内存,A100在 BF16下的算力为 312TFLOPs,36 tokens/s的速度对应单 token消耗算力约为8TFLOPS。

在实际应用中，单token消耗算力不是确定值，它与模型版本和用户并发量高度相关，同一个模型在公有云和私有化部署下的值也区别很大。我们可以参考OpenA的毛利率来计算，OpenAI认为其成本主要是推理计算消耗的算力,根据财务文件,OpenAI预计其2025年毛利率能达到49%。那么我们根据 OpenAI目前token收费就能计算出单token消耗算力值。参考H200租赁价格约3美元/小时，H200在BF16下的算力为1979 TFLOPS，那么3美元相当于能买到720万TFLOPS截至 2025年6月的最新价格，价格处于中位的GPT-40输出价格为15美元/百万token，毛利率49%对应算力成本约7.5美元/百万token,计算出单 token 消耗算力达到 18 TFLOPS。

对于多模态模型而言，多模态数据使得token 数急剧增加，单token 消耗算力也会相应增长。比如 OpenAI在4月发布的图像生成模型 GPT-image-1，在价格方面，GPT-image-1按 token定价，图像定价是文本的8倍:

文本输入token(提示文本):每100万token5美元;图像输入 token(输入图像):每100万token10美元;图像输出 token(生成的图像):每100万token40美元。

(5)基于以上假设，我们计算出未来3年全球(不含中国)AIAgent应用每日消耗的推理算力总量,2026-2028年的增速分别达到8倍、3.5倍、2.5倍。在40%的算力利用率下,对应2025年日200的需求量为380.54万块，2026年B200的需求量为1347.87万块。AI芯片性能的进化无法赶超推理算力需求的急剧增长，海外推理算力供需剪刀差不断扩大。

AI Agent 技术范式革命

(一)从工具到自主决策，从个体到协作

2024Q4，AIagent模型技术实现重大突破，其标志性突破在于能够通过自然语言实现与硬件的交互，从而独立调用硬件操作界面并执行用户指令。代表性模型比如CIaude3.5Sonnet、智谱AutoGLM。Anthropic于2024年10月23日发布了 Claude3.5Sonnet模型,得益于 Anthropic推出的 API.Claude可以感知并与计算机界面进行交互，开发者可以通过集成这一API,将用户的指令翻译成计算机可以执行的指令，使得AI可以模拟人类与计算机的交互方式，包括移动光标、点击屏幕以及通过虚拟键盘输入信息。智谱同样于2024年10月推出了AutoGLM，聚焦于设备操控能力，支持通过工具调用完成具体任务(如操作手机、电脑等)，能理解屏幕信息、规划任务、自我判断调整操作，如调节亮度模式、规划路线等如果说2024年的AAgent像是一个操控工具，那么经历了2025年至今的技术演进，AIAgent已经从“被动工具”迈向“自主决策体”，并且智能体从个体走向协作，AIAgent开发平台出现，AIAgent应用逐渐形成生态。2025年AAgent的技术演进主要可以从以下四个方面来看:环境感知、规划能力、工具使用、记忆能力。

(二)环境感知:从文本到多模态融合

Anthropic于2025年5月发布ClaudeOpus4和ClaudeSonnet4,再次将代码、高级推理和 AI智能体，推向全新标准。Claude Opus4具备强大的图像理解与跨模态推理能力，能处理复杂图文信息、支持多图对比和图像驱动的工具调用，为AAgent 提供更接近人类的环境感知和自主决策能力，推动智能体从单一任务执行迈向多模态协作。ClaudeOpus4和ClaudeSonnet4强化了多模态输入到多步骤任务的连续链式思维。

Manus是中国初创公司Monica于2025年3月发布的通用型AI智能体。Manus的核心能力是基于多模态感知做“真实世界任务”，可以批量读图、提取表格、拍图识别文件结构从而自动生成幻灯片、代码、项目说明等，实现了图文交互，是“认知+行动”的强化。

