一、今日推荐（3 篇） 主题方向： AI产业周期：开源降本到生产率兑现的证据链
今日推荐 #1 · 综合匹配 63.6
AI ROI系列报告（一）：被高估的恐慌，四重验证回报改善 海通国际 30页 2026/07/06 开源降本与应用经济性
主证据。直接回答“降本是否转化为可持续 ROI”这一核心问题，给出 Tokenmaxxing 退潮、ARR 与算力折旧覆盖关系、以及后续需要跟踪的增速剪刀差，能校正只看调用量或热度的偏差。
补足盲区： 开源模型和推理成本下降，是否已经转化为可持续的企业级 ROI，而不只是试点热度或调用量增长
今日推荐 #2 · 综合匹配 69.9
全球人工智能脉动-2026年第二季度：从部署到价值再造 毕马威 27页 2026/07/21 企业工作流规模化采用
落地证据。聚焦企业从部署走向价值创造的组织条件，明确指出瓶颈已从模型可得性转向员工采纳、能力建设与工作流再设计，补足“为什么试点很多、规模化价值却稀缺”的缺口。
补足盲区： 企业从 Copilot 或 Agent 试点走向核心工作流规模化部署时，真实障碍、转化率和失败案例是什么
今日推荐 #3 · 综合匹配 80.8
绿色治理全析系列之二：AI与ESG：人工智能繁荣能否穿越泡沫争议 国泰海通证券 23页 2026/07/26 生产率兑现与组织影响
挑战证据。把 AI 放回技术革命与资本回报框架，强调基础设施投资往往先于生产率改善，提醒不要把模型进步、资本开支与短期盈利兑现混为一谈。
补足盲区： 生产率、组织重构和资本回报之间是否已经出现可验证的领先指标，还是仍停留在叙事阶段
二、主题导航
三、深度报告清单（36 篇 · 按主题分组、组内按页数排序）
核心要点基于检索命中段落自动提炼，引用关键数据请以PDF原文为准
开源降本与应用经济性10 篇
2025全球短剧营销白皮书（市场数据、渠道打法、ROI全盘点） TOP 核心必读 营销方案 101页 2026/07/10 ID 5522983
为什么是谷歌云：Google强大的多模态AI模型和丰富行业应用场景促进为媒体内容相关用例带来价值
欧洲人工智能机遇：AI创新新纪元驱动欧洲科技产业发展 TOP 核心必读 GP Bullhound 54页 2026/06/30 信息技术 ID 5541155
这项实施最终体现在执行层面：使用什么、什么得到改进以及成本是多少。领先团队并非依赖一次性试点项目或零散的生产力提升案例，而是追踪一小系列易于收集且难以争辩的指标，涵盖采用率、工作流程渗透率、质量以及单位经济性。这形成了一个反馈循环：它凸显了人工智能（AI）真正提升效率的领域、性能退化的环节，以及随着使用规模扩大，成本或风险上升的方面。下述指标通常是投资者和购买者在评估人工智能（AI）是否创造持久运营投资回报率（ROI）时关注的重点。 这一转变反映了人工智能的底层经济逻辑：前沿模型的训练成本不断攀升、GPU 供应受限，以及需要多年的计算能力，这些都推动了规模显著增大的融资轮次，例如 OpenAI、Anthropic 和 xAI 在 2025 年的融资活动。 在本报告中，我们考察了推动人工智能下一阶段发展的力量，从计算规模和代理式工作流程到融资、并购以及软件和服务经济模式的转变。我们还探讨了欧洲的人工智能机遇，重点介绍了技术人才、产业深度以及新一代人工智能原生规模型企业正在创造全球类别领导者。
宠物新消费品牌跨界联名ROI测算 合作方案 42页 2026/07/10 ID 5523799
未来，大数据、人工智能等技术将广泛应用于宠物新消费品牌跨界联名RO的智能化测算。例如通过大数据分析消费者行为、市场趋势等，为ROI测算提供更精准的数据支持。 ROI（投资回报率）的计算公式为：ROI=（收益-投资成本）投资成本×100%。它反映了投资的获利能力，数值越高，表明投资效益越好。 综合ROI（投资回报率）的计算公式为：ROI=（收益-成本）成本×100%。将前面测算得出的收益和成本数居代入公式，即可计算出宠物新消费品牌跨界联名的综合ROI。例如，某宠物品牌跨界联名的收益为100万元，成本为80万元，么R0=（10080) / 80 × 100%= 25%
人工智能行业专题（19）：从Nebius看新兴云与开源模型Token优化 国信证券 36页 2026/07/24 信息技术 ID 5556022
•Token Factory案例一定程度证实了"开源替代闭源模型"的经济性。Revolut因成本失控从顶尖闭源模型全面迁移至Token Factory上的Kimi 2.5；Cosine因银行/国防客户的数据不出墙要求，通过Papyrax后训练框架将Llama 3.3 70B调教至OpenAI O3水平。非Nebius案例同样印证趋势：Shopify将Qwen3-32B微调后推理速度2.2倍、成本下降68%；Coinbase形成"开源模型 •Nebius和Eigen AI正在共同开发领先的开源模型优化版本。优化让模型吐Token更快、GPU利用率更高、大规模部署大模型的推理成本更低，这对现代MoE（混合专家）和推理模型尤为关键，路由策略、调度效率和显存管理往往直接决定了模型能否在生产环境中稳定、经济地运行。 第一，宏观经济波动。若宏观经济波动，公司业务、产业变革及新技术的落地节奏或将受到影响。第二，下游需求不及预期。若下游AI需求不及预期，相关的AI研发投入增长或慢于预期，致使行业增长不及预期。第三，核心技术水平升级不及预期的风险。AI大模型研发进度落后，核心技术难以突破，影响整体进度。第四，AI快速迭代、平权化下竞争加剧，影响云业务利润率。
