智通財經APP獲悉，中信證券發佈研報稱，當前已進入Agent元年，AI產業的下一個大階段拉開序幕，從而帶動AI算力產業鏈從訓練端軍備競賽主導進階到推理端應用、商業循環主導的新週期。對Sora和類似的視頻生成模型、Agent進行算力測算，視頻生成模型需求廣闊，未來有望在訓練端、推理端達到2024年英偉達的出貨體量；Agent作爲流量入口，在滲透率、日均使用次數、執行任務複雜度的三重提升下，其對算力的需求增幅陡峭，增量更會遠超多模態大模型，打開產業鏈數倍成長空間。
中信證券主要觀點如下：
Agent元年開啓，有望開啓算力新週期。OpenAI將連續12個工作日更新產品和功能；Google發佈Gemini 2.0強化Agent能力。
1)OpenAI：自2024年12月6日以來，OpenAI已經連續發佈了o1正式版、ChatGPT Pro、強化微調、Sora正式版、Canvas、GPT版Apple Intelligence/Siri；在展現出模型能力提升的同時，重點展示了AI與應用的結合，其中Sora提供了多種編輯工具，向實用視頻工具進一步靠攏；Canvas也在代碼Copilot的基礎上進化到一個完整開發環境；集成了GPT的Siri則有了Agent的雛形；後續發佈當中，當屬真正的Agent最受期待。
2)Google：在發佈Gemini 2.0的同時，谷歌一次性發布4個Agent功能，包括可以融入智能眼鏡的Project Astra，可以流暢對話並理解音視頻；內置於Chrome瀏覽器的Project Mariner可以執行網頁端任務；嵌入GitHub的Jules則可以進行編程且整合進GitHub項目當中；還有可以閱讀屏幕畫面並給出語音提示的Agent。
隨着各家Agent、應用工具的推出，算力產業鏈有望進入新的發展週期，從訓練端的競賽真正走向商業循環。
Sora算力測算：未來訓練/推理算力需求有望比2024英偉達總出貨量提升一倍以上。
以DiT爲基礎測算當前視頻生成模型/多模態模型的算力需求。
1)訓練端，結合多家開源視頻模型的數據，視頻模型參數量比DiT高1-2個數量級，比如Meta的Movie Gen模型大約是45倍；訓練數據集的大小則大約在百倍級別；因此我們認爲業內主流視頻大模型的訓練算力需求約在DiT的2-3個數量級以上，約爲GPT4-MoE的10%級別。
2)推理端，結合TikTok、抖音、YouTube等大平臺的創作者數據，計算得出，1%的AI滲透率有望在短視頻平臺帶動4萬卡以上的H100，在中視頻平臺帶動7萬卡以上的H100。同時AI的滲透遵循短視頻→中視頻→長視頻的順序。在視頻生成模型維持當前參數量的前提下，若短視頻平臺AI滲透率達50%，中視頻平臺滲透率達20%，則有望帶動350萬卡以上的H100需求，大約相當於英偉達2024全年的H系列出貨量，如果模型進一步迭代，需求或將進一步增加。
Agent：流量入口屬性明顯，滲透率、日均調用次數、任務複雜度有望三重提升，帶來算力需求遠超多模態，產業鏈規模相比目前體量將有數倍提升。
1)總量空間巨大，流量入口屬性凸顯：Agent有望成爲所有互聯網用戶的數字助手，類似手機替代PC，APP替代搜索引擎成爲流量入口一樣，Agent也有望替代APP成爲流量入口。當前全球有55億以上的互聯網用戶且還在增長中，給Agent提供了巨大的滲透空間。
2)滲透率提升遵循S型曲線，2025爲元年，2027後有望加速滲透：新技術和新產品在發展初期的滲透率提升是平緩的，但產品力達到一定程度後有望快速提升，正如中國電動汽車行業的發展歷程。目前Agent剛剛開啓應用元年，未來能力提升空間明顯，隨着其能力發展，2027年後有望加速滲透，用戶使用率有望陡峭提升。
3)滲透率、日均調用數、任務複雜度三重提升，增幅有望遠超多模態大模型：Agent滲透率目前從個位數起步，但由於數字助手的實用性和高效性，其未來滲透率必將達到高水平，2030年前大概率將比當前提高一個數量級。隨着Agent能力提升，用戶將更依賴Agent的幫助，日均使用次數有望指數級提升，2030年前也有望提升一個數量級。同時，隨着用戶將越來越多的任務交給Agent執行，任務複雜度也將指數級提升，目前點外賣這類簡單操作只需大概10個步驟，而未來可以讓Agent進行數據整理、工作總結、活動流程組織、研究報告創作等複雜工作，操作步驟將達到成百上千個，未來幾年也有望提升1-2個數量級。在三方面的同步提升之下，Agent帶來的算力需求增幅有望遠超以往的多模態大模型，其提升速度也將非常陡峭。按我們目前測算，2030年之前Agent有望創造近千萬B200的算力需求，相當於當前英偉達體量的數倍。
投資策略。
模型生態快速繁榮，預計2025年模型能力升級和行業化門檻降低的支撐下，結合Agent等應用落地形式，AI商業化落地將持續加速，推理需求將接棒訓練持續帶動算力規模提升。
風險因素：AI核心技術發展不及預期，AI被不當使用造成嚴重社會影響，AI應用產品拓展不及預期，企業數據安全風險，信息安全風險，行業競爭加劇。