江海证券发布研报称,2025年4月17日,火山引擎发布豆包1.5·深度思考模型,升级豆包·文生图模型3.0、豆包·视觉理解模型;同时,面向Agent服务,发布OS Agent解决方案、GUI Agent大模型--豆包1.5·UI-TARS模型;面向大规模推理,发布AI云原生·Serving Kit推理套件。该行持续看好AI应用投资机会,提示重点关注汉得信息(300170.SZ)、创业黑马(300688.SZ)、合合信息(688615.SH)等。
江海证券主要观点如下:
豆包大模型日均tokens调用量持续大幅攀升,利好数据要素和算力板块
截至2025年3月底,豆包大模型日均tokens调用量已超过12.7万亿,是2024年12月的3倍,是一年前刚刚发布时的106倍。IDC报告显示,2024年中国公有云大模型调用量激增,火山引擎以46.4%的市场份额位居中国市场第一。该行认为,豆包大模型tokens调用量持续攀升,利好数据要素和算力板块。
豆包1.5·深度思考模型全新发布,采用MoE架构及双轨奖励机制
豆包1.5·深度思考模型全新发布,在数学、代码、科学等专业领域推理任务中表现出色,达到或接近全球第一梯队水平;在创意写作等非推理任务中,模型也展示出优秀的泛化能力,可胜任更广泛的复杂场景。为了提升通用能力,模型团队优化了数据处理策略,融合处理可验证数据与创意性数据,满足各类任务需求。大规模强化学习是训练推理模型的关键技术,通过采用创新的双轨奖励机制,兼顾“对错分明”和“见仁见智”的任务,有效优化了算法。该模型采用MoE架构,总参数为200B,激活参数仅20B,具备显著的训练和推理成本优势。基于高效算法,模型提供行业极高并发承载能力,并实现20毫秒极低延迟。在解决具体问题时,大模型要能够查询互联网信息,进行多轮搜索和思考。与其他推理模型“先搜索再思考”的模式不同,豆包APP基于豆包1.5·深度思考模型进行了定向训练,可以“边想边搜”;此外,该模型还具备视觉理解能力,可基于所见画面思考。该行认为,豆包1.5·深度思考模型的创新之处在于采用MoE架构(总参数为200B,激活参数仅20B)及双轨奖励机制。
豆包·文生图模型3.0全新升级,文字排板、图像及图片生产等效果更好
豆包·文生图模型3.0全新升级,能够实现更好的文字排版表现、实拍级的图像生成效果,以及2K的高清图片生成方式;可以广泛应用于影视、海报、绘画、玩偶设计等营销、电商、设计场景。在最新的文生图领域权威榜单ArtificialAnalysis竞技场中,豆包·文生图3.0模型已超越业界诸多主流模型,排名全球第一梯队。该行认为,豆包·文生图模型3.0的全新升级有望在更多应用场景落地。
豆包·视觉理解模型全新升级,视频定位更精准,视频理解更智能
豆包·视觉理解模型全新升级,具备更强的视觉定位能力,支持多目标、小目标、通用目标的框定位和点定位,并支持定位计数、描述定位内容、3D定位。可应用于线下门店的巡检场景、GUIagent、机器人训练、自动驾驶训练等。同时,新版本在视频理解能力上也有大幅提升,比如记忆、总结理解、速度感知、长视频理解等。豆包·视觉理解模型结合向量搜索,可直接对视频进行语义搜索,广泛适用于安防、家庭看护等商业化场景。该行认为,豆包·视觉理解模型的全新升级未来有望持续赋能机器人、智能汽车、安防等行业。
面向Agent服务,火山引擎发布OS Agent解决方案、GUI Agent大模型--豆包1.5·UI-TARS模型;面向大规模推理,火山引擎发布AI云原生·Serving Kit推理套件
火山引擎认为,未来AI Agent将在应用Agent和OS Agent两个方向上并行发展。应用Agent具有更强的专业性,例如客服Agent、数据Agent、代码Agent等,能够专注于完成特定领域的任务;而OS Agent则具备跨场景的通用性和灵活性,可直接操作浏览器、电脑、手机或其他Agent,以完成复杂任务。基于此,火山引擎正式发布了OS Agent解决方案。该方案通过火山引擎veFaaS平台对豆包大模型能力进行封装,使企业和开发者能够轻松构建轻量级的Codeuse和Browseruse。针对复杂的OSAgent,火山引擎还正式发布了GUI Agent大模型——豆包1.5·UI-TARS模型。该模型将屏幕视觉理解、逻辑推理、界面元素定位和操作整合于单一模型中,突破了传统自动化工具依赖预设规则的局限。
此外,火山引擎推出了Serving Kit推理套件,助力企业实现模型的快速部署、推理优化以及运维可观测。Serving Kit推理套件可在2分钟内完成671B Deep Seek R1的下载和预热,并在13秒内完成推理引擎的加载。该行认为,未来应用Agent和OS Agent都将迎来快速发展。
风险提示:产业政策变化风险、AI应用发展不及预期风险、标的公司业绩不及预期风险。