本文聚焦于AI Agent以及其对AI基础设施和中美竞争格局等的影响。我们认为，智能体的发展将沿着“先2B再2C，最后终端”的产业发展轨迹；中国是美国以外唯一具备完整AI产业链的国家，看好中国在机器人等终端上显著比较优势。我们认为2H25全球AI产业链呈现四大投资机会，并给出未来一年美股投资的八大预测。
我们认为，生成式AI正迈入以AI智能体为主导的新发展阶段。宏观角度，AI智能体引发了“无就业增长”与“超级个体”并存现象，“硅基生物”对人力的结构性替代已经开始；微观角度，软件的价值创造与Token消耗挂钩，Token的生产与半导体、数据中心和能源等物理基础设施产能深度绑定，“边际成本为零”的软件商业模式逐渐告结。我们认为，智能体的发展将沿着“先2B再2C，最后终端”的产业发展轨迹；看好中国在机器人等终端上显著比较优势。基于此，我们给出未来一年美股投资的八大预测，看好1）科技板块有望跑赢美股大盘；2）硬件有望跑赢软件；3）ASIC有望跑赢GPU；4）台积电在先进工艺领域领先优势或持续；5）苹果股价有望实现反转；6）美国或将比特币纳入战略储备；7）设备板块或跑输费城半导体指数；8）模拟板块或跑输费城半导体指数。
宏观影响：“无就业增长”与“超级个体”崛起
自2022年底以来，美股“七姐妹”总市值增长160%、总盈利增长104%的同时，总员工数量却微降1%。随着以AI编程助手Cursor为代表的AI应用普及，AI自动化了大量重复性劳动，企业增长逐渐与传统人力规模脱钩。同时，少数精英驾驭大量AI智能体的“超级个体”和精简的“AI原生组织”正在涌现，组织效率的代际革命或已到来。例如Midjourney等公司以较少员工创造数亿美元年收入，人均创收效率是传统软件企业十倍以上。
商业模式：从边际成本为零到Token计价
AI Agent的每次思考、推理与行动本质上都是消耗算力和能源的Token处理过程。“边际成本为零”的软件商业模式逐渐告结；软件价值逐渐与物理资源消耗深度绑定。Agent对Token的海量调用，直接转化为对芯片、数据中心、能源等算力基础设施的持续需求，将软件运营成本输送为硬件资本支出，形成强大的商业飞轮，并使产业价值链重心向底层算力供应商转移。
发展轨迹：先2B再2C，先应用再终端
过去，互联网发展遵循“基础设施、终端、平台、应用”路径，而AI时代，我们观察到的路径是：1）算力与大模型率先突破；2）云平台和企业级软件（2B）的成熟，构成了Agent落地第一波浪潮。3）消费级应用（2C）逐步落地。自动驾驶、机器人等终端长期或带来较大商业机会，但当前缺乏被广泛接受的“世界模型”作为机器人“常识”基础，是限制发展的瓶颈之一。
中国的机会：软硬件一体的物理AI
我们认为，中国是美国以外唯一具备完整AI产业链的国家，比较优势在于强大的硬件制造能力与完整供应链；结构性制约则在于基础模型技术差距和薄弱的企业级软件付费生态。而发展自动驾驶、机器人有望最大化发挥硬件和供应链优势，销售“软硬一体”产品一定程度上或能规避纯软件付费困境。
风险提示：贸易摩擦风险；AI技术发展不及预期；测算和可得数据的局限性，本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。
摘要：主要结论核心投资展望
我们认为随着AI Agent的出现和Token用量的快速增长，生成式人工智能的发展正进入一个新的阶段。回顾过去，我们在2023/6/27的《AI 2.0深度研究——十年之后我们还能做什么》报告中探讨了AI将如何影响人类工作，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》分析了中美AI产业链的重构趋势；而今年，我们聚焦于AI Agent以及其对AI基础设施和中美竞争格局等的影响。
观点回顾：AI开启脑力劳动替代序幕
2023年，我们曾引用诺贝尔经济学奖得主阿西莫格鲁教授的研究报告《Skills, Tasks and Technologies: Implications for Employment and Earnings》框架，前瞻性地提出，AI对人类工作的替代将首先从常规性的、重复性高的脑力劳动开始，金融、法律及软件外包等以知识处理为核心的白领工作将最先受到冲击。
过去一年的发展验证了这一趋势。以投研行业为例，研究人员对AI深度研究工具（如谷歌的Gemini Deep Research，DeepSeek R1）的使用程度日益加深，工作效率与流程发生了根本性变化。在软件开发行业，AI编程助手（如Cursor）的普及，深刻重塑了代码编写、调试和优化的全过程，自动化了大量原本由程序员承担的重复性劳动。我们认为，AI已不再是辅助工具，而是直接参与价值创造的核心生产力。
宏观证据：“无就业增长”现象凸显算力驱动的生产力革命
AI Agent的兴起所引发的生产力革命，在科技巨头的财务与人力资本数据中得到了最为直观的宏观验证。自2022年底以来，美股“七姐妹”呈现出一个具有标志性意义的现象：在总市值增长160%、总盈利增长104%的强劲表现背景下，其总员工数量却微降1%，这一趋势在过去半年表现得尤为明显，我们称之为“无就业增长”（Jobless Growth）。
