国信证券：人工智能行业专题（16）-  Agent驱动全球模型厂MaaS收入爆发，国产模型各有优势

1.1. 大模型迭代：26年大模型正式进入Agent时代，从对话走向智能体交互

根据Semi-Analysis，26年4月，Anthropic ARR超过OpenAI达到300亿美元，成为全球AI收入规模增长最快的大模型公司。

编程能力被验证是支持Agent智能体发展的核心能力，26年全球正式进入Agent自主完成任务、调用工具的时代。Agent将大模型包装起来，加上了记忆（Memory）、规划（Planning）和工具（Tool Use）。Agent能处理的任务时长，正以“每7个月翻倍”的速度指数增长。

1.2.Token需求侧：任务复杂性提升推动Token量非线性增长

随着技术成熟，任务复杂度、Agent占比、多模态任务提升推动Token量非线性增长。A技术迭代使得大模型向“智能体执行”和全模态技术跃迁，任务复杂度从对话 → 编程 → 智能体 → 视频，Token消耗呈指数级增长。1)智能体：Anthropic实测数据显示单任务Token消耗达普通对话的4倍，多Agent协作则高达15倍。根据IDC预测，活跃Agent数量将从2025年的约2860万快速增长至2030年的22.16亿，这意味着单一用户的调用强度将持续放大。2）多模态：根据火山引擎，生成一段15秒纯生视频就消耗30.9万Token，测算是普通对话21倍。

1.3全球企业AI采用率自25年起快速提升

OpenAI、Anthropic、谷歌在全球B端大模型中占优。根据RampAl，美国企业AI采用量总体48%，其中OpenAI34%，Anthropic24%。

千问、豆包、Deepseek在国内B端市场占优。根据Frost & Sullivan，在中国大模型B端市场，2025H2，千问（Qwen）系列模型的日均Token调用量优势扩大，占比32.1%，字节豆包为21.3%、DeepSeek为18.4%。，根据国家统计局，截至2026年3月，中国国内日均Token（词元）调用量已突破140万亿，增长超1400倍。

1.4Agent能力提升：模型架构、工程化、数据构建多维优势

在Transformer架构未发生颠覆性变革的背景下，架构红利边际递减。全球大模型架构基本收敛到 Transformer / MoE。

在国内Deepeek、千问开源基础上，国产模型着重提升工程化、数据能力，来弥补算力限制。在国内算力紧缺背景下，单纯堆叠参数（如从千亿到万亿）带来的能力提升成本过高。工程化能力与高质量数据（思考过程等）是国产大模型提升能力和商业化价值的重要因素。

1.5测评集：场景洞察与评测集构建的意义在增强

传统通用榜单已无法准确衡量 AI 时代的真实生产力价值，模型厂商正转向构建以业务价值为核心的私有化、场景化自定义评测体系。姚顺雨 (OpenAI 前研究科学家) 于2025年4月 GitHub 平台发布的一篇博客文章表示：AI正处在“中场休息”阶段，上半场是训练大于评估，下半场将是评估大于训练，重心转向 "定义问题" 。根据晚点访谈Minimax闫俊杰“中国跟美国模型的一个区别，就是缺少内部定义的 benchmark，一些自己的底层思考和设计，更多是在对齐 O1 等模型的输出。”

例如智谱发布龙虾场景端到端 Agent 评测基准ZClawBench。腾讯模型新基准 CL-bench，测试大模型“从上下文中学习”的能力。

1.6全球头部模型已进入自训练、自进化阶段

更好的模型可以导向更好的应用，但更好的应用和更多用户并不会导向更好的模型。这个现象的底层原理是，在日常使用中，模型比大部分用户更聪明，大部分用户的 query（查询）没有模型自己模拟得好。必须训练好模型，才能够筛选出优质数据。

模型具有自进化能力有，全球头部模型已进入自训练阶段。自进化（Self-Evolution）是指模型能够自主获取、精炼和学习自身生成的经验，形成一个持续自我优化的闭环系统。比如minimax的M2.7在内部测试中，模型可连续执行超过100轮“分析—改进—验证”的循环，自主调整采样参数、优化工作流策略，并在内部评测集中实现约30%的效果提升。公司在部分研发流程中，M2.7已可承担30%至50%的工作量。26年3月，根据小米MiMo大模型负责人罗福莉在谈及AI在未来一年最大的发展变化时表示，一年前大模型实现‘自进化’需要3—5年的历程，现在觉得1—2年就能完成。