智通财经APP获悉，华龙证券发布研报称，AIAgent或接力Chat bot，成为下一阶段主流AI产品形态。从AI的最终形态来看，AI能够在识别、理解、推理的基础上参与决策并执行操作是发展AGI的必经之路。Agent推动企业预算从“买工具”到“买结果”转变，全球算力Capex不断上行，基础模型加速迭代，为Agent生态繁荣创设良好条件。维持计算机行业“推荐”评级。

华龙证券主要观点如下：

过程交付向结果交付过渡，企业付费意愿潜在提升

该行认为从Chat bot到Agent，经历了约三个代际的AI产品形态演变。在演变的过程中，用户与AI的交互更为深入，任务结果交付更为完整。在当下，Agent是“过程交付”转向“结果交付”的更好载体。展望未来，AI产品的演进将更多地强化“生产力”属性，而非纯粹的“工具”属性。对企业来说，劳动力运营支出正在被GPU资本支出取代。具体来说，对B端客户，企业本身对于AI应用助力公司降本增效的需求较为明确。AI应用能够帮助企业提升的产能大于投入的成本，即ROI>1，就会刺激企业客户的付费意愿。并且，由于Agent能够辅助人类产生经济效益这一特性，企业对于AI的支出将从Capex转变Opex。Capex，即资本性支出，指用于获取或升级长期资产(如设备、厂房、技术)的大额投资，通过折旧/摊销分期转化为费用。Opex，即运营性支出，指维持企业日常运营的经常性费用(如工资、租金、水电费)。Agent能够部分替代劳动力职能，带来收益，因此对于Agent的资金投入相当于为劳动力付费，从而这部分资金未来将会从单纯的Capex转变为Opex，更进一步提升企业付费意愿。

AIInfra建设高速发展，为Agent生态繁荣创造先决条件

在AI战略驱动下，海外云厂微软，谷歌，亚马逊，meta等北美云厂近年来不断调高资本开支，加码对AI和云基础设施的投入力度。2025年初，阿里在业绩说明会上表明计划在未来三年内对AI和云计算基础设施的投资超过过去十年的总和。以阿里上调资本开支为起点，预计短期内国内大厂资本开支预期将延续上调趋势。另一方面，国产大模型架构不断优化，推理效率显著提升，例如DeepSeek-R1、阶跃星辰Step-3在基模方面持续创新，模型性能竞争依旧白热化，为Agent打下坚实基础。

垂类Agent多点开花，多Agent协同或成为趋势

多Agent协作(Multi-Agent Collaboration)是指多个自主智能体(Agent)通过通信、协调与任务分工，共同完成单个Agent无法高效或无法独立完成的复杂目标。其核心特征是“去中心化、交互性、互补性”，不依赖单一超级模型，而是通过群体智能涌现超越个体能力的集体表现。技术视角下，从模型到多Agent场景有望形成闭环。生态视角下，AI应用路径或从单点工具走向Agent平台最终形成基于多智能体的垂直行业解决方案。从当前商业模式来看，终端Agent以嵌入终端的形式触达消费者，一般以硬件一次性收入为主要收入来源。非终端Agent通常采用：(1)订阅模式(SaaS模式)。用户按周期(月/年)付费使用AIAgent功能，适用于标准化需求场景(如智能客服、数据分析)，企业订阅后可获得稳定服务与持续更新。(2)按调用量付费，即按调用次数或任务量计费。适用于需求波动较大的场景(如云计算、大数据分析)。企业根据实际使用的API调用次数或任务复杂度付费，降低前期投入风险。(3)垂类场景中可按定制化服务收费(按智能体付费)。例如，针对金融、医疗、物流等行业的特定需求提供定制AIAgent，收取开发与部署费用。当前，SaaS和按调用量收费是主流选择方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。(4)按结果付费(RaaS)。这是一种新兴的商业模式，其核心在于企业不再为人工智能技术本身或使用量付费，而是根据智能体实际达成的业务成果来支付费用，要求AI能够交付可量化的商业价值。当前，SaaS和按调用量收费仍然是主流方案，甲方只为“实际节省的人力/增加的收益”买单模式将加速Agent商业化落地。

风险提示：(1)市场竞争加剧。(2)所引用数据资料的误差风险。(3)AI应用落地速度不及预期。(4)技术迭代速度不及预期。(5)重点关注公司业绩不达预期。(6)政策标准出台速度不及预期。