深度系列十二丨AI Agent与端侧新入口共筑AI应用【天风计算机缪欣君团队】

天风计算机团队

AI Agent逐步发力，构筑大模型应用未来

1.1 AI Agent临界点即将到来，为AI应用构筑基石

全球AI Agent市场正以高速增长的趋势重塑各行业的运营模式和客户交互体验。根据Grand View Reasearch数据，全球AI智能体市场在2023年的规模已达到38.6亿美元，并预计从2024年到2030年将以CAGR 45.1% 快速增长，2030年市场规模有望突破503亿美元；推动这一增长的核心驱动力包括自动化需求的增加、自然语言处理（NLP）等技术的进步，以及消费者对个性化体验和实时服务的期望不断提升。AI Agent通过分析客户行为、优化产品推荐和提高客户参与度，广泛应用于电商、医疗和安全等多个领域，显著提升了企业在营销、销售和客户服务方面的效率，同时降低了运营成本，为企业创造了更大的商业价值。

AI Agent（智能体）通过记忆能力、规划能力、行动能力和工具能力，与人类用户、外界环境、其他Agents及系统开发者实现高效协作。分工上，人类用户通过接口与Agent交互，作为监督者、合作者和决策者；外界环境为Agent提供感知和反馈交互空间；多个Agent之间通过协作整合任务结果，形成群体智能；系统开发者则负责设计开发Agent的相关能力模块，确保其功能可靠和高效运行。

LLM作为AI Agent的核心能力构建基础，结合规划、记忆、工具和行动四大能力模块，实现了对复杂任务理解、分解与执行。LLM不仅提升了AI Agent的理解能力和泛化能力，还显著增强了其在多任务处理和上下文信息解析方面的效率。我们认为，结合规划、记忆、工具和行动四大能力模块，AI Agent能够更好地支持复杂任务执行和多样化场景需求，提供高效且连贯的交互体验。

在此基础上，Agent专有的编排层在AI生态系统中发挥着核心作用，通过整合大模型（如OpenAI和Anthropic等）与云服务（如AWS、Google Cloud、Azure），实现任务的动态分配与高效协作。它不仅作为连接基础设施与应用程序的桥梁，还为上层应用提供智能化支持，极大地提升了AI系统的灵活性和创新能力。我们认为，Agent编排层是驱动AI生态高效运行的关键环节。

人工智能著名学者、斯坦福大学教授吴恩达认为，智能体AI Agent领域有4种模式，包括反思、工具使用、规划和多智能体协作。使用AI agent，AI能做的事情会大幅扩展。

Reflection（反思）：让LLM审视并修正自己生成的输出。

Tool Use（工具使用）：LLM使用网络搜索、代码执行等工具来帮助它收集信息、采取行动或处理数据。

Planning（规划）：LLM分解复杂任务，制定并执行多步骤计划来实现目标。

Multi-agent Collaboration（多智能体协作）：多个AI Agent协同工作，通过分解任务、讨论和辩论来提出比单个智能更好的解决方案。

1.2 海外头部企业在AI Agent上持续发力

1.2.1 微软在推出大规模企业级AI Agent生态

微软在Ignite大会宣布了全球最大规模的企业级AI Agent生态，同时M365 Copilot也增加了更多的Agent功能。公司宣布企业可以在agent中使用Azure目录中1800个LLM中的任何模型，不再依赖于OpenAI的独家模型。

此前微软推出了Copilot Studio，一个可以让用户能够创建、管理和将Agent连接到Copilot的平台。自Copilot Studio推出以来，已经有超过10万家公司，用Copilot Studio创建了自己的AI Agent。在微软Ignite 2024大会中，Copilot Studio迎来了重点以下更新：

1）扩展知识管理功能：开发者可以使用最新的生成模型，实时更新并引用第三方数据源(如Salesforce、ServiceNow和Zendesk)，利用检索增强生成（RAG）功能，提升其Agent的质量。同时，该功能还整合了Azure AI Foundry，以支持更复杂、更定制化的场景。此外，还引入了更高级的Azure AI功能，支持访问Azure AI模型目录中的1800个模型，并支持开发者直接在Copilot studio中访问并调用自己定制微调的模型。

2）新增分析功能：开发者可以根据特定结果筛选图表，以了解关键绩效指标和客户满意度。

3）新增语音和图像功能：现在可以加入语音解决方案，包括互动语音应答（IVR）系统；或者将智能体部署到应用程序中，让用户通过语音与智能体互动。用户不仅可以与智能体进行语音交流，还可以上传图片并要求智能体分析并回答有关该图片的问题。

