华泰 | 科技：持续看好AI算力需求，Agent进展提速

主要观点总结

本文介绍了全球AI算力需求的持续上升趋势，训练端和推理端两条主线对未来AI算力需求的推动作用。同时，也提到了Agent为AI应用带来的落地方式和商业模式的新范式，以及AI应用在各个场景中的商业化落地情况。文章还强调了产业端对AI算力的需求持续上涨，以及AI应用在ToC和ToB场景中的不同落地节奏。最后，文章提到了AI营销/销售领域的市场格局和AI技术的重要性，并提醒了宏观经济波动和技术落地不如预期等风险。

关键观点总结

关键观点1: 全球AI算力需求持续上涨，训练端和推理端共同推动

全球AI算力需求保持积极趋势，训练端和推理端两条主线共同推动。模型层后训练阶段有新的scaling路径涌现，预训练阶段的新架构探索有望开启Scaling Law新起点。大规模算力集群的交付节奏恢复加速，主权AI正逐步落地。

关键观点2: Agent为AI应用带来落地方式和商业模式的新范式

Agent为AI应用带来工具调用与信息交互驱动tokens消耗量数量级的提升，加速实现从简单环节到复杂环节的产品升级。Agent应用能力边界拓展本质在于数据访问权限与模型能力边界的拓展。

关键观点3: AI应用在各个场景中的商业化落地情况

国内AI应用加速从简单数据环节向复杂数据环节进阶，实现产品升级。AI应用目前进入新的发展阶段，具体体现在商业模式变革与对人力资源的直接替换。商业化的Agent产品快速发展，Deep Research功能是目前最成熟的应用方式。

关键观点4: 产业端对AI算力的需求持续上涨

产业端看到了算力需求继续上涨的积极信号，预训练的算力投入步伐从未停下。北美算力租赁厂商订单加速增长，反映出大模型厂商对未来算力需求的乐观态度。

关键观点5: AI应用在ToC和ToB场景中的不同落地节奏

ToC场景因需求简单、幻觉容忍度高等原因推进速度更快，如AI大模型在游戏、电商、广告等领域进展加速。而在企业级市场，因场景复杂度更高，对模型幻觉的容忍度较低等原因，落地节奏相对缓慢。但某些垂直场景中，如办公、营销、销售等场景，AI商业化进展相对更快。

关键观点6: AI营销/销售领域的市场格局和AI技术的重要性

AI在营销和销售领域的应用已从技术探索阶段迈入到规模化应用，成为AI大模型落地最快的场景之一。其数据驱动的本质、业务目标的可量化性、流程的标准化特征与AI技术特性高度契合。

免责声明