出品｜搜狐科技

作者｜汪夢婷

編輯| 楊 錦

近期，國內大模型掀起新一輪“金融戰”，讓不少金融從業者感受到陣陣涼意。

先是Kimi宣布接入同花順iFinD、天眼查等專業金融數據庫，彌補了通用大模型在金融實時數據上的短板。

緊接著，通義千問升級“深度研究”能力，新增財經分析模塊，接入超1.3萬只股票的實時行情數據與約百萬份上市公司財報，向所有用戶免費開放。

長期以來，行情數據與研報體系被Wind、同花順等專業終端把持，個人投資者獲取這些數據動輒需要數千甚至數萬元的年費。千問和Kimi的動作，相當于把這些門檻一把推倒。

但把數據接進去，AI就能替代券商投顧和分析師了嗎？搜狐財經實測并對話多位業內人士發現，事情并沒有那么簡單。

實測：能查數據，但離“替你炒股”還遠

搜狐財經分別使用千問和Kimi進行了測試。

以千問為例，在其“深度研究”模塊輸入“分析貴州茅臺最新財報”，系統會先展示一個分析框架，包括“財務指標變化”“產品結構分析”“戰略轉型與價格調整”“行業趨勢預測”等維度，隨后調用實時數據生成分析報告。

不過，整個過程需要10分鐘，輸出的報告包含數據圖表，關鍵數據均標注了出處。對于沒有專業金融背景的普通投資者來說，這份報告的可讀性不低，它把看財報這件事從翻PDF變成了看中文摘要。

Kimi的體驗則有所不同。由于仍處于灰度測試階段，其接入的同花順iFinD、天眼查、世界銀行等數據庫并非全部面向所有用戶開放。

搜狐財經測試發現，Kimi在調用行情數據時偶爾出現延遲，部分復雜查詢返回的結果不夠精確。但更關鍵的問題不在數據本身，而在分析深度。

搜狐財經嘗試讓兩款AI回答“貴州茅臺2025年報中哪些數據值得重點關注”，兩者都能準確調取營收、凈利潤等核心指標，但對一些需要行業對比和歷史縱深才能判斷的問題，缺乏真正的洞察。

例如，提問“茅臺直銷渠道占比變化的戰略含義”時，給出的回答更像是把公開信息重新組織了一遍。

一位資深投資者告訴搜狐財經，他日常投研是使用Claude+tushare pro搭的系統，他花了近三個月時間才把這套系統調試到可用的狀態，基本替代同花順app，“但即使是最頂級的模型，也只能用來收集數據，決策還是完全靠人。”

“Kimi接入同花順，基本是個demo性質，我日常不用。但我認為這個趨勢非常重要。”他表示，“但即便是最頂級的模型，也只能用來收集和預處理信息。”

通用大模型，還差什么？

“通用大模型接入金融數據是沒用的。”一位金融業內人士直言不諱。

在他看來，通用大模型能調取數據、做基本的分析整合，但無法替代專業金融分析中真正有價值的東西，也就是將最新研究方法內嵌為工具和函數，形成一套可復用的分析框架。

“它只能分析數據，根本不可能做出有效的研報分析。不是數據缺失，也不是算力不能到達，它唯一不能做的，就是沒有辦法把最新的研究方式做成skills放進去。”他表示，“除了讓一些散戶開心一點之外，沒什么意思。”

這位受訪者的判斷相對尖銳，但也指出了一個痛點，當前通用大模型在金融領域的嘗試，本質上還是“通用模型+外部數據”的組合，并未在模型層面做針對金融場景的深度優化。

一位AI金融投研智能體創業者對此有更細致的分析，他認為，需要區分“研究”和“交易”對數據時效的不同要求。交易層面需要毫秒級數據響應，這是量化交易接口的事；而通用大模型解決的是研究需求，投研對數據時效的要求其實不高。

他更看重的是架構層面的優化，而非模型本身。“未來是agent時代，會有金融垂類agent，在架構方面做優化而不是模型方面，比的就是誰更懂用戶，誰更能給出用戶需要的分析。”