4）定制自主智能体功能进入预览阶段：开发者可以创建无需人工提示的智能体，它们检测到特定事件后可随时做出响应，并触发一系列业务操作。

5）Mircosoft 365 Agents SDK进入预览阶段：有了SDK，开发者如今可以通过代码扩展智能体的功能，构建企业级、可扩展的多渠道智能体。

此外，微软Ignite大会推出了一系列强大的Agent，涵盖多个场景：SharePoint Agent可快速提取项目详情、总结备忘录或查找文档，为销售等团队提供高效支持；Interpreter Agent为Teams会议提供实时语音翻译并模拟用户声音，增强跨语言沟通体验；Employee Self-Service Agent简化HR和IT任务，如福利查询或设备申请，并可在Copilot Studio中定制。同时，Facilitator Agent实时记录会议笔记，Project Manager Agent自动创建计划并完成任务。合作伙伴如ServiceNow、Workday和Cohere等也将其Agent整合到Copilot中，覆盖HR、财务和销售领域的核心知识。S&P Global和CB Insights等公司还引入了新型连接器，使Copilot能够引用更多类型的业务数据，进一步推动工作流智能化发展。

1.2.2 Salesforce正式推出Agentforce并在某些场景取得了PMF

Salesforce于2024年9月12日发布Agentforce，旨在将AI智能体与人类协作、数据云、CRM等核心模块相结合，为企业提供全面的客户服务和销售解决方案。该平台可以自动处理客户请求、优化销售流程，并以低成本高效执行任务，从而提升客户体验并显著提高投资回报率。截至2024年Q2，Agentforce已管理了2.3千万亿条数据记录，并帮助企业客户实现了130%客户数量年增长率。

Agentforce通过智能化、自动化的AI助手，将客户服务中的长时间等待和繁琐的人工流程降至最低，为客户提供快速、高效的服务体验，主要应用场景可分为服务代理（Service Agent）、销售助手（SDR）、销售导师（Sales Coach）、个人购物助手（Personal Shopper）、活动策划助理（Campaign Assistant）。Agentforce由Agent Builder和Agentforce Service Agent 两部分组成：

·Agent Builder让用户可以通过简单的配置，轻松打造定制化的AI助手。无论是内置功能还是自定义选项，Agentforce都支持灵活扩展，满足不同业务场景需求。

·Agentforce Service Agent是面向客户的AI服务助手，支持多渠道（语音、WhatsApp、Facebook Messenger）自助服务，帮助企业快速响应客户需求。

Agentforce的定价模式为按次付费，具体为每次客户交互对话收费2美元。这一灵活的定价结构适合各种规模的企业，尤其在客户服务和销售场景中具有显著的成本效益。通过该定价模式，企业可根据实际使用量控制运营成本，同时高效利用AI驱动的自动化工具优化业务流程。此外，Salesforce还推出了Agentforce Foundations计划，为企业提供包含1,000次对话、潜在客户管理以及250,000个Data Cloud积分的基础套餐，以支持企业在现有CRM系统中快速集成智能功能。

Agentforce的成功案例展示了其在优化企业服务效率、提升客户体验以及提升企业客户ROI方面的显著成效。通过Agentforce，Wiley的投资回报率达到了213%，显著降低了成本并提高了生产力；OpenTable借助AI智能代理优化客户服务，大幅提升服务代表的效率；Saks通过统一数据与AI Agent，进一步增强了其奢侈购物体验；ezCater则通过Agentforce的自动化客户服务，简化了工作场所的食品订单流程。

1.2.3 HubSpot：全新AI品牌Breeze打造营销和销售新体验

HubSpot推出全新AI品牌Breeze，赋能企业营销、销售和客户服务团队。2024年HubSpot在INBOUND大会和秋季Spotlight发布会上，推出的全新AI品牌Breeze。作为一个面向GTM团队的完整AI解决方案，Breeze简单易用、快速高效，且能与企业的客户数据完美整合。Breeze由一系列创新组件组成，主要包含以下部分：

