⁣
📰 当二十年老牌行情软件遇上 AI：大智慧的智能化跃迁之路-钛媒体官方网站

本文讲述了阿里云与大智慧在金融行业推动 AI 原生改造的实践与思路。金融数据资产丰富而复杂，单纯接入大模型难以治理幻觉与偏差，必须从底层数据治理、模型架构与应用形态全方位重构。项目以四大关键要素推进：一是数据治理，将原来服务于人类分析的数据转化为可供 Agent 使用的清晰、统一口径数据；二是 Agent 工程框架，从问答走向任务执行，通过编排层、工具执行层与 Skill 模块实现任务化能力，并设置安全沙箱以防止幻觉；三是记忆体系，建立长期、行为、交互、短时上下文的分层记忆，实现对用户的深度理解与个性化服务；四是评测体系，通过人机协同评估与线上灰度不断迭代，确保 Agent 的实用性。全栈支撑与安全合规是落地保障，FinXScope 2.0 提供统一的平台能力，模型分层（大模型负责推理，大模型以外的小模型负责执行与时效性）与弹性计算共同提升性能。最终，AI 原生改造不仅仅是一个 AI 对话框，而是把金融软件从数据提供者转变为理解并主动帮助投资的智能伙伴，推动金融服务向更高的智能化、场景化演进。

🏷️ #金融AI #数据治理 #Agent框架 #记忆体系 #安全合规

🔗 原文链接

⁣
📰 机构：AI应用呈现入口效应、网络效应和马太效应

中信证券第十七届金融创新服务会议聚焦AI驱动资管变革、产品创新与策略迭代、全球市场投资三大核心领域。报告指出AI应用具备入口、网络与马太效应，大模型正成为统一入口，Agent仍分散在各端，A2A网络效应可能成为下一步提升应用效率的关键。会议自2008年起举办，形成以投资策略、衍生工具、资产管理、财富配置等为核心的年度综合平台。专家认为基座模型的收益边际递减需通过神经网络结构改进、后训练算法及Agent、Skill等工程封装来提升，评估重点也正从考试与对话转向代码生成、工具调用、指令跟随及多Agent协同。若资管内部的买方研究员、投资经理及管理层的Agent能够在合规前提下共享信息与需求，可能明显降低观点传递中的低效与错配。未来AI需从“回答软件”走向“可承接任务的数字劳动力”，并在投研、组合分析、风险监测等场景落地；行业认知需要融入模型与产品设计，否则即使具备强大通用能力，也难以达到资深投资者的分析水平。现场还展示了托管Agent解决方案，支持在云端环境并行执行、多源核对与自检，并将结果回写看板。阿里巴巴、腾讯等亦提出企业AI原生转型的三个阶段：全员普及AI工具、AI深度嵌入业务、建设组织级AI中枢，目标是让AI成为企业生产力的一部分。中信证券建立了“原则框架+工具箱+投票Skills”三层体系，将合规、股东权益、可解释性等放在核心，确保专业判断可追溯、可复核。同花顺调研显示AI在基本面分析、热点解读、智能选股等方面的需求并存，未来竞争在于围绕真实工作建立完善的Skill生态，而非仅靠模型参数。整体来看，金融AI正处于“认知—行动—系统”的演进阶段，生成式AI实现内容生产，Agent实现任务执行，Skill沉淀成熟方法，强调以工作流驱动的应用落地。

🏷️ #金融AI #大模型 #Agent #Skill #合规

🔗 原文链接

⁣
📰 “养虾”之后，投研圈开始分层

OpenClaw等 Agent 时代的兴起，正在改变投研圈的工作方式与认知。文章指出，AI 工具可以解放研究人员，让他们摆脱重复性信息整理、日报撰写、会议纪要等低附加值任务，转而进行深度思考、人际连接和认知迭代等高价值活动。实际应用中，代理人能按研究框架自动抓取并整理公开信息，生成结构化的业绩速览、会议要点和知识库条目，显著提升效率，缩短从信息获取到研究产出所需的时间。但专家也强调，AI 仍难以完全替代研究的核心能力：基于共识后的非共识推理、对真实稀缺信息的线下获取，以及与人的连接所带来的前瞻性判断。信息层面AI善于处理公开数据，真正的投研竞争来自对信息的深度加工与人与信息的结合。因此，OpenClaw 及类似工具更多地改变工作节奏与方法论，而非直接提升最终的投资判断，需要研究者建立与工具协同的个人研究框架，才能形成长期的竞争优势。对于普通投资者，Agent 的门槛、数据质量和安全风险，以及个人能力与框架的不足，仍然是难题，难以实现对机构等同的投研能力。

🏷️ #Agent时代 #投研变革 #AI工具 #信息处理 #深度思考

🔗 原文链接