搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 长信基金有关负责人：AI时代阿尔法收益或降低，AI使用效果与数据质量有关|界面新闻
金融行业正积极探索人工智能在投研、客服和内控等场景的应用。长信基金自今年6月启用腾讯WorkBuddy，利用AI处理重复性工作，并通过自建Skills辅助量化回测、财报分析、择券和产业链复盘。部分固收流程工作约六成由Skills接手，报告制作时间也从数小时缩短至一两小时，员工得以投入更高层次的判断与创新。
金融机构应用AI须以安全合规为前提，严格管理模型调用、数据权限及生成内容的使用范围，敏感数据需通过本地模型处理。受访者认为，高质量数据和投研积累仍是机构优势；AI降低数据获取门槛、加快研究验证，也可能使成果更快拥挤、阿尔法收益下降。推动员工将隐性经验转化为规则，并沉淀知识、复用经验，有望提升组织能力；中小机构也可借助AI加快追赶。
🏷️ #人工智能 #金融科技 #数据安全 #投研效率 #组织能力
🔗 原文链接
📰 长信基金有关负责人：AI时代阿尔法收益或降低，AI使用效果与数据质量有关|界面新闻
金融行业正积极探索人工智能在投研、客服和内控等场景的应用。长信基金自今年6月启用腾讯WorkBuddy，利用AI处理重复性工作，并通过自建Skills辅助量化回测、财报分析、择券和产业链复盘。部分固收流程工作约六成由Skills接手，报告制作时间也从数小时缩短至一两小时，员工得以投入更高层次的判断与创新。
金融机构应用AI须以安全合规为前提，严格管理模型调用、数据权限及生成内容的使用范围，敏感数据需通过本地模型处理。受访者认为，高质量数据和投研积累仍是机构优势；AI降低数据获取门槛、加快研究验证，也可能使成果更快拥挤、阿尔法收益下降。推动员工将隐性经验转化为规则，并沉淀知识、复用经验，有望提升组织能力；中小机构也可借助AI加快追赶。
🏷️ #人工智能 #金融科技 #数据安全 #投研效率 #组织能力
🔗 原文链接
📰 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
📰 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
📰 金融行业审核智能体推荐：彩讯股份以企业级智能体底座推动AI进入生产流程-CSDN.NET
本篇文章介绍彩讯股份通过Rich AI Box企业级智能体底座，结合“1+2+N”金融智能审核体系，推动企业级AI进入生产落地，重点解决能力碎片化、落地难、ROI不清等痛点。文中描述企业AI经历从RAG/Workflow到ReAct再到Workspace+Skills+Sandbox的演进，强调7×24在线、长程任务、记忆持久化、工具生态、安权隔离与自我进化等核心能力。Rich AI Box以统一工作空间、记忆资产、技能注册、沙箱与审批通道为底座，支持同一 Agent 在本地、容器和云端多环境部署，而无需重写代码，实现从试点到规模落地的闭环。核心应用在金融审核领域，形成“1+2+N”智能审核体系，涵盖多源材料解析、规则校验、语义推理、证据链追溯和人机闭环，能够提升授信、资产保全、合同、发票等场景的审核效率与可追溯性，并在国内典型场景与WAIC 2026认证中体现价值。未来趋势是以Rich AI Box为底座，推动更多行业场景的规模化运营与治理能力建设，强调运行、扩展、治理、交付和运维的全链路智能体基础设施。
🏷️ #智能体 #企业级AI #金融审核 #证据链 #抗风险
🔗 原文链接
📰 金融行业审核智能体推荐：彩讯股份以企业级智能体底座推动AI进入生产流程-CSDN.NET
本篇文章介绍彩讯股份通过Rich AI Box企业级智能体底座，结合“1+2+N”金融智能审核体系，推动企业级AI进入生产落地，重点解决能力碎片化、落地难、ROI不清等痛点。文中描述企业AI经历从RAG/Workflow到ReAct再到Workspace+Skills+Sandbox的演进，强调7×24在线、长程任务、记忆持久化、工具生态、安权隔离与自我进化等核心能力。Rich AI Box以统一工作空间、记忆资产、技能注册、沙箱与审批通道为底座，支持同一 Agent 在本地、容器和云端多环境部署，而无需重写代码，实现从试点到规模落地的闭环。核心应用在金融审核领域，形成“1+2+N”智能审核体系，涵盖多源材料解析、规则校验、语义推理、证据链追溯和人机闭环，能够提升授信、资产保全、合同、发票等场景的审核效率与可追溯性，并在国内典型场景与WAIC 2026认证中体现价值。未来趋势是以Rich AI Box为底座，推动更多行业场景的规模化运营与治理能力建设，强调运行、扩展、治理、交付和运维的全链路智能体基础设施。
🏷️ #智能体 #企业级AI #金融审核 #证据链 #抗风险
🔗 原文链接
📰 Agent扎堆金融：一场真正的AI大考开始了
金融正在成为Agent落地的最热领域之一，金融行业以其严格的信任体系、海量数据与复杂合规流程，成为检验多智能体协同、自执行能力与安全治理的理想场域。文章梳理了2026年金融领域在大模型、通用智能体、专业Skill等方面的快速落地：从自建底座、统一治理到将专业能力模块化、在券商、银行、保险等行业线落地不同路径；并强调金融对算力、数据、流程、风控的高要求，使其成为未来智能商业世界的信任样板。当前阶段，金融Agent以知识检索、文档处理、流程重构为主，逐步推进到跨系统、跨岗位的流程化执行，但核心决策与自主资金执行仍需严格审阅与多维度审计，避免错误与风险。未来趋势是“通用模型底座+金融专有数据+行业工作流+核心系统接口+安全治理”的生态组合，金融行业还将推动私有化部署、权限管控与灼性责任保险等新型金融基础设施的形成，以确保智能体在资金与交易环节的可控性、可追溯性与高可靠性。金融在实现效能提升的同时，也在推动行业边界扩展，正在把风控范式向更多行业外溢。
🏷️ #金融 #Agent #智能体 #风控 #行业生态
🔗 原文链接
📰 Agent扎堆金融：一场真正的AI大考开始了