AI ROI系列报告（一）：被高估的恐慌，四重验证回报改善 海通国际 30页 2026/07/06 医药生物 ID 5541958
报告把“ARR 与算力折旧”的关系作为观察泡沫与否的核心指标：按其测算，2026 年大模型收入约 2065 亿美元，基本可覆盖约 2060 亿美元的算力折旧，短期更该盯的是后续收入增速能否继续跑赢折旧增速。 作者把模型收入转化、云厂 CapEx 回报和大厂资产负债表并列为另外三重验证，结论不是“风险消失”，而是当前回报拐点已出现，短期情绪性恐慌被高估。 报告同时给出反面信号：企业端此前流行的 Tokenmaxxing 已出现收缩，更关注真实 ROI 而非调用量本身，这意味着单看 Token 增长或模型热度，已经不足以证明商业化成立。
中国人工智能：开源商业化的赢家通吃策略 摩根大通 27页 2026/07/07 信息技术 ID 5517075
对于中国的大语言模型供应商而言，海外云分发仍应持积极态度。这有助于降低客户获取成本，扩大全球覆盖范围，并允许在第三方基础设施上扩展使用规模。其权衡之处在于某些渠道的直接控制力减弱以及共享的经济效益。对于强大的模型，我们认为这是一个可接受的流程：用户可能通过CSP目录、市场、类似Fireworks的推理层或聚合器开始使用，然后在可靠性和支持变得更为重要时，迁移至第一方API、高级端点或工作流产品。 这种分化也解释了为什么大语言模型（LLM）供应商正试图超越原始API销售。一家仅通过第三方渠道销售token的公司仍然面临重定向的风险。当另一个模型变得更便宜或达到类似的能力时，云端端点、人工智能集成开发环境（AI IDE）或代理平台可以迅速转移流量。因此，LLM供应商有强烈的动力围绕自己的模型构建专有的“套件”。这些产品将模型从可替换的后端转变为用户日常工作流程的一部分。智谱的Z Code、MiniMax的MiniMax Code、K 当摩根大通数据（由摩根大通或其授权第三方提供，且第三方可获取该数据）可通过第三方获取时，严禁在第三方人工智能系统或模型中使用或分享该研究材料，除非事先获得摩根大通的书面许可。#$J&098$#*P
2024小红书乘风平台：①如何通过乘风稳定ROI并放量 营销方案 26页 2026/07/14 ID 5556235
预算消耗进度成本>50倍，其中转化成本=前60天店铺客单价/计划设置ROIROI表达偏离度=表达ROI/系统建议的ROI高值<20% 范围：消耗同比下跌超过60%优化建议：如果计划量也变少，roi也变差，建议更新新计划进行跑量如果计划只是量变少，ROI尚可建议不作调整，用新计划来补量 计划ROROI>0.5，说明选品还有市场，建议调整笔记/视频创意的内容计划ROI>1，如想再高，建议选择精准定向进行投放
中信证券 科技产业中美人工智能大模型系列4腾讯控股聚焦实用AI生态筑牢壁垒互联网 未知机构 25页 2026/07/10 ID 5524734
大概包括三个点，第一个点就是混元模型，在agentcoding还有复杂任务场景中的实用性能力持续增强，那模型的价值有望得到重新的定价。那第二个就是基于腾讯生态积累的context优势，那公司在Agent真实场景中的落地也具备一些独特的优势。那第三块就是腾讯AI的商业化，有望去遵循一个内部提效到B端P端付费，再到C端交易闭环的一个演进的路径。那其中像是微信Agent的超级入口的价值是非常具备商业弹性的。那对于高附加值的ToB还有to p的 那像是AI投入在游戏还有广告这两块，这个ROI大概都会超过50%。那第三块就是在整个AI原生商业化的赛道，那像刚刚我们讲到的to b、t o p以及to c会兑现一个结构的分化。那第4块对于腾讯来讲，其实更多的场景还是落啊脚于这个应用，那伴随整个算力的成本啊，其实还是具备一个非常明确的持续下行的一个空间，那对于整个腾讯在应用领域的一个落地，还是会贡献一个非常强的一个。 就是大家核心还会去关注整个腾讯AI投入的ROI大概是一个怎样的水平。那从结论来看，目前腾讯成熟的主业还是处于稳健造血的一个状态，那AI业务经营杠杆呢也在逐步释放。那呃分别来看的话，就首先第1个点就成熟的现金流业务，像是广告还有游戏，还是可以去为腾讯提供一个充足的资金支持，为长期AI的投入去筑牢一个财务的底座。
小红书：如何通过乘风稳定ROI并放量？ 营销方案 24页 2026/07/14 ID 5557787
预算消耗进度成本>50倍，其中转化成本=前60天店铺客单价/计划设置ROIROI表达偏离度=表达ROI/系统建议的ROI高值< 20% 范围：消耗同比下跌超过60%优化建议：如果计划量也变少，roi也变差，建议更新新计划进行跑量如果计划只是量变少，ROI尚可建议不作调整，用新计划来补量 计划ROIROI>0.5，说明选品还有市场，建议调整笔记/视频创意的内容计划ROI>1，如想再高，建议选择精准定向进行投放
2024小红书：做有把握的直播推广-直播支付ROI优化目标介绍 营销方案 23页 2026/07/14 ID 5556589