·Breeze Copilot：提供易用的生成式AI助手，能够基于CRM数据快速生成内容、总结信息、安排任务，提高工作效率。

·Breeze Agents：AI专家团队，覆盖从内容营销到客户服务的多个领域，自动化工作流程，助力企业扩展业务规模。

·Breeze Intelligence：AI数据分析师，结合先进的语言模型和AI数据源，提供超过2亿个买家和公司信息，为企业决策提供可操作的深度洞察。

·Breeze Features：通过集成式工具解决创意资源不足的问题，优化内容创作和团队写作效率。

Breeze Agents 作为 HubSpot 推出的 AI 专家团队解决方案，旨在全面提升企业运营效率与业务增长表现。目前它的主要应用包括内容营销专家 (Content Agent)、社媒专家 (Social Media Agent)、销售专家 (Prospecting Agent) 和客服专家 (Customer Agent)。这些智能代理利用 HubSpot 智能 CRM 数据，分别实现高质量内容生成、优化社媒表现、提高销售转化率，以及全天候高效客服支持。这些功能帮助企业简化任务、优化资源分配，并提升客户互动体验，显著提高团队整体生产力。

从Claude3.5到AutoGLM，Agent在C端应用正进入临界点

2.1 Claude3.5推出最新Sonnet与Haiku模型，同时推出Use computer功能

10月23日凌晨，Claude 3.5重磅升级，首发全新模型Claude 3.5 Haiku，并同时推出新版Claude 3.5 Sonnet。从能力上看，新版Claude 3.5 Sonnet各项能力都得到显著提升，在多项能力超过GPT-4o，例如在GPQA、MMLU、HumanEval等测试数据集上的得分均达到目前的领先水平。

升级后的 Claude 3.5 Sonnet 在行业基准测试中也有大幅改进，尤其在自主编码和工具使用任务上尤为突出。在编码方面，Claude 3.5 Sonnet 在 SWE-bench Verified 上的表现从 33.4% 提升至 49.0%，超过所有公开可用的模型，包括OpenAI o1-preview 和专为自主编码设计的系统。不仅如此，它在 TAU-bench（一个自主工具使用任务）中的表现也有显著提升，成功率从 62.6% 增加到69.2%，在更具挑战性的航空领域从36.0% 提升到46.0%。

升级版 Claude 3.5 Sonnet 具备一项突破性的全新能力“Computer use”，即开发者可以通过 API 指示 Claude 像人一样使用计算机，包括观察屏幕、移动光标、点击按钮和输入文本等。在实现该功能的过程中，Anthropic AI 尝试了一种新方法，教会它通用计算机技能，使其能够使用一系列为人设计的标准工具和软件程序。基于这样的设计理念，Anthropic AI 构建了一个API，使Claude 能够感知并与计算机界面互动。开发者可以集成该 API，使 Claude 能够将指令转化为计算机命令，实现任务的自动化和智能化。

Anthropic 研究员 Alex Albert 亲自录制了一个demo，如何利用 Claude 自动完成一个网站编码任务。解决这个问题共分为四个步骤：（1）要求Claude 在 Chrome 浏览器中导航到 Claude.ai，并创建一个有趣的、以 90 年代为主题的个人主页；（2）想要对此网站做一些修改，可要求Claude 点击下载并保存文件，然后在 VS Code 中将其打开；（3）让 Claude 启动一个服务器，以便在浏览器中查看该文件。（4）Alex Albert 发现终端输出中有个错误，即顶部还缺少了一个文件图标，便要求 Claude 自己识别并将其修复。结果：Claude顺利找到并删除了引发错误的代码行。

Claude 3.5 Sonnet 已在公测阶段，且是业内首个在公测阶段提供“Computer use”功能的前沿AI 模型。目前模型仍处于实验阶段，存在一定的出错可能。例如，在一项旨在测试AI Agent 帮助完成机票预订任务的评估中，升级版 Claude 3.5 Sonnet 成功完成的任务不到一半；在另一项涉及发起退票等任务的测试中，Claude 3.5 Sonnet 的失败率也超过了 30%。Anthropic 承认，目前 Claude 3.5 Sonnet 的“Computer use”功能仍不完美。一些人们能轻松完成的操作（如滚动、拖动、缩放）目前对Claude 来说仍具挑战性，整体速度也很慢，因此鼓励开发者从低风险任务开始探索。

尽管如此，Anthropic 依旧对“Computer use”的前景充满期待，并相信它将随着时间的推移迅速改善。据悉，目前Asana、Canva、Cognition、DoorDash、Replit和The Browser Company 等公司已经开始探索 Claude 3.5 Sonnet 的可能性，尝试令其自动执行需要数十，甚至上百个步骤才能完成的任务。