金融正在成为Agent落地的最热领域之一，金融行业以其严格的信任体系、海量数据与复杂合规流程，成为检验多智能体协同、自执行能力与安全治理的理想场域。文章梳理了2026年金融领域在大模型、通用智能体、专业Skill等方面的快速落地：从自建底座、统一治理到将专业能力模块化、在券商、银行、保险等行业线落地不同路径；并强调金融对算力、数据、流程、风控的高要求，使其成为未来智能商业世界的信任样板。当前阶段，金融Agent以知识检索、文档处理、流程重构为主，逐步推进到跨系统、跨岗位的流程化执行，但核心决策与自主资金执行仍需严格审阅与多维度审计，避免错误与风险。未来趋势是“通用模型底座+金融专有数据+行业工作流+核心系统接口+安全治理”的生态组合，金融行业还将推动私有化部署、权限管控与灼性责任保险等新型金融基础设施的形成，以确保智能体在资金与交易环节的可控性、可追溯性与高可靠性。金融在实现效能提升的同时，也在推动行业边界扩展，正在把风控范式向更多行业外溢。
🏷️ #金融 #Agent #智能体 #风控 #行业生态
🔗 原文链接
📰 Agent扎堆金融：一场真正的AI大考开始了-钛媒体官方网站
金融Agent正成为“信任体系”的最高形态，在严格的合规与审计框架下实现Agent的工业级落地。文章梳理了2026年以来金融行业在Agent落地方面的快速演进：从大厂技术能力的展示，逐步演变为独立的产业赛道；从单点工具向自建底座、模块化Skill以及跨系统的业务流程整合发展；并且在需求侧，AI应用采购比例上升，逐步覆盖投研、风控、理赔等核心流程，同时明确了私有化部署、数据安全与治理的重要性。金融之所以成为最具代表性的试验场，原因在于其数据密集、规则明确且对错容忍度极低，因此只要在数据源稳定、结果可复核、全流程有审计轨迹的场景中实现了流程化、可复用的Agent执行，就能显著提升开户、授信、审批、理赔等环节的效率与准确性。当前阶段，金融Agent仍处于辅助层向流程层、再向核心决策层推进的微妙临界点：已经实现规模化的知识检索、文档处理与辅助决策，正逐步串联跨系统、跨岗位的全流程，然而真正的自主执行与资金级别的应用仍在稳步克制之中。未来节奏在于“通用模型底座+金融专有数据+行业工作流+核心系统接口+安全治理”的生态组合，以及在资金端对权限、记账、风控的全链路管控，以支撑更广泛、更多样的金融场景落地。
🏷️ #金融Agent #信任体系 #流程落地 #自建底座 #资金安全
🔗 原文链接
📰 Agent扎堆金融：一场真正的AI大考开始了-钛媒体官方网站
金融Agent正成为“信任体系”的最高形态，在严格的合规与审计框架下实现Agent的工业级落地。文章梳理了2026年以来金融行业在Agent落地方面的快速演进：从大厂技术能力的展示，逐步演变为独立的产业赛道；从单点工具向自建底座、模块化Skill以及跨系统的业务流程整合发展；并且在需求侧，AI应用采购比例上升，逐步覆盖投研、风控、理赔等核心流程，同时明确了私有化部署、数据安全与治理的重要性。金融之所以成为最具代表性的试验场，原因在于其数据密集、规则明确且对错容忍度极低，因此只要在数据源稳定、结果可复核、全流程有审计轨迹的场景中实现了流程化、可复用的Agent执行，就能显著提升开户、授信、审批、理赔等环节的效率与准确性。当前阶段，金融Agent仍处于辅助层向流程层、再向核心决策层推进的微妙临界点：已经实现规模化的知识检索、文档处理与辅助决策，正逐步串联跨系统、跨岗位的全流程，然而真正的自主执行与资金级别的应用仍在稳步克制之中。未来节奏在于“通用模型底座+金融专有数据+行业工作流+核心系统接口+安全治理”的生态组合，以及在资金端对权限、记账、风控的全链路管控，以支撑更广泛、更多样的金融场景落地。
🏷️ #金融Agent #信任体系 #流程落地 #自建底座 #资金安全
🔗 原文链接
📰 400万银行人的工作方式，正在被AI改写
AI正在以高效的速度嵌入银行各环节，推动银行业效率革命。2026年上半年，AI已显著减少人工工时，银行业的数字劳动力分担了大量工作量，核心场景的营销、授信、交易、风控与运营等逐步落地。外部AI平台也在加速渗透，如Kimi金融解决方案已上线，打通多源数据、整合金融技能并确保合规，显著提升信息整理、尽调与报告等环节的效率与质量。实现路径不在于全面替代人，而是将信息获取、材料整理、重复任务交给AI，人则聚焦问题定义、判断与决策，AI成为连续完成工作的入口。为落地，银行需跨越效率与信任两道坎，确保数据可靠、交付专业、使用安全。Kimi通过连接权威数据源、封装金融Skills、建立风险网关，实现深度研究、授信材料生成和合规审计的提升，支持多家机构的试点落地，提升研究周期、授信效率及报告准确性。未来，银行与AI伙伴的协同将成为数字化能力建设的基石，推动行业工作入口的重新定义，金融AI进入深度应用阶段。
🏷️ #银行AI #效率革命 #数据安全 #金融技能 #Kimi
🔗 原文链接
📰 400万银行人的工作方式，正在被AI改写
AI正在以高效的速度嵌入银行各环节，推动银行业效率革命。2026年上半年，AI已显著减少人工工时，银行业的数字劳动力分担了大量工作量，核心场景的营销、授信、交易、风控与运营等逐步落地。外部AI平台也在加速渗透，如Kimi金融解决方案已上线，打通多源数据、整合金融技能并确保合规，显著提升信息整理、尽调与报告等环节的效率与质量。实现路径不在于全面替代人，而是将信息获取、材料整理、重复任务交给AI，人则聚焦问题定义、判断与决策，AI成为连续完成工作的入口。为落地，银行需跨越效率与信任两道坎，确保数据可靠、交付专业、使用安全。Kimi通过连接权威数据源、封装金融Skills、建立风险网关，实现深度研究、授信材料生成和合规审计的提升，支持多家机构的试点落地，提升研究周期、授信效率及报告准确性。未来，银行与AI伙伴的协同将成为数字化能力建设的基石，推动行业工作入口的重新定义，金融AI进入深度应用阶段。
🏷️ #银行AI #效率革命 #数据安全 #金融技能 #Kimi
🔗 原文链接
📰 华泰证券：“All in AI”建设一流投资银行
