天风证券：
《Agent有望定义万亿劳动力市场》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

这份由天风证券发布的报告聚焦 AI Agent（人工智能智能体）领域，系统分析其技术演进、商业价值、行业应用及投资机会，指出 2025-2026 年有望成为 AI Agent 商业化启动时刻，万亿白领劳动力市场将迎来重塑。

一、AI Agent 的技术突破与发展阶段：从 Prompt 型迈向专家型

1. 核心能力与技术拐点
   AI Agent 以自主规划、工具调用、闭环执行、记忆迭代为核心，区别于 Copilot 等 “被动执行工具”，可实现 “类人替代”。2024 年以来，其关键技术要素持续突破：工具调用能力（如 API 整合）、记忆机制（短期 / 长期记忆模拟人类思维）、规划能力（复杂任务分解与动态调整）、行动能力（跨平台自动化操作）均显著提升。以中国创业公司 Monica 发布的通用型 AI Agent 产品 Manus 为代表，其通过 “云端异步运行” 和 “沙盒机制下多 Agent 协作”（规划代理、执行代理、验证代理分工），在复杂任务处理效率上超越 OpenAI，标志技术端已达临界点。

2. 标准化协议推动生态协同
   为解决工具调用 “接口碎片化、开发低效” 问题，行业涌现两大关键协议：Anthropic 推出的 MCP（Model Context Protocol），如同 “AI 大模型万能接口”，实现不同数据源与工具的无缝交互；Google 发布的 A2A（Agent2Agent Protocol），搭建不同智能体间的协作桥梁，与 MCP 形成互补（MCP 提供工具与上下文，A2A 解决多 Agent 系统通信），加速传统应用接入与复杂 Agent 系统集成。

3. 发展阶段划分
   报告将 AI Agent 自动化能力分为四级：L1（部分自动化，处理单一模态简单任务）、L2（有条件自动化，多模态感知与复杂工具调用）、L3（高度自动化，少量人工干预下高精度感知与灵活流程适应）、L4（完全自动化，自主进化与超高精度决策）。当前正从 L2 向 L3 跨越，2025 年底层大模型（如 DeepSeek R1）在强化学习与推理能力上的突破，将推动其从 “依赖提示的 Prompt 型” 升级为 “自主解决问题的专家型”。

二、AI Agent 的商业价值：万亿 TAM 测算与核心逻辑

1. 价值计算框架
   AI Agent 的核心价值等价于 “替代白领劳动力的人力成本”，计算公式为：AI TAM = 总薪资 × 替换率 ×AI 效率优化。其中，总薪资为目标行业 / 岗位的平均薪资与从业人数乘积；替换率指 AI 对人力的替代程度（参考 Anthropic 数据，行业平均替代率约 25%-75%，报告取中值 50%）；效率优化指 AI 带来的效率提升（参考行业实践，取 45%）。

2. 整体市场规模
   根据测算，我国 AI Agent 总 TAM 约3.61 万亿元：覆盖非私营单位（国家机关、国企）与私营单位白领群体，总从业人数 1.74 亿人，总薪资 16.06 万亿元，按 50% 替换率、45% 效率优化计算得出。从行业属性看，高人力成本、标准化程度高的白领密集型行业（金融、IT、法律等）替代价值最显著，ROI（投资回报率）更易大于 1，成为核心突破领域。

三、AI Agent 的六大核心落地场景与市场测算

1. AI+Coding：代码自动化率 2025 年底将达 99%
   OpenAI、Anthropic 等巨头预测，AI 代码自动化程度 2025 年底将达 99%，当前 AI 已承担 37.2% 的软件修改、代码调试等工作。测算显示，该场景 TAM 约4357.84 亿元：我国软件开发者 940 万人，平均年薪 23.18 万元，总薪资 2.18 万亿元，按 40% 替换率、50% 效率优化计算。

2. AI + 银行：54% 岗位可自动化，利润增量近 1700 亿美元
   花旗报告指出，银行业 54% 岗位存在 “高自动化潜力”，AI 可推动 2028 年全球银行业利润总额从 1.8 万亿美元提升至 2 万亿美元（增量 1700 亿美元）。我国银行业从业者 415.5 万人，平均年薪 19.77 万元，总薪资 8214.44 亿元，按 54% 替换率、40% 效率优化测算，TAM 约1774.32 亿元。