2.2 智谱推出AutoGLM ,助力硬件交互

2024年10月25日，智谱AI推出自主智能体AutoGLM，一个能代替你在手机和网页上完成各种操作的AI助手。AutoGLM是基于图形用户界面实现自主任务完成，模拟人类在手机操作。AutoGLM能接收简单的文字或语音指令，自动完成复杂的操作流程，无需用户手动干预。AutoGLM的主要功能特点包括（1）实时操作:能实时响应指令，在手机上执行复杂的任务序列（2）无需API调用:不依赖于特定的API接口，直接与图形用户界面交互（3）自动化任务执行:在真实环境中执行自动化任务，简化用户操作流程。

AutoGLM在手机端可以使用的场景包括：（1）社交媒体管理，在社交平台上自动执行点赞、评论、分享等操作。（2）在线购物，在电商平台上搜索商品、比较价格、下单购买、跟踪物流等旅行预订，在旅游网站上搜索并预订酒店、机票、火车票等。（3）外卖订购，在外卖平台上浏览菜单、下单、支付以及追踪订单状态。（4）日常信息查询:如查询天气、新闻、股票信息等。

技术核心包括基础智能体解耦合中间界面和自进化在线课程强化学习框架，让AutoGLM能精确执行动作、灵活规划任务，克服传统大模型智能体在动作执行精确度和任务规划灵活性上的挑战。首先，设计一个中间接口可以将基础GUI代理中的规划和基础行为分开，分离使开发更加敏捷并增强了性能。此外，错误恢复对于代理应用程序至关重要，但仅通过离线培训很难获得，公司通过自我发展的RL来应对这一挑战，根据渐进的弱到强课程表以在线方式实施。最终，AutoGLM在Web端和安卓端都取得了超过SOTA的能力，以安卓系统为例，在Androidlab Success Rate数据集上，AutoGLM实现了36.2%的成功率，超过GPT-4o与Claude等大模型。

端侧AI成为海内外大模型重要方向与大厂必争之地

作为争夺下一代流量入口的关键机遇，端侧AI已然成为各大厂商必争之地。虽然短期内还存在各种困难，包括电池续航和散热问题>显存带宽>GPU算力和显存容量，成为一系列亟待解决的难点。尽管如此，终端生态多方的信心并没有受到影响，各行业正在使尽浑身解数共同促进端侧AI的实现。

IDC最新预测估计，2024年生成式AI手机的出货量将同比增长364%，达到2.342亿部。到2028年，全球生成式AI智能手机的出货量将达到9.12亿部，按照这个预测，2023年-2028年生成式AI的智能手机的CAGR高达78.4%。从2022年ChatGPT引发的生成式AI迅速崛起以来，谷歌、三星等各大厂商，都在尝试将AI大模型内置于手机，完成AI在手机终端的部署。

3.1 苹果领衔，在iPhone推出Apple Intelligence与应用

在今年6月的WWDC24苹果全球开发者大会上，全世界第一次听到“Apple Intelligence”苹果定义了自己的Apple AI。Apple Intelligence也是今年iOS 18、iPhone 16系列的最大亮点。Apple Intelligence功能能深刻理解语言含义，支持邮件、备忘录、Safari浏览器、Pages文稿、Keynote讲演以及第三方App，大幅提升用户体验。另外，Apple Intelligence也让Siri有了大幅升级，在处理复杂指令时，苹果结合了ChatGPT的能力，Siri不仅能精准理解用户意图，还能提供更为智能的回应

Apple Intelligence目前仅支持美国英语版本，苹果计划在12月份开放支持澳大利亚、加拿大、新西兰、南非和英国等地的英语方言。中文、法语、日语和西班牙语版本将于明年正式推出。

在Apple Intelligence全景图中，个人智能系统层可以说是Apple Intelligence最为核心的结构。这其中包含AFM-on-device（Apple Foundation Model端侧模型）与云端模型（AFM Server）。编排层来负责判断用户需求是依靠端侧解决还是要上传云端。苹果在这里没有进行任何人工干预，完全依靠算法自行判断，用户无法决定自己的数据是不是仅放在端侧。