华泰证券以 All in AI 为牵引，构建全栈式数字金融能力体系，推动从单点提效到体系协同的转型。通过数据中台和金融中台，将多源数据组织成可被 AI 理解与信赖的语义体系，并建设产业图谱和可复用的 Skill 体系，为分析、交易、风控等场景提供稳定的智能能力。平台方面，完善多层次模型矩阵、国产化算力与私有云基础，确保规模化落地。生态层面通过战略投资、联合创新及产学研合作，培养人才并建立 HUATECH 社区，以支撑可持续发展。2026 年上半年，财富管理、机构服务和投研等业务场景持续深化智能化落地，推动从“功能堆叠”向“精准响应”和“全面打通”升级，AI 原生交易终端、智能平台和信披助手等产品相继落地，显著提升服务体验、数据治理、研究产出与风险管控能力。对外，数字金融正助力公司全球化布局，提升境外交易、跨境信息披露和风控能力，实现全球资产交易与配置的一体化能力。华泰证券强调在全面推进数智化的同时，以数字治理保障安全合规，构建早识别、快响应的风险管理体系，确保 AI 在金融服务中的稳健落地与长期价值创造。
🏷️ #数字金融 #AI #中台 #金融科技 #全球化
🔗 原文链接
📰 华泰证券：“All in AI”建设一流投资银行
华泰证券以 All in AI 为牵引，构建全栈式数字金融能力体系，推动从单点提效到体系协同的转型。通过数据中台和金融中台，将多源数据组织成可被 AI 理解与信赖的语义体系，并建设产业图谱和可复用的 Skill 体系，为分析、交易、风控等场景提供稳定的智能能力。平台方面，完善多层次模型矩阵、国产化算力与私有云基础，确保规模化落地。生态层面通过战略投资、联合创新及产学研合作，培养人才并建立 HUATECH 社区，以支撑可持续发展。2026 年上半年，财富管理、机构服务和投研等业务场景持续深化智能化落地，推动从“功能堆叠”向“精准响应”和“全面打通”升级，AI 原生交易终端、智能平台和信披助手等产品相继落地，显著提升服务体验、数据治理、研究产出与风险管控能力。对外，数字金融正助力公司全球化布局，提升境外交易、跨境信息披露和风控能力，实现全球资产交易与配置的一体化能力。华泰证券强调在全面推进数智化的同时，以数字治理保障安全合规，构建早识别、快响应的风险管理体系，确保 AI 在金融服务中的稳健落地与长期价值创造。
🏷️ #数字金融 #AI #中台 #金融科技 #全球化
🔗 原文链接
📰 蚂蚁数科推出 Agentar 金融版 助力金融机构打造智能体超级工厂
在2026 Inclusion·外滩大会见解论坛上，蚂蚁数科推出Agentar金融版，提供开箱即用的金融智能体生态，包括专家团、技能、工具箱和评测治理，旨在为金融机构搭建覆盖开发、部署、协作、评测与管理的智能体超级工厂，加速智能体在真实业务场景中的落地。该版本将行业know-how和方法标准化为Skill、智能体专家与工具，机构可按需接入自有场景、知识库与数据资产，统一平台管理模型、智能体、Skill与工具，降低重复建设成本并提升复用性。首批预置十大金融智能体专家，覆盖智能投顾、财富管理、客户经营等核心场景，能够拆解任务、协同多智能体执行并输出完整业务结果，已在银行、证券、保险等真实场景验证并持续迭代。以零售金融为例，数字客户经理可联动客群洞察、产品匹配与策略生成，缩短流程、提升效率，达到当日完成。实际应用显示，试点客群总资产提升10%、活跃度提升15%、服务客户数量提升5倍以上。底层能力包含金融大模型、金融级可信 Harness、2000余项评测工具等，覆盖合规性、准确性与执行质量等维度，提供量化评估与持续优化。并具备全链路安全与双向校验机制，确保数据与业务安全合规。目前已有超过300个专业智能体在金融场景落地，覆盖国有、股份制银行、地方商业银行及多家金融机构。IDC数据显示，2025年中国金融大模型与智能体市场规模超24亿元，蚂蚁数科以13.3%市场份额居首。
🏷️ #金融 #智能体 #生态 #评测 #安全
🔗 原文链接
📰 蚂蚁数科推出 Agentar 金融版 助力金融机构打造智能体超级工厂
在2026 Inclusion·外滩大会见解论坛上，蚂蚁数科推出Agentar金融版，提供开箱即用的金融智能体生态，包括专家团、技能、工具箱和评测治理，旨在为金融机构搭建覆盖开发、部署、协作、评测与管理的智能体超级工厂，加速智能体在真实业务场景中的落地。该版本将行业know-how和方法标准化为Skill、智能体专家与工具，机构可按需接入自有场景、知识库与数据资产，统一平台管理模型、智能体、Skill与工具，降低重复建设成本并提升复用性。首批预置十大金融智能体专家，覆盖智能投顾、财富管理、客户经营等核心场景，能够拆解任务、协同多智能体执行并输出完整业务结果，已在银行、证券、保险等真实场景验证并持续迭代。以零售金融为例，数字客户经理可联动客群洞察、产品匹配与策略生成，缩短流程、提升效率，达到当日完成。实际应用显示，试点客群总资产提升10%、活跃度提升15%、服务客户数量提升5倍以上。底层能力包含金融大模型、金融级可信 Harness、2000余项评测工具等，覆盖合规性、准确性与执行质量等维度，提供量化评估与持续优化。并具备全链路安全与双向校验机制，确保数据与业务安全合规。目前已有超过300个专业智能体在金融场景落地，覆盖国有、股份制银行、地方商业银行及多家金融机构。IDC数据显示，2025年中国金融大模型与智能体市场规模超24亿元，蚂蚁数科以13.3%市场份额居首。
🏷️ #金融 #智能体 #生态 #评测 #安全
🔗 原文链接
📰 大厂Agent集体杀入金融腹地
金融行业正成为大厂通用Agent落地的关键试验场。腾讯、百度、字节跳动等巨头已将Agent延伸至金融领域，覆盖对公信贷尽调、基金研究、证券分析、保险合规等环节，但路径分化明显：扣子将专业金融能力直接嵌入Agent，库库AI侧重C端资料检索与自动化输出，WorkBuddy则面向金融机构的对公流程。行业共识尚未形成，是否将金融单独做成“行业版”Agent仍在讨论之中；金融的高数据密度、监管要求以及对数据溯源和权限治理的高标准，使其成为最具试验性的领域之一。海外巨头亦在探索路径：OpenAI、Anthropic、Google等分别通过插件、模板或行业版产品进入投行、财务建模、风险分析等场景，同时Rogo等金融AI公司通过对接专业数据库与可直接输出的分析材料，缩短模型与金融工作之间的断点。总体来看，金融Agent的最终形态尚无定论，可能是通用Agent的一个Skill、一个模板，亦可能演变为独立的软件品类，关键在于数据连接、工作流适配与安全治理的深度定制是否被金融机构认可付费。
🏷️ #金融 #Agent #数据安全 #金融行业 #行业版
🔗 原文链接
📰 大厂Agent集体杀入金融腹地
