招商证券发布研报称，Agent和基座大模型的技术迭代齐头并进，共同推动全球AI产业商业化提速，同时信息技术的商业模式也开始由按席位收费转向按任务量、结果收费，从占用IT预算到人力预算甚至营销生产预算，大模型和Agent正成为成长最快的AI产业方向。AI算力基础设施是大模型及Agent产业发展的基本保障，成为制约大模型及智能体能力迭代和收入放量的关键因素;AI Infra及MaaS云服务厂商助力AI算力和应用场景落地效率提升，也将持续分享AI产业成长红利。

招商证券主要观点如下：

Agent工程框架经历提示词、上下文和驾驭工程三阶段演进

提示词工程主要优化指令表达，上下文工程解决模型“看到什么”的问题，而驾驭工程进一步回答Agent“怎么稳定运行”的问题，通过文件系统、沙箱、工具调用、上下文治理、反馈回路和自验证机制，提升Agent在长链路复杂任务中的稳定交付能力。OpenAI、Anthropic、LangChain等案例表明，在基模能力趋近背景下，Harness正成为Agent产品差异化和工程壁垒的重要来源。

Agent从辅助功能快速发展为具备自主执行和完整工作流实现能力

从交付的结果上看，Agent历经从Copilot嵌入式助手到Coding Agent等单任务智能体，再到垂类流程智能体，同时Computer
Use/GUIAgent实现类似人的通用软件操作能力，未来可能朝着更复杂的Multi-Agent分工协作组织迭代演进。Copilot类Agent被嵌入IDE、Word、CRM等已有软件，理解当前工作上下文并给出建议;Coding
Agent因高度结构化和天然的自反馈环境成为率先成熟的单任务智能体，是从建议到执行的第一次跃迁;垂类流程智能体具备专业领域的自主执行能力，跨系统完成端到端流程，推动Agent转向“数字劳动力”，商业模式也开始由按席位收费转向按任务量、结果收费;Computer
Use/GUIAgent实现像人一样的跨任意界面操作，提升了Agent的非标准化泛化能力;未来Multi-Agent分工协作将指向Agentic
AI基础设施的搭建，Agent成为AI-native数字组织的具体执行单元。

Agent自主能力不断增强，有望向“AI自我迭代AI”的方向演化

Anthropic分析Agent自主执行能力逐渐提升，该行目前处于Coding
Agent和AutonomousAgen(t自主Agent)发展阶段，人类作用逐渐转向目标设定并监督和审核Agent工作。未来伴随模型升级和Harness后训练体系进一步成熟，Agent或能演进出构建和训练大模型的能力，进而形成高度自动化并自主迭代的智能生产系统，Agentic
AI基础设施的搭建将成为企业拥抱AI的必经之路。

风险提示

技术发展不及预期;安全合规风险;AI基础设施供给不足风险等。