3.2 华为鸿蒙推出Harmony Intelligence

6月21日，华为在其2024开发者大会上宣布HarmonyOS NEXT（鸿蒙星河版）即日起面向开发者和先锋用户启动测试，正式版将在今年第四季度推出，可升级设备包括Mate 60系列、Mate X5系列、Pura 70系列、MatePad Pro等。此外，HarmonyOS NEXT首次将AI融入系统，推出Harmony Intelligence（鸿蒙原生智能），依托昇腾的算力和盘古大模型，提供系统级的AI能力。Harmony Intelligence端云结合，允许在端侧处理图像、通话、文档、搜索领域的AI功能，而云侧调用华为盘古大模型及其他第三方大模型。整个架构的最顶层是鸿蒙原生应用和小艺智能体。

3.3 智谱推出最新Chat-GLM4V模型提供端侧多模态交互能力

10月21日，高通骁龙峰会在夏威夷毛伊岛开幕，高通公司正式发布了新一代年度旗舰手机SoC骁龙8 Elite和用在AI PC里的第二代高通Oryon CPU，其新的Hexagon NPU支持了端侧多模态，支持4k上下文窗口。智谱与高通技术公司宣布合作将GLM-4V端侧视觉大模型面向骁龙8至尊版进行深度适配和推理优化，支持丰富的多模态交互方式，进一步推动多模态生成式AI在终端侧的部署和推广，赋能更加情境化、个性化的终端侧智能体验。

多模态生成式AI模型能够利用终端侧丰富的传感器数据，例如文本、图像、音频、视频等，打造更加直观、无缝的智能交互体验。通过与骁龙8至尊版进行深度适配和推理优化，终端侧多模态应用ChatGLM能够支持三种终端侧交互方式：使用相机进行实时语音对话、上传照片进行对话、上传视频进行对话。GLM-4V-Mini、GLM-4V-Nano端侧视觉大模型和GLM-4-9B模型即将在高通AI Hub上线，搭载骁龙8至尊版的商用手机均可支持。

3.4 腾讯混元大模型与高通芯片在端侧深度合作

骁龙峰会期间，高通技术公司宣布与腾讯混元合作，基于骁龙8至尊版移动平台，共同推动了腾讯混元大模型7B和3B版本的终端侧部署，展示了此合作实现出色的运行表现。

腾讯混元大模型已为腾讯内部超过700个业务场景和C端应用提供底层技术支持，包括微信输入法、腾讯手机管家、QQ、腾讯视频、QQ浏览器、企业微信、腾讯会议等，通过实现面向骁龙8至尊版的终端侧部署，能够利用终端侧生成式AI的丰富优势，更好地满足广泛的终端侧业务需求。例如，腾讯手机管家短信智能识别功能率先利用腾讯混元的终端侧模型能力，通过海量数据结合深度神经网络与预训练，让模型具备极强的语义理解能力，通过结合上下文语境信息更准确地理解短信意图，使短信召回率大幅提高将近200%，识别准确率提升20%。由于部分短信涉及用户个人敏感信息，端侧AI还可以在保证出色性能表现的同时，有效保护用户的个人信息隐私安全。

AI Agent成为端侧应用重要支柱

端侧模型有一个不可能三角：性能、参数量和内存及功耗占用。性能优异需要大参数量；而参数量大就意味着内存占用大，功耗也会大；功耗过大又可能会影响性能。AGI是一个长期演进的过程，Agent有望成为当务之急的“解决问题”，这一特性在端侧尤为重要。通过主动工作流的配置辅以性能不错的模型解决问题，而主动工作流的配置离不开Agent技术的应用。

根据腾讯研究院公众号的内容指出，从电池容量的角度来看，通过工作流优化任务的实现是刚需。目前，由于手机和PC的保有量占据绝对优势，它们理所当然地成为了端侧AI的最佳落地方向，但在落地过程中，由于面临的芯片和电池的挑战，为了实现大模型的终端落地，需要进行大量的适配工作。

微软作为端侧模型的有力竞争者Phi-3/3.5的开发者，除了模型本身，还提供了一套名为Agents的工具。通过Microsoft Copilot Studio的升级，Copilot+PC不仅可以调用Windows附带的40多个端侧AI模型提供支持，还可以构建成百上千的自动化业务流程，在客户需求下独立工作，从而实现长期运行的业务流程自动化。未来，移动端和PC端体验到的端侧AI，大部分将是通过适配器和分类器挑选的微调小模型，以及针对特殊需求开发的自定义Agents，而无需调用全量的模型参数，是更具性价比的方案。

