托管式智能体或成为云基础设施软件的需求放大器

概览

本报告讨论托管式智能体服务对北美云基础设施软件行业的影响。Morgan Stanley认为，市场目前更多关注AI原生厂商推出托管式智能体后对基础设施软件公司的潜在颠覆，却忽视了智能体大规模部署将带来的外部工具调用、数据访问、网络流量、边缘推理、计算消耗和端到端可观测性需求。报告覆盖的主题包括CDN与边缘计算、企业数据平台以及可观测性厂商。

核心观点

核心观点是，托管式智能体并不等于完整拥有基础设施栈。其主要价值在于接管编排层，包括调用模型、决定何时使用工具、路由工具调用并维持agent loop运行；但执行环境、外部数据系统、MCP连接系统、网络服务、沙箱、代码执行、文件编辑、浏览和外部服务调用仍然需要独立基础设施支持。因此，如果未来出现数百万、数十亿甚至更多AI智能体，每个智能体都可能发起多次工具调用、访问受治理的数据源并执行长任务，这将扩大对CDN、边缘计算、数据基础设施和可观测性的需求。

分析框架

报告采用产业链拆分方法，将托管式智能体分为编排层和执行环境两部分，分析其对不同基础设施环节的需求传导。对CDN和边缘计算，重点考察长任务、多步骤工作流、地理位置、延迟、主权和策略控制对边缘节点价值的提升；对数据平台，重点考察智能体通过MCP访问企业数据时对Snowflake、MongoDB和Palantir等平台的计算消耗和数据治理需求；对可观测性，重点考察工具失败、延迟尖峰、token消耗失控、策略违规、模型质量漂移和跨栈监控需求。

方法论与常识提炼

• 行业影响分析编排层与执行环境拆分

  托管式智能体抽象agent loop，但不消除外部执行、数据、网络和监控需求。

  报告将托管式智能体的编排能力与实际执行环境分开，认为前者负责协调模型与工具调用，后者仍依赖CDN、边缘计算、企业数据平台、MCP连接系统和可观测性工具。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• CLOUDFLARE INC / NET.US

  潜在受益标的，属于CDN、Web安全和边缘计算相关基础设施软件公司。

  优势

  智能体长任务可能增加请求量、互联网和应用流量、API保护、低延迟交付、缓存、速率限制、智能路由和边缘计算需求。

  劣势

  托管式智能体平台可能减少部分客户在Cloudflare Workers等serverless边缘开发平台上自建agentic应用的需求。

  对比

  与Akamai类似，Cloudflare被归入CDN和边缘计算受益方向；相比中心化托管式智能体平台，边缘平台在延迟、地理位置、主权和策略控制方面更具价值。

  风险

  若托管式智能体平台吸收更多应用构建和执行能力，或客户将边缘需求集中到中心化平台，可能压制部分边缘开发平台需求。

• Akamai Technologies

  CDN和边缘计算方向的潜在受益者。

  优势

  多步骤智能体工作流对邻近性、缓存、请求路由和边缘流量控制的需求提升。

  劣势

  部分客户可能转向托管式智能体平台而非自建边缘智能体应用。

  对比

  与Cloudflare同属CDN和边缘计算受益方向。

  风险

  托管式智能体若主要在中心化数据中心运行，可能改变客户对边缘serverless平台的使用方式。

• Snowflake / MongoDB / Palantir

  企业数据平台方向的潜在受益者。

  优势

  智能体通过MCP访问企业数据可能带来更多SQL查询、计算消耗、实时数据分析和治理访问需求。

  劣势

  Snowflake自有智能体产品可能被托管式智能体替代；Palantir可能被弱化为企业数据存储层。

  对比

  Snowflake和MongoDB主要受益于数据查询与治理访问；Palantir通过Ontology MCP支持工作流执行和实时数据分析。

  风险

  数据可能从Snowflake迁移至Iceberg或Delta等开放格式数据湖，并由其他处理引擎查询；企业客户也可能利用托管式智能体自建Ontology。

• Datadog / Dynatrace

  可观测性方向的潜在受益者。

  优势

  长任务、自治智能体和多平台部署会扩大监控面，包括工具失败、延迟尖峰、token消耗、策略违规、模型质量漂移和实时合规控制。

  劣势

  客户可能利用智能体和OpenTelemetry等开源技术构建DIY可观测性方案。

  对比

  二者均被归为跨栈、模型层之上的中立可观测性受益方向。

  风险

  客户可能自建当前可观测性厂商正在变现或未来希望变现的能力，例如部分云安全或AI SRE功能。

关键数据

• 报告日期2026-04-13Morgan Stanley Research发布时间为2026年4月13日08:19 GMT。
• 近期股价压力NET -21%, SNOW -20%, AKAM -23%, DDOG -12%, DT -14%报告称市场在过去一周定价托管式智能体的颠覆风险，导致多只基础设施软件股票承压。
• 延迟示例London-to-Virginia inference path约28毫秒单程延迟报告引用Akamai博客示例，说明多步骤智能体工作流中每次额外模型跳转和工具调用都会放大边缘邻近性、缓存、路由和流量控制的价值。
• 评级时间框架12-18个月披露部分说明Morgan Stanley股票评级和目标价通常采用12至18个月视角。

影响与含义

对投资含义而言，报告倾向于把托管式智能体视为云基础设施软件需求的潜在催化剂，而非单纯的替代威胁。Cloudflare和Akamai等CDN及边缘计算厂商可能受益于更多请求、网页搜索、应用流量、API保护、低延迟交付和分布式推理需求；Snowflake、MongoDB和Palantir等数据平台可能受益于智能体访问企业数据时带来的查询计算、权限治理和实时数据分析需求；Datadog和Dynatrace等可观测性厂商可能受益于更复杂的智能体架构和跨模型、跨工具、跨平台监控需求。

风险

• 托管式智能体平台可能替代客户在Cloudflare Workers、Akamai EdgeWorkers等serverless边缘平台上构建部分agentic应用的需求。
• Snowflake自有智能体产品如Snowflake Intelligence和Cortex可能面临被托管式智能体替代的风险。
• 数据可能从Snowflake迁移至Iceberg或Delta等开放格式数据湖，并由非Snowflake处理引擎查询。
• Palantir可能被降级为企业数据存储，而非端到端AI或agentic平台。
• 客户可能利用托管式智能体和OpenTelemetry等开源技术自建可观测性能力，削弱Datadog、Dynatrace等厂商的商业化空间。
• Morgan Stanley披露其与多家被覆盖公司存在或寻求投行业务及其他服务关系，投资者需将该研究仅作为投资决策的一个因素。

后续跟踪

• 托管式智能体平台是否推动外部工具调用、网页搜索、应用流量和API请求量明显增长。
• Cloudflare、Akamai等边缘厂商是否与托管式智能体平台形成合作，将计算和数据处理推向更接近数据与终端用户的位置。
• Snowflake MCP、MongoDB MCP和Palantir Ontology MCP等连接方式的企业采用情况，以及由此带来的计算消耗和数据治理需求。
• 客户是否将数据从专有数据平台迁移至Iceberg或Delta等开放格式数据湖。
• Datadog、Dynatrace等可观测性厂商能否利用自身数据优势提供比通用智能体更有效、总拥有成本更低的AI运维和监控能力。