3. AI + 人力：招聘流程自动化，降本超 40%
   AI 可自动筛选简历（精准度 95%，淘汰 50% 不合格简历）、完成一面面试，2024 年 43% 企业招聘引入 AI。我国人力资源从业人员 105.84 万人，平均年薪 13.8 万元，总薪资 1460.59 亿元，按 60% 替换率、40% 效率优化测算，TAM 约350.54 亿元。

4. AI + 法律：替代初级法务，效率提升 50%
   以法律 AI 独角兽 Harvey 为代表，其基于 GPT-4 构建法律大模型，覆盖合同分析、合规审查等场景，服务 235 家客户（含美国十大律所），2024 年 ARR（年度经常性收入）超 1 亿美元。我国执业律师 65.16 万人，平均年薪 19.9 万元，总薪资 1296.68 亿元，按 50% 替换率、50% 效率优化测算，TAM 约324.17 亿元。

5. AI + 网安：缓解人才短缺，短期提效、长期替代
   我国网安人才缺口 2027 年将达 327 万，AI Agent 可接管威胁检测、故障排查等重复工作（如 Fortinet FortiAI 将故障排查时间缩短 25%）。我国网安从业人员 200 万人，平均年薪 17.09 万元，总薪资 3418 亿元，按 50% 替换率、40% 效率优化测算，TAM 约683.6 亿元。

6. AI + 客服：已大规模落地，降低 40% 运营成本
   AI 客服可实现 87% 准确率、42% 人工介入降低，2025 年将成 Agent 落地关键场景。我国呼叫中心从业人员 405 万人，平均年薪 6 万元，总薪资 2430 亿元，按 70% 替换率、40% 效率优化测算，TAM 约680.4 亿元。

四、AI Agent 的长期影响与商业模式变革

1. 生产力 “范式效应”
   长期来看，AI Agent 结合大模型将深刻提升企业效率：麦肯锡预测生成式 AI 每年为全球经济新增 2.6-4.4 万亿美元价值，IDC 数据显示部署生成式 AI 的企业平均 ROI 达 3.7 倍，头部企业超 10 倍。其在数据分析（自动生成洞察）、企业运营（流程自动化）、投研（报告生成与数据验证）等领域的深度应用，将释放企业创新潜力。

2. 商业模式从 “订阅制” 转向 “按量抽成”
   传统 AI 工具多采用订阅制，而 AI Agent 因价值可量化（如每次对话、每个任务成果），逐渐转向 “按量计费”。以 Salesforce Agentforce 为例，按对话次数收费（每次起价 2 美元，AI 回复每轮约 0.02 美元），企业可直观测算 ROI（如替换 30% 客服，三年成本降幅超 13%），加速 B 端落地。

3. 人机协作新生态
   未来将形成 “Agent + 数字员工 + 人” 的协作模式：AI Agent 作为 “数字员工”，承担标准化任务（如客服、运维、HR 筛选）；人类员工聚焦高价值决策（如战略规划、复杂问题解决）；平台方（微软、Salesforce、OpenAI 等）提供 Agent 技术支持，构建从 “工具辅助” 到 “协同共生” 的新生产关系。

五、投资建议与风险提示

1. 重点关注方向

• 通用型企业
  ：覆盖通用办公（金山办公、腾讯控股、福昕软件）、企业 SaaS（金蝶国际、用友网络、泛微网络），受益于办公流程自动化与企业数字化转型。
• 垂直行业企业
  ：银行（信雅达、长亮科技）、人力（北森控股、科锐国际）、证券（恒生电子、同花顺）、网安（深信服、启明星辰）、教育 & 法律（科大讯飞、华宇软件）、医疗（卫宁健康、创业慧康），聚焦高替代率、高 ROI 场景。
• 阿里云生态链
  ：软件端（阿里云合作伙伴如亚信科技、用友网络，阿里持股企业如恒生电子、税友股份）、硬件端（阿里一体机合作方亚信科技，生态链芯片如海光信息、寒武纪）、AIDC（万国数据、世纪互联），受益于阿里云在模型与生态上的领先优势。

2. 风险提示

• 大模型发展不及预期：技术突破、数据质量或算法瓶颈可能导致模型性能低于预期。
• 研发投入转化效率不足：高研发成本若无法及时落地商业化，将导致投入产出不匹配。
• 测算主观性风险：市场规模、替换率等假设依赖主观判断，实际结果可能与测算偏差较大。