•计划数量：单场直播ROI出价计划数≥4条，占整体直播推广的50%以上，增加模型探索机会 l成本保障时间：推广计划首次投放出去（计划开始有消费）的那一刻开始，至之后的7个自然日内。l成本保障规则：1.实际ROI低于目标设定ROI的80%2.单元修改要求：成本保障生效期内，单计划每天修改出价、定向的次数分别不能超过2次；3.前7天累计直播间订单量≥5，且系统判断推广主无异常作弊等操作行为 商家只需要设置目标ROI的数值，投放期间由系统智能调优，降低盯盘成本 企业工作流规模化采用14 篇
Harness Engineering——驯服Agent TOP 核心必读 北大&AI肖睿团队 69页 2026/07/14 信息技术 ID 5545762
复杂任务路径：需求→分析→拆解→多文件修改→测试→修复→部署复杂任务中Agent容易出现边界模糊、子任务遗漏、修改互相覆盖。Harness通过以下手段让复杂任务变成可管理流程： 报告概览·从模型能力、运行环境到系统治理三个层面重新理解AI Agent的构建方式 对Harness Engineering的未来发展趋势进行展望Loop Engineering：长期自主运行与自我驱动Agent OS等方向：组件下沉与标准化基础设施
前哨科技2026年企业AI工作流重构研究报告：从个人提效到流程再设计 TOP 核心必读 前哨科技 62页 2026/07/09 信息技术 ID 5542347
AI一旦进入工作流，就可能接触敏感数据、触发系统动作和影响业务结果，权限边界必须先于规模化部署建立。 企业AI工作流要形成规模化价值需要跨过场景、组织和治理三道门槛。* 中国企业推进AI工作流重构，往往要同时处理协同入口、数据安全私有化部署、信创环境和本土服务生态。
AI Agent冲击OTA的真实边界何在？从“找行程”到“管交易”，AI Agent时代OTA价值重估 广发证券 38页 2026/06/30 信息技术 ID 5503402
在AI Agent的冲击下，Expedia的基础设施与B2B战略正迎来一次关键的延伸。流量入口虽在加速从搜索与App向AI应用迁移，但Expedia并未将其视作截流用户的威胁，而是把AI Agent视为一类新的分销渠道，主动将库存、交易、履约等基础设施接入AI。其中2025年4月，Expedia成为微软Copilot Actions的首批旅游合作伙伴；同年5月Explore 25大会上，公司随B2B平台扩张推出租车、活动、保险及机票AP Google I/O 2026大会宣布结合已推出的通用商务协议（Universal Commerce Protocol，UCP）、智能体支付协议（AgentPayments Protocol，AP2）两项基础设施推出通用购物车（Universal Cart），旨在构建AI Agent时代标准化交易与支付授权体系。官方宣布UCP将从电商向酒店、外卖等垂直领域延伸，并开放合作伙伴招募，但目前规模化落地集中于零售，酒店场景仅为技术规划与小范围 在AI能力上，同程自主研发了旅游专属大模型“程心AI”，并于2025年3月完成与DeepSeek的技术融合，推出“AI+实时预订”服务，采用“云端DeepSeek+本地数据”的混合部署方式，以在提升决策效率的同时控制成本、保障实时性。在落地节奏上，同程App向首批约10万用户开放了智能行程规划与机酒预订，微信小程序则同步启动约200万用户的首测。同程的差异化还体现在高频、低客单的交通与本地生活场景。其“城市通”小程序提供地铁乘车码等服务
从“找行程”到“管交易”，AI Agent时代OTA价值重估——AI Agent冲击OTA的真实边界何在？ 广发证券 38页 2026/06/30 信息技术 ID 5518451
在AI Agent的冲击下，Expedia的基础设施与B2B战略正迎来一次关键的延伸。流量入口虽在加速从搜索与App向AI应用迁移，但Expedia并未将其视作截流用户的威胁，而是把AI Agent视为一类新的分销渠道，主动将库存、交易、履约等基础设施接入AI。其中2025年4月，Expedia成为微软Copilot Actions的首批旅游合作伙伴；同年5月Explore 25大会上，公司随B2B平台扩张推出租车、活动、保险及机票AP Google I/O 2026大会宣布结合已推出的通用商务协议（Universal Commerce Protocol，UCP）、智能体支付协议（AgentPayments Protocol，AP2）两项基础设施推出通用购物车（Universal Cart），旨在构建AI Agent时代标准化交易与支付授权体系。官方宣布UCP将从电商向酒店、外卖等垂直领域延伸，并开放合作伙伴招募，但目前规模化落地集中于零售，酒店场景仅为技术规划与小范围 在AI能力上，同程自主研发了旅游专属大模型“程心AI”，并于2025年3月完成与DeepSeek的技术融合，推出“AI+实时预订”服务，采用“云端DeepSeek+本地数据”的混合部署方式，以在提升决策效率的同时控制成本、保障实时性。在落地节奏上，同程App向首批约10万用户开放了智能行程规划与机酒预订，微信小程序则同步启动约200万用户的首测。同程的差异化还体现在高频、低客单的交通与本地生活场景。其“城市通”小程序提供地铁乘车码等服务
