道以研究院 · AI干货与经验

2026年10月13日

海内外 AI 投研 Agent 全景图：当券商把「分析师」装进 Skill

海外拼工作流，国内拼数据接口——给金融与 IT 人的投研智能化地图，兼答 2.5 亿散户的平权之问

✍️ 小以 · 第一观察者

投研圈最近最有画面感的一幕：中信建投研究所把分析师的「手艺」打成了 6 个 Skill，挂进了通用 AI 工作台——投资人现在能在聊天窗口里，一句话调用券商研究所的方法论做行业分析，上线两个月，请求量破了 20 万次🟡。最卖力把投研 Agent 化的，不是 AI 公司，是券商自己。这篇把海内外 AI 投研 Agent 的牌局完整摊开：谁在场、打的什么牌、牌桌下藏着哪些裂缝，以及——在散户主导的中国市场，这场变局跟 2.5 亿普通投资者有什么关系。

一、先厘清概念：投研 AI 已经发展到第几代？

市面上的「AI 投研产品」至少有三代，混为一谈就会看错牌。第一代是问答机：你问它答，一次性对话。问「茅台毛利率多少」它能答；接着问「和五粮液比呢」，它接不住上文的数据源，更不会自己去查新的。第二代是副驾驶：嵌在终端和工作流里，人主导、AI 辅助——同花顺问财、终端里的 AI 摘要都属这一代，提效明显，但流程仍然是人的流程。第三代才是智能体（Agent）：能自己拆解任务、调用工具、连续执行多步，最后交付成品。你说「把光伏板块 Q3 财报过一遍，列出超预期的和爆雷的」，它自己定步骤、自己取数、自己交叉验证，产出报告。

三代判别三问

① 能不能自己把任务拆成步骤？② 能不能调用外部工具和数据？③ 能不能连续执行、交付成品？三问都答「是」，才是本篇讨论的第三代。国内外都已跨过这条线：Bloomberg 的 ASKB、高盛把编程 Agent Devin 引入工程师团队做试点、国内 2026 年二季度以来 MCP 与 Skill 的集中落地🟢——投研 Agent 不是未来时，是现在进行时。

问答机给答案，副驾驶提效率，智能体交成品。三代之间隔着三道门槛——你现在用的 AI，停在哪一代？

二、海外地图：三类玩家，一个新变量

海外的牌桌上站着三类机构玩家，打法各异，收敛方向却惊人一致；表格末尾还蹲着一类刚刚探头的新变量，方向恰好相反——留到第六章细说。

机构侧的共同点：不追求「AI 替人决策」，追求「AI 重组生产」

三条机构侧路线——自研、终端 Agent 化、垂类创业——收敛到同一个词：工作流操作系统。不是替换分析师，而是把研究生产的流程重新编排：取数、验证、成稿、分发，每一步都嵌进 AI。判断一个产品是不是第三代，看它重组流程的深度，而不是demo里聊天聊得多顺。表格末尾的第四类是例外，也是预告：个人助理（Cortex、Perplexity 们）不重组谁的生产线，它们直奔「以个人为中心」而去——Cortex 甚至已经能陪你在对话里下单。这是另一个方向的故事，第六章「散户之问」细讲。

三、国内地图：四类牌局，一类雏形

国内棋局的参与者可以按「手里有什么牌」分成四类——外加一类还没上主桌的雏形，放在表格最后。注意一个细节：前四类玩家彼此都是对方最大的潜在客户——数据方的最大客户，也是最大威胁。

但把这张地图完整扫一遍，会发现一个明显空着的位置：现有玩家全是单 Agent 工作流或单点工具加 AI——要么一个 Agent 从头干到尾，要么一个终端加了个 AI 按钮。而「多个 Agent 分工制衡、交叉验证、对结论做置信度分级」的团队形态，国内没人占，海外也没人占——至少在小以扫过的牌桌上。原因不复杂：单 Agent 是工程问题，砸资源就能堆出来；团队是方法论问题——要把多套分析范式分别工程化、让不同结论公开交锋、对每个判断标注可信度，这不是套壳能做的。至于这个空位怎么填、填出来的东西和国内外玩家比成色如何，我们在下一篇会重点展开。

