文章核心观点 - 当前市场上许多通用大模型在金融投研领域的应用仍处于“玩具”或“Demo”级别，距离生产力级别尚有距离 [12] - 专业、垂直的AI投研工具通过深耕场景、治理数据、构建闭环生态，能够有效提效降噪、捕捉投资信号，并放大而非替代人类分析师的价值 [4][5][6] - 进门财经作为AI投研领域的代表，其发展路径和产品逻辑揭示了AI在专业领域的应用方向：从过程交付转向结果交付，从服务人类交互转向优先适配AI原生能力 [14][40] 根据相关目录分别进行总结 通用AI与垂直AI投研工具的对比 - 通用AI（如OpenClaw、Manus）在投研领域存在局限：缺乏权威金融数据源、不懂投研范式、难以深度嵌入全流程，且早期版本操作繁琐、门槛高 [8][11] - 垂直AI投研工具（如进门）拥有通用AI无法替代的壁垒：聚焦金融场景的数据基座、专业逻辑、安全风控以及工作流与决策闭环 [11] - 生产力级别的投研AI对数据准确度和颗粒度要求极高，与市场上“玩具”级别的应用有本质区别，如同“军品与民品” [12] 进门财经的商业模式与生态构建 - 公司以沟通场景为基础，构建了上市公司、券商研究所、专业投资者三大群体的闭环生态 [5] - 已累计服务超过3100家上市公司、74家券商研究所及300多万专业投资者，并于2023年获得腾讯战投 [4] - 核心产品“AI进宝”已从助手进化为“数字研究员”，通过12个Agent、投研大脑及“投研龙虾”任务模式处理高频投研任务 [4][11] 数据治理与信号捕捉 - 投资的本质被归结为两层：数据治理与信号捕捉，高质量、治理后的数据是减少AI幻觉、获得可靠洞察的基础 [16][17] - 公司治理两大类数据：从沟通场景沉淀的动态信息（如路演、调研）以及外购的静态数据（财报、行情等） [17] - 通过数据治理推出了《进门内参》（一日三更）、事件信号等能力，帮助用户快速精确捕捉信号 [17] 从沟通场景切入的AI产品矩阵 - 选择沟通场景的原因：金融领域高频、信息富矿、存在信息差、信息反馈快，且具备天然的双边市场效应 [21] - AI产品矩阵围绕会议全流程：会前自动梳理资料，会中AI辅助问答，会后通过调优的金融转写模型自动生成纪要、提炼要点 [24] - 通过AI转写、AI会议托管、AI翻译及自研智能硬件（Finnote AI小饼干录音机）等工具，提高信息处理效率与密度，并延伸至线下场景 [6][25] AI时代下人类分析师的价值 - AI能替代分析师的部分例行工作（如会议纪要、简单总结、PPT制作），但无法替代人类的思考、提问及与非共识性判断的能力 [33] - 现实市场并非100%有效，存在信息孤岛、小样本、传播延迟等问题，AI无法完全捕捉所有市场“漏洞和机会”，这恰恰是人类分析师的机会 [4][35] - 公司的“思维链”功能旨在将人类研究员的思考过程结构化，高水平研究人员的思维链未来可作为付费订阅的知识产品进行商业化 [30][34][38] 产品设计逻辑的范式转移 - 软件设计逻辑正从“人类交互优先”转向“AI原生能力优先”，底层架构、数据接口首要适配AI Agent的自动化调用 [40] - 未来趋势是人机协同，AI作为首要执行者，人类负责掌控判断、创意与关键决策，只需将思维链表达出来由AI组合执行 [40] - 金融行业用户习惯改变需要过程，因此产品保留了部分图形界面作为过渡，但最终希望收归至AI对话框处理 [42] 技术实现与成本考量 - 公司定位为应用型公司，不自主研发基座大模型，而是采用大小模型耦合的策略，根据不同任务选用不同模型 [47] - 通过工程方法（如上下文感知、异构信息动态检索、递归式假设验证）来保证AI能像顶级分析师一样思考，并处理海量信息 [44] - Token消耗成本在可承受范围内，出于安全考虑主要使用国内模型，个别部分在保障安全基础上考虑用境外模型提升性能 [47]