科技应用行业2026年中期展望：从流量到Token，从App到Agent 浦银国际 38页 2026/07/22 信息技术 ID 5551127
独立模型厂商凭借技术专注与组织效率在差异化赛道建立壁垒：智谱聚焦通用模型GLM+智能体/企业工作流，在Coding与受监管行业的本地化部署上形成壁垒；MiniMax以多模态能力与C端产品体验为核心，通过端到端的用户交互设计和全球化市场拓展建立竞争优势；DeepSeek以推理效率与模型优化见长，通过开源战略扩大技术影响力并降低行业应用成本；月之暗面则聚焦超大规模开源与深度推理，以长文本+自主Agent为核心，在复杂工程设计与高阶知识工作流 我们认为，行业增长驱动力将主要来自于Coding、多模态及Agent三大方向：1）Coding场景具备清晰的付费链路与可量化的企业ROI，2）多模态天然具备更高的Token密度与全球消费市场，3）Agent则驱动企业工作流的根本性变革。 AI Agent落地带动全行业Token调用量指数级暴涨，推动云计算需求强劲：海量推理需求推动云厂商持续加码算力资本开支，AI云服务进入量价齐升周期，MaaS与Token收入成为云厂商主要增长驱动。展望下半年，Token消耗随多模态、AIAgent规模化落地维持高增长，全球云厂商资本开支继续上修，大模型持续更新迭代带动高附加值云订单释放，云厂商AI业务收入持续提速。我们认为云计算作为AI基础设施，是AI行情下确定性较高的领域，看好阿里巴
AI Agent驱动算力新周期与自主可控再加速 华泰证券 32页 2026/07/22 信息技术 ID 5552017
2026年初，国内大模型应用进一步深化，Agent商业化落地加速，国家数据局统计显示，2026年3月，中国国内Token日均调用量超过140万亿次，较2024年初增长超过千倍，同时，OpenRouter数据显示，截至2026年6月第一周，中国模型的Token调用量已连续6周位居全球第一。国产模型Token调用量快速上量，或将拉动推理端算力需求快速增长，叠加海外高端算力芯片出口受限，国产AI芯片替代或将持续加速。据弗若斯特沙利文数据预测， 超节点核心思想即通过高速互联技术将数十、数百甚至数千颗AI芯片形成规模化计算单元，具备高带宽、低时延特点，并通过内存统一编址，实现设备间基于内存语义的直接访问，大幅提升数据交互效率。国内AI芯片厂商和互联网大厂现正在陆续落地并深化其超节点方案：2025年9月云栖大会上，阿里云发布磐久AL128单机柜超节点服务器，单机柜128卡紧密耦合互联，芯片间P2P通信时延低于150纳秒，单机柜带宽达到Pb/s级，可承载海量Agent并发请求，有效打 AI Agent加速推理算力与存力扩容，自主可控链国产化再加速我们认为，2026年AI产业正从大模型预训练切换至AI Agent商业化落地，
从间接注入到数据流劫持：AI Agent 数据流攻与防 腾讯 32页 2026/07/14 ID 5536773
它可以帮助模型判断事实，但不能覆盖系统规则、改变用户目标，也不能自己驱动Agent去读文件、执行命令或发请求。API能返回≠模型能看 实践AgentGuard：面向Agent调用链的意图拦截网关
传媒行业7月投资策略：AI Agent商业化落地加速，关注暑期档游戏/影视板块表现 国信证券 29页 2026/07/19 文化传媒 ID 5543227
Ø办公生态竞争从“基础问答”转向“跨应用Agent自主工作流”，算力与成本成为选型的关键。 Ø国内方面：阿里通义千问深度绑定WPS全线、字节豆包大模型嵌入飞书全套办公生态、美团LongCat-2.0支持企业本地私有化办公部署、蚂蚁自研模型赋能支付宝和企业内部Agent协同。 1）AI模型竞争重心转为综合竞争：OpenAI发布GPT-5.6三档分层模型、Anthropic Claude Sonnet5性能接近Opus4.8价格约为其4~6折；2）Agent智能升级：OpenAI推出ChatGPT Work跨应用自主智能体、Anthropic Claude Cowork实现云端接管任务，能在手机端完成工作闭环；3）商业化落地加速：国内外头部大厂的模型全面嵌入B端办公套件（M365、WPS等）、国产模型开始走向付
全球人工智能脉动-2026年第二季度：从部署到价值再造 毕马威 27页 2026/07/21 ID 5547904
报告基于 2026 年第二季度 2145 位资深管理者调查，核心结论是：企业信心与投入仍在上升，但“加速采用”和“已证明 ROI”之间仍存在明显落差。 毕马威把下一阶段难点定义为“从部署转向价值实现”而不是继续堆用例，真正的瓶颈落在员工采纳、能力建设、问责机制和围绕人机协作的工作流重设计。 报告特别强调成本可视化与高层问责。随着 AI 嵌入更多流程，领导层正被要求证明可衡量回报；有明确领导问责的组织，在既定 ROI 表现上明显优于缺乏清晰归属的组织。
地产+AI工具系列报告之六：面向Agent时代的工程师训练路径与国产大模型实践 东吴证券 23页 2026/07/17 房地产 ID 5540288
