_AI金融新纪元_系列（五）_从大模型到Agent_AI+金融进入智能体时代_51页_3mb

报告摘要

AI金融新纪元系列（五）总结

核心内容

本报告探讨了AI+金融从大模型向智能体（Agent）的演进过程，分析了金融Agent在B端与C端的不同应用场景和竞争格局。AI金融正从单一问答和内容生成，向具备自主执行能力的智能体演进，金融数据和工具的标准化接口（如MCP、Skills）成为Agent化落地的关键技术支撑。

主要观点

AI+金融进入智能体时代
2024年以来，金融AI由问答、总结等单点能力向可规划、可调用工具、可连续执行任务的Agent演进。2026年Q2以来，多个金融信息服务商开放MCP与Skills接口，推动金融数据从封闭终端走向可被Agent调用的标准化能力。
垂类Agent与通用Agent的协同演进
- 垂类Agent：专注于金融场景，通过数据×内容×工作流构建壁垒，提升投研、投顾、风控等业务效率。
- 通用Agent：通过外接专业金融能力与机构本地化部署进入金融场景，与垂类Agent形成互补，共同推动Agent生态发展。
Agent的业务价值
- B端：提升投研效率，降低重复性工作时间成本，推动智能体承接信息处理、分析、报告生成等任务。
- C端：降低使用门槛，提供个性化陪伴、策略研究和持续服务，提升用户黏性与商业转化效率。
竞争格局
市场竞争围绕四类参与者展开：
- 数据拥有者：同花顺、Wind、东方财富、财富趋势，以金融数据覆盖广度和接口开放度为核心优势。
- 场景拥有者：九方智投控股、同花顺、指南针、财富趋势，以场景渗透深度和用户粘性为竞争焦点。
- 模型拥有者：豆包、DeepSeek、通义千问等，以通用模型性能、成本和部署效率为竞争关键。
- 平台拥有者：WorkBuddy、OpenClaw等，以平台入口、工具生态和任务调度能力为竞争优势。

关键信息

金融Agent发展路径
- B端：从数据终端向智能投研Agent演进，通过MCP、Skills等接口实现金融数据的开放和整合。
- C端：从信息获取向投资陪伴演进，通过问财、AI股票机、Lumi等产品实现个性化服务。
技术底座与能力开放
- MCP协议：成为Agent调用金融数据的标准接口，降低开发成本，实现数据和工具的跨平台复用。
- Skills体系：将金融能力模块化，提升用户使用体验和Agent调用效率。
主要厂商进展
- 同花顺：iFinD MCP与Skills体系推动投研Agent发展，问财升级为具备自主规划能力的投资助手。
- 东方财富：妙想Skills连接投资认知与金融服务，提升用户从信息获取到决策辅助的效率。
- 财富趋势：通达信MCP接入WorkBuddy等平台，推动专业能力向多Agent形态演进。
- 九方智投控股：AI股票机作为硬件入口，实现投资陪伴与投顾服务的融合，形成“投资服务—用户交互—客户画像”闭环。
- Wind：AIFin Market成为金融能力开放平台，支持外部Agent调用其专业数据与研究能力。
投资建议
- 推荐：同花顺、东方财富，因其具备较强的金融数据基础、应用场景入口及成熟的AI技术运用经验。
- 关注：九方智投控股、指南针，因其业务延伸与流量变现路径清晰，AI技术研发投入充分，用户体量与质量兼具，具备构建业务闭环潜力。

投资建议与风险提示

投资建议
- 同花顺：金融数据覆盖广，Agent生态发展迅速。
- 东方财富：连接投资信息获取与金融服务，形成完整链条。
- 九方智投控股：AI股票机构建硬件入口，推动投资陪伴型Agent发展。
- 指南针：具备专业投资工具与AI能力，有望形成差异化竞争优势。
风险提示
- 监管趋严：AI在金融领域的应用面临合规与监管风险。
- 技术迭代不及预期：通用模型与垂类模型在性能、成本与落地速度上可能落后预期。
- 数据安全风险：金融数据敏感，需保障数据安全与合规性。
- 权益市场波动：金融AI服务依赖市场环境，市场波动可能影响其商业价值。
- 商业化进度不及预期：Agent商业化仍处于早期，转化效率与用户付费意愿可能影响发展速度。