DeepSeek打响大模型之战 国金孟灿：AI Agent成下一个“兵家必争之地”

就在行业关注的目光聚焦于DeepSeek时，OpenAI近期再推新智能体AI Agent“Deep Research”（“深度研究”），此举无疑为人工智能领域注入了新的动力。数据显示，Deep Research在“考试”中取得了26.6%的高准确率，超过了其主要竞争对手DeepSeek R1的不足10%。在人工智能的浪潮中，国内外大模型你追我赶，国产大模型正以前所未有的速度崛起，DeepSeek大幅降低成本后， AI Agent会不会是下一个兵家必争之地？端侧AI和AI Agent产业链有哪些投资机会？国金证券计算机首席分析师 孟灿进行了详细解读。

 

 

1、主持人：OpenAI发布新的智能体：Deep Research来对标DeepSeek。在DeepSeek打响大模型之战，引发中美AI技术讨论后，AI Agent会不会是下一个兵家必争之地？

孟灿：我认同主持人的观点，AI Agent 应该是重点的落地应用。因为大模型本身相对复杂，功能比较泛化和通用，而在实际使用过程中，需要结合不同场景的需求，比如医疗、金融、教育、运营商等行业，它们的需求各不相同。所以在落地过程中，就需要 AI Agent 来实现针对具体场景需求的匹配。而且现在 AI Agent 能够完成从决策、规划到执行这一系列动作，替代人工的重复操作。从这个角度讲，可以把它理解为调用大模型能力的个人办公助手，或者企业工作、营销、生产过程中的助手。所以我们认为，AI Agent 是非常重要的落地应用点，也是 C 端、B 端、G 端各个行业信息化、数字化公司的兵家必争之地。

春节期间 DeepSeek 的火爆，从美国科技巨头和媒体的反应来看，至少在一些创新点和架构设计上，我们有追赶，甚至领先或反超的状态。从总体大模型能力上，我们觉得与美国的差距会进一步缩小。第二个，在落地应用到 AI Agent 这个环节，美国有较好的基础，软件和 SaaS 的应用以及用户付费，经过了十年二十年以上的长期培养和教育，生态非常成熟。所以他们的软件和 SaaS 结合 AI 能力和 Agent 功能进行落地，比我们走得快。但我觉得从底层能力上看，追赶和超越的现象会更加明显。从落地应用角度，因为这与商业环境、用户需求特点以及供应商的商业模式相关，所以需要相对更多时间去收敛，甚至反超。AI Agent 落地应用与美国的差距，收敛时间可能比大模型环节与美国的差距收敛时间更长，但我们对此仍抱有乐观期待。随着年轻一代企业家群体的崛起，以及受教育程度的提高和对新技术、新产品、新手段使用热度的提高，差距收敛速度在加快。展望2025 年，我们觉得进度会进一步追赶，落地差距可能从原来的 3 到 4 个季度以上收敛到半年或者半年以内。

 

2、主持人：DeepSeek推出了多款大模型，不仅在技术上取得了重大突破，在成本优化和商业化应用上也展现出巨大潜力，这对 AI agent 端侧应用的成本结构产生了怎样的影响？

孟灿：DeepSeek的整个成本是 556.7 万美金，不到 600 万美金，实际上只有 OpenAI 对标成本的二十分之一，这是极大的成本节省。而且它的模型规模不大，这样在开源之后，部署过程成本较低。就像 PC 端下载的 APP，容量非常小，这体现了整个公司简洁的技术风格，是一以贯之的传承。所以我们认为，成本下降、部署条件友好以及开源生态，非常有利于 AI 在各个领域、各个场景更好地落地应用，加速 AI 落地时间的到来。

 

3、主持人：您认为AI agent端侧应用的成本降低是否会加速其在消费级市场的普及？

孟灿：AI Agent 确实是非常好的落地场景。一方面，它是比较标准化的刚需产品，可以大批量生产和销售，契合中国制造业大国的背景，以及我们良好的工程师素质和产品升级迭代、响应能力，我们能够提供性价比非常高的丰富硬件产品。所以，第一，我们非常看好 AI Agent 的落地；第二，在中国它具备很好的土壤基础和产业优势。从具体落地机会点来看，一是可能与办公相关，比如手机、PC 等；二是可能与娱乐结合度较高，像眼镜、耳机、游戏本等产品。所以从工作辅助和生活娱乐休闲两个维度，都能衍生出较多具体硬件产品，甚至未来可能出现一些新的、之前偏概念的产品，我们对此也抱有非常积极的期待。

 

 

4、主持人：在AI Agent产业链中，哪些环节的投资机会值得关注?

孟灿：最直观的就是 Agent 的落地应用。比如在 C 端，可能与办公助手和操控软件相关，甚至包括一些常见 APP 与之的结合。第二类是 B 端，更多是解决生产、制造、流通、营销过程中的辅助问题。还有一些工业软件、工业信息化，甚至智能驾驶与它的融合。第三类是 G 端，也就是政府相关场景，可能用于提升老百姓的安全感，提高社会治理水平。比如在办事大厅等场所，进行交互和问答辅助。所以这是从落地应用偏软件的环节，包括 C 端、B 端和 G 端。

在硬件环节，也就是刚刚我们探讨过的 AI 端侧，应该会有非常多的机会。不管是 PC、手机这种使用量非常大的电子产品，还是耳机这种仍处于快速增长阶段的产品，又或是像 AR、AI 眼镜，以及其他类似 AIP 这种可能还处于萌芽期，但未来有巨大潜力的端侧硬件产品。第三个方向是往上游走，去看各个行业的垂类模型，能否进一步优化和提升，以此提高我们直接接触到的 Agent 的智能能力，即决策、规划和执行能力。再往上游，就到了通用大模型，比如 DeepSeek 或者 OpenAI，它们能否持续不断有新的能力进化。继续往大模型的上游走，其实就到了底层的基础设施，包括 GPU、模块、服务器，甚至配套的存储等环节。所以，我们探讨整个 AI Agent 的投资机会时，可以从应用环节看软件和硬件，再往上游到垂类模型、通用模型，最后到底层基础设施，大概是这样一个思路。