前者有助于快速跑通Demo，后者能够解释模型原理，但二者之间仍缺少将理论、代码、部署和业务可靠性串联起来的系统化工程训练。“AI大模型学习之路”以4阶段、32模块、10个动手实验、8个Capstone业务场景案例和4个毕业项目组织内容，覆盖数学基础、模型原理、推理优化、RAG、Agent、Agent Infra与生产架构等主题，核心目标是帮助具备编程基础的开发者从“API使用者”迁移至“AI系统构建者”。 平台将DeepSeek、GLM、Kimi、混元等国产模型相关实践嵌入AI助教、推理部署、Agent开发、长上下文、模型评估和量化优化等模块，关注Function Calling差异、推理框架适配、量化后的精度—吞吐取舍、长上下文工程策略以及成本曲线管理等问题。其价值并非简单证明某类模型更优，而是将分散的工程经验沉淀为可复用知识，降低工程团队采用国产模型时的隐性迁移成本。 ◼平台自身即AgentInfra教学样本：平台并非仅通过课程讲解AgentInfra，而是将学习过程本身组织为一个简化版Agent系统：AI助教承担推理服务，边缘函数完成上下文注入，知识地图记录学习状态，间隔重复系统保存知识点掌握情况并触发复习，D1承载学习进度与复习队列，边缘架构支持按需调用和低固定成本部署。学习者使用平台的过程，本身也在体验一个包含推理、上下文、状态、记忆、触发和成本治理等要素的最小化Agent系统样本。
金融投研Agent行业深度报告：投研Agent，超越大模型的生产力 国泰海通证券 23页 2026/07/08 金融 ID 5516770
投研Agent正在逐步成为关键生产力，主要在于其在数据、Skill、Harness上的独特优势。Agent位于产业链的下游，是产业价值落地的核心形态。技术层面已形成“Agent=Model+Harness”的行业共识，Harness通过构建、连接、能力、运行管控四层架构，支撑Agent完成任务拆解、工具调用、验证反思的完整工作流；商业化模式主要分为IaaS算力租赁与SaaS订阅付费两类。金融投研作为高复杂度专精场景，通用Agent无法支 第三阶段：Agent2.0时代。需求多元化与专业化并行，推动通用Agent、垂类Agent与Skill生态同步爆发。早期Agent主要集中在开发者和代码生成领域，交互方式多为命令行，不够直观，使用门槛高，用户群体也相对狭窄，大多数普通用户仍然难以享受到Agent带来的便利。随着AI需求从开发者场景向更广泛的大众场景扩散，用户需求开始显著多元化，通用型Agent由此快速兴起。通用型Agent可以满足资料整理、办公协同、内容生成、信息检索等 Skill可以理解为Agent完成特定任务所依赖的标准化能力模块，既包括工具调用、工作流编排，也包括数据接口、知识库与行业规则封装。不同Skill对应不同任务，不同Skill组合又决定了Agent在不同场景中的实际能力边界。因此，需求的多元化也推动了Skill生态的爆发。
“固收投委会”AI Agent实践 华泰证券 21页 2026/07/05 信息技术 ID 5511131
第二，子Agent模式让每个角色在独立上下文中运行，每个PM都被强制独立形成判断，避免单一上下文中的累积。第三，辩论过程有助于启发人的思考。尤其是互相质询的尖锐问题、裂缝深挖的归因，不乏高质量的研究讨论。第四，人为调整空间更大。工作流设计一个用户控制点：继续/停止/深入此节/跳过本轮/引入新角色，等待用户输入后才能进入下一轮，这使得AI的思考不会过多也不会过少。 总之，固收投委会AI Agent工作流的核心价值，是把AI的多变量处理能力和机构投资的多视角制衡机制结合起来，构建一个可重复、可校准、可传承的判断系统。它不是替代人类分析师，而是提供一个更全面的分析视角，碰撞思想、启发思维、完善框架。该框架与华泰固收的日常研报、华泰固收利率预测模型等共同构成多维度的AI时代研究生态体系。 固收投委会AI Agent架构：多层角色体系与多轮辩论流程我们尝试用AI智能体构建一个类似“投委会”的多角色研讨框架，我们在
东吴金工AI研究系列之二：AI Agent重构主动投研工作流 东吴证券 20页 2026/07/15 ID 5532851
东吴金工AI研究系列之二：AI Agent重构主动投研工作流 AI Agent重构主动投研工作流大致可以分为三个层次。第一是数据层，通过WindMCP、内部因子库等方式打通结构化数据入口，提升行情、财务、公告、新闻和因子数据的调用准确性和调用效率；第二是知识层，通过Ima知识库、聊天记录、邮箱等多渠道信息整理，将分散的非结构化信息转化为可检索的研究材料；第三是复杂应用层，在数据层和知识层基础上构建研究框架、AI Agent投决会等多流程Skill，使Agent从单点工具逐步升级为贯穿投研流程的协作 本文主要围绕AI Agent重构主动投研工作流展开，依照数据层、知识层、Agent复杂应用的顺序依次展开，从投研人员的真实工作流出发，讨论如何以Agent为抓手，将分散的信息处理、研究讨论和过程留痕转化为更可执行、可复盘、可迭代的人机协同投研框架。
宏观深度报告：基于Hermes Agent的AI月度复盘解析 东吴证券 20页 2026/07/15 ID 5535158
