2025年科技行业深度研究：AI智能体，“硅基生物”的序章

AI 智能体：新经济范式的诞生

随着 AI 能力的深化，我们认为 AI Agent 正在驱动一个新经济范式的诞生。智能体不仅是工 具，更是能够自主理解、规划并执行复杂任务的“数字员工”。它们的出现，正在从根本上重 塑企业组织、商业模式和个体生产力。

什么是 AI 智能体？从“对话”到“思考-行动”

AI 智能体标志着人机交互方式的显著转变，其核心是从被动的“对话”模式演进为主动的“思 考-行动”范式。传统的聊天机器人或 AI 助手主要扮演信息提供者的角色，它们响应用户的 指令，但行动的执行仍需人类完成。而 AI 智能体是一种能够感知环境、自主决策并采取行 动以实现预定目标的软件系统。 这种转变的关键在于智能体的自主性。它们能够将一个复杂的目标（例如：“为我的团队预 订下周去旧金山的航班和酒店”）分解为一系列可执行的子任务，进行战略规划，并独立调 用 API、网页浏览、代码执行等各种工具来完成这些任务，整个过程无需持续的人工干预。 这一过程遵循一个“思考、行动、观察”的循环：智能体首先进行内部推理（思考），然后 调用工具（行动），最后评估行动结果（观察），并根据观察到的反馈调整下一步的思考和 行动，直至最终目标达成。

行业领袖的愿景：重塑企业与商业

科技行业的领军人物普遍认为，智能体的崛起代表了一次与互联网或云计算同等量级的范 式转移。其中，英伟达首席执行官黄仁勋和微软 CEO 萨提亚·纳德拉的论述尤为深刻。

黄仁勋：“IT 部门将成为 AI 智能体的 HR 部门”

2025 年 1 月 9 日，在拉斯维加斯举办的国际消费电子展（CES）上，英伟达首席执行官黄 仁勋在其主题演讲中提出了一个或将深刻影响未来企业组织形态的论断：“未来，每家公司 的 IT 部门都将成为 AI 智能体的 HR 部门”。 我们认为，这一愿景将 AI Agent 重新定义为一种需要全生命周期管理的“数字劳动力”，标 志着企业对 AI 的认知从“工具论”提升到了“组织论”的战略高度。如下图右面所示，如 果未来企业中，存在大量 AI 智能体为代表的新型“员工”，那这些新型员工如何和他的上 级、同事、外部合作伙伴互动可能是一个非常复杂的问题。

类比上图的传统的人力资源管理职能，我们能够看到：1）招聘: 对应智能体采购与部署， 即评估、购买并集成最适合业务需求的 AI 模型。2）培训: 对应模型微调与持续学习，即利 用企业内部数据对通用模型进行专业化训练，并建立性能迭代机制。3）绩效管理: 对应性 能监控与优化，即追踪 Token 消耗效率、任务完成率等关键绩效指标，并计算其投资回报 率。4）薪酬: 对应资源分配与成本管理，即以 GPU 算力、API 调用费用等计算资源的形式 支付“薪水”，精确管理运营成本。5）员工关系: 对应治理与伦理，即为 AI 智能体设定操 作边界，确保其行为符合企业伦理与数据安全法规。 如果 AI 智能体是新型“员工”，那么容纳它们的数据中心就是新型的“写字楼”，驱动它们 的 GPU 就是它们的“大脑”，为它们供能的电网就是它们的“生命线”。构建和维护这一庞 大基础设施所需的巨额资本开支，可能会构成未来十年最持久、最确定的投资主线。

微软 CEO：“AI 智能体成为新的计算界面，重塑企业软件”

微软 CEO 萨提亚·纳德拉在包括微软 Ignite、Build 大会以及播客访谈中，多次阐述他认为 AI Agent 将成为计算的新界面，并从根本上重塑传统的企业软件（SaaS）商业模式。

