传媒行业从技术演进到算力消耗估算，深度拆解AIAgent：AI进入Token时代，MCP赋能Agent迈向泛智能.pdfVIP

行业深度报告

内容目录

核心技术跃迁，AIAgent时代全面到来4

何为AIAgent？4

AI大模型：对齐涌现长时记忆、多模态推理4

可调用工具及协议不断完善（、、）6

RAGFunctioncallingMCP

推理赋予AIAgent处理复杂问题的能力9

Coding（代码）就是大模型的自然语言10

AIAgent实现路径探寻12

模型自治+外部协同12

AIAgent应用算力消耗假设14

一个全球爆款AIAgent应用需要多少张H100支持？14

案例分享：Manus与Cline+MCP+claudesonnet3.717

AIAgent应用场景展望与投资建议19

现有应用场景分析19

投资建议20

风险提示22

1、AI大模型发展进度不及预期风险22

、应用发展进度不及预期风险22

2AI

3、因技术与环境变化导致测算依据失效的风险22

4、报告中数据信息更新不及时风险22

图表目录

图表1：AIAgent突破关键技术点4

图表2：GPT-4Tokens价格变化（美元/百万Tokens）5

图表3：大模型上下文窗口支持Token量发展趋势6

图表4：RAG与LLM配合使用的概念流程7

图表5：FunctionCalling实现原理图8

图表6：MCP实现原理9

图表7：利用Grok3进行DeeperSearch处理问题10

图表8：LangGraph与LangChain实现路径对比（模拟制定旅行规划）10

图表9：Cursor的订阅价格12

图表10：Cursor年度经常性收入（百万美元）12

图表11：Cursor完成1亿美元ARR的时间12

图表12：AIAgent实现路径探寻13

图表13：H100SXMGPU参数一览14

图表14：DeepSeek、ChatGPT、Claude日均交互次数（次）15

图表15：Token消耗量敏感性分析15

图表16：代表性超级APP的日均交互次数（次）16

图表17：每日算力消耗量敏感性分析16

图表18：H100SXMGPU需求量敏感性分析17

图表19：Manus不同复杂度任务积分消耗18

图表20：大模型进行任务规划示意图19

图表21：大模型进行任务规划结果19

图表22：Manus的应用分类20

-3-请务必阅读正文之后的重要声明部分

行业深度报告

核心技术跃迁，AIAgent时代全面到来

何为AIAgent？

何为AIAgent？

OpenAI官网定义：AIAgent是可以智能完成任务的系统——从执行简单

的工作流程到追求复杂、开放式的目标。

Anthropic官网定义：AIAgent是让LLM（大语言模型）动态掌控工具

使用方式的系统，可自主决定如何完成任务。

一句话形象总结：AIAgent就是给AI大模型安上可操控的“四肢”。

初期AI大模型只会告诉用户处理问题的方式或解决问题的办