金融行业正成为大厂通用Agent落地的关键试验场。腾讯、百度、字节跳动等巨头已将Agent延伸至金融领域，覆盖对公信贷尽调、基金研究、证券分析、保险合规等环节，但路径分化明显：扣子将专业金融能力直接嵌入Agent，库库AI侧重C端资料检索与自动化输出，WorkBuddy则面向金融机构的对公流程。行业共识尚未形成，是否将金融单独做成“行业版”Agent仍在讨论之中；金融的高数据密度、监管要求以及对数据溯源和权限治理的高标准，使其成为最具试验性的领域之一。海外巨头亦在探索路径：OpenAI、Anthropic、Google等分别通过插件、模板或行业版产品进入投行、财务建模、风险分析等场景，同时Rogo等金融AI公司通过对接专业数据库与可直接输出的分析材料，缩短模型与金融工作之间的断点。总体来看，金融Agent的最终形态尚无定论，可能是通用Agent的一个Skill、一个模板，亦可能演变为独立的软件品类，关键在于数据连接、工作流适配与安全治理的深度定制是否被金融机构认可付费。
🏷️ #金融 #Agent #数据安全 #金融行业 #行业版
🔗 原文链接
📰 大厂Agent集体杀入金融腹地
本文梳理了大厂正在将通用办公Agent向金融行业下沉的现状与挑战。字节、百度、腾讯等已在金融领域布局，通过将专业技能Skill注入Agent、连接金融数据源与机构流程，试图提高尽调、研究、风控等高成本环节的效率。扣子等面向C端的应用已将证券、基金等金融能力以Skill形式拆解，直接嵌入Agent以完成查询、对比、筛选等任务；百度的库库AI以文档与数据检索为主，产出研报、PPT、财务模型等交付物；腾讯WorkBuddy则聚焦对公场景，覆盖信贷尽调、基金研究、保险客户经营等，并已进入多家金融机构。金融行业具有数据密集、流程复杂和强监管等特性：需要数据可溯源、权限控制和人工复核机制，这使得单纯的通用Agent要真正落地需面对合规与可信性挑战。 关于究竟应以通用Agent扩展、还是打造专门的行业版，各家厂商尚未形成统一共识。海外如OpenAI、Anthropic、Google均有不同路径：前者通过插件/模板覆盖投行、财务等工作流，后者则推进行业版Agent。华尔街与资本市场已在定价与落地方面探索出一定路径，例如Rogo等公司通过强连接数据库与可直接输出Excel/报告的能力，解决了基础模型与金融工作之间的断点。总体来看，金融版Agent的最终形态仍未知，可能是通用Agent的技能集合、单独的行业模板，亦或是成为独立软件品类。若金融机构愿为更深的连接、工作流和治理付费，行业版的存在将成为趋势；否则，强化模型与技能的通用Agent或将继续覆盖金融需求。请关注监管要求对数据、推理路径、人工复核等方面的约束对实现的影响。
🏷️ #金融 #通用Agent #行业版 #数据安全 #技能
🔗 原文链接
📰 大厂Agent集体杀入金融腹地
本文梳理了大厂正在将通用办公Agent向金融行业下沉的现状与挑战。字节、百度、腾讯等已在金融领域布局，通过将专业技能Skill注入Agent、连接金融数据源与机构流程，试图提高尽调、研究、风控等高成本环节的效率。扣子等面向C端的应用已将证券、基金等金融能力以Skill形式拆解，直接嵌入Agent以完成查询、对比、筛选等任务；百度的库库AI以文档与数据检索为主，产出研报、PPT、财务模型等交付物；腾讯WorkBuddy则聚焦对公场景，覆盖信贷尽调、基金研究、保险客户经营等，并已进入多家金融机构。金融行业具有数据密集、流程复杂和强监管等特性：需要数据可溯源、权限控制和人工复核机制，这使得单纯的通用Agent要真正落地需面对合规与可信性挑战。 关于究竟应以通用Agent扩展、还是打造专门的行业版，各家厂商尚未形成统一共识。海外如OpenAI、Anthropic、Google均有不同路径：前者通过插件/模板覆盖投行、财务等工作流，后者则推进行业版Agent。华尔街与资本市场已在定价与落地方面探索出一定路径，例如Rogo等公司通过强连接数据库与可直接输出Excel/报告的能力，解决了基础模型与金融工作之间的断点。总体来看，金融版Agent的最终形态仍未知，可能是通用Agent的技能集合、单独的行业模板，亦或是成为独立软件品类。若金融机构愿为更深的连接、工作流和治理付费，行业版的存在将成为趋势；否则，强化模型与技能的通用Agent或将继续覆盖金融需求。请关注监管要求对数据、推理路径、人工复核等方面的约束对实现的影响。
🏷️ #金融 #通用Agent #行业版 #数据安全 #技能
🔗 原文链接
📰 大厂Agent竞争下沉金融行业：通用还是独立版本，谁能笑到最后？-CSDN博客
大厂正在把金融作为通用Agent的新入口，腾讯推出WorkBuddy金融版，面向银行、券商、保险等机构上线80多个金融专家及专家团，尝试让Agent进入金融机构业务流程。百度将通用智能体GenFlow命名为库库AI，并上线独立办公端，将金融作为其首个重点场景，从通用办公向专业办公迁移；字节跳动的扣子引入华泰证券、广发证券、国信证券等金融机构的Agent与Skill，将行情、财务数据等能力整合进Agent平台。这显示三大厂的通用Agent竞争正向金融领域深入，但金融市场面临数据准确、可溯源、执行权限等考验，且是否值得单独做成金融版Agent尚无共识。
在市场定位上，三方侧重点不同。字节与百度更偏向C端，提供面向投资者的金融技能与数据处理能力，用户通过技能组合完成查询与资料分析；腾讯则瞄准B端，为银行、券商、保险等机构提供对公场景的办公辅助，尽管目前尚未在金融机构内部大规模应用。共识缺乏：是以通用Agent扩展能力，还是为高价值行业定制专门的金融版？金融的高监管与数据安全要求，使得落地充满挑战，但也带来定价与产品形态的可能性，未来可能出现混合形态、以行业模板或专门版本存在的情形。
海外方面，行业版与通用Agent之争仍未分出胜负，OpenAI、Anthropic、Google等都在尝试不同路径。金融行业的定价与落地模式尚在探索，Rogo等公司已在市场获得资金与客户认知，表明金融Agent具备商业落地的潜力。总体来看，金融Agent的未来走向尚未定论，可能以通用技能、行业模板或独立行业版本等多种形态共存，依赖金融机构对附加服务的付费意愿与监管环境的发展。
🏷️ #金融 #通用Agent #行业版 #定价 #数据安全
🔗 原文链接
📰 大厂Agent竞争下沉金融行业：通用还是独立版本，谁能笑到最后？-CSDN博客