字节跳动 2025年通过Agent TARS、BAGEL多模态模型、Seed 系列等模型体现出强环境理解+工具控制+多模态融合的综合实力。Agent TARS从文本语言模型到视觉语言融合感知，在GUI中执行真实操作;BAGEL多模态模型具有统一感知与理解生成能力，向“通用多模态大脑”过渡增强跨模态理解与关联;Seed系列能够长上下文记忆，结合网页、地图、图像的输入推理地理、结构、关系等，创新环境理解。

(三)规划能力:从线性推理到自主决策

2024年:基于思维链(CoT)和思维树(TOT)的提示词工程，依赖人工设计流程。比如CoT使用线性分步骤推理，应用于数学题、逻辑判断、代码生成等场景，依然依赖于人类提前设定结构模版，无法自动发现逻辑,不具备任务全局感知能力;ToT运用多方案路径搜索，运用于产品设计、规划任务、文本生成等应用场景，模拟“思考+比较+选择”过程,但是模型本身不具备“主动分支能力，并未具备真正的自主规划、感知、执行能力。

2025年，AIAgent迈入自主决策体，代表性的技术进展:OpenAI推出的Operator具有自主执行任务拆解、重试、选择路径、调用工具的能力;Anthropic推出的Claude Opus4在编码和复杂问题的解决方面表现出色，能独立运行长达七小时，具有长期任务规划能力，ExtendedThinking 是一种增强的推理能力，使模型回答前更好的分解问题、规划解决方案并寻找不同的解决方法;Manus采用多智能体架构，能够自动完成复杂任务，例如研究、执行、交付结构化结果;字节跳动 Agent TARS能够通过自然语言与计算机图形用户界面交互，实现文件管理、浏览器导航等自动化，UI-TARS-1.5是视觉语言模型，能有效执行多种任务增强模型推理和适应能力。

(四)工具使用:从 API调用到交互协作

2024年:API调用阶段。早期模型比如Claude3.5Sonnet通过生成API调用文本与外部系统交互，但受限于接口覆盖范围，模型本身不具备“操作工具”的能力，而是通过输出结构话文本,由外部系统解析和执行任务，所有操作必须提示明确触发指令，无法自主“调用工具”，同时，次智能处理一个工具调用，缺乏任务拆解和工具序列执行的能力。这个阶段的交互是单向的，并不具备持续控制、反馈处理或多工具协同能力。

2025年:视觉交互与协议标准化(MCP与A2A)。工具调用体系在2025年迎来关键转折--从结构化接口调用向通用视觉交互与协议化调度推进。

首先，视觉交互能力的提升让AI能理解内容并进行自动化操作，比如Anthropic的BrowserUse，开源网页自动化接口，无需调用预定义API，允许Claude 智能体控制浏览器，完成数据提取、填写表单等操作。

在MCP出现之前，AI工具调用面临接口碎片化的痛点，每个LLM使用不同的指令格式，每个工具API也有独特的数据结构，开发者需要为每个组合编写定制化连接代码。MCP(ModelContext Protocol)，简称模型上下文协议，是Anthropic公司于2024年11月推出的开放标准协议，让各种不同的大型语言模型能够无缝地与各种外部数据源和工具(如业务软件、数据库、代码库等)进行交互操作。开发者只需按MCP标准开发一次接口，即可被多个模型调用。OpenAI、Google、阿里、腾讯、百度、字节等巨头已相继宣布接入MCP协议。

A2A(Agent2Agent)协议是谷歌于2025年4月推出，作为AI智能体间的“通用语言”，允许不同厂商、不同框架的智能体协作，标志着AI智能体从“单兵作战”迈向“群体智能”

OpenAI的AgentSDK使得开发以标准方式构建、测试、发布AAgent工具，支持多模型调用，强调工具的模块化。AIAgent从“依赖提示指令”迈向视觉交互和协议标准化的自主协作体，标志着智能体正式具备类人工作流的完整能力。