我们认为他所指出的变化主要有两个层面： 1）交互界面的变化：传统的商业软件是基于菜单的界面进行用户交互。当前的 Agent 应用 通常基于 Prompt 的对话式应用。未来用户将不再需要操作数十个独立的 SaaS 应用，而是 与一个单一的智能体层进行交互，由它来编排和完成跨越所有后端系统的复杂任务。我们 认为这除了会改变用户交互界面以外，还会改变商业软件的开发和交付流程。 2）商业模式的变革：从“按席位付费”到“按使用量付费”：传统的 SaaS 商业模式以“按 席位”的订阅付费为核心。随着 AI 智能体成为工作流的主要执行者，软件的价值创造方式 从“人使用工具”转变为“智能体执行任务”。因此，其收费模式或将从衡量“人的数量” 转向衡量“任务的消耗”。我们认为，未来的软件商业模式将转向与价值创造更紧密挂钩的 “按使用量付费”模式，其计价单位可能是 Token 消耗量或 API 调用次数。

Agent 企业案例分析：Cursor、Harvey、Glean、SIERRA、Manus

过去一年，AI 智能体应用呈现高速增长，尤其是在能够解决特定、高价值业务问题的垂直 领域。风险投资机构正将焦点从通用大模型转向能够深度整合到工作流中的“智能体原生” 公司。这些成功的 AI Agent 公司普遍遵循一个共同的模式：“基础大模型 + 垂直领域数据 + 深度工作流整合”。它们并非在构建新的基础模型，而是在现有模型（如 GPT-4o, Claude 3） 之上，利用其无法获取的专有数据进行微调，并将其能力无缝嵌入到特定专业人士（如程 序员、律师）的日常工作中。我们认为应用层创新核心价值或不在于重建“大脑”，而在于 打造高度定制化的“义肢”。

Cursor：重塑软件开发

作为一个 AI 原生的代码编辑器，Cursor 深度整合了 AI 能力，能够理解整个代码库的上下 文，帮助开发者进行复杂的代码重构、调试，甚至根据自然语言描述自动生成功能模块。 这种对开发者工作流的深刻变革带来了显著的商业增长。截至 2025 年中，Cursor 的年化 经常性收入（ARR）已超过 5 亿美元，并在由 Thrive Capital、Accel、Andreessen Horowitz (a16z)和 DST 领投的最新一轮融资中获得了高达 99 亿美元的估值。

Harvey：赋能法律行业

在法律这一高度专业化的领域，Harvey AI 已成为智能体应用的标杆。Harvey 是一个专为 法律专业人士设计的 AI 平台，旨在加速合同审阅、尽职调查和法律研究等高强度的知识型 工作。通过与普华永道、安理国际律师事务所等全球顶尖机构合作，Harvey 利用前沿大模 型，结合专有法律数据进行微调，确保了输出的专业性和准确性。根据业内报道，截至 2025 年 6 月，Harvey 已完成由 Kleiner Perkins 和 Coatue 领投的 3 亿美元 E 轮融资，估值达到 50 亿美元，ARR 达到 7500 万美元，成为法律科技领域估值最高的 AI 创业公司之一。

Glean: 企业级知识智能体，重塑“搜索即工作”

Glean 是一家成立于 2019 年的企业级 AI 平台，其核心产品是一款能够连接并理解企业内 部所有应用（如 Slack、Google Drive、Jira 等）的知识智能体。它不仅能为员工提供精准 的“企业内搜索”，更能主动理解工作上下文，自动完成信息查找、文档总结、报告生成等 任务。Glean 的商业模式是典型的企业级 SaaS，通过知识图谱和权限控制能力，解决了企 业在 AI 时代面临的数据孤岛和安全治理两大痛点。Glean 收入增长迅猛，在成立后不到三 年内，其 ARR 就已突破 1 亿美元。在 2025 年 6 月的 F 轮融资中，Glean 再次募集 1.5 亿 美元，公司估值达到 72 亿美元。