大厂正在把金融作为通用Agent的新入口，腾讯推出WorkBuddy金融版，面向银行、券商、保险等机构上线80多个金融专家及专家团，尝试让Agent进入金融机构业务流程。百度将通用智能体GenFlow命名为库库AI，并上线独立办公端，将金融作为其首个重点场景，从通用办公向专业办公迁移；字节跳动的扣子引入华泰证券、广发证券、国信证券等金融机构的Agent与Skill，将行情、财务数据等能力整合进Agent平台。这显示三大厂的通用Agent竞争正向金融领域深入，但金融市场面临数据准确、可溯源、执行权限等考验，且是否值得单独做成金融版Agent尚无共识。
在市场定位上，三方侧重点不同。字节与百度更偏向C端，提供面向投资者的金融技能与数据处理能力，用户通过技能组合完成查询与资料分析；腾讯则瞄准B端，为银行、券商、保险等机构提供对公场景的办公辅助，尽管目前尚未在金融机构内部大规模应用。共识缺乏：是以通用Agent扩展能力，还是为高价值行业定制专门的金融版？金融的高监管与数据安全要求，使得落地充满挑战，但也带来定价与产品形态的可能性，未来可能出现混合形态、以行业模板或专门版本存在的情形。
海外方面，行业版与通用Agent之争仍未分出胜负，OpenAI、Anthropic、Google等都在尝试不同路径。金融行业的定价与落地模式尚在探索，Rogo等公司已在市场获得资金与客户认知，表明金融Agent具备商业落地的潜力。总体来看，金融Agent的未来走向尚未定论，可能以通用技能、行业模板或独立行业版本等多种形态共存，依赖金融机构对附加服务的付费意愿与监管环境的发展。
🏷️ #金融 #通用Agent #行业版 #定价 #数据安全
🔗 原文链接
📰 WorkBuddy金融版正式上线 ，打造金融机构专属AI智能工作台
腾讯WorkBuddy金融版正式上线，面向金融机构打造AI智能工作台，提供开箱即用的专家与技能矩阵、丰富的数据源及全链路安全底座，覆盖投研、合规、客户经营、信贷尽调、财富资配等核心场景，帮助券商、银行、保险等行业高效落地智能体应用。其核心是在WorkBuddy智能体框架之上叠加金融业务视图、行业Skill、专家团、MCP应用、数据连接器、流程规则与组织治理能力，面向真实金融业务的智能工作平台。已与多家金融机构开展落地场景试点，80+金融专家可开箱即用，连接器可跨行业复用，并以分级可控的数据治理、私有化/专属VPC/SaaS等多种部署形态保障数据与安全。工作台设置四大板块：公司金融、零售金融、投研投顾、个客经营，银行客户经理、证券分析师、保险代理人等可调用相关专家与工具，提升工作效率并确保合规与安全。通过全链路数据接入与跨系统协同，WorkBuddy金融版显著缩短尽调、投研与资配等核心流程的耗时，将以往需人工在多系统间搬运的环节自动化完成，提升银行信贷尽调、投研资讯梳理、基金筛选等环节效率，进而推动金融机构形成组织级的智能协同能力，从而进入AI原生时代。
🏷️ #智能工作台 #金融安全 #智能协同 #数据治理 #行业专家
🔗 原文链接
📰 WorkBuddy金融版正式上线 ，打造金融机构专属AI智能工作台
腾讯WorkBuddy金融版正式上线，面向金融机构打造AI智能工作台，提供开箱即用的专家与技能矩阵、丰富的数据源及全链路安全底座，覆盖投研、合规、客户经营、信贷尽调、财富资配等核心场景，帮助券商、银行、保险等行业高效落地智能体应用。其核心是在WorkBuddy智能体框架之上叠加金融业务视图、行业Skill、专家团、MCP应用、数据连接器、流程规则与组织治理能力，面向真实金融业务的智能工作平台。已与多家金融机构开展落地场景试点，80+金融专家可开箱即用，连接器可跨行业复用，并以分级可控的数据治理、私有化/专属VPC/SaaS等多种部署形态保障数据与安全。工作台设置四大板块：公司金融、零售金融、投研投顾、个客经营，银行客户经理、证券分析师、保险代理人等可调用相关专家与工具，提升工作效率并确保合规与安全。通过全链路数据接入与跨系统协同，WorkBuddy金融版显著缩短尽调、投研与资配等核心流程的耗时，将以往需人工在多系统间搬运的环节自动化完成，提升银行信贷尽调、投研资讯梳理、基金筛选等环节效率，进而推动金融机构形成组织级的智能协同能力，从而进入AI原生时代。
🏷️ #智能工作台 #金融安全 #智能协同 #数据治理 #行业专家
🔗 原文链接
📰 腾讯推WorkBuddy金融版，数十家厂商“鏖战”金融智能体
金融智能体在2026年被多方视为行业真正的智能化起点。文章梳理了腾讯、阿里云、百度、华为等云厂商以及多家金融信息服务商和大模型厂商在银行、资管、保险等领域发布或升级金融智能体平台的进展。以WorkBuddy金融版为例，腾讯在智能体框架上叠加金融视图、技能、专家团、数据连接器和治理能力，显著提升对公信贷尽调等复杂业务的自动化水平，缩短上线时间并覆盖大量金融机构。与此同时，金融智能体正通过开放数据接口如 MCP、Skills 等实现“数据能力出墙”，提高了投研、风控、营销等场景的效率，但也带来数据安全、合规、商业化路径与付费转化等挑战。业内将参与者分为数据拥有者、场景拥有者、模型拥有者和平台拥有者四类，平台与数据方关系将影响行业格局：平台方可通过数据服务获利，同时也可能削弱传统终端粘性，带来数据泄露风险。专家强调在输入可信、执行可控、过程可追溯、责任清晰等合规要求下推进创新，安全底座成为关键前提。当前市场规模预期达到17.40亿元、年增速约90.4%，但大多产品 still 处于免费体验阶段，付费转化路径尚未清晰，真正走通落地仍需时间。总之，金融智能体的竞争焦点已从单纯的模型能力转向数据、工具、场景落地与持续使用，谁能更快落地、渗透与变现，谁将主导未来金融AI应用格局。
🏷️ #金融AI #智能体 #数据接口 #合规安全 #投研
🔗 原文链接
📰 腾讯推WorkBuddy金融版，数十家厂商“鏖战”金融智能体