Hermes Agent是一款由Nous Research开发的智能化命令行AI助手，定位于在终端环境中为用户提供高效、精准的任务执行与协作能力。该Agent具备持久化记忆功能，能够在不同会话之间保持对用户偏好、环境配置与工作习惯的稳定记忆，从而减少重复性说明，提升交互效率。其核心能力涵盖代码编写与调试、文件系统操作、网络信息检索、数据整理与分析、自然语言指令理解与任务分解等。Hermes Agent支持通过工具调用扩展功能边界，包括浏 本系统以Hermes Agent为命令行框架、DeepSeek V4 Pro为底层模型，构成自动化研报生成的智能底座。完整流程被拆解为新闻收集员、数据工程师、研报撰写员、合规审查员四个独立角色，以线性流水线依次执行，构成自动化研报生成的智能底座。该体系在带来职责清晰、流程可控等效率提升的同时，也存在复杂逻辑判断与外部数据依赖等部分局限。 生产率兑现与组织影响12 篇
生根与重构——2026年全球人工智能技术、政策、产业与投融资趋势全景洞察报告 TOP 核心必读 国泰海通证券 152页 2026/07/18 信息技术 ID 5543187
2025年2月，《2025财政预算案》投入1.5亿新元补贴算力开支，并增加国家生产力基金，直接降低中小企业接入大模型的门槛；5月，新加坡资讯通信媒体发展管理局（IMDA）发布了《全球AI安全研究优先事项新加坡共识》，并升级了涵盖生成式AI风险管控的“AI Verify测试框架”，致力于将其可信AI治理标准与国际接轨；7月，新加坡推出了三项新举措——新的全球人工智能保障沙盒、新的PET采用指南以及新加坡数据保护标准，通过建立数据保护信任标 英国人工智能政策主要围绕主权能力建设和优势产业赋能两条线展开。算力方面，通过《计算路线图》和AI增长区扩充基础设施并简化审批。数据方面，DUAA法案调整了数据使用规则，平衡版权与模型训练需求。应用方面，在医疗、制造等领域设立AI成长实验室，提供受控测试环境。2026年进一步补充了主权AI基金、技能普及和数据合规细则，政策重心逐步从制度设计转向产业落地。 日本的人工智能政策从风险规避，逐步转向国家战略主导。日本正通过监管松绑与财政投入并行的方式，缩小与中美在AI领域的差距。监管方面，日本AI基本法采用软法监管思路，未设置严格处罚条款，仅通过行政指导与点名批评机制平衡创新与风险管控，以降低企业进入门槛。财政方面，首部AI基本计划，确立了为期五年、总额约1万亿日元的公共投资，同时启动官民联合项目，由软银等牵头、民间出资约2万亿日元，共同构成3万亿日元总包规模，联合开发国产基础大模型。此外，财
经合组织2026年生产率指标汇编 TOP 核心必读 经济合作与发展组织 100页 2026/06/29 金融 ID 5500042
实现金融洞察力：弥合人工智能金融的技能和数据差距 TOP 核心必读 ACCA 69页 2026/07/14 金融 ID 5532067
咨询公司KSIB一直与ASX 50组织合作，帮助它们安全地实施代理式人工智能。他们关注收入、商业模式变革和生产率提升——包括首席财务官如何评估和管理组织人工智能实施的投资回报率。 我们是否在考虑潜在的流程变化和技能转型的情况下，批判性地评估了人工智能部署所带来的真实生产力提升？ 数据量正在不断增长，利益相关者对可操作的洞察力的期望日益高涨，而人工智能等先进技术正在重塑工作方式。这条轨迹——即财务越来越被定位为洞察力和价值的战略使能者——是许多组织已经正在应对的。然而，有效推动这一进程并满足日益增长的责任所需的关键技能，往往仍然是一个限制因素。这些挑战因数据类型的日益复杂、不断增长的数据量以及人工智能的变革性引入而加剧。
人工智能入门指南：面向公众投资者-从AI意识到AI准备 TOP 核心必读 世界银行 64页 2026/07/08 信息技术 ID 5517317
“关于生成式人工智能生产率效应的实验证据。”MIT经济学，2023年3月2日。https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf。 一个强大的战略基础确立了原则、政策、治理结构和风险管理安排，这些对于负责任的人工智能应用至关重要。但这并非充分条件。这些框架必须有支持性的环境作为支撑，该环境允许机构将治理决策付诸实施，实施控制措施，并在实践中持续使用人工智能。跨中央银行和公共金融机构的经验表明，人工智能计划主要失败或停滞，并非由于缺乏兴趣或用例想法，而是因为基础机构条件，如数据准备情况、基础设施、技能和运营流程等发展不足。 关键障碍：跨机构来看，技能短缺和风险管理能力不足是人工智能应用中最常被提及的障碍，这反映了不仅技术专长方面存在局限，而且在监督、验证和负责任地治理人工智能系统方面的能力也存在局限。其他障碍包括系统集成挑战、人才保留和传统技术限制。
人工智能问题独立国际科学小组的初步报告：对人工智能带来的机遇、风险和影响的询证评估 TOP 核心必读 联合国 54页 2026/07/01 ID 5509384
