摩根大通对话智谱AutoClaw：智能体爆发背后，模型质量与商业变现解析
“养龙虾”为什么能爆火？“AI龙虾”会颠覆哪些行业？它又能怎么商业变现？
根据摩根大通3月12日发布的中国证券研究报告，该行分析师徐文韬和姚橙近期与智谱AutoClaw的项目经理进行交流，深度剖析了AutoClaw和OpenClaw等产品走红的原因，以及后续应用落地与商业变现的路径和逻辑。
摩根大通认为，“AutoClaw和OpenClaw等产品之所以重要，并不是因为它们如今突然使自主AI在商业上变得成熟，而是因为它们大大降低了非技术用户体验智能体工作流的门槛。”
对市场而言，最核心的影响在于：虽然智能体的采用有望扩大模型使用量和基础设施需求，但短期变现仍处于早期阶段。实际部署将首先在相对结构化的工作流中落地，而非广泛的完全自主人工替代。
“龙虾”智能体爆发：是产品设计的胜利而非模型突变
近期OpenClaw类产品的热潮，究竟是模型能力的飞跃，还是产品设计的优化？受访者的发言给出了明确答案。这种流行“反映的是产品设计与可用性的改进，而不是模型智能的突变。”
受访者特别强调了三个关键因素：“与现有通信工具的集成、允许智能体随着时间的推移构建用户画像的持久记忆，以及扩宽智能体实际工作范围的更广泛的系统权限。”
摩根大通指出，这种区分至关重要。当前的热潮是由更优的产品化和可及性推动的，这意味着在实现真正的企业级变现之前，可以先扩大用户参与度。
基础模型质量：决定商业上限的核心
在智能体层出不穷的今天，基础模型是否会被商品化？交流中最清晰的一点是，“智能体的商业上限仍然在很大程度上取决于基础模型的质量。”
受访者反复强调，“智能体实际上是一个容器或媒介，模型仍然是决定能否准确、一致地完成任务以及推理深度是否足以在高价值背景下发挥作用的核心因素。”
摩根大通认为，这反驳了智能体层短期内会完全商品化模型层的观点。“更优的模型仍应会转化为更好的任务完成、更强的指令遵循、更稳定的长上下文性能以及更优的处理开放式工作流的能力。”因此，智能体采用率的提升，对头部模型供应商而言依然是重大利好。
商业变现：仍处早期，聚焦结构化任务
尽管智能体概念火热，但受访者的发言隐含，“短期内智能体市场可能仍偏向于处于探索阶段而没有充分变现。”当前产品仍处于帮助用户发现使用场景的阶段。要在商业场景中大幅扩张，“可能还需要6到12个月的模型改进、工作流训练数据和产品迭代。”
摩根大通认为，这与企业级AI的现状一致。“编码和技术工作流仍然是最清晰的早期变现路径，因为任务是结构化的，目标功能更清晰，执行轨迹更易于定义。”在编码之外，缺乏标准化的“轨迹”数据是制约智能体执行真实世界多步骤任务的重要因素。
市场落地：技术工程与结构化工作流先行
在走向市场的过程中，哪些领域会最先采用智能体？受访者强调了三大分类：
技术工程：“从编码扩展到测试、部署、操作、配置和调试。这似乎是当今商业上最可信的类别。”
信息和内容工作流：“包括研究、报告生成、文档处理、办公文件操作和内部内容制作。”
个人生产力：“如电子邮件、日历和消息管理。”虽然对消费者有吸引力，但转化为持续变现可能需要较长时间。
摩根大通建议投资者，“应把短期预期寄托在技术和结构化企业任务上，而不是过于激进地从消费者尝鲜的角度做出推断。”
开放架构与护城河：快速可复制的功能并不重要
交流中的另一个重要观点是，智能体层可能不是赢家通吃的专有模型渠道。AutoClaw支持多种模型提供商，管理层明确支持开放架构，而不是强制只能使用智谱模型。
摩根大通认为，这拓宽了产品的潜在市场，提升了智能体平台成为模型生态聚合器的机会。但对模型提供商而言，这意味着“智能体接口本身可能无法保证独家的下游价值捕获，除非供应商在模型性能、智能体工具调用和工作流集成方面也领先。”
关于护城河，管理层认为，功能对比不那么重要，因为大量可见的功能可以快速复制。
他们认为，真正的防御能力构建在三个方面：“产品洞察速度、基础模型质量以及累积的智能体功能（如浏览器工具、记忆系统和工作流处理）。”
摩根大通认同这一看法，指出投资者应关注供应商能否“随着时间的推移持续提高任务完成率、减少摩擦和综合使用数据以提高智能体性能。”
产业链重塑：谁受益，谁被颠覆？
更广泛的智能体采用将使AI堆栈的多个部分受益：
首先，更广泛的智能体采用应会对模型供应商有利，因为更自主的工作流意味着更多的 token 消耗和更持久的使用。
