谨慎的金融圈，等来真正会干活的AI

进门接入腾讯云后，把“投研龙虾”从个人工具推进企业级工作流，支撑研究员完成资料整理、自选股扫描、报告生成等任务。今年一季度，进门AI产品使用量增长了10倍。

一个买方研究员的一天，通常从几百条未读消息开始。

电话会、上市公司路演、专家访谈、行业纪要、券商研报不断涌来，群聊和会议链接永远刷不完。

但令人烦恼的是，很多时候，真正重要的信息，其实不在正式研报里，而藏在某一个交流细节，甚至是在一句微妙的语气变化里。

这是金融行业投研领域的现状，成千上万条消息，漏掉一条，丢失的可能就是上亿规模的真金白银。

那么，当投研圈子迎来实战型Agent，它们如何效“履职”，如何干好活，替研究员们处理庞杂信息，快速捕捉边际变化？

主攻AI投研的进门，成立于2013年，在国内券商研究所公开路演领域市占率95%左右，这个标签太过深刻，让很多人对这家公司的印象，还停留在会议平台。时间来到2023年，进门获得腾讯战投，同年，全面迭代为“机构AI投研工作台”。

2025年，进门推出超级投研智能体“AI进宝”，成为了业内第一个推出投研版Agent的公司，帮助用户处理好投研场景的海量工作。并且，在接入腾讯云后，今年一季度，进门AI产品的使用增长了10倍。

用进门CEO程建辉的话来说，Agentic AI带来的最大变化，就是让“AI从过去的聊天模式，正式进入到干活模式”。

在沟通场景中“干活”

其实，早在创业初期，程建辉和他的团队，想做的就不止是一个开会的平台。回到十多年前，也就是进门最初创立的时候。那时的金融市场中，行情和交易是最高频的场景，其次就是沟通场景。程建辉认为，“沟通场景是一个天然的信息富矿”，随着信息流通的效率越来越高，沟通场景必将成为金融市场的未来。

进门CEO程建辉

但在当时，没有人觉得这是一个好的赛道。

转折发生在疫情之后。投研圈的路演、会议集体转移到线上，进门的市场渗透率随之提升，也证实了团队最初的预判。

海量的沟通场景沉淀出大量的事实和数据，但是，投研领域涉及多个主体，不同主体对同一内容的想法也各不相同，程建辉意识到，他们要做的其实是“基于沟通的场景，把上市公司、券商研究所、机构投资者三个主体连接起来。”

一开始，进门考虑的是机器学习、NLP等方法，能力相对有限，直到AI Agent浪潮来临，新的机会开始出现。

Openclaw引爆互联网之初，进门整个团队都异常兴奋，连春节都没有休假，加班加点研究Agentic AI如何更好地在投研领域落地。

基于十余年来形成的金融沟通场景数据飞轮，进门将“AI进宝”打造成真正懂投研、能落地、贯穿投研工作全流程的“超级生产力工具”。

AI真的能够干活了。程建辉举例，“以前，关注自选股，每天都要打开行情软件，看一下有哪些边际变化。现在不用了，可以直接设个定时任务，比方每天早上7点钟，把所有的自选股扫描一遍，帮我分析有哪些变化，甚至可以帮你去做量化回测、做管理层背调这类复杂任务。”

AI应用的下半场，逐渐从追求效率转向追求交付结果的可用性。所以程建辉认为，AI进宝只会干活还不够，必须要让它让它真正具备把活干到99分的实际价值。

程建辉用了一个比喻，“在处理投研任务上，野生的AI是一栋毛坯房，但AI进宝则是精装房、拎包入住，不需要你再去做很多的基础工作。”

从玩具到生产力工具

“精装”的方向，只有身处金融行业的人才懂。

比如对于金融行业来说，除了效率上的提升，要真正将AI Agent融入工作流，还需要解决更多行业内的特殊问题，最为紧要的问题之一，便是安全性。

但是，AI目前还存在着一定的"幻觉"问题，这对投研领域构成极大的挑战。个人用户对“幻觉”容错率较高，但“金融行业做100次，就必须对100次，如果第101次错了，就是一个很大的事故”，腾讯云数字金融副总经理谢任东说。