SIERRA: 面向消费品牌的对话式商业智能体

由前 Salesforce 联席 CEO Bret Taylor 创立的 SIERRA 专注于为大型消费品牌（如 Sonos、 ADT、WeightWatchers）打造对话式 AI 智能体。与传统客服机器人不同，SIERRA 的智能 体能够深度集成到企业的后端系统，代表品牌与客户进行有意义的、可执行的对话，自主 完成退款、开票、服务预约等复杂操作。其商业模式与价值创造紧密挂钩，通常按对话量 或问题解决率收费。SIERRA 的技术核心在于其“监督者”模型，能够有效防止 AI 产生“幻 觉”，确保对话的准确性和品牌一致性。该公司自 2023 年成立以来增长惊人，在不到一年 的时间内，其估值从 10 亿美元飙升至 45 亿美元（2024 年 10 月），年化收入（ARR）也已 突破 2000 万美元，成为智能体在垂直行业商业化落地的标杆。

Manus: 通用型个人任务执行智能体

源自中国的初创公司 Manus 凭借其通用 AI 智能体在 2025 年 3 月的演示视频中一炮而红， 展示了其处理筛选简历、规划旅行、分析股票等日常数字任务的能力。Manus 旨在打造一 个能够执行用户简单指令的通用数字劳动力，其商业模式为个人用户提供月度订阅服务（起 价 39 美元/月）。Manus 的快速崛起，尤其是在获得硅谷顶级风投 Benchmark 领投的 7500 万美元融资后，估值在数月内增长五倍至近 5 亿美元，标志着市场对通用型、跨应用任务 执行智能体这一方向的巨大期待。它与 DeepSeek 等模型共同构成了中国在 AI 应用层创新 上的重要力量，预示着个人生产力工具市场的巨大变革潜力。

我们离“单人十亿美元公司”还有多远？

在 2023 年 10 月于纽约举行的 J.P.摩根/罗宾汉投资者大会（J.P. Morgan / Robin Hood Investors Conference）上，OpenAI 首席执行官 Sam Altman 在一次炉边谈话中，正式提 出了“单人十亿美元公司”（one-person billion-dollar company）的构想 。这一概念迅速 成为理解智能体经济时代“超级个体”崛起的最佳注脚。 Altman 的预测基于一个核心逻辑：随着 AI 能力的指数级提升，很快就会出现由创始人单枪 匹马，在大量 AI 智能体的协助下，创造出的估值超过十亿美元的企业。他认为，AI 将使创 业者能够将过去需要整个团队甚至整个公司才能完成的工作——从软件开发、产品设计、 市场营销到客户服务——完全“外包”给 AI 智能体 。这将使创始人能够专注于最高价值 的战略决策、产品构想和资源调配，从而实现前所未有的资本效率和生产力水平。 这一构想的深远意义在于，它可能预示着经济模式从“知识经济”向“分配经济”的转变。 在未来，个体的价值将不再仅仅取决于他们掌握了多少知识或技能，而更多地取决于他们 如何有效地分配和管理 AI 这一强大的生产资源。创始人的角色将从“执行者”转变为“指 挥家”，通过精准的指令和战略规划，引导 AI 军团完成复杂的商业目标。Altman 甚至透露， 在他的科技公司 CEO 朋友群中，已经开始就“单人十亿美元公司”在哪一年会出现进行下 注。 回顾各个时代软件创业公司的发展历程，我们看到这个预言正逐步成为现实。达到 1 亿美 金 ARR 所需要的员工数从 20 年前，Linkedin 的 600-700 人，10 年前 Slack 的约 200-300 人，到最近 Cursor 的不到 20 人和 Midjourney 的约 40 人。其背后是“超级个体”的崛起 ——一个具备极强专业能力的个人或一个极精干的小团队，通过娴熟地驾驭一系列 AI 工具 和智能体，能够完成过去需要数百人团队才能企及的商业成就。

案例#1：从 LinkedIn、Slack，到 Cursor 和 Midjourney

前 AI 时代案例：LinkedIn

LinkedIn 成立于 2003 年，作为全球最大的职业社交网络，其商业模式围绕人才解决方案、 营销解决方案和高级订阅服务构建。公司在 2006 年 3 月实现首次盈利 。根据其财报数据， LinkedIn 在 2011 财年的总收入达到了 5.22 亿美元 ，远超 1 亿美元的门槛。截至 2011 年 底，公司拥有约 2100 名全职员工。这反映了在前 AI 时代，一家成功的 SaaS 和平台型公 司在达到 1 亿美元收入规模时，通常需要一个庞大的、覆盖工程、销售、市场和运营的团 队来支撑其全球业务。