其次，应有益于推理基础设施、云和相关计算提供商，尤其是在需求增长继续超过供应的情况下。
第三，公开API并允许受控集成的协作和工作流平台，也可以通过成为将智能体嵌入到日常工作中的界面而受益。
相反，价值主张为“浅层中介或低门槛信息处理的企业”可能面临风险。对于“护城河有限、信息公开、工作流相对容易自动化的角色或服务，AI 更有可能带来压力。”
此外，安全和监管是企业部署的实际约束。管理层认为“提示词注入、权限错误、恶意第三方技能和软件漏洞是实际约束。”这可能在短期内减缓变现速度，但会提高受信供应商和合规级架构的重要性。
摩根大通给予智谱“增持”评级，截至2026年12月的目标价为800港元，基于30倍2030年预期市盈率得出，预计其2026-2030年收入年复合增长率超过100%。
相关攻略
当我们探讨如何让多个“智能体”协同工作时，实际上是在研究一个前沿领域——智能体协调控制。简而言之，这是一种通过设计特定的规则与策略，使一群具备自主感知、决策与行动能力的个体，通过相互协作，共同完成复杂任务或管理系统的方法论。 定义与核心原理 该方法的核心在于“协调”二字。每个智能体都能独立感知环境并
谈及RPA（机器人流程自动化）与智能体，不少用户容易将两者概念混淆。实际上，若将它们比作数字化工厂中的两类“员工”，其核心差异便清晰可见。 RPA：不知疲倦的“熟练工” RPA的定位，类似于生产线上的资深操作员。它最擅长执行那些高度重复、规则极其清晰的标准化任务，例如批量处理表单、跨平台数据迁移、定
构建一个高效的目标导向智能体系统，是一项融合了系统工程与人工智能技术的复杂任务。它并非简单的代码堆砌，而是一个涵盖目标定义、架构设计、决策算法选择、学习能力赋予以及应对现实世界不确定性的完整框架。本文将系统性地拆解这一构建过程，为您提供清晰的实施蓝图。 一、智能体的定义与目标 智能体（Agent）的
聊到智能体程序，很多人可能觉得这是个高深莫测的领域。其实，它离我们并不遥远，从家里的智能温控器到路上的自动驾驶汽车，背后都有不同类型智能体的身影。它们各有所长，适用于不同的场景。今天，我们就来梳理一下几种主流的智能体类型，看看它们是如何“思考”和“行动”的。 简单反射智能体（Simple Refle
腾讯开源TencentDBAgentMemory工具，以四层渐进式记忆架构解决AIAgent记忆管理难题。该工具结合上下文卸载与任务画布技术，显著降低Token消耗并提升任务成功率，支持短期记忆压缩与长期个性化记忆，所有记忆文件以可读格式保存确保可追溯。默认使用本地SQLite实现零依赖部署，适配主流Agent框架便于快速集成。
热门专题
热门推荐
钉钉文档官网 在探讨企业级协同办公解决方案时，钉钉文档无疑是备受瞩目的核心工具之一。作为阿里巴巴钉钉官方推出的旗舰级应用套件，它深度融合了在线文档编辑、智能表格、思维导图等多种高效创作工具。其核心优势在于与钉钉平台生态的无缝衔接，能够直接同步企业内部组织架构与通讯录，实现团队成员间的即时协作与信息流
在数字化转型浪潮中，高效、易用的数据分析工具已成为企业提升决策效率的关键。商汤科技推出的“办公小浣熊”智能助手，正是基于自研大语言模型打造的一款创新产品，旨在彻底降低数据分析的技术门槛。用户无需掌握编程知识或复杂操作，即可通过自然对话完成从数据查询、处理到可视化洞察的全流程，让数据价值触手可及。 办
在人工智能技术快速发展的今天，MiniMax作为一家专注于全栈自研的AI公司，正以其独特的技术路径和前瞻性的布局，在业界脱颖而出。公司致力于构建覆盖文本、图像、语音和视频的新一代多模态智能模型矩阵，这不仅体现了对核心底层技术自主权的深度掌控，也展现了对未来人机交互与内容生成形态的前瞻思考。 那么，M
ApolloCreditFund（ACRED）作为连接传统信贷与DeFi的桥梁，其价格受市场情绪、协议基本面及宏观环境影响。其价值逻辑根植于现实世界资产（RWA）的收益捕获与链上流动性释放。短期价格波动难以预测，但长期发展取决于信贷资产质量、协议安全性和市场采用度。投资者需关注其底层资产表现、代币经济模型及整个RWA赛道的发展趋势。
在数字化转型浪潮中，一套能够深度适配业务、彰显品牌特色的智能客服系统，已成为企业提升服务效率与用户体验的关键工具。然而，市场上许多解决方案往往模式固化，难以满足个性化需求。如何让AI客服不仅具备基础的自动化应答能力，更能承载独特的品牌文化与服务哲学？其核心在于系统是否支持深度的自定义与持续的AI训练