人工智能是一项具有巨大积极潜力的通用技术[205，206]，但并非必然会带来收益。要实现生产率提升，就必须在技能、数据和组织重新设计方面进行配套投资。尚未解决的核心问题是分配问题：盈余由谁占有？劳动者、发展中经济体以及为旧时代各行业设立的监管框架将面临怎样的变化？[207，208] •要使人工智能带来收益，就必须在数据、工作流程、技能以及组织重新设计方面进行配套投资。生产率J形曲线解释了为何快速的技术进步与疲弱的总生产率[209]能够并存：企业必须首先积累无形的补充要素，然后才能实现产出增长。任务层面的证据显示，人工智能对界定清晰的任务有积极作用，但微观收益并不必然汇聚为宏观成果。 •应当谨慎解读头条新闻中关于人工智能部署的数据，因为存在“人工智能漂洗”现象，即对人工智能的能力作出虚假、误导或夸大的表述。在当前这波被公开归咎于人工智能的裁员潮中，这种现象尤为突出[212，213]。人工智能在全球的采用规模迅速扩大。*[214]然而，关于生产率所受影响的早期证据喜忧参半，且取决于不同机构：美国22至25岁从事受人工智能影响职业的劳动者的相对就业率有所下降[54]；丹麦的研究数据显示，人工智能对工时、工资或招聘的宏观经
人工智能行业从承诺到实践选举管理中的人工智能(英译中) TOP 核心必读 联合国 52页 2026/07/01 信息技术 ID 5504620
要发挥人工智能的潜力，员工需要理解它、能够使用它，并了解支持安全、可靠的人工智能的法律和组织政策。选举机构可以通过围绕这些问题提升和定期更新员工的知识，培养更广泛的技能，以促进成功的数字化转型，例如数字规划与设计、数据使用与治理，以及数字管理与执行。《公约》提出要建设“公务员和机构制定、发展和实施包容性、安全且以用户为中心的数字公共服务的战略和政策所需的数字能力”，包括确保数字系统、网络和数据安全、可靠运行所需的技能和能力建设（联合国， 人工智能的实际应用不仅体现在其特定平台的功能上，也体现在人们和组织使用它的创新方式上——这得益于对技术、数据和技能的获取。使数字世界对自然语言做出响应，能够激发员工的创造力，无论他们的IT知识如何。 本技术资源为选举管理员提供了应对负责任的人工智能应用的实用框架。该框架基于对真正选举至关重要的国际人权标准，并借鉴了联合国在支持专业化和包容性选举管理方面的经验。此外，该框架还吸收了《全球数字公约》（GDC）中的承诺，该公约于2024年联合国未来峰会通过。GDC确立了以人为本的数字技术方法，包括对其整个生命周期的有效人工监督。本技术资源还借鉴了联合国开发计划署（UNDP）帮助各国政府推进数字化转型、从人工智能应用中获益的努力。在此背景下
《全球人工智能治理行动计划》以来的观察 复旦大学&全球AI创新治理中心 46页 2026/07/12 信息技术 ID 5552797
对马来西亚和越南的研究进一步表明，制造业的数字化转型和人工智能的采用受到多种因素的制约，包括基础设施质量和覆盖范围不足、企业吸收和利用先进技术的能力有限、熟练工人短缺、融资和研究能力不足，以及产业与研究机构之间合作薄弱。联合国工业发展组织（UNIDO）进行的研究同样发现，人工智能能力和资源仍然高度集中在少数发达经济体，而发展中国家在将人工智能应用于制造业方面面临持续障碍——包括基础设施不足、人力资本有限、财政资源不足以及制度能力薄弱。因 人工智能时代的“发展断层”。人工智能技术正成为继工业革命、电气化和信息化之后，推动经济社会发展的又一根本力量。如果长期未能有效弥合智能鸿沟，发展中国家可能被锁定在人工智能发展的边缘，与发达国家之间形成难以逾越的“发展断层”。这种断层不仅体现在劳动生产率差距扩大和产业升级受阻等经济指标上，也将深刻影响发展中国家实现可持续发展目标（SDGs）的进程。2024年国际货币基金组织的一项研究发现，全球约40%的就业岗位面临人工智能的冲击，其中发达 从就业角度来看，人工智能预计将取代制造业和服务业等众多低技能和重复性工作岗位。OpenAI首席执行官萨姆·奥特曼甚至建议，白领职位——包括企业高管和首席执行官——最终也可能被人工智能取代。根据世界经济论坛发布的《2025年未来就业报告》，预计到2030年，人工智能将全球范围内取代约9200万份工作。同样地，高盛研究在其报告《人工智能将如何影响全球劳动力》中估计，在人工智能驱动的经济转型期间，美国等发达经济体的失业率可能上升约0.5个百分
重塑增长：弥合中国低碳转型中的技能缺口 世界银行 44页 2026/07/15 ID 5546868
中国的低碳转型预计将带来净就业增长，但这些总体增长将在地区、行业、性别和技能方面分布不均。国际能源署（IEA）基于模型的估计（2021年）表明，在当前政策轨迹下，低碳行业将创造的就业岗位多于煤炭开采和重工业等高碳产业损失的岗位。然而，受就业损失影响的工人和地区与从扩张行业受益的工人和地区不同。与就业损失相比，许多就业增长可能出现在高技能、高生产率的行业。预计的净就业增长也可能在城市沿海地区更大，并且不成比例地有利于男性工人（见图13A和 AIBISCACGECPIESCOESGFAIFYPGDPGFBG-SIBsHPFIEAILOIMFLGFVLPRMOFMSCINBSNEERNFRANIMNPLOECDPBCPFBPMIPPIPPPQ1Q2Q3Q4REERRMBRRR东盟中证300指数住房与城乡建设部人工智能东南亚国家联盟国际清算银行经常账户可计算一般均衡居民消费价格指数中证300指数欧洲技能、能力、资格与职业环境、社会及管治固定资产投资五年计划国内生产总值政府管理基 中国在社会保护上的支出占GDP的11%，约为经合组织平均水平的半数，且福利分配仍不均衡。提高福利底线、将保障范围扩大到灵活就业和非正规就业人员，以及基于居住地而非登记地提供福利，可以为家庭提供安全感，使其消费而非储蓄。估计显示，通过支出重新分配和税收及养老金改革，可以在可控的财政成本下实现显著的消费增长。为加强私营部门、缩小就业与技能错配而进行的配套改革，将拓宽收入基础，并支持向消费驱动型增长转型。