前 AI 时代案例：Slack

Slack 于 2013 年 8 月正式推出，迅速成为企业通信领域的颠覆者。它通过“产品驱动增长” （Product-Led Growth）的模式，先由终端用户免费使用，再自下而上地推动企业付费订 阅。根据 Slack 官网，Slack 在 2016 年夏季，即产品上线约 2.5 年后，年化经常性收入（ARR） 突破了 1 亿美元大关。在达到这一里程碑时，Slack 的团队规模不足 1000 人。虽然相比更 早期的 LinkedIn 已经体现出更高的效率，但仍然需要一个数百人的团队来支持其快速增长 的用户基础和产品开发。

AI 原生时代案例：Cursor

Cursor 是一款诞生于 2023 年的 AI 原生代码编辑器，它将 AI 深度集成到开发工作流的每一 个环节。与在传统编辑器上叠加 AI 功能不同，Cursor 从第一天起就为 AI 协同编程而设计。 其增长速度堪称历史之最，在产品上线后仅用 12 个月就实现了从 100 万美元到 1 亿美元 ARR 的跨越 。更令人瞩目的是其极致的运营效率：在达到 1 亿美元 ARR 这一里程碑时， 其团队规模仅有 12至 20 人 。这充分证明了 AI 原生公司能够利用 AI 智能体处理大量工程、 营销和支持任务，从而实现远超传统软件企业的“人均创收”效率。

AI 原生时代案例：Midjourney

Midjourney 成立于 2022 年，是一家完全自筹资金的 AI 研究实验室，其文生图服务通过 Discord 平台提供订阅服务，迅速成为 AIGC 领域的领导者。根据公司官网，Midjourney 在 2023 年，即成立的第二个年头，年收入就已达到 2 亿美元。在达到这一收入水平时，其核 心团队规模仅有约 40 人。Midjourney 的成功是一个典型案例，展示了由少数精英人才利用 强大的 AI 模型和自动化流程，可以在没有外部融资和庞大组织的情况下，服务全球数百万 用户并创造巨额收入。

案例#2：智能体如何重塑基金行业？

一篇于 2025 年 3 月发表在 arXiv 上的论文《A Survey on Deep Learning and Large Language Models for Quantitative Investment》系统性地阐述了 AI 及大型语言模型（LLM） 在资产管理领域的应用潜力。该研究指出，量化投资（Quant）作为一种技术驱动的资产管 理方法，正被 AI 深刻重塑。AI 智能体，特别是基于 LLM 的智能体，正在推动该领域从传 统的统计套利向更复杂的、自动化的“阿尔法策略”（Alpha Strategy）范式转变。 论文的核心观点是，AI 智能体正在四个关键环节重构量化投资的价值链：1）数据处理：智 能体能够自动处理和理解海量的非结构化数据（如新闻、财报、社交媒体情绪），从中提取 传统模型无法捕捉的“另类阿尔法”信号。2）模型预测：利用深度学习和强化学习，智能 体可以构建更精准的资产价格预测模型，并动态适应市场变化。3）投资组合优化：智能体 能够实时解决包含复杂约束条件下的投资组合优化问题，实现风险和回报的更优平衡。4） 订单执行：智能体可以自动化执行交易，并根据市场微观结构变化优化交易策略，以降低 冲击成本。该研究认为，这些能力的结合预示着一个由 AI 智能体驱动的、更高效、更智能 的资产管理新时代的到来。

