Anthropic10個智能體重構(gòu)投行、基金工作流，如何影響國內(nèi)金融機(jī)構(gòu)？

財聯(lián)社5月18日訊（記者 趙昕睿）估值9000億美元的AI公司Anthropic推出的10個專屬Agent正影響著華爾街金融從業(yè)者的飯碗，對數(shù)據(jù)服務(wù)商也造成打擊。

今年5月，Anthropic CEO 達(dá)里奧?阿莫代伊（Dario Amodei）在紐約華爾街舉辦的金融服務(wù)專場閉門發(fā)布會上，正式發(fā)布10個金融專用AI智能體，覆蓋投行、研報、PE、財富管理、基金運(yùn)營等全鏈條工作流，從投行前臺到基金后臺實(shí)現(xiàn)全面覆蓋，重構(gòu)華爾街工作流。

市場對此反應(yīng)產(chǎn)生分化。該消息一出，美國金融數(shù)據(jù)服務(wù)商暴跌，F(xiàn)actSet盤中跌超8%，晨星跌近3%；銀行股價反而穩(wěn)定，高盛、摩根大通、美國銀行未跌，市場認(rèn)為AI是工具，不是威脅，反而能提升利潤率。

Anthropic的10個智能體對金融從業(yè)者影響究竟有多大？這是市場最關(guān)心的問題。本質(zhì)上講，這些智能體并非搶飯碗，是由AI做80%的體力活，金融從業(yè)者做高價值判斷，釋放精力專注客戶溝通、戰(zhàn)略判斷、風(fēng)險決策、創(chuàng)新業(yè)務(wù)。在國外市場看來，“只會做重復(fù)工作的人”才會面臨實(shí)業(yè)風(fēng)險。

部分券商高管對AI技術(shù)革新則抱著開放協(xié)作的積極態(tài)度。國金證券首席信息官王洪濤認(rèn)為，“你如何用AI，AI便如何成就你。你為它賦予意義，它為你照亮前路。”AI將從“后臺工具”進(jìn)化為與員工并肩工作的“AI數(shù)字同事”。

中信證券首批上線的18名數(shù)字員工核心訴求更是持有相同理念。公司首席信息官、信息技術(shù)中心行政負(fù)責(zé)人于新利明確提出數(shù)字員工必將重塑金融業(yè)態(tài)，但提升全體員工的工作體驗(yàn)，推動證券行業(yè)在未來實(shí)現(xiàn)人員能力提升與創(chuàng)收增長的雙重突破才是最終目標(biāo)。

可以看到，AI技術(shù)革新對海內(nèi)外金融市場都正產(chǎn)生深刻的影響。Anthropic的10個智能體會如何影響金融業(yè)務(wù)與從業(yè)者？對國內(nèi)券商和基金AI進(jìn)程又有哪些啟示？

問題一：10個AI智能體能做什么？

Anthropic此次發(fā)布的10個智能體，是面向具體金融業(yè)務(wù)場景的端到端工作流自動化系統(tǒng)。從功能分布來看，這10個智能體分別覆蓋研究與客戶、基金運(yùn)營與財務(wù)，各自分工明確：

1.Pitch Agent（路演材料制作）:負(fù)責(zé)生成融資路演冊（Pitch Deck），通過整合可比公司數(shù)據(jù)（Comps）、杠桿收購模型（LBO）等信息，快速生成品牌化的路演材料，幫助投行團(tuán)隊(duì)準(zhǔn)備客戶會議或融資提案。

2.Meeting Prep Agent（會前準(zhǔn)備）:在客戶會議前，自動整理客戶背景信息、市場動態(tài)、對手方情況等，生成簡報包，為會議提供結(jié)構(gòu)化參考，節(jié)省團(tuán)隊(duì)準(zhǔn)備時間。

3.Market Researcher（行業(yè)研究）:根據(jù)行業(yè)關(guān)鍵詞或標(biāo)的，從多個數(shù)據(jù)源獲取信息，生成行業(yè)概覽、競爭格局分析、同業(yè)對比及投資想法清單，輔助研究人員或投資者進(jìn)行市場調(diào)研。

4.Earnings Reviewer（財報分析）:分析財報電話會議記錄或財報文件，實(shí)時提取關(guān)鍵信息，更新財務(wù)模型，并生成研究筆記草稿，幫助分析師快速理解財報變化及潛在影響。

5.Model Builder（財務(wù)建模）:支持構(gòu)建多種財務(wù)模型，包括現(xiàn)金流折現(xiàn)模型（DCF）、杠桿收購模型（LBO）、三表聯(lián)動模型等，從數(shù)據(jù)輸入到模型搭建提供自動化支持，方便分析師進(jìn)行估值和預(yù)測。