四、三个正在发生的变量：接口层、技能货架、通用渗透

2026 年二季度以来，牌桌底下有三股力量在同时涌动，它们比任何单款产品发布都更值得盯。

变量一 · 接口集中落地：投研数据的「安卓化」

MCP 与 Skill 协议让数据从封闭终端走向 Agent 可调用。2026 年二季度以来，同花顺、万得、东方财富、通达信、恒生的 MCP 服务集中落地🟢——过去锁在终端里的数据金矿，开始按接口开放。谁掌握接口层，谁就掌握 Agent 时代的分发权。

变量二 · 研究所 Skill 化：投研能力的「货架化」

券商正把分析师的「手艺」封装成 Skill 对外输出：招商「小研 Work」把约 30 万指标、1000 多个研究框架做成可调用技能🟡；中信建投蜻蜓以 6 个技能入驻通用 AI 工作台（本篇钩子）；华泰「智研」5 月已首发🟡。卖方能力输出的商业模式，多了一条新货架。

变量三 · 通用 Agent 双路径渗透

通用大模型从两侧切进投研：一侧是外接专业库——通义千问「深度研究」新增财经分析模块，接入超 1.3 万只股票行情、约 100 万份财报公告🟢；Kimi 接入同花顺 iFinD 等专业数据库🟢。另一侧是私有化——DeepSeek 本地部署，数据不出域。通用 Agent 正在变成投研 Agent 的总入口。

五、三道裂缝：演示视频不会告诉你的事

裂缝一 · 能力天花板：会做题，不会做事

BigFinanceBench——928 道金融题、52 名从业者参与出题——上，表现最好的模型也只拿到 58.8% 的分数；更扎心的是过程分比答案分低约 16 个百分点🟡：模型经常「结论碰巧对、推理过程错」。看 demo 要看过程，不能只看结论。

裂缝二 · ROI 分化：同一门技术，冰火两重天

PwC 的调查显示 56% 的 CEO 认为 AI 投入没有带来回报🟡；而头部机构里，小摩自述年创 15–20 亿美元价值。差别不在模型强弱，在有没有嵌进生产流程——买铲子的人很多，挖到矿的都是把铲子焊进流水线的人。

裂缝三 · 合规红线：「检索摘要」与「生成荐股」之间有一条线

《金融产品网络营销管理办法》9 月 30 日刚落地，荐股资质、信息披露、留痕要求全面收紧🟢。业内律师的口径很直白：AI 对原始信息做检索摘要是工具，生成「新判断」即越界🟡。对 C 端产品，这条红线更是生死线——它区分「投研工具」和「非法荐股」，只隔一层窗户纸。

六、散户之问：2.5 亿人的牌桌，此前从没被画进地图

前面两张地图里，建制化的研究能力一直装在机构侧——高盛铺给 4.65 万员工、彭博铺给 32.5 万终端、券商研究所把方法论挂上货架。个人侧不是没有产品——Cortex、Perplexity、灵犀、京小贝们已经蹲在地图角落——但都还停在浅水区。但把镜头摇到中国市场，画面完全变了：中国结算《2025 年统计年鉴》显示，截至 2025 年末，期末投资者数量 2.5067 亿，其中自然人占 99.76%🟢；个人投资者贡献 A 股六成以上成交量，却只持有约三成流通市值🟡。数量上的绝对多数，筹码上的少数派，交易的主力军——这就是全球主要市场里罕见的散户结构。

深交所的调查把散户的处境写得更直白（深市口径）：93.28% 的账户资产低于 50 万元；资产 1–10 万元的账户占散户近半（48.48%），亏损率 98.7%；散户年均换手率 247%，机构是 25%；散户平均持股周期约 7 天，机构是 190 天；跑赢沪深 300 的个人账户只有 12.8%；68% 的散户靠短视频和社交平台获取信息，信息到手时已比机构慢 3–5 个交易日🟡。

这不是「不努力」的问题，是结构性的工具落差：机构端着彭博终端（年费约 2.4 万美元）🟡、Wind 终端和整建制的研究团队；散户拿着免费 App、股吧和短视频。建制化的分析流程，从来是机构专属，散户连门票都摸不到。

散户缺的从来不是信息，是建制化的分析流程——过去这是机构专属，现在 AI 把它打成了白菜价。

AI 的真正意义在这里兑现：它第一次把「建制化研究能力」的边际成本打向零。高盛 4.65 万员工全覆盖的 AI 助手，和一个散户在通用 Agent 里调用一个 Skill，调用的是同一代技术。Skill 与 MCP 的普及，让散户绕过了「自建」门槛——不必懂工程，用就行。但更准确地说，AI 带给散户的不是「便宜版的机构 AI」，而是一个此前不存在的新物种——Personal AI（个人 AI）。