算力基础设施：智能体经济时代的基石

智能体经济的宏伟蓝图建立在一个基本的物理现实之上：每一次 AI 的思考、推理和行动， 都需要消耗实实在在的电力和计算资源。随着智能体从实验走向规模化部署，其对能源和 半导体的需求正快速增长，将这些物理资源从普通的运营成本，推升为决定 AI 发展速度和 规模的战略性、瓶颈性资源。我们认为，软件行业正从 SaaS 的固定订阅费模式转向基于 Token 消耗的定价模式，这使得企业的 OPEX 直接转化为对算力基础设施的持续需求，为 硬件销售创造了持久且非周期性的增长动力，形成了一个强大的商业模式飞轮。

智能体对算力需求的指数级放大

AI 智能体作为“长时间在线”的用户，其计算资源消耗模式与人类存在显著差异。这可以通过 三个“乘数效应”来理解：1）带宽乘数：人类的阅读带宽上限约为每秒 20-30 个 Token，而 机器的处理速度可达每秒数千个 Token，处理能力高出数十倍。2）在线时长乘数：AI 智能 体可以 7x24 小时不间断运行，而人类有效工作时间有限，这带来了 3 到 8 倍的运营时长差 异。3）网络乘数：随着智能体之间为完成复杂任务而自主互动，它们将产生人类无法比拟 的 Token 交换量，创造需求潜力。综合来看，一个由一半人类和一半 AI 智能体构成的混合 型企业，其总算力需求可能较人类企业有较大幅度的提升，或将对算力、能耗和企业成本 结构产生深远影响。

算力产业链的结构性变迁与新权力格局

正如我们在 2024/7/2 发布的《2024 年度展望：AI 大模型时代的全球产业链重构》报告中 首次指出的，AI 算力硬件的市场规模正历史性地超越传统消费电子。如下图所示，我们测 算到 2030 年，全球 AI 算力硬件的市场规模有望达到 5410 亿美元，显著超过智能手机（5210 亿美元）和 PC（2580 亿美元）市场。这一结构性转变标志着科技产业的价值重心正从面 向“人”的终端设备，转向服务于“数字劳动力”（即 AI 智能体）的算力基础设施。AI 服 务器正在取代智能手机，成为科技硬件中最大的单一品类。

根据各个公司财报，自 2023 年第三季度以来，数据中心相关芯片（以英伟达、AMD、博 通等为代表）的合计营收规模已正式超越了传统的 PC 与智能手机芯片（以英特尔、高通、 联发科等为代表）之和，到 1Q25，已经达到了其两倍的规模。同样，在硬件层面，AI 服务 器的营收过去两年保持快速增长，到 1Q25 也达到了 PC 与智能手机硬件的一半左右。

份额方面，英伟达凭借其在 AI 训练市场的绝对垄断地位，继续扩市占率，到 1Q25 已经达 到 69%。另一方面，互联网企业加速和博通等 ASIC 设计公司合作，开发定制化芯片，制 衡英伟达的影响。展望 2025 年下半年和 2026 年，我们认为英伟达和互联网企业之间这种 既竞争又合作的关系会持续下去。

看好 AI 产业链企业量价齐升的投资机会

我们在 2024/7/2 发布的《2024 年度展望：AI 大模型时代的全球产业链重构》中前瞻性地 提出 AI 算力产业链核心环节的投资机会，重点关注 HBM 存储、光通信模块、PCB 电路板 以及液冷散热等细分领域，这一投资逻辑在过去一年得到充分验证——相关板块企业普遍 实现了量价齐升，业绩与股价表现均显著跑赢大盘。展望 2025 年下半年，我们预计英伟达 新一代 GB200/GB300 平台的规模化量产将成为产业链增长的核心驱动力，工业富联等服 务器代工龙头、部分 1.6T 光模块厂商、部分液冷模组供应商以及全球 HBM3e 存储厂商均 有望受益于新平台带来的需求增长。放眼 2026 年，市场关注点将逐步转向英伟达下一代 Rubin 架构可能带来的技术革新，其中 CPO 等新技术的潜在应用可能为产业链带来新一轮 的技术升级周期和投资机遇。

AI 的尽头是能源，关注主权 AI 和星际之门等大型数据中心的进展

2024 年，我们提出了，“AI 的尽头是能源”。进入 2025 年，随着半导体生产产能的逐步释 放，我们看到数据中心以及相应的发电，配电设备的建设速度逐步成为制约 AI 发展的终极 瓶颈。