2026年中国企业AI领导力发展研究报告：从个人借力到组织立局：AI时代管理者能力重构 前哨科技 44页 2026/07/21 信息技术 ID 5547483
来源：国家网信办等七部门《生成式人工智能服务管理暂行办法》：国家网信办、国家发展改革委工业和信息化部《智能体规范应用与创新发展实施意见》前哨科技/周家栋先生公开观点 自来源：国家网信办等七部门《生成式人工智能服务管理暂行办法》：国家网信办、国家发展改革委工业和息化部《智能体规范应用与创新发展实施意见》：前哨科技／周家栋先生公开观点 来源：国家网信办、国家发展改革委、工业和信息化部《智能体规范应用与创新发展实施意见》；国家网信办等七部门《生成式人工智能服务管理暂行办法》：前哨科技周家栋先生公开观点
AI重构，面向2060的中国气候科技产业（2026版） 安永 41页 2026/07/20 信息技术 ID 5542127
中国在人工智能与气候科技融合领域的标准体系建设已步入深化阶段，正逐步从国内实践向国际标准输出迈进。依托在新能源、智能电网及碳管理场景的规模化应用优势，中国致力于构建兼具技术先进性与实践可行性的行业标准体系，涵盖Scope3排放追踪、绿电认证算法及高耗能行业能效优化等具体场景，旨在完善全球气候科技标准化架构。在国际合作层面，应积极推动建立跨国界的碳数据互认机制与AI气候解决方案认证框架，深化与东盟、非洲在智能光伏运维及跨境碳足迹互认上的合 2026年中央经济工作会议明确提出，要深入实施"人工智能+"行动，将其作为培育新质生产力的核心抓手，以数智化赋能绿色低碳转型。国家层面出台《关于深化"人工智能+双碳"融合发展的指导意见》，构建了"算法——算力——数据——场景"四位一体的政策支持体系。同时，《绿色低碳转型产业指导目录（2026年版）》进一步扩容，将"AI驱动的绿色制造""智能碳资产管理"等新兴业态纳入国家重点支持范畴，标志着绿色产业正从"政策驱动型"向"技术内生型"转变 2026年4月，国家发展改革委、工业和信息化部、国家能源局、国家数据局四部委联合印发《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号）[12]，首次确立“能源筑基强底盘、AI赋能促转型”双主线。方案直面“电等算、算盼电”矛盾，统筹“东数西算”与新能源基地布局，围绕保障算力能源供给、推动绿色转型、促进高效协同等六方面部署29项任务。目标是2027年建成安全绿色能源保障体系，2030年AI算力清洁能源供给与应用水平
智能经济：AI重构经济增长函数 华泰证券 31页 2026/07/22 信息技术 ID 5553063
其二，中变量（3-10年显现），是生产率红利能否兑现的关键，不确定性较高。一是企业层面生产率提升依赖组织重构、员工培训等，通常需要数年；二是劳动力重新配置较慢，岗位消失与创造、技能转型及跨部门流动均存在时滞；三是产业渗透由头部企业扩散至全行业，需要互补性基础设施、标准与人才储备同步完善；四是价格效应随渗透加深逐步显现，表现为服务通缩与资源通胀的结构性分化。 6）只有成本可控，技术进步才能转化为可观测的生产率提升。转型摩擦成本包括模型验证与人工复核、组织流程调整，以及技术快速迭代带来的折旧；宏观摩擦成本则包括资本、电力和人才向AI部门集中产生的挤出效应，以及岗位替代、技能错配和再就业时滞。 创新增长和总需求扩张，同时需扣除组织改造、技术折旧、资源挤出、岗位替代和技能错配等成本。2）生产率能够提升多少？Aghion与Bunel（2024）、McKinsey等相对乐
绿色治理全析系列之二：AI与ESG：人工智能繁荣能否穿越泡沫争议 国泰海通证券 23页 2026/07/26 公用事业 ID 5559007
这篇报告最有价值的地方在于把 AI 放回技术革命框架：基础设施投资通常先发生，生产率改善和利润兑现后发生，因此“资本开支先行、经营收益后置”本身就是泡沫论与革命论长期并存的原因。 文中给出几组能约束乐观叙事的数据：2025 年全球 AI 相关企业投资约 5816.9 亿美元，同比增长 129.9%；OECD 口径下企业 AI 采用率升至 20.2%，但作者明确提示采用普及快于收益兑现。 报告还把能源、治理和融资期限匹配纳入成本侧。模型调用价格下降扩大了使用范围，但电网接入、资产利用率、合规投入和技能转型都会拉长资本回收周期，这些约束决定了生产率兑现不会线性到来。 四、一般性报告汇总（23 篇）
⚠️ 使用说明 ：① 所有报告可通过"官网阅读"链接（https://www.fxbaogao.com/view?id=报告ID）追溯原文；② "📄 本地 PDF"链接指向本目录 pdfs/ 下按报告标题命名的文件（相对路径，请保持目录结构）；③ "📥 PDF 下载"为在线链接，含时效性签名（auth_key），过期后可经官网阅读页重新获取；④ 要点为自动提炼，正式引用请以PDF原文为准。
深度研报推荐｜AI产业周期：开源降本到生产率兑现的证据链 日报 ｜ 生成时间：2026-07-27 08:49 ｜ 关键词组：3 组 ｜ 共收录 59 篇（深度 36 / 一般 23）
↑