腾讯云数字金融副总经理谢任东

在谢任东看来，企业“养虾”和个人“养虾”最本质的区别，就在于安全可靠性的管控。作为企业级AI智能体平台，腾讯云具备成熟、全面的基础架构和资源，保障企业高效、平稳地运用AI Agent。

早在进门AI业务发展初期，进门就和腾讯云确立了友好的合作伙伴关系。而在企业级AIAgent的合作上，程建辉更确定了腾讯云“解决痛点”的能力。“不管是显性还是隐性的需求，腾讯云和我们交流都是带着解决问题的思路。”程建辉还记得，最开始，在云计算资源十分紧张的情况下，腾讯云依然保障了资源的提供，为新AI产品的发布提供支持。

在路演会议数据安全问题上，腾讯云也给出了进门亟需的解决方案。腾讯云通过音频水印定位的技术，帮助进门有效监测流出途径，精准追溯责任源头，守住金融数据安全的底层防线。

谢任东提到，腾讯云在这里提供的不只是“云服务器”，而是从AI能力一键部署、到企业级安全能力、再到模型调用生态的全方位架构。包含：

1)CodeBuddy、WorkBuddy等业务、研效与办公的多场景智能应用层;

2)智能体API/上下文工程/多Agent编排/检索增强等原子能力的智能体引擎层;

3)AgentRuntime、tokenhub模型路由、推理平台等智能服务层;

4)异构算力、高性能网络、安全防护等基础设施层。

也就是说，金融领域企业可以不再将AI视作一个只供聊天的玩具，而是一个合规、安全、高效的生产力工具，是把“AI变成一个组织的通用能力”。金融机构结合自身“垂直数据+行业skills+评测体系”，基于腾讯云提供的“基础设施+Agent运行环境+安全合规工具”，发挥各自优势快速推进创新。

让厉害的人更厉害

有了安全、稳定的底层架构，企业用户便能放心地将信息处理完全交由AI接管。那在这之后，研究员的价值在哪里？他们是否真的会被AI取代？

对此，程建辉给出了意想不到的回答，他认为，AI投研的出现，反而会“让厉害的人越来越厉害”。

“市场上能挣到的钱，无非三种，第一种是挣信息差的钱；第二种是非理性的钱；第三种是认知差的钱。AI的时代，挣信息差的钱会越来越难，但未来最有价值的，还是挣认知差的钱。”在程建辉的描绘中，AI真正改变的不是人的存在，而是行业"挣到钱"的方式。

AI Agent未来能做到的，正是帮助研究员提升认知的上限、兜住下限，赚到认知差的钱。

“人类最顶尖的一波分析师，之前一天可能只处理10份研报，现在一天能处理10万份研报”，程建辉解释。他认为，现阶段模型的思考分析能力远远跟不上顶级的人类研究员，但可以帮助研究员节省出大量的时间，用于思考和决策。也因此，对于资深的研究员来说，AI越强，会提问、有判断、能做非共识决策的人越值钱。

而对年轻一代研究员来说，他们的成长路径也会彻底不同，程建辉将其比作“练铁锹”和“开挖掘机”的区别。年轻从业者能够把入门的、低效的工作交给AI，把精力用在提升认知上，甚至可能超越资深从业者。

在与36氪的对谈中，程建辉曾解释为何进门始终在深耕投研这一垂直赛道，“巨头公司的航空母舰是做大海里的生意，我们想先把小河里的生意做好再远航”。垂直、真实的金融业务场景，如同细小的河流，但正是在这里，AI真正落地、迭代，并进一步验证更大的行业趋势。

而放眼金融行业，在投研之外，还存在风控、资管、保险、支付等众多细分的业务形态。如谢任东所言，腾讯云的优势正在于“开放性和生态”，这将接纳和托举更多像进门一样深耕垂直场景的“小生意”，更有机会回应金融行业在AI时代的共性命题。