(五)记忆能力:从短期缓存到长期记忆增强

2024年:短期记忆优化。通过扩展上下文窗口(如GPT-4支持128KTokens)提升对话连贯性,使得模型可以保持多轮对话的一致性,特别在客户服务、技术支持等场景的体验得到了提升,可以在不分拆摘要的情况下一次性处理长文档、财报等。但对话结束后就“失忆”，无法做到跨会话记忆，并且为被动式记忆，记忆内容需人工重新附加到Prompt，模型无法记住用户的个性化偏好，处理超长上下文成本较高。

2025年:长期记忆增强。RAG技术结合向最数据库，实现外部知识检索;MemGPT的分层记忆管理支持任务执行中的信息存储与调用。2025年，AI智能体实现了从“短期缓存”向“长期记忆”的跃迁，AI不再仅依赖于上下文窗口，具备跨会话、跨任务的持续记忆能力。RAG(检索增强生成)就是通过检索获取相关的知识并将其融入Prompt，让大模型能够参考相应的知识从而给出合理回答;因此，可以将RAG的核心理解为“检索+生成”，向量数据库用来存放向量化之后的知识库，支持信息的持久化存储与调用，并提供向量检索能力,为RAG系统实现对知识的初步检索。MemGPT(Memory-GPT)由伯克利大学的研究团队开发，被誉为最专业的LLM记忆管理框架。该技术灵感来源于传统操作系统中的分层内存系统，通过快速内存和慢速内存之间的数据移动提供较大内存资源的可能。MemGPT也是一个智能管理不同内存层次的系统，以便在LLM有限的上下文窗口内有效地提供扩展上下文，并利用中断来管理其自身和用户之间的控制流程。MemGPT可以分析远超底层LLM上下文窗口的大型文档，并且可以创建会话代理，通过与用户的长期交互来记忆、反映和动态发展。

OpenAI为GPT-40引入MemoryAPI，使模型能够记住个性化偏好、历史对话和任务进度,在与 BooksGPT 的交互中，模型能够记住用户偏好的书籍类型，提供个性化推荐。Anthropic的ClaudeOpus4与Sonnet4两款模型引入了持久记忆功能，能够在长时间任务中保持上下文。Manus的短期记忆方面，在活动对话中缓存上下文的信息，在长期记忆方面，使用向量数据库存储领域知识和历史数据，支持信息的持久化存储与调用，同时捕捉用户偏好，实现个性化交互。

全球 AI大模型动态更新:功能与趋势

从全球AI大模型2024年12月至2025年5月的流最趋势来看，不同功能的大模型流最分化较为明显。AI工具类模型的总流最增速经历了先抑后扬的走势，2025年3月以来的同比增速保持在20%以上;其中通用类、编程类大模型流量增速最快，2025年3月以来的同比增速分别保持在25%、75%以上。近一个月流量同比下降比较明显的领域依次为法律、客服、写作、图片生成。

通用类大模型里,2025年3月以来的流量同比增速表现较好的依次为Grok、Google、Meta;OpenAI、Claude以及Microsoft流量增速保持稳定,分别稳定在30%、25%、23%左右。Deepseek流量在 2025年初经历了爆发式增长，但近一个月同比下降;Huggingface和Poe近一个月流量也同比下降。

AIAgent商业模式变革

(一)AIAgent正从“提供工具”向“交付价值”转变

2024Q4，我们认为AIAgent模型有望推动APP生态逐渐向模型生态转变，AIAgent应用有望取代APP的地位;2025年至今，我们已经看到多个拥有头部模型的大厂也推出了AI智能体开发平台，正在逐步构建起各自的AIAgent生态。

伴随着AIAgent从“被动工具”迈向“自主决策体”，并且从个体走向协作，AIAgent的商业模式也将发生变革，AIAgent应用的竞争点正从“提供工具”向“交付价值”转变。能真正提升下游企业利润的AIAgent应用将会胜出，从这个角度来说，对应垂直行业knowhow型卡位公司的投资机会相对提升，能融入智能体能力的SAAS企业有望迎来价值重估的机会。