6.Valuation Reviewer（估值復(fù)核）:讀取普通合伙人（GP）提供的估值包，運(yùn)行估值模板，進(jìn)行交叉驗(yàn)證，生成有限合伙人（LP）報告，確保估值結(jié)果的合理性和合規(guī)性。

7.GL Reconciler（總賬核對）:負(fù)責(zé)總賬（GL）與明細(xì)賬的對賬工作，自動找出差異項(xiàng)，追溯差異根因，并生成簽核材料，幫助財務(wù)團(tuán)隊(duì)完成對賬和審計準(zhǔn)備。

8.Month-End Closer（月末結(jié)賬）:執(zhí)行月末關(guān)賬流程，包括計提、滾存、差異說明等操作，生成關(guān)賬報告，確保財務(wù)數(shù)據(jù)的準(zhǔn)確性和完整性。

9.Statement Auditor（報表審計）:在LP報表分發(fā)前，對報表進(jìn)行審計檢查，驗(yàn)證報表的一致性、完整性和審計就緒度，確保報表符合合規(guī)要求。

10.KYC Screener（客戶盡職調(diào)查篩選）:解析新客戶開戶文檔，通過規(guī)則引擎檢查合規(guī)性，標(biāo)記缺失或異常項(xiàng)，生成合規(guī)報告，輔助合規(guī)團(tuán)隊(duì)完成客戶盡職調(diào)查（KYC）流程。

這10個智能體并非孤立運(yùn)行。Anthropic同步推出了辦公軟件插件，使得一項(xiàng)在電子表格中啟動的任務(wù)可以無縫流轉(zhuǎn)至演示文稿生成報告，且上下文保持一致。此外，通過模型上下文協(xié)議，這些智能體已接入包括穆迪、鄧白氏、晨星、標(biāo)普全球、FactSet等在內(nèi)的11家主流金融數(shù)據(jù)提供商。

這意味著，一個典型的投行分析師工作流可以被重構(gòu)為：通過自然語言指令調(diào)用智能體，自動從多個數(shù)據(jù)源拉取數(shù)據(jù)，在電子表格中生成分析模型，再自動轉(zhuǎn)移至演示文稿生成材料，全過程保留審計追蹤。據(jù)Anthropic披露，其底層大模型在金融智能體基準(zhǔn)測試中的得分達(dá)到64.37%，位列當(dāng)前行業(yè)第一。

問題二：對金融從業(yè)者真實(shí)影響是什么？

Anthropic這10個智能體的發(fā)布，在金融從業(yè)者群體中引發(fā)了復(fù)雜反應(yīng)。一方面，效率提升的誘惑顯而易見；另一方面，“AI是否會取代分析師”這一老生常談的額話題被賦予了新的緊迫性。

據(jù)國外投行人士闡述，海外初級分析師崗位招聘正遭遇寒冬，許多來自頂尖學(xué)院的畢業(yè)生，都無法獲得一份初級分析師崗位的實(shí)習(xí)機(jī)會。Anthropic的介入對這些需要花費(fèi)大部分時間在手動分析數(shù)據(jù)、制作幻燈片等繁瑣、重復(fù)工作的初級分析師影響最深，AI已然能替代這部分工作。這意味著，初級研究崗位的需求下降這一趨勢或更加確定。當(dāng)研究團(tuán)隊(duì)負(fù)責(zé)人及資深分析師可以借力智能投研助理完成基礎(chǔ)性工作時，對初級分析師的需求自然減弱。

但與此同時，資深首席分析師和機(jī)構(gòu)銷售兩類角色的重要性反而可能上升。前者憑借專業(yè)知識和行業(yè)經(jīng)驗(yàn)，在確定關(guān)鍵數(shù)據(jù)來源、分配數(shù)據(jù)權(quán)重等方面擁有不可替代的作用；后者在推動業(yè)務(wù)發(fā)展和客戶關(guān)系維護(hù)方面的價值，在AI時代或許更為凸顯。

有業(yè)內(nèi)人士指出，過去分析師的核心競爭力在于數(shù)據(jù)整理、信息歸納和基礎(chǔ)建模，而AI現(xiàn)已在這些環(huán)節(jié)實(shí)現(xiàn)高效賦能，使得分析師更需要專注于邏輯推理、因果分析、市場預(yù)判和策略制定等高附加值任務(wù)。與此同時，跨領(lǐng)域的綜合能力，如對AI技術(shù)的理解、跨學(xué)科分析框架的構(gòu)建也將成為未來分析師的重要競爭力。