这一现象并非周期性的短期调整，而是反映了硅基智能对人力结构性替代的深层变化。随着生成式AI在2023年开启对常规性脑力劳动的系统性替代，以算力为核心的AI基础设施（“硅基生物”）正在规模化替代高成本的知识型劳动力（“碳基生物”）。这一企业组织形态的结构性转变不仅推动着大企业白领职位的持续减少，更成为企业人效提升与人力成本优化的核心驱动力，加速了AI应用渗透率的攀升。对于Meta、谷歌、微软等当前拥有庞大员工规模的科技巨头而言，在AI能力持续强化的进程中，人力资本规模是否将出现显著收缩，已成为投资者密切关注的关键变量。
智能体经济崛起：驱动AI进入应用爆发期的核心燃料
去年，我们提出英伟达有望在AI大模型时代占据类似苹果在手机产业链，以及微软+Intel在PC产业链中的主导地位，为英伟达带来大规模的利润。
2025年7月9日，英伟达成为全球首家市值突破4万亿美元的上市公司。我们认为，这除了反映其在AI算力产业链的领导地位以外，还反映了以下行业形式的变化：1）推理服务的Token用量开始显著增长；2）美国放松H20等AI芯片的对华出口管制, 中美重回“竞合”状态；3）中东、欧洲等地主权AI的兴起带动新的需求；4）1月份市场担心的DeepSeek等开源模型对算力需求的负面影响小于预期。
2025年5月，谷歌在其年度开发者大会Google 
I/O上披露月度Token处理量为480万亿；而根据7月的财报电话会议，这一数字在短短数月内增长了一倍以上。根据OpenRouter，海量的Token消耗主要流向企业级应用。约40%的用量被用于Cursor等代码生成工具，这直接推动了编程行业的生产力革命。27%的Token被用于情感陪护类应用，8%被用于金融与法律等行业的深度文本分析。
生成式AI的发展轨迹：企业软件发展或领先于应用和终端
过去我们认为，AI大模型可能复刻移动互联网的发展轨迹（通信设备等基础设施、手机等终端、电信运营商等平台、社交游戏等应用）。但今年我们注意到，当前AI产业呈现出一个与成熟的移动互联网时代显著相反的“正三角”结构。
在移动互联网时代，产业价值链呈倒三角分布：底层芯片设计行业的规模小于手机硬件，而硬件规模又远小于上层的互联网应用与服务。然而，在当前的AI时代，这一结构被改变：芯片行业（以英伟达为代表）的市场规模（约1350亿美元）远大于应用规模（以OpenAI等订阅费为主，约170亿美元）。
我们认为这反映了以下事实：1）如ChatGPT Plus和Copilot等2C软件的订阅费只占一小部分；2）绝大部分的Token消耗被用于科技、金融、法律等行业企业的内部提质增效；3）这些价值主要体现在大企业的人工成本下降，或者体现在Cursor等企业软件的收入增长上。
另一方面，我们注意到，手机、机器人等物理AI的发展受制于1）端侧算力的不足，2）数据获取成本高，3）“世界模型”等仿真性能局限等因素影响，发展相对滞后。站在现在这个时间点，我们认为，生成式AI的发展轨迹可能是按照1）AI芯片等算力基础设施，2）AI云平台和企业级软件，3）新一代的AI应用，4）机器人等物理AI的顺序。编程、金融、法律等垂直行业的2B应用或领先于2C应用，软件应用的发展或领先于机器人等物理AI的发展。
从二级市场角度，我们认为2H25全球AI产业链的投资机会如下：
投资机会#1：英伟达产业链进入GB200放量阶段，看好服务器组装和核心零部件企业
随着芯片和服务器良率的提升，我们认为英伟达产业链2H25进入出货量放量的新阶段。一方面，这会带动服务器代工（工业富联等）、光模块、PCB、液冷、光纤光缆等下游环节出货量迅速增长。另一方面，随着代工、检测等环节效率提升，同时Rubin系列距放量仍有距离，半导体设备板块可能面临阶段性增速放缓压力。展望2026年，我们认为市场会逐步关注下一代Rubin系列将要采用的CPO、先进封装、新材料等新技术可能带来的影响。
投资机会#2：国产算力产业链处于扩产阶段，看好代工和半导体设备板块
我们认为美国放松H20等芯片的出口管制，不会改变中国推动算力产业链国产化的趋势。当前主要的卡点在先进工艺代工。我们预计中国代工企业会保持较高资本开支投入强度，利好中国和日本半导体设备企业，同时看好联想等在云基础设施业务方面的布局机会。
投资机会#3：北美CSP进入token用量增长驱动的发展正循环
过去18个月里，每百万token的推理单位成本下降了90%，更便宜的推理使得更多AI应用在经济上变得可行。这种由消费驱动的需求，直接转化为CSP的收入增长，并使其有能力、有必要进行更大规模的资本支出以满足需求。从2Q25的业绩中我们看到，微软、谷歌、Meta等北美云厂商进入了Token用量增长驱动的发展正循环。展望2H25及2026，我们持续看好CSP及AI应用厂商进入AI商业化的良性循环。
