广东
智通财经APP获悉，国盛证券发表研报称，市场认为，由于训练数据有限，预训练Scaling Law已撞墙，算力需求承压。该行认为，Agent将为推理算力打开天花板。各机构正积极研发Agent，竞争格局未稳;Agent算力需求与简单的文字回复不可同日而语。建议关注：算力芯片厂商、底层协议研发厂商、算力云服务厂商及大模型厂商。
国盛证券主要观点如下：
什么是Agent?
近来，微软上线Github MCP服务器、谷歌发布A2A智能体间通信协议、支付宝上线MCP服务器等Agent领域相关话题，受到市场广泛关注。Agent并无统一定义，前OpenAI研究员Lilian Weng的较受认可，她提出“规划”“记忆”和“工具使用”是Agent的重要组件。
Agent发展现状：当前仅少数独立收费，渗透率较低，但空间较大
作为Chat的进化版本，当前大部分Agent只是被纳入大模型的收费服务内容，仅Manus与Devin等少数独立收费。Deep Research、Manus类具备自主规划任务能力的Agent使用限制较多，真正能体验到的户或许并不多，距离“爆款”应用还有较大提升空间。但随着大模型推理能力提升，Agent成为应用创新的宠儿。
Agent大规模应用在即，诸多有利条件在手
1)模型训练端上下文窗口增长迅猛、强化学习深入应用，推理模型日趋成熟;2)生态：MCP和A2A等协议发展迅猛，Agent调用工具越发方便。2024年11月，Anthropic发布并开源MCP协议，旨在标准化外部数据与工具如何为模型提供上下文。
MCP协议让Agent与“外部数据和工具”“一键互联”，A2A让Agent互联
尽管A2A协议的目标为Agent之间通信，而MCP为Agent与外部工具和数据，但在“工具也可能被封装为Agent”的复杂局势下，两者功能或有重叠，但这种竞争有助于降低大模型调用外部工具与通信成本。
Agent发展展望1：端到端、不需要人类事先撰写工作流
当前，该行看到的相当大一部分“智能体”基于Coze、Dify等平台开发，需要人类事先撰写工作流，是较初级的Agent，更像是提示词工程的叠加，而更高级的Agent是“端到端”的，它意味着“对Agent输入任务，Agent自动完成人类所需的任务结果”。L3/L4/L5等此类高级Agent更符合人类需求。
Agent发展展望2：助力机器人与自动驾驶
当把Agent的定义套用在具身智能，会发现被大模型支配的机器人和车辆，也是Agent。尤其是前者，当前机器人发展的瓶颈并不在于“如何做出物理动作”的“小脑”，而在于思考“做出何种物理动作”的“大脑”，而这正落入Agent射程。
Agent发展展望3：借助DID等技术，实现Agent之间互联与AI原生网络
未来，或许所有的Agent相互之间应该都能够通信、可以自组织、自协商，构建比现有互联网更低成本、更高效率的协作网络，中国开发者社区也在构建ANP等协议，旨在成为Agent互联网时代的 HTTP协议。而关于Agent之间的身份认证，可以借助DID等技术。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