分析師借力智能體的目標(biāo)，是努力從“信息處理”中解放出來，更多參與價值判斷與價值分發(fā)。

一個更具前瞻性的視角來自東方證券研究所所長黃燕銘。他曾在公開訪談中，將研究業(yè)務(wù)分成收集信息、加工信息、創(chuàng)造思想和傳播思想等4個步驟，并指出在前兩個環(huán)節(jié)中，AI可以大幅提升效率，但是如何在掌握大量信息的基礎(chǔ)上，實(shí)現(xiàn)人的思考和創(chuàng)新的想法，AI的作用是有限的。

問題三：海外傳統(tǒng)金融數(shù)據(jù)服務(wù)商面臨沖擊，國內(nèi)同類公司有哪些優(yōu)勢？

美國數(shù)據(jù)金融商股價下跌正反映出Anthropic對其業(yè)務(wù)的沖擊。反觀國內(nèi)，有哪些類似FactSet、晨星的數(shù)據(jù)商，他們又該如何鞏固好自己的護(hù)城河？

萬得（Wind）或是國內(nèi)最接近“中國版Bloomberg”的存在，幾乎壟斷了國內(nèi)機(jī)構(gòu)投資者的金融終端市場，其護(hù)城河來自多年積累的數(shù)據(jù)覆蓋度和口徑穩(wěn)定性、機(jī)構(gòu)用戶長期形成的使用習(xí)慣，以及在債券估值、期貨數(shù)據(jù)等行業(yè)標(biāo)準(zhǔn)層面幾乎無法替代的專業(yè)地位。萬得Alice也在不斷升級優(yōu)化，于5月15日全新上線的Agent蜂群模式直接變成一支可被調(diào)度的金融AI項(xiàng)目組，使AI像項(xiàng)目組一樣干活。

同花順的優(yōu)勢則在個人投資者端流量和部分場景的數(shù)據(jù)積累，但在機(jī)構(gòu)業(yè)務(wù)智能體化方向上尚未形成完整布局。東方財富從財經(jīng)門戶網(wǎng)站切入到金融數(shù)據(jù)終端，再到拿下券商牌照，核心優(yōu)勢在于散戶流量市場的變現(xiàn)能力。

還有像金融IT服務(wù)商恒生電子，雖不是數(shù)據(jù)公司，但長期服務(wù)券商、基金等機(jī)構(gòu)的交易系統(tǒng)，其優(yōu)勢在于離業(yè)務(wù)流程最近，多種工程化能力恰恰是智能體進(jìn)入金融核心流程最難的部分。

從政策環(huán)境看，國內(nèi)金融數(shù)據(jù)公司的生存土壤與海外同行有著本質(zhì)不同。一方面，數(shù)據(jù)主權(quán)和安全合規(guī)要求將海外巨頭的業(yè)務(wù)邊界限定在極小范圍內(nèi)，國內(nèi)機(jī)構(gòu)采購數(shù)據(jù)服務(wù)時幾乎只能在本土供應(yīng)商之間選擇，這為國內(nèi)公司提供了天然的“防護(hù)墊”。另一方面，國內(nèi)公司在推進(jìn)智能體產(chǎn)品時，同樣需要跨過算法備案、數(shù)據(jù)安全評估等一系列合規(guī)門檻。這些是可以通過投入解決的約束，但同時也構(gòu)成真實(shí)的準(zhǔn)入壁壘。

問題四：10個智能體對國內(nèi)金融機(jī)構(gòu)有何影響？

數(shù)據(jù)公司的格局變化只是表層，更深層的沖擊在于智能體正在改變金融服務(wù)的競爭邏輯。Anthropic這10個智能體的發(fā)布，對國內(nèi)券商和基金行業(yè)的影響，需從多個維度分開審視。

技術(shù)層面路徑不同，各有優(yōu)勢。觀察來看，國內(nèi)頭部券商在AI領(lǐng)域的布局并不滯后。

華泰證券2025年正式確立“All in AI”戰(zhàn)略，推出AI原生金融交易終端，并構(gòu)建AI驅(qū)動的智能投研體系。國泰海通發(fā)布了千億參數(shù)多模態(tài)證券垂類大模型“君弘靈犀”，其AI客服已替代超過60%的人工咨詢。招商證券提出“AI證券公司”戰(zhàn)略愿景，目標(biāo)到2030年實(shí)現(xiàn)客戶服務(wù)、業(yè)務(wù)場景、員工辦公、高頻作業(yè)AI覆蓋率均達(dá)100%。東方財富依托自研“妙想”大模型推出“AI研究員”智能體，可自主完成信息搜集和分析流程；中信建投、國泰海通等機(jī)構(gòu)也相繼推出研報處理智能工作臺。