另一方面，从生态搭建的维度，需要Agent调用多方资源以实现繁荣。无论是端侧还是云端AI，大模型都只是底层计算；要实现用户价值，还需要一个繁荣的应用生态和强大的工具集来提供支持。不论是现有的APP形态，还是未来可能实现的“去皮化”的API形态，除了底层计算，还需要通过Agent来实现价值的连接。在6月的Apple Intelligence发布会上，苹果表示，Siri的全新形态将改变交互规则，大量AI新功能将很快上线；此外，屏幕读取以及App内与App之间的操作等能力预计明年到位，这将使AI真正串联起苹果生态下的诸多应用。苹果提前承诺的这项能力，源自其在4月份发布的一项名为“Ferret-UI”的新技术。Ferret-UI能够“看懂”手机屏幕，建立对UI元素的基本理解，奠定了执行复杂任务的基础，并通过分层次的任务设计，最终实现对用户指令的理解和响应。这本质上是一种通过视觉方式来构建主动工作流Agent的思路。底层模型本身并不能直接创造价值，苹果需要维持其最强的盈利因素：生态位。

长期来看，专业化端侧与全能云端协同或是端侧AI的最优解。云端模型比端侧模型先进一个数量级。虽然许多小模型在特定能力上已经具备了媲美十倍甚至百倍参数大模型的实力，但事实上，当前基础模型的综合能力依然基本遵循Scaling Law法则。千亿、万亿参数的大模型以及实验版本模型，作为探索AGI的最前沿模型，其整体智力水平无疑会持续领先。云端大模型始终比端侧大模型先进一个以上的数量级。例如，8月份谷歌发布的轻量级小模型Gemma 2 2B，是从6月份发布的Gemma 27B和9B Gemma 2模型中蒸馏而来的；微软开发的AI小语言模型（SLMs）Phi-3系列有多个版本，包括mini（3.8B）、small（7B）和medium（14B）。根据微软公布的不同表现水平，在同一时间段内，参数规模仍然是决定大模型综合能力的关键因素。苹果的Apple Intelligence通过一个对标GPT-4的云端模型Apple Server来处理复杂任务，这不仅是因为终端设备受限于芯片、电池和发热等因素的选择，更是为端侧提供“无所不知、无所不能”的云端支持保留了重要的接口。

端侧应用依托云端算力有望带来大量推理需求

根据云端协同的技术路线，我们认为端侧的广泛应用有望带来大量云端推理算力。端侧AI正处于一个积极探索的过程。纯端侧AI虽然是各大厂商追求的终极形态，但它并不会太快到达，甚至不一定会到来；就像大模型通往AGI的过程，这大概会是一个相当漫长的过程。然而，这并不妨碍端侧AI体验的提前实现，通过高质量数据、专业化目标任务训练以及云端隐私方案的混合协同与优化，端侧AI，也可以逐渐从“可用”发展到“好用”。

以Anthopic为例，其新推出的Claude Sonnet模型在使用Computer Use功能时展现出较高的成本。根据Meidum官网的演示过程，单次使用Computer Use功能的成本为0.88美元。单从成本上看，模型仍处于早期阶段。整个过程较为缓慢且经常超过API速率限制。简单的任务也都需要反复看屏幕，这意味着更多的截图和Tokens消耗。但我们认为这是一个里程碑式的功能，未来代表着模型有望理解并控制计算机等设备。

Composio上开发者的测试也表明了Computer Use会带来大量的tokens消耗和推理算力，开发人员使用Claude的Computer Use功能执行了4项任务，包括查找Top5的电影并生成CSV文件、寻找某城市的最佳餐厅、在线订餐和购物，上述四项简单测试花费30美元，代表了大量的tokens消耗。AI Agent是端侧AI的重要一环，我们预计端侧应用在很长一段时间都将是端侧+云端搭配使用，考虑到AI agent需要规划+多次调用大模型，我们认为端侧AI会带来大量的云端推理算力增量。

建议关注

1)国产算力: 寒武纪、海光信息、盛科通信（通信覆盖）、神州数码、中科曙光、云天励飞

2)AI应用:  金山办公、金蝶国际、科大讯飞、泛微网络、致远互联、鼎捷数智、用友网络、汉得信息、恒生电子、万兴科技、虹软科技

3)端侧:  海天瑞声、炬芯科技、中科蓝讯、恒玄科技

风险提示

（1）AI应用进展不及预期：Agent带来的AI应用需要行业检验，未来可能应用进展不及预期

（2） 算力受到制裁的风险：中美竞争可能造成算力供应不足

（3） 大模型技术推进不及预期：大模型技术本身发展不及预期，可能影响产业进展