金融投研Agent行业深度报告：投研Agent超越大模型的生产力-260708（23页）.pdf

核心数据速览： Token调用量：18个月从2.23万亿增长至122.96万亿（增长55倍），月均增长28.5%。 市场规模：投研Agent 2030年有望达392亿美元。 行业评级：综合金融“增持”。 推荐标的：东方财富（300033.SZ）、同花顺（300059.SZ）。 Agent五大核心能力：自主感知、记忆、决策、交互、执行。 三大特征：永久记忆、本地操作、主动推送。 三类风险：监管合规风险、AI模型应用风险、Agent执行失范风险。H2：报告核心数据解读。H3：AI Agent产业链全景——三层架构。产业链上游由算力基础设施（GPU/CPU、AI服务器、数据中心）、云服务与数据基础设施构成技术底座。中游为大模型层，汇聚通用大模型、行业垂直模型等多元化基底。下游为直接面向终端消费者的应用交付层，Agent通过深度接入社交软件、办公协同软件等高频终端入口，完成面向场景的最终价值交付。Agent按应用范围可分为通用型与垂直类Agent，按部署模式可划分为云端托管、本地托管、专属云部署与私有化部署四类，覆盖科学研究、产业发展、提振消费、民生福祉、社会治理五大应用方向。（数据来源：国泰海通证券《金融投研Agent行业深度报告》）。H3：Harness架构——四层支撑。技术层面已形成“Agent=Model+Harness”的行业共识。Harness通过四层架构支撑Agent完整工作流：构建层：通过系统Prompt定义Agent的角色、行为边界与安全规则，通过工作流逻辑实现任务拆解与复杂流程编排。连接层：通过API接口、MCP等对接公域/私域数据、第三方服务等外部资源，保障Agent与数据、服务交互的规范性与兼容性。能力层：以封装完成的Skills/Tools为核心，涵盖文件读写、数据查询、文本处理、接口调用等基础技能。运行管控层：通过沙箱隔离保障操作安全，通过状态记忆维持任务连续性，通过监控、重试、评估机制实现容错与持续优化，是支撑Agent从原型走向产品化的核心保障。（数据来源：国泰海通证券《金融投研Agent行业深度报告》）。H3：市场规模与增长驱动——三重确定性。当前行业正处于商业化加速落地的关键阶段，增长具备三重确定性支撑：一是功能体验持续迭代，投研Agent在信息整合、纪要整理、研报初撰等场景的提效价值持续验证，驱动C端付费渗透率稳步提升。二是产品能力进阶打开提价空间，随着数据覆盖、分析深度与执行能力升级，厂商可通过分层订阅、高级技能包、定制化服务抬升客单价。三是B端机构场景渗透加速，券商、公募、私募等机构的私有化部署、批量账号与定制化需求升温，大单采购逐步落地。（数据来源：国泰海通证券《金融投研Agent行业深度报告》）。H2：报告独有数据价值——场景级与颗粒度数据。 AI产品分类对比：Chat类产品vs Agent类产品的详细对比（永久记忆、本地操作、主动推送三大维度）。 通用型vs垂类型Agent产品对比：目标用户、典型厂商、知识基础、核心优势、主要局限、适用场景的完整对比。 四种部署方式对比：云端托管、本地托管、专属云部署、私有化部署的数据与算力位置、适用场景的详细对比。 五大应用方向：科学研究、产业发展、提振消费、民生福祉、社会治理的细分方向完整列表。 Agent发展三阶段：Chat时代→传统Agent时代→Agent 2.0时代的特征对比。 Agent主要解决的需求：终端设备接管、远程指令下发、自动化任务处理、角色设定、长久记忆、多模态任务执行、复杂工程拆解等需求的实现技术手段。 金融场景通用Agent vs垂类Agent对比：技术特征、核心价值、融合应用短板、场景适配的完整对比。 垂类金融模型产品对比：WindClaw、CodexAI、WorkBuddy、妙想、Claw、iFinD投研智能体等产品的模型、部署方式、主要金融数据源、价格模式的详细对比。 券商Skill生态布局：国泰海通灵犀Skills、华泰智研Skill、中信建投蜻蜓Skill等产品的功能对比。 投研Agent市场规模测算：2025-2030年人工智能软件、金融SaaS占比、亚太占比、中国AI投研占比的分年度详细测算。（数据来源：国泰海通证券《金融投研Agent行业深度报告》）。H2：谁需要这份报告？ 金融科技与AI投资者：了解投研Agent行业发展趋势、市场规模预期和产业链投资机会。 券商与金融机构：掌握Skill生态布局方向、Harness治理体系建设路径和投研Agent产品化策略。 金融信息服务商：了解垂类Agent产品竞争格局、数据治理能力和商业模式创新方向。 科技企业与AI开发者：获取Agent架构设计、Skill开发规范和Harness治理的最佳实践。 产业研究与战略规划人员：了解AI Agent从Chat到Agent 2.0的演进路径和金融垂类应用的增长逻辑。FAQ区块。Q1：AI Agent与传统Chat类产品的本质区别是什么？A：本质区别在于“动手能力”，具体体现为永久记忆、本地操作、主动推送三大特征。Q2：“Agent = Model + Harness”是什么意思？A：这是行业技术共识。Harness指除模型以外的一切设施，包括构建层、连接层、能力层与运行管控层四层架构。Q3：投研Agent的市场规模预期是多少？A：预计投研Agent市场规模2030年有望达392亿美元。Q4：报告推荐哪些相关标的？A：更加看好数据丰富、数据底座扎实、治理能力突出；兼具资深投研人才与技术研发实力，能够搭建成熟的Harness治理体系；合规管控体系完善的相关公司。推荐标的包括东方财富（300033.SZ）、同花顺（300059.SZ）。Q5：投研Agent面临哪些风险？A：三大风险：监管合规风险（投研Agent专项细则尚未出台）、AI模型应用风险（AI大模型存在“幻觉”问题）、Agent执行失范风险（权限边界管控不严可能导致执行误操作）。完整PDF报告包含内容。下载完整PDF报告，您将获取以下全部内容： AI Agent五大核心能力（自主感知、记忆、决策、交互、执行）的详细解读。 Chat类产品vs Agent类产品的完整对比分析。 通用型与垂类型Agent产品的详细对比。 四种部署方式（云端托管、本地托管、专属云部署、私有化部署）的完整解析。 Agent发展三阶段（Chat时代→传统Agent时代→Agent 2.0时代）的演进脉络。 “Agent=Model+Harness”技术架构的完整解读。 Harness四层架构（构建层、连接层、能力层、运行管控层）的详细分析。 Agent完整工作流（构建上下文→理解任务→工具调用→验证反思→执行收尾）的拆解。 IaaS算力租赁与SaaS场景订阅双向变现的商业模式分析。 金融场景通用Agent vs垂类Agent的详细对比。 垂类Agent核心竞争力（数据、Skill、Harness）的深度剖析。 投研Agent市场规模测算（2025-2030年分年度数据）。 券商Skill生态布局（国泰海通、华泰证券、中信建投等）的详细梳理。 投研Agent未来升级方向（数据资产标准化、Skill组件工程化、Harness治理专业化）。 推荐标的（东方财富、同花顺）的估值与投资逻辑。 三大风险提示（监管合规风险、AI模型应用风险、Agent执行失范风险）。延伸阅读。如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明。以上数据来源于国泰海通证券《金融投研Agent行业深度报告：投研Agent，超越大模型的生产力》（23页），研究员刘欣琦、孙坤，报告日期2026年7月8-9日，行业评级“增持”。