根据 JLL 统计，2024 年全球数据中心规模约为 50GW。根据国际能源署（IEA）在最新的 报告中预测，到 2030 年，全球数据中心的电力消耗将比 2022 年翻一番，JLL 预计全球数 据中心能耗需求将在未来五年内翻倍至 100GW，2025-2027 年将保持 15% CAGR 的强劲 增长（基准预测，乐观情况下可达 20% CAGR）。根据 JLL 统计，2024 年其中约 30GW（60%） 坐落于北美，约 13GW（26%）坐落于亚太地区，约 7GW（14%）坐落于欧洲中东及非洲 地区。

过去一年，以 OpenAI 的星际之门（4.5GW，规划总投资 5000 亿美元，位于美国德克萨斯 州）和 xAI 的“巨像”,和中东等地的主权 AI 项目是热点。

物理世界的 AI：漫长而曲折的落地之路

过去一年，虽然 Agent 取得了快速的发展，但是手机、机器人的物理世界的 AI（Physical AI） 的发展低于市场预期。其中最重要的两个时间是，2025 年 6 月，苹果宣布延期正式推出去 年发布的 Apple Intelligence 的大部分功能，马斯克在 1Q25 财报电话会议上承认，最新一 代的 Optimus 3 设计要到 2026 年初才能开始生产。

我们认为，苹果延期发布的主要原因是，当前手机等端侧设备在芯片算力、用户数据可获 取性等方面仍未成熟，限制了真正革命性 AI 体验的诞生。 特斯拉机器人发展低于预期的主要原因是，1）物理 AI 的训练面临高昂的数据采集成本与 时间。2）目前的模拟器很难完美复现真实世界的复杂物理规律，这导致在模拟器中训练得 再完美的策略，一旦部署到真实机器人身上，也常常会因为微小的环境差异而失效。如何 有效地将模拟环境中习得的知识迁移到现实世界（Sim-to-Real Transfer），是当前机器人领 域核心且极具挑战的开放性研究问题之一。

全球 AI 产业链重构：从平行发展到竞合新常态

去年 7 月，我们看到 1）美国企业在基础大模型的发展上处于绝对垄断地位，2）美国拜登 政府从芯片设计、半导体代工、半导体设备等各个维度，不断收紧对中国的 AI 芯片出口管 制。当时全球 AI 发展基本处于一个“平行发展”的状态。 过去一年，我们看到：1）2025/1/20，中国的 DeepSeek 发布 R1 模型，以远低于行业巨 头的训练成本（据其技术报告，训练成本仅为 Llama 3 系列的 7%），实现了与当时全球最 顶尖模型（如 OpenAI 的 o1）相媲美的性能，显著缩短了中美在基座大模型上的差距。2） 新一届美国政府，取消了上一届政府的 AI 扩散规则（AI Diffusion Rule），允许英伟达等公 司向中国出口经过性能调整的中端 AI 芯片（如 H20），以满足美国芯片企业在华商业利益 的诉求，并且避免将市场完全让给中国本土竞争对手。3）从股价上，我们也看到，以小米、 联想、比亚迪、中芯国际、阿里巴巴、腾讯、美团为代表的中国科技七巨头从 2025 年 1 月 开始，股价显著跑赢美国七姐妹。

我们认为中国是美国以外唯一一个具备完整 AI 产业链的国家。虽然美国在基 础大模型，云计算等软件领域占优，但中国在通信设备，以及智能手机、电动车等重要的 终端设备上具有较强竞争力。未来，在硬件和基础设施层，中美两大生态体系将继续沿着 各自的技术路线演进，呈现有限的“分叉”；而在算法和应用层，技术、知识和商业模式的 交流与竞争将空前激烈，形成“犬牙交错”的竞合格局。对于投资者而言，一方面要关注 Agent AI、物理 AI 等全球共通的 AI 趋势；另一方面要关注两大生态系统内部的国产化投资 机会。

（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。）