金融智能体在2026年被多方视为行业真正的智能化起点。文章梳理了腾讯、阿里云、百度、华为等云厂商以及多家金融信息服务商和大模型厂商在银行、资管、保险等领域发布或升级金融智能体平台的进展。以WorkBuddy金融版为例，腾讯在智能体框架上叠加金融视图、技能、专家团、数据连接器和治理能力，显著提升对公信贷尽调等复杂业务的自动化水平，缩短上线时间并覆盖大量金融机构。与此同时，金融智能体正通过开放数据接口如 MCP、Skills 等实现“数据能力出墙”，提高了投研、风控、营销等场景的效率，但也带来数据安全、合规、商业化路径与付费转化等挑战。业内将参与者分为数据拥有者、场景拥有者、模型拥有者和平台拥有者四类，平台与数据方关系将影响行业格局：平台方可通过数据服务获利，同时也可能削弱传统终端粘性，带来数据泄露风险。专家强调在输入可信、执行可控、过程可追溯、责任清晰等合规要求下推进创新，安全底座成为关键前提。当前市场规模预期达到17.40亿元、年增速约90.4%，但大多产品 still 处于免费体验阶段，付费转化路径尚未清晰，真正走通落地仍需时间。总之，金融智能体的竞争焦点已从单纯的模型能力转向数据、工具、场景落地与持续使用，谁能更快落地、渗透与变现，谁将主导未来金融AI应用格局。
🏷️ #金融AI #智能体 #数据接口 #合规安全 #投研
🔗 原文链接
📰 腾讯WorkBuddy金融版来了，易方达首家入驻，基金投资进入AI陪伴时代
腾讯WorkBuddy金融版正式上线，易方达基金成为首家入驻公募基金公司，推出“易方达Buddy应用”。该应用是在WorkBuddy智能体框架基础上，叠加金融业务视图、专家团、数据连接器、流程规则和治理能力，覆盖投研、合规、客户经营、信贷尽调、财富资配等核心场景。用户通过“看懂机会”“挑选基金”“持有陪伴”三大模式，结合九大专业服务场景，实现从信息检索到结构化分析报告的自动化输出。为降低使用门槛，系统内置60余个高频问题预设案例，且提供全景服务地图，连通企微、人工客服与官方新媒体等服务触点，实现AI与人工的无缝互补。安全方面，内容源自官方渠道，信息可溯源；在私有化、专属VPC及SaaS等方案下，数据、权限、审计等均受严格治理，确保核心数据不出域，并通过分级可控架构管理边界。WorkBuddy金融版显著提升投研时效：多渠道信息检索与持续监测将结论可回溯、自动去重，投顾热点点评与基金筛选速度大幅提速，并接入晨星数据实现筛选与穿透分析。易方达旗下指数直通车AI Skills也接入平台，提升指数查询的智能化和便捷性，确保数据与知识库在熟悉的AI工作台中直接调用，降低幻觉风险。总体而言，AI 应用正在从工具试用走向业务重构，帮助金融机构重新组织系统、数据和流程，推动公募投资进入AI原生时代。
🏷️ #WorkBuddy #金融AI #易方达 #基金投研 #安全治理
🔗 原文链接
📰 腾讯WorkBuddy金融版来了，易方达首家入驻，基金投资进入AI陪伴时代
腾讯WorkBuddy金融版正式上线，易方达基金成为首家入驻公募基金公司，推出“易方达Buddy应用”。该应用是在WorkBuddy智能体框架基础上，叠加金融业务视图、专家团、数据连接器、流程规则和治理能力，覆盖投研、合规、客户经营、信贷尽调、财富资配等核心场景。用户通过“看懂机会”“挑选基金”“持有陪伴”三大模式，结合九大专业服务场景，实现从信息检索到结构化分析报告的自动化输出。为降低使用门槛，系统内置60余个高频问题预设案例，且提供全景服务地图，连通企微、人工客服与官方新媒体等服务触点，实现AI与人工的无缝互补。安全方面，内容源自官方渠道，信息可溯源；在私有化、专属VPC及SaaS等方案下，数据、权限、审计等均受严格治理，确保核心数据不出域，并通过分级可控架构管理边界。WorkBuddy金融版显著提升投研时效：多渠道信息检索与持续监测将结论可回溯、自动去重，投顾热点点评与基金筛选速度大幅提速，并接入晨星数据实现筛选与穿透分析。易方达旗下指数直通车AI Skills也接入平台，提升指数查询的智能化和便捷性，确保数据与知识库在熟悉的AI工作台中直接调用，降低幻觉风险。总体而言，AI 应用正在从工具试用走向业务重构，帮助金融机构重新组织系统、数据和流程，推动公募投资进入AI原生时代。
🏷️ #WorkBuddy #金融AI #易方达 #基金投研 #安全治理
🔗 原文链接
📰 腾讯推WorkBuddy金融版，数十家厂商“鏖战”金融智能体
金融智能体（Agent）正在成为金融行业数字化升级的核心驱动力，进入“智能体时代”后，银行、资管、保险等机构纷纷部署面向金融场景的工作台和平台。腾讯、阿里云、百度、华为等云厂商以及多家金融信息服务商通过开放数据接口、标准化能力（如 MCP、Skills）和本地化部署，推动金融智能体落地。以 WorkBuddy金融版、点金等为代表，覆盖对公信贷尽调、投研投顾、风控、理赔等核心业务，显著提升工作流程效率与自动化水平，同时强化数据治理、模型安全与合规要求。行业格局逐渐清晰：数据方、场景方、模型方、平台方四类主体共同竞争与协作，平台方与数据方之间的关系既是共生也是潜在威胁，数据接口标准化后可能削弱传统金融终端的粘性，同时也带来数据泄露和滥用风险。金融智能体的商业化转化仍面临自主执行能力、落地场景和付费转化等不确定性。总体来看，市场规模有望在2025年达到约17.4亿元，年增速超过90%，但要实现全面落地，还需解决安全、合规、数据治理与成本投入等关键挑战。
🏷️ #金融智能体 #AI金融 #数据接口 #合规安全 #市场格局
🔗 原文链接
📰 腾讯推WorkBuddy金融版，数十家厂商“鏖战”金融智能体
金融智能体（Agent）正在成为金融行业数字化升级的核心驱动力，进入“智能体时代”后，银行、资管、保险等机构纷纷部署面向金融场景的工作台和平台。腾讯、阿里云、百度、华为等云厂商以及多家金融信息服务商通过开放数据接口、标准化能力（如 MCP、Skills）和本地化部署，推动金融智能体落地。以 WorkBuddy金融版、点金等为代表，覆盖对公信贷尽调、投研投顾、风控、理赔等核心业务，显著提升工作流程效率与自动化水平，同时强化数据治理、模型安全与合规要求。行业格局逐渐清晰：数据方、场景方、模型方、平台方四类主体共同竞争与协作，平台方与数据方之间的关系既是共生也是潜在威胁，数据接口标准化后可能削弱传统金融终端的粘性，同时也带来数据泄露和滥用风险。金融智能体的商业化转化仍面临自主执行能力、落地场景和付费转化等不确定性。总体来看，市场规模有望在2025年达到约17.4亿元，年增速超过90%，但要实现全面落地，还需解决安全、合规、数据治理与成本投入等关键挑战。
🏷️ #金融智能体 #AI金融 #数据接口 #合规安全 #市场格局
🔗 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