在他看來，最容易落地的方向是將外部數據庫向量化，用RAG技術增強搜索準確性。

“我們平時問豆包千問關于股票的問題，它會調用搜索工具進行檢索，但檢索的信息源可以被投毒，導致結果不準。”他表示，進行邏輯上的深度對齊需要時間，各家有各家的技術框架。

而真正的壁壘，可能還是數據本身。

“數據仍然是最堅固的護城河。”他強調，“大模型公司從數據公司拿數據也是要成本的。而且現階段接入的行情數據和研報數據，只是龐大數據庫的冰山一角。這些通用數據近乎于公共知識，而Wind和Bloomberg的數據庫更加豐富，如果大模型公司以很高的代價拿到，大概率也不會免費給用戶使用。”

Wind終端年費動輒數萬元，Bloomberg更是高達兩萬美元以上。這些費用背后不僅是數據本身的成本，也包含了數據清洗、標準化、歷史回溯等專業處理，而這些“臟活累活”恰恰是通用大模型目前無力做到的。

券商的應對：219億元砸向AI

面對大模型公司的跨界，金融機構也沒有坐以待斃。

據年報數據統計，2025年已有22家券商披露了合計219億元的信息技術投入，同比增長14.03%。其中國泰海通以32.35億元居首，華泰證券投入26.79億元，招商證券19.08億元，中信建投和中金公司均超過15億元。

多家頭部券商已明確提出“ALL in AI”戰略。國泰海通早在2017年就提出“AI in ALL”，2024年升級為“ALL in AI”，2025年成為行業首家在App上線大模型面客服務的券商。

此外，華泰證券CEO周易明將AI重構定義為“一道必答題”，招商證券錨定“AI證券公司”戰略，中金公司自主研發了“超級研究員”等AI應用。

智能投顧方面，券商的布局已初見成效。國投證券的“智造+”產品矩陣簽約客戶21萬戶，簽約資產694.26億元，年創超額收益7.45億元。中金公司的RITAS數字化平臺上線智能體投顧助手，線上理財累計新增規模超百億元。

更關鍵的是，券商手握一張通用大模型無法獲取的牌照。通用大模型能幫助用戶分析財報，但不能下單買賣。而券商的AI不僅能診股、解報，還能直接完成交易執行，這也是分析工具與提供投資服務的本質區別。

有券商分析師觀點認為，未來雙方的定位將更加清晰：通用大模型負責“廣度和便捷”，走大眾路線；券商AI負責“深度和閉環”，提供經過合規審核的深度投研內容。

與此同時，專業金融數據平臺也在順應這一趨勢，例如，Wind推出了WindClaw，同花順iFinD推出了MCP金融數據服務。

決策權仍在人手里

回到最初的問題：AI能替代券商投顧和分析師嗎？

從搜狐財經的測試和采訪來看，答案暫時是否定的，至少在“深度投研”和“投資決策”這兩個核心環節，通用大模型還差得遠。

千問和Kimi的價值在于降低了信息獲取的門檻。過去需要花幾萬塊買終端才能看到的數據，現在免費就能查到，對于普通投資者來說，無疑是一大進步。

但在投資這件事上，數據分析與判斷決策之間，還隔著一條巨大的鴻溝。

“投資方面，大模型現在做到的是信息的分析整合，輔助決策。投資人永遠都是把決策權掌握在自己手里，自負盈虧。”前述AI投研創業者總結道。

他提出了一個公式：私有知識+模型智力+專家判斷，才能實現超額收益。換句話說，AI是工具，不是替身。至少在可預見的未來，投資者需要的不是一個替自己做決定的AI，而是一個能幫自己更快、更準地處理信息的AI。

至于誰能率先把這個AI做好，是大模型公司，是券商，還是介于兩者之間的垂類創業公司？

這場比賽才剛剛開始。

運營編輯 |曹倩審核｜孟莎莎