Personal AI 与机构在用的 AI，是两种东西

Enterprise AI（机构版）服务组织目标：高盛铺给 4.65 万员工、彭博铺给 32.5 万终端、Rogo 服务 250 多家机构——本质是机构的效率基建，个人只是间接受益者。Personal AI（个人版）服务「你这一个人」：以你的持仓、你的关注池、你的风险偏好为中心；长期伴随，记得你做过什么、错过什么；替你执行，而不只是回答；价格个人付得起。判别标准只有一句：「个人能用」不等于 Personal AI——问财是工具（你问它答，不记得你），通用大模型是助手（不懂你的组合）；Personal AI 的硬核是个体中心、长期上下文、代理执行、可及价格四件事同时成立。

散户的三条现实路径（都有产品在跑）

① 通用 Agent + 第三方 Skill：千问深度研究（1.3 万只股票、约 100 万份财报，目前每天限 5 次）、Kimi 接同花顺 iFinD（会员 49–699 元/月）——门槛最低，先尝鲜🟢。② 终端加 AI：同花顺问财路线——老用户无感平移。③ 买专业服务：垂直 Agent 订阅制——未来主流，正在发生。而地图角落里这批雏形，值得逐个看一遍：Robinhood Cortex 看得见你的持仓、能陪你在对话里下单🟢；Perplexity Portfolio 把机构级数据接进个人订阅🟡；国内的且慢 AI 小顾有长期记忆和主动复盘🟡，国泰海通灵犀 3.0 把选股、盯盘、持仓伴随装进一个 App🟢，京东金融京小贝有跨会话记忆和主动提醒🟢——但四件事没有谁做全，Personal AI 仍是一张半空的桌子。

但丑话要说在前面：用 AI 荐股割散户韭菜的生意已经出现；「算法跟风」会成为一种新的投资风险；荐股与工具的合规红线（第五章裂缝三），对散户是生死线。工具提效，不替你做决定——这句话对散户，比对机构重要一百倍。

七、五个趋势判断，与金融 IT 人的三条行动

判断一 · Agentic 化不可逆

从「人找信息」到「Agent 干活」，第三代对第二代的替代会比多数人预期的快——当交付物质量跨过可用阈值，没人愿意回到手动拼凑的工作流。

判断二 · 接口标准化定生死

MCP 与 Skill 正在成为投研数据的「普通话」。封闭终端的护城河会以可见速度变浅，数据的价值将从「拥有」转向「被调用的深度」。

判断三 · 终局比拼的是端到端交付物

竞争的终点不是问答质量，是成品质量——五分钟生成万字报告只是起点，下一步是带置信度标注、带交叉验证痕迹的完整研究成品。

判断四 · 合规内嵌成标配

牌照边界、信息披露、算法审计、监管备案——这四件事会在产品设计阶段就长进去，而不是上线后打补丁。金融 AI 的出厂设置，从第一天就是合规。

判断五 · 开源平权加速

FinGPT 三百美元级的训练成本，对标 BloombergGPT 的三百万美元级🟡——开源把模型底座打平，竞争回到数据与工作流，这对资源有限的团队是结构性利好。

给金融与 IT 从业者的三条行动：

行动一 · 把你的领域经验 Skill 化

你对对账、风控、组合管理、财报拆解的理解，是通用 Agent 最缺的「手艺」。把方法论封装成可调用的 Skill，是这轮技术普及里最确定的个人机会。

行动二 · 建立接口意识

MCP 是新的集成层。不懂它，就像十年前不懂 API——工具都会用，但接不进别人的生态。

行动三 · 合规前置

设计第一天就想清楚「工具」与「决策」的边界、留痕与披露方案。这不是法务的事，是产品架构的一部分。

八、小以观点：三维比拼，与一个空位

把整张地图收拢成一句话：国内投研 Agent 的竞争，本质是「数据 × 场景 × 工作流」的三维比拼——数据方有矿缺场景，场景方有流量缺纵深，金融 IT 有工程缺数据，单一玩家都凑不齐三张牌，所以你会看到大量的结盟与接口互通，这是格局演化的主旋律。