(二)AI智能体开发平台:大厂逐步构建各自的AIAgent生态

AI智能体开发平台具有汇聚流量的优势,如果在上面的Agent应用丰宫起来,构建起AIAgent生态，则有望成为AI时代的“安卓”圈，因此平台的开放性和模型技术优势也是关键驱动力。字节跳动发布“Coze”，以零代码方式构建多模态、可记忆的智能体，应用于内容创作、教育辅导等场景，提升营销效率，也可辅助教学;阿里推出“百炼平台”，支持从模型调用到插件集成的全流程智能体开发，应用于电商服务助手、日程管理助手等场景;腾讯的“元器”，结合混元大模型与微信生态，实现一站式创建和分发，应用于客服助手、内容创作等场景，可以提升服务效率，辅助创作。根据IDC报告显示，2024年中国公有云上大模型调用量达114.2万亿tokens(不含出海群体使用的海外MaaS平台的调用量)，按照大模型调用量的市场份额来看，字节火山引擎占据了46.4%的市场份额，位列第一,其次为百度智能云(19.3%)和阿里云(19.3%)。此外，腾讯云、中国移动、天翼云等其他厂商整体占据15%的市场份额。2024年模型调用量仍然以文本类的能力为主，202404语音类模型调用量也开始增长。预计2025年图像、视频类大模型的调用量也将开始起量，成为驱动未来2年大模型tokens增长的重要力量。

(三)生产力智能体:通用型和 AI工具类增长最快

生产力智能体是指主要以提升效率为核心的智能系统，除了通用型智能体外，编程、教育、创作等领域增长最快。根据火山引擎数据，其AI工具类场景tokens消耗5个月增长4.4倍,其中AI搜索增长10倍，AI编程增长8.4倍，K12在线教育增长12倍。智能巡检、视频检索等新场景突破日均百亿 tokens。同时，根据Anthropic发布的《AI 经济指数》报告，Claude模型的使用量里计算机和数学占比 37.2%(编程、开发)、艺术和创作10.3%、教育/档案9.3%。

通用型:Manus智能体和Genspark智慧搜索核心用于跨领域信息整合以及自动化执行。Manus的商业模型为基于任务效果“后付费”或“按结果计费”，用户只为成功输出付费，近20人团队支撑千万级收入;Genspark聚焦于知识工作者、学生、程序员等使用场景，支持生活类、，结合多模态能力，支持图片学术类、代码等查询，更注重“本地化内容”以及“中文搜索习惯”和链接的查询。

创作型:LiblibAI图片生成服务主要为设计师、插画师、自媒体创作者等提供低门槛、高效率的服务，同时构建内容共创与分享的垂直社区生态，产品涵盖多样化的图像生成方式、丰富的模型资源、活跃的社区互动以及多模态扩展等。2025年2月完成数亿人民币的A+轮融资，投资方包括淡策资本、顺为资本和巨人网络

编程型:MGX智能体旨在通过模拟人类软件开发团队的协作流程，实现从需求分析到部署的全流程自动化开发。产品核心功能与架构为多智能体协作、自然语言编程、全流程自动化开发以及标准化操作流程，适合于无深入编程技能的个人开发者、辅助编程教学的教育与培训、数据分析以及开发创意工具等应用场景。

(四)企业级智能体:SAAS服务商迎来弯道超车机遇

企业级智能体指专为企业环境设计和部署的AI执行系统，能够在业务流程中模拟人类员工的部分决策和执行行为。当前国内外企业级智能体正加速落地，成为企业提效增能的重要工具。不同于生产力智能体，企业级智能体的参与者更大比例是原有深耕垂直领域的SAAS服务商，比如汉得信息、光云科技、税友股份、致远互联、鼎捷数智、赛意信息等。它们对业务流程有更深刻的理解而且企业级AI平台需具备更全方位技术层面的能力。

