太初新元 · 每日精选

二十年行情软件大智慧的AI改造：从数据工具到投资伙伴

AI大模型时代，传统行情软件面临根本性问题：如何从看行情的工具进化为懂投资的智能伙伴。阿里云分析认为，仅停留在问答阶段，各平台服务趋于同质化，传统行情软件的AI化需要从底层数据到应用架构的全面重构。

行业普遍面临三大困境。一是服务同质化，行情数据、技术指标和资讯信息相似，用户难以感受差异化价值，真正的痛点在于将数据转化为判断和行动。二是使用门槛高，量化回测、专业指标分析等功能虽强大，普通投资者却望而却步，AI可以降低科学炒股门槛，推动投资平权。三是智能化不足，投资需要持续跟踪和动态调整，用户需要能理解投资目标、在关键时刻提供建议的助手。

大智慧成立于2000年，产品覆盖PC端和移动端，拥有超过二十年金融数据积累和数千万用户。从早期行情查看工具到数据分析平台，大智慧持续探索让金融数据更好服务投资决策。双方在实际测试中发现，仅靠RAG检索或Web Search把数据喂给大模型行不通，模型幻觉难以解决，对客户实际价值不大。

大智慧的数据散落在各个系统，行情数据、财务指标、资讯文本分属不同数据库，元数据建设复杂，数据体量庞大。若按传统思路自下而上建数据中台再治理，周期漫长且难以匹配业务节奏。

数据底座完成后是Agent平台建设。FinXScope 2.0是阿里云构建的面向通用金融场景的Agent平台，也是大智慧AI原生改造的中枢。用户通过自然语言表达投资目的，Agent自主拆解任务、辅助决策。任务编排层负责意图识别、任务拆解和执行规划，例如将“找低估值高增长的白酒股”拆解为行业筛选、估值指标查询、增长指标查询和综合排序。

智能投资助手需要记忆体系。阿里云将其归纳为四层：长期稳定记忆沉淀用户风险偏好、常用指标和选股逻辑；行为操作记忆存储交互轨迹，需脱敏与审计；交互历史记忆包括问答记录和关注股票；短时上下文记忆按分层存储和检索。

性能优化方面，意图识别最初耗时10秒，金融场景无法接受。团队分两步：缩小模型尺寸，将意图识别降至2-3秒；再将意图分类训练进4B小模型，无需冗长提示词，最终压缩到毫秒级。

金融数据复杂，口径、来源、时效性偏差都可能误导决策。通过“大脑+双手”的Harness工程架构，大模型不直接生成涉及资金、收益的事实类数据，所有数据交互通过受控工具链执行，平台内置安全沙箱、合规审计和权限管控。

Agent落地最大挑战是评判好坏。有标准答案的场景如选股可建评测集快速迭代；无统一标准的诊股分析则需与客户从零设计评测体系。阿里云采用FDE驻场模式，从最小可验证单元快速打样，售前阶段帮助制作Demo，逐步建立信任并扩大合作。

从2024年10月项目启动至今，大智慧AI能力正从C端向B端机构服务、企业内部办公等场景延伸。这场改造不只是加一个AI对话框，而是重新定义金融软件与用户的关系：从提供数据的工具变为理解需求的伙伴。

来源：内容来自网络 · 仅供参考