投资机会#4：北美AI Agent和中国的机器人进入发展快车道，目前标的以一级为主
我们认为，北美的Agent AI企业和中国的机器人企业正进入收入快速增长的阶段。代表性企业包括，Harvey（美国，法律AI）、 Cursor（美国，编程AI）、宇树科技（中国，人形机器人）、智元机器人（中国，人形机器人）等。大部分企业尚未登陆二级市场。
美股科技投资八大预测
2025/2/3，我们在发布的研究报告《DeepSeek发布后，2025 年美国科技投资八大预测》中首次提出我们对2025年投资主线的八大预测（图表13）。考虑到：1）Agent AI相关的最新发展，2）半导体投资周期的变化，3）市场对苹果等终端企业的认识变化，我们八大预测调整如下。
#1 科技板块有望跑赢美股大盘（QQQ > SPY）
年初至今QQQ相对SPY产生2.31个百分点超额收益，验证AI应用落地主线推动科技板块跑赢大盘的逻辑。展望2025年下半年，我们认为AI基础设施建设和应用落地仍是行业主线，科技板块有望继续跑赢美股大盘。
#2 硬件有望跑赢软件（IGV ）
我们调整年初预测。年初至今费城半导体指数涨15.5%显著跑赢软件板块IGV的9%，产生6.5个百分点超额收益，反映AI Agent对传统软件商业模式的冲击已开始显现。随着AI Agent对传统企业软件商业模式的冲击逐步显现，我们认为硬件终端、芯片设计和制造环节有望更直接受益于AI算力需求增长。
#3ASIC有望跑赢GPU（AVGO > NVDA）
年初至今英伟达涨34.37%仍领先博通的32.13%，但差距已收窄至2.24个百分点。我们认为随着推理需求快速增长和成本优化需求提升，博通、Marvell等设计的ASIC芯片在数据中心内的占比有望在下半年加速提升，ASIC有望跑赢GPU。
#4台积电在先进工艺领域领先优势或持续（TSM > SOX）
年初至今台积电涨21%跑赢费城半导体指数5.5个百分点，公司在3nm等先进工艺上的领先优势持续扩大。我们预计随着AI芯片对先进制程需求的持续增长，该趋势有望在下半年延续。
#5 苹果股价有望实现反转（APPL > SPY）年初至今苹果股价下跌7.5%跑输S&P500约17.2个百分点。我们认为苹果已处于销售周期底部，随着iPhone 17搭载更强端侧AI能力以及Apple Intelligence功能逐步完善，下半年苹果股价有望实现反转并跑赢大盘。
#6美国或将比特币纳入战略储备（IBIT > Gold）
比特币相关资产年初至今涨25.2%，虽仍跑输黄金现货约2.6个百分点，但我们看好特朗普数字资产工作组的设立有望为后续政策突破奠定基础，下半年比特币涨幅有望跑赢黄金。
#7设备板块或跑输费城半导体指数（ASML+AMAT+LAM+TEL ）
调整原有反转预期。设备板块年初至今涨9.7%持续跑输SOX约5.8个百分点，反映全球制造端资本开支放缓压力仍存。考虑到中国市场投资放缓或延续到下半年，我们下调设备板块相对表现预期，预计2025设备板块或将跑输费城半导体指数。
#8模拟板块或跑输费城半导体指数 (STM
年初至今意法半导体涨2.7%，大幅跑输费城半导体指数约12.8个百分点，反映模拟芯片仍处周期底部。展望下半年，考虑到汽车、工控等下游需求复苏节奏较预期更为温和，我们预计模拟板块或将在周期底部继续徘徊。
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。
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。
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，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。
如下图所示，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。
贸易摩擦风险：若中美贸易摩擦风险加剧，则会对全球半导体供应造成持续冲击，可能造成厂商业绩不及预期的风险。
AI技术发展不及预期的风险：人工智能技术快速迭代发展，技术路径和应用前景存在不确定性，可能对半导体产业链造成结构性影响。若AI应用受阻、影响对AI芯片的需求，导致各AI公司相关业务不及我们预期，可能影响到公司业绩和股价。
测算和可得数据的局限性：报告基于部分企业的历史财务数据和公开市场信息进行测算和分析，由于半导体行业技术迭代快速、市场环境复杂多变，历史数据的参考价值存在一定局限性，未来实际发展情况可能与模型预测结果产生偏差。
本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。
研报：《AI智能体：“硅基生物”的序章》2025年8月18日
黄乐平 分析师 S0570521050001 | AUZ066
陈旭东 分析师 S0570521070004 | BPH392
于可熠 分析师 S0570525030001 | BVF938