📰 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
📰 大厂狂卷AI办公，另一场更深的战役正在打响 - 智东西
今年以来，国内大厂持续发力AI办公，涌现出Workbody、千问办公等应用，AI Agent在写代码、做PPT、整理资料、分析数据等办公场景兑现价值，办公场景被视为AI爆发的入口。但更深的战役在于AI要进入企业核心业务现场，将从单点提效转向直接服务于业务增长、用户转化和履约的真实场景。海外市场如Palantir在决策与流程中应用AI获得高估值，国内AItoB也在快速发展，催生“Agentic Commerce”的潜在市场，预计2030年全球消费交易中将有3万到5万亿美元通过AI代理参与。要实现规模化落地，企业需要把原有小程序和API等服务接入智能体体系，进而在营销、获客、库存、客服、交易等全链路实现闭环交付。蚂蚁数科的Agentar生态提供从接入到运营的一站式AI能力，沉淀200+场景Skills，形成可复用的数字员工，并通过零/低/高码方案覆盖全生命周期，解决成本、安全与稳定性等挑战，已在金融等领域获得大规模实践与权威机构认可。未来，Agent需要从“能用”走向“跑稳”，真正承接业务并持续交付可衡量的结果。
🏷️ #AI办公 #智能体 #Agentar #金融场景 #产业升级
🔗 原文链接
📰 大厂狂卷AI办公，另一场更深的战役正在打响 - 智东西
今年以来，国内大厂持续发力AI办公，涌现出Workbody、千问办公等应用，AI Agent在写代码、做PPT、整理资料、分析数据等办公场景兑现价值，办公场景被视为AI爆发的入口。但更深的战役在于AI要进入企业核心业务现场，将从单点提效转向直接服务于业务增长、用户转化和履约的真实场景。海外市场如Palantir在决策与流程中应用AI获得高估值，国内AItoB也在快速发展，催生“Agentic Commerce”的潜在市场，预计2030年全球消费交易中将有3万到5万亿美元通过AI代理参与。要实现规模化落地，企业需要把原有小程序和API等服务接入智能体体系，进而在营销、获客、库存、客服、交易等全链路实现闭环交付。蚂蚁数科的Agentar生态提供从接入到运营的一站式AI能力，沉淀200+场景Skills，形成可复用的数字员工，并通过零/低/高码方案覆盖全生命周期，解决成本、安全与稳定性等挑战，已在金融等领域获得大规模实践与权威机构认可。未来，Agent需要从“能用”走向“跑稳”，真正承接业务并持续交付可衡量的结果。
🏷️ #AI办公 #智能体 #Agentar #金融场景 #产业升级
🔗 原文链接
📰 5万个Skill背后：金融人的AI差距，从第二遍开始
本文围绕 Wind Alice 平台的技能（Skill）化趋势展开，阐明在金融行业中重复性工作若仅完成一次就结束，将错失长期价值。通过将数据口径、执行步骤、判断规则和交付格式等要素打造成可调用的 Skill，重复任务可实现逐步积累与快速复用。Wind Alice 的统计显示，平台已有超过5万条 Skill，调用量达到百万级，买方投研、资产策略、行业研究等需求占比达到67%，技能大多在工作日高峰时段产生并逐步积累。随着 Skill 数量增多，其使用集中度随之提升，前50个 Skill占70%的调用量，前10个占35%。因此，真正的竞争点不在于初次应用的速度，而在于能否持续积累数据、规则、参数和交付格式，使后续任务能稳定复用，减少重复拆解的时间成本。每个 Skill 需经过多轮打磨，平均三次、最高可达18次迭代，甚至90天才完成发布，原因在于初次跑通后，数据口径、异常情况、场景切换等问题会逐步显现，需要持续完善。成熟的 Skill 将使用场景、输入、流程、数据源、分析框架、交付标准等逐项清晰化，接近一套小型自动化工作系统，并能把原本分散的筛选、核验步骤集中到同一个 Skill 中。金融行业的高频场景（如晨会、财报拆解、指标跟踪、策略回测、产业监控等）天然具备可拆解、可调用、可复用的特征，Skill 的持续积累也将改变工作方式：过去工作结束只剩结果，现在可把数据、规则、判断和流程沉淀为可复用的“店”，逐步形成开放的技能生态。若继续保持这种积累，未来每次同类任务的起点将大为提升，个人之间的差距将不再仅是当前的效率，而是积累深度，技能广场和开放街道将催生更多应用场景与反馈。欢迎体验 Wind Alice，感兴趣的用户可通过官网参与和探索。
🏷️ #金融技能 #自动化 #工作流 #数据复用 #技能迭代
🔗 原文链接
📰 5万个Skill背后：金融人的AI差距，从第二遍开始
本文围绕 Wind Alice 平台的技能（Skill）化趋势展开，阐明在金融行业中重复性工作若仅完成一次就结束，将错失长期价值。通过将数据口径、执行步骤、判断规则和交付格式等要素打造成可调用的 Skill，重复任务可实现逐步积累与快速复用。Wind Alice 的统计显示，平台已有超过5万条 Skill，调用量达到百万级，买方投研、资产策略、行业研究等需求占比达到67%，技能大多在工作日高峰时段产生并逐步积累。随着 Skill 数量增多，其使用集中度随之提升，前50个 Skill占70%的调用量，前10个占35%。因此，真正的竞争点不在于初次应用的速度，而在于能否持续积累数据、规则、参数和交付格式，使后续任务能稳定复用，减少重复拆解的时间成本。每个 Skill 需经过多轮打磨，平均三次、最高可达18次迭代，甚至90天才完成发布，原因在于初次跑通后，数据口径、异常情况、场景切换等问题会逐步显现，需要持续完善。成熟的 Skill 将使用场景、输入、流程、数据源、分析框架、交付标准等逐项清晰化，接近一套小型自动化工作系统，并能把原本分散的筛选、核验步骤集中到同一个 Skill 中。金融行业的高频场景（如晨会、财报拆解、指标跟踪、策略回测、产业监控等）天然具备可拆解、可调用、可复用的特征，Skill 的持续积累也将改变工作方式：过去工作结束只剩结果，现在可把数据、规则、判断和流程沉淀为可复用的“店”，逐步形成开放的技能生态。若继续保持这种积累，未来每次同类任务的起点将大为提升，个人之间的差距将不再仅是当前的效率，而是积累深度，技能广场和开放街道将催生更多应用场景与反馈。欢迎体验 Wind Alice，感兴趣的用户可通过官网参与和探索。