但兩套體系的路徑差異，決定了各自的長短板。Anthropic的10個智能體使金融機(jī)構(gòu)可以像搭積木一樣組合不同智能體，快速將多個數(shù)據(jù)源整合進(jìn)同一工作流。這種模式的優(yōu)勢在于標(biāo)準(zhǔn)化程度高、部署速度快，適合流程成熟的海外投行業(yè)務(wù)。

國內(nèi)券商AI布局則走了另一條路，圍繞本土市場需求做深度定制。A股信息披露規(guī)則、監(jiān)管審批流程、投資者結(jié)構(gòu)與海外市場存在本質(zhì)差異，簡單復(fù)制海外模板很難真正落地。國內(nèi)券商自研的智能投行平臺、投行AI文書系統(tǒng)等，在貼合本土監(jiān)管要求方面反而更具優(yōu)勢。

從數(shù)據(jù)生態(tài)來看，Anthropic的10個智能體已直接與11家主流金融數(shù)據(jù)提供商打通，分析師可以在同一工作流中無縫調(diào)用不同來源的數(shù)據(jù)，且每一個結(jié)論都可以追溯到原始數(shù)據(jù)源。國內(nèi)券商雖然也在建設(shè)數(shù)據(jù)中臺，但或仍存在數(shù)據(jù)采購分散、跨源數(shù)據(jù)融合的技術(shù)門檻較高等數(shù)據(jù)孤島問題。

同時，證券行業(yè)智能體所面臨的合規(guī)問題也不可忽視。例如投行業(yè)務(wù)方面，監(jiān)管對發(fā)行材料真實(shí)性和準(zhǔn)確性的責(zé)任歸屬有明確要求，承銷商和簽字保薦代表人對文檔承擔(dān)個人法律責(zé)任。智能體生成的內(nèi)容在法律上如何定性？簽字人是否需要對智能體生成的內(nèi)容承擔(dān)全部責(zé)任？這個責(zé)任劃分的法律真空，或是智能體進(jìn)入投行業(yè)務(wù)核心環(huán)節(jié)所面臨的制度性障礙。

基金行業(yè)受到的沖擊與券商或有所不同。在公募基金領(lǐng)域，AI的應(yīng)用集中在量化投資和智能投顧兩大方向。但Anthropic此次發(fā)布的智能體中，與基金行業(yè)關(guān)聯(lián)度最高的是估值復(fù)核、總賬核對和月末結(jié)賬。這類面向基金運(yùn)營后臺的工具，瞄準(zhǔn)的是公募基金中后臺運(yùn)營成本較高的痛點(diǎn)。若智能體能夠壓縮相當(dāng)比例的后臺運(yùn)營支出，對基金行業(yè)的商業(yè)模式將產(chǎn)生實(shí)質(zhì)性影響。

從滲透路徑看，公募基金由于合規(guī)要求高、風(fēng)控體系嚴(yán)格，智能體的落地速度或慢于券商。而頭部量化私募機(jī)構(gòu)早在多年前就將機(jī)器學(xué)習(xí)納入因子挖掘和策略構(gòu)建流程，對AI技術(shù)的掌握甚至超過部分券商研究所。由于這類機(jī)構(gòu)已經(jīng)自建了更貼合自身策略的AI系統(tǒng)，Anthropic推出的金融智能體對其增量價值或相對有限。

比單點(diǎn)業(yè)務(wù)沖擊更值得關(guān)注的是智能體對賣方研究展業(yè)模式的根本性挑戰(zhàn)。長期以來，分倉傭金是券商研究所最核心的收入來源。若智能體能夠替代相當(dāng)比例的賣方研究服務(wù)，例如自動完成財報點(diǎn)評、行業(yè)數(shù)據(jù)跟蹤、基礎(chǔ)建模等工作，公募基金對賣方研究的付費(fèi)意愿將走向何方，成為一個值得深思的問題。

從Anthropic實(shí)踐不難看出，當(dāng)前金融AI智能體的發(fā)展核心趨勢，在于深度對接機(jī)構(gòu)現(xiàn)有工具與生態(tài)、貫通數(shù)據(jù)至業(yè)務(wù)全流程。對國內(nèi)券商和基金行業(yè)而言，這既是壓力也是契機(jī)。壓力在于，海外頭部金融機(jī)構(gòu)對AI的擁抱速度正在加快；契機(jī)在于，國內(nèi)資本市場本地化場景與監(jiān)管要求適配或都是海外競爭對手難以復(fù)制的優(yōu)勢。