端到端训练开启Agent新范式，四月国产Agent迎集中发布潮.pdfVIP

摘摘要要

核心观点：当前预训练大模型边际收益受制于ScalingLaw已经逐渐达到瓶颈，更强大的Agent(智能体)成为大模型厂商未来发力的重要方

向。我们认为，根据agent的技术框架，其发展基本经历了三个阶段，即工作流框架+预训练模型、工作流框架+推理模型、端到端智能体

框架+推理模型。随着以OpenAIDeepResearch为代表的第三代智能体的推出，智能体的强大潜力与ScalingLaw加速阶段正逐渐显现。我

们认为，受益于国产推理模型的强大能力基座，未来国产第三代智能体将展现出巨大的竞争力。

AIAgent成为大模型公司发力方向。当前，大模型成本投入过大，预训练边际收益在放缓，数据面临边界，以及以DeepSeek为代表的开

源模型崛起，单纯的API模式无法支撑模型厂商盈利。因此，更聪明，能推理，能调用不同工具，能满足个性化需求，在应用层可实现更

高价值链的AIAgent成为大模型公司急需发力的方向。

端到端强化学习的智能体框架Agent上限更高。围绕架构可以将智能体划分为Workflow(工作流)和端到端的Agent(智能体)两类框架，后者

上限更高。其核心突破在于主动决策与动态规划，实现了内化思维链(CoT)与行动链(CoA)生成能力、动态选择最优工具优化API调用、跨

会话行为优化等效果。相较于传统工作流，端到端Agent框架标志着AI系统从“流程执行者”向“目标驱动型决策主体”的范式跃迁。而

工作流驱动的Agent核心依赖人工设计的规则与提示词通过结构化步骤完成任务，这类工作流的典型特征表现为被动响应机制。

我们认为，智能体可以主要分为三类：一是纯基于工作流框架的智能体。二是基于工作流框架，依靠推理模型进而具备长思维链能力的

智能体。三是基于端到端智能体框架，实现CoT+CoA双轮驱动任务推进的智能体，这一代智能体最大限度地拓展了自身能力边界。根据

大模型ScalingLaw，第三代智能体的能力目前还处于加速扩展的阶段，主要受益于推理模型的升级和强化学习技术的快速突破。

随着OpenAlDeepResearch和Claude3.7Sonnet的推出，我们看到针对任务的强化学习在推理过程发挥强大作用，更在工具调用，任务执行

方面体现了强大潜力。我们认为，国产模型在强化学习的出色表现，将为下一步Agent的发展打下坚实基础，相信4月开始将陆续有国产

优秀的Agent涌现出来，成为AI落地的重要场景。

风险提示：大模型技术发展不及预期、商业化落地不及预期、政策监管力度不及预期、数据数量与数据质量不及预期。

第一章北美大模型公司困局催化“真Agent”出现2

11..11大大模型困境：成模型困境：成本本投投入入大大、、边边际际收益收益放放缓缓、、商商业业化化慢慢

大模型商业化困境：成本与收益的剪刀差扩大：北美头部厂商正面临商业化模式不确定，成本与盈利无法平衡的困境：

1）成本端：GPT-4级模型的单次训练成本已突破1亿美元，Gemini约2亿美元，Grok3约20万张H100训练。而API调用收入增速显著放缓

（OpenAI2024Q4收入增速降至15%），核心原因在于通用场景付费意愿有限、企业端定制化需求未被满足。

2）边际下降：预训练的ScalingLaw边际效应递减，仅通过堆叠参数量和数据规模难以实现性能突破，Meta的Llama4.0预训练成本达5800

万美元，但其代码生成能力仅提升12%，GPT-4o在代码、数学等方面能力却逊于低成本的DeepSeek。

3）数据供给危机：大模型面临着高质量数据枯竭预警：根据EpochAI预测，现存互联网高质量语言数据预计将在2026-2032年耗尽，而大

模型训练需求仍以年均2.3倍速度增长，GPT-4级模型单次训练需消耗12Ttokens，已占当前高质量数据池的12%。

综合来看，大模型成本投入过大，预训练边际收益在放缓，数据面临边界，单纯的API模式无法支撑模型厂商盈利，需要商业模式转型。

图:预训练的边际收益逐步放缓图：单纯的预训练大模型在复杂问题上的能力提高有限

资料来源：EochAI，中信建投资料来源：新智元，中信建投

11..11大大模型模型困困境境：：AAPPII调调用用价价