我们认为,当前企业级智能体正处于规模化应用的爆发点,SAAS服务商迎来弯道超车的机遇。因为MCP、A2A协议出现以及Agent生态的日渐丰富，当企业级智能体共享数据并协作时，故障模式会呈指数级增长，而这些故障对基础设施的影响是巨大的，对于企业来说，无论是为智能体重新构建架构还是事后补救基础设施，成本都很高，与企业降本增效的初衷背道而驰。而SAAS服务商能很好地帮企业解决这种复杂性部署，因此在Agent技术布局具有先发优势的SAAS企业有望迎来弯道超车的机遇。

当前企业在应用AIAgent时会重点考虑投资回报率(RO)，结合各行业的场景标准化程度数据基础与商业价值，我们认为企业级智能体有望最快落地的领域按优先级排序为:企业服务(OA/ERP/CRM等)、金融/财务/风控、营销/电商、制造/供应链、法律/政务、医疗/教育。

我们可以看到在上述这些领域里的头部SaaS企业的AI进展，例如:1.企业服务:汉得信息在企业级AI平台领域走在前列，产品服务布局全面,已经形成了名为“得·灵”的B端AI应用产品/服务系列，其中包括三大产品系列+一大服务系列:1)工具层“灵猿”大圣AI中台系列:为B端而生的AIPaaS平台+开箱即用基础应用:2)应用层“灵手”业务智能体系列:各大业务领域数十个场景AI助手/智能专家，构建覆盖全业务链的智能体生态;3)模型层“灵睿”垂直模型系列:多个行业专识模型+飞码代码大模型;4)服务层“灵策”配套服务系列:AI咨询规划、企业私有模型训练、AI应用定制开发。目前汉得AI中台能够帮助企业快速落地AI，提供多模型对接能力，内置智能对话、可自配置的多分类智能知识问答等应用，同时，还提供向量管理与应用能力、私有模型训练与应用能力，可以帮助企业高效自定义实现各种业务流程+AI能力，提供智能助手与AIGC应用编排能力，实现企业流程智能化交互、引导、流转，帮助企业快速在AI领域取得突破。

2.金融/财务/风控:在税务监管精细化和市场环境复杂多变的双重驱动下，企业群体对财税的需求从基础服务向合规税优转化，中小微企业面临内部资源限制、外部专业供给不足的情况，行业高价值财税方案供不应求，而以AI为驱动的财税平台是打破痛点的关键。税友股份作为财税SaaS领军者在 Agent上布局领先，公司凭借深耕行业25年的经验，已直接服务超100万中小企业，赋能财税代理服务行业支撑服务超700万小微企业,拥有活跃企业用户900万,付费企业用户615万。近年，公司推出合规税优SaaS,并发布“犀友”大模型，深度融合财税场景中票账税流程复杂、政策变化快等痛点，推动 AIAgent从工具向决策助手进化。这一路径与美国财税巨头Intuit的 AI助手Intuit Assist不谋而合，后者通过每月1200万次交互验证了生成式AI的商业潜力。

3.营销/电商:光云科技是业内领先的电商SaaS企业,核心业务是基于电子商务平台为电商商家提供SaaS产品及增值服务。公司主要SaaS产品及服务包括以超级店长、快递助手、快麦ERP、快麦小智客服机器人、深绘美工机器人、快麦工单、跟单宝等为代表的电商SaaS产品;以有成财务、有成CRM、有成报销、番茄表单为代表的企服类SaaS产品。目前，光云科技将AI智能体能力融入公司现有的快麦小智客服机器人、深绘美工机器人、有成系列产品中应用，助力广大商家降本增效。公司在淘宝、天猫、京东、拼多多、抖音、微信、快手等各大电商平台上提供 SaaS产品及增值服务，在阿里巴巴、拼多多及抖音平台的客户服务数量均处于市场领先地位。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）