🏷️ #金融技能 #自动化 #工作流 #数据复用 #技能迭代
🔗 原文链接
📰 券商竞相推出金融AI Skill 金融信息服务模式迎来系统升级
今年以来，国内多家大型和中小券商纷纷推出金融AI Skill，将多年的投研框架、数据模型、行情工具打包成可由AI直接调用的标准化模块，推动AI从“回答问题”走向“完成任务”的可执行能力。Skill具备标准化、可复用、生态开放等特征，既是入口竞争的产品卡位，也是在数据、投研和业务能力上的重新组织。与通用AI在金融场景适配性不足的问题不同，Skill通过在AI与专业数据库之间搭桥，明确数据来源、获取方式和输出格式，使投资者以自然语言提出需求后，AI能调取相应Skill并以结构化形式呈现，显著降低信息获取门槛。各家券商围绕自有业务优势，走差异化路线：华泰证券构建AI涨乐Skills体系，覆盖行情检索、条件选股等高频场景；中信建投打造蜻蜓Skill广场，聚焦三大高频投研场景，均支持自然语言交互；中金公司探索分析师Skill数字化路径，将分析师能力与大模型结合，推动投研服务智能化、场景化；平安证券上线六大Skills，将专业能力嵌入AI，解决信息碎片化。此前智能化停留在问答与资讯，Skill通过直接提供经过验证的行情、数据、研报及业务API，实现AI执行具体任务，并通过鉴权、日志等加强可控性。技能化模块的落地使投研和财富管理服务链路得到重塑，提升效率，降低信息壁垒，使机构级数据能力更广泛地惠及零售端。未来，行业焦点将从单一Skill向多Skills协同的智能体演进，并加强投研工作流、交易服务及合规治理能力，形成以数据、投研、场景、合规、生态为核心的全链路竞争力。
🏷️ #AI技能 #投研升级 #金融科技 #券商生态 #数据治理
🔗 原文链接
📰 券商竞相推出金融AI Skill 金融信息服务模式迎来系统升级
今年以来，国内多家大型和中小券商纷纷推出金融AI Skill，将多年的投研框架、数据模型、行情工具打包成可由AI直接调用的标准化模块，推动AI从“回答问题”走向“完成任务”的可执行能力。Skill具备标准化、可复用、生态开放等特征，既是入口竞争的产品卡位，也是在数据、投研和业务能力上的重新组织。与通用AI在金融场景适配性不足的问题不同，Skill通过在AI与专业数据库之间搭桥，明确数据来源、获取方式和输出格式，使投资者以自然语言提出需求后，AI能调取相应Skill并以结构化形式呈现，显著降低信息获取门槛。各家券商围绕自有业务优势，走差异化路线：华泰证券构建AI涨乐Skills体系，覆盖行情检索、条件选股等高频场景；中信建投打造蜻蜓Skill广场，聚焦三大高频投研场景，均支持自然语言交互；中金公司探索分析师Skill数字化路径，将分析师能力与大模型结合，推动投研服务智能化、场景化；平安证券上线六大Skills，将专业能力嵌入AI，解决信息碎片化。此前智能化停留在问答与资讯，Skill通过直接提供经过验证的行情、数据、研报及业务API，实现AI执行具体任务，并通过鉴权、日志等加强可控性。技能化模块的落地使投研和财富管理服务链路得到重塑，提升效率，降低信息壁垒，使机构级数据能力更广泛地惠及零售端。未来，行业焦点将从单一Skill向多Skills协同的智能体演进，并加强投研工作流、交易服务及合规治理能力，形成以数据、投研、场景、合规、生态为核心的全链路竞争力。
🏷️ #AI技能 #投研升级 #金融科技 #券商生态 #数据治理
🔗 原文链接
📰 5万个Skill背后：金融人的AI差距，从第二遍开始
本研究基于 Wind Alice 平台对技能（Skill）的分析，揭示在金融行业中重复性工作逐步被拆解、标准化并以技能形式沉淀的趋势。随着技能数量突破五万个、整体调用达到百万级，65%的创作发生在工作日9点至18点，说明大量技能来自日常工作场景的拆解。技能的高使用集中度也在提高，前50个技能占据70%的调用量，前10个占35%。首次完成一项任务时差异仅在时间上，重复执行后，能带来流程、口径、数据、格式等多维度的积累，形成“可复用的工作系统”。平均需经过3次打磨，最高迭代18次，部分作品用时最长达90天，原因在于数据口径不稳定、异常情境、场景切换等导致需要不断校验和重新设计，从而使技能逐步包含输入参数、执行流程、数据源、分析框架与交付标准等要素。实践案例显示，许多创作者将信息筛选、核验、可信度评级等环节整合进一个 Skill，提升效率并降低重复工作的成本。五万个 Skill 的意义在于创建开放的技能市场，用户通过持续调用实现选择与迭代，推动金融工作方式的根本改变，即从每次从头开始到逐步积累可复用的方法与规则。未来，持续沉淀与复用的技能体系将成为金融AI应用的核心驱动力。 Wind Alice 平台及其技能广场为这一变革提供了落地路径，期待更多金融从业者加入其中。
🏷️ #金融AI #技能沉淀 #工作流自动化 #复用价值 #WindAlice
🔗 原文链接
📰 5万个Skill背后：金融人的AI差距，从第二遍开始
本研究基于 Wind Alice 平台对技能（Skill）的分析，揭示在金融行业中重复性工作逐步被拆解、标准化并以技能形式沉淀的趋势。随着技能数量突破五万个、整体调用达到百万级，65%的创作发生在工作日9点至18点，说明大量技能来自日常工作场景的拆解。技能的高使用集中度也在提高，前50个技能占据70%的调用量，前10个占35%。首次完成一项任务时差异仅在时间上，重复执行后，能带来流程、口径、数据、格式等多维度的积累，形成“可复用的工作系统”。平均需经过3次打磨，最高迭代18次，部分作品用时最长达90天，原因在于数据口径不稳定、异常情境、场景切换等导致需要不断校验和重新设计，从而使技能逐步包含输入参数、执行流程、数据源、分析框架与交付标准等要素。实践案例显示，许多创作者将信息筛选、核验、可信度评级等环节整合进一个 Skill，提升效率并降低重复工作的成本。五万个 Skill 的意义在于创建开放的技能市场，用户通过持续调用实现选择与迭代，推动金融工作方式的根本改变，即从每次从头开始到逐步积累可复用的方法与规则。未来，持续沉淀与复用的技能体系将成为金融AI应用的核心驱动力。 Wind Alice 平台及其技能广场为这一变革提供了落地路径，期待更多金融从业者加入其中。
🏷️ #金融AI #技能沉淀 #工作流自动化 #复用价值 #WindAlice
🔗 原文链接