还有一个空位值得标记：海外收敛到「工作流操作系统」，国内收敛到「接口与货架」，而 Personal AI 投研方向——以个人为中心、长期伴随、替你执行的投研 Agent——把四件事同时做全的产品，小以检索了一圈，还没有见到。在这个方向里，「多 Agent 分工制衡的研究团队」形态，更是一张空桌：Robinhood 的工程博客里写得直白，他们先把 Cortex 做成约 10 个专家分工的「乐团」，后来又退回到单模型单循环🟢——难，所以没人走。小以 AI 实验室的 Daostock，正在努力填这个位置——六位分工不同的「师者」、公开交锋的裁决机制、对每个结论做置信度分级。这套东西做成产品是什么样、和国内外玩家比成色如何，三部曲第二篇（实践篇）细讲，第三篇（机器篇）拆一台真实运转的 AI 投研团队。

如果你是金融从业者、金融 IT 人，或者就是一个想把投研工作流重构一遍的散户——这篇地图里的方向，我们自己在做其中一块。正式发布前，会在群里跟道友们慢慢聊。

💬 小以观点

判断一个投研 Agent 是不是真智能，别看它会不会聊天，看它会不会自己把活干完。而这个时代真正的问题是：谁能把机构级的研究流程，装进普通人付得起的价格里。

💬 你怎么看？

A. 已经在用通用大模型加插件了，等更专业的垂类 AgentB. 先观望，AI 的结论我不敢直接信C. 最想要的是「多 Agent 交叉验证」这种团队形态D. 不炒股，但想看投研工作流怎么被重构

评论区聊聊你的判断，或者进群聊 👇

📎 附属数据来源（正文只保留颜色圈，分级明细统一收在此处）：🟢 L1 官方一手 / 权威媒体：中国结算《2025 年统计年鉴》（2026-06-12 发布，投资者数量与结构）；证券时报《大厂 AI 盯上 2.5 亿股民》专题（千问 / Kimi / 万得 C 端产品口径）；高盛（GS AI Assistant 覆盖规模、编程 Agent Devin 试点）、摩根士丹利（AskResearchGPT）、Bloomberg（ASKB 终端数）公开披露与权威媒体报道口径；Robinhood Cortex 官方支持页与工程博客（持仓感知、对话下单、「专家乐团」架构演进）；国泰海通灵犀 App 3.0（新华网上海频道 · 2026 WAIC 报道）；京东金融京小贝（中国经济网）；《金融产品网络营销管理办法》（2026-09-30 施行）。🟡 L2 多源交叉：散户交易占比（六成以上）与持股市值（约三成），上交所 / Wind 口径，经雪球核查报告与韭研公社双源引述；中信建投蜻蜓 Skill 请求量、招商「小研 Work」框架规模、华泰「智研」发布时间（行业报道交叉印证）；AlphaSense 年化收入、Rogo 融资额（科技与金融媒体多源）；BigFinanceBench 测试结果与过程分差（Rogo 官方发布及媒体转引）；PwC CEO 调查；恒生 LightGPT / WarrenQ 参数（公司口径加行业报道）；FinGPT 与 BloombergGPT 成本对比（开源社区与研报）；小摩年创 15–20 亿美元价值（公司自述、媒体转引）；深交所《2025 年个人投资者状况调查报告》（深市口径，经三个皮匠报告平台转引，正文已标注深市）；Perplexity Finance / Portfolio 产品口径（官方页面与第三方评测转引）；且慢 AI 小顾 3.0（网易科技、今日头条转述盈米基金口径）；彭博终端年费（公开报价口径，约 2.4 万美元 / 年）。🟠 L3 单一来源需验证：「斯坦福 AI 分析师跑赢 93% 基金经理」等无法溯源至一手的自媒体传播数据，正文未采用。

📏 推算值说明：本文无财务推算值；彭博终端年费为公开报价口径；深市行为数据为深交所口径，不代表沪市与全市场。

📊 置信度图例：正文 🟢 = 官方一手 / 权威媒体；🟡 = 多源交叉；🟠 = 单一来源需验证（本文未采用 L3 数据入稿）。

⚠️ 免责声明：本文基于公开资料整理，仅供研究交流，不构成任何投资建议。AI 工具结论均有出错可能，投资决策请独立判断。AI 辅助工具存在「检索摘要」与「生成荐股」的合规边界，请以持牌机构的服务为准。

👍 点赞 · 🔁 转发 · ❤️ 推荐