东吴证券-金融科技行业【AI金融新纪元】系列（五）——从大模型到Agent：AI+金融进入智能体时代-260828

研报摘要

核心要点

AI+金融进入智能体阶段，竞争重点由模型能力转向专业数据、工具调用、场景渗透与持续使用。2024年以来金融AI由问答、总结等单点能力向可规划、可调用工具、可连续执行任务的Agent演进；2026年Q2以来MCP、Skills等标准接口集中落地，同花顺iFinDMCP、万得AIFin Market、东方财富妙想Skills、通达信MCP、恒生聚源MCP先后开放，金融数据从封闭终端走向可被Agent调用的标准化能力。

垂类Agent深耕金融场景：B端围绕数据×内容×工作流形成壁垒，C端围绕用户入口×场景深度×业务闭环展开竞争。1）B端：①同花顺iFinD将分散的AI功能逐步打通，由“人工串联多个功能”向“智能体组织多个能力”演进；②Wind依托数据底座与机构工作流从问答辅助向自主投研Agent升级；③进门财经、AlphaPai、Gangtise分别依托路演内容、AI原生产品或专家知识库形成差异化路径。2）C端：①同花顺问财由自然语言选股升级为具备自主规划能力的投资助手；②东方财富妙想从独立问答升级为APP内嵌AI入口并连接金融服务生态；③通达信上线智能体广场推动由单一问答向多Agent平台演进；④九方智投控股以AI股票机为硬件入口整合投顾、投研与投教能力。

通用Agent通过“外接专业金融能力”和“机构本地化部署”两条路径进入金融场景，与垂类Agent互补。路径一：通义千问“深度研究”接入同花顺1.3万只股票数据+约100万份财报公告，Kimi接入iFinD、Yahoo Finance；路径二：2026年4月DeepSeek-V4发布后国泰海通、兴业、国投、中泰、国金、山西等多家头部券商完成升级部署，恒生聚源WarrenQ 5分钟生成万字投研报告。长期看C端行为数据反哺模型、B端专业数据沉淀垂类能力，形成数据飞轮推动Agent持续迭代。

竞争格局围绕四类参与者展开：①数据拥有者（同花顺/万得/东方财富）——MCP开放之争，数据壁垒决定下限、开放策略决定上限；②场景拥有者（同花顺/九方智投控股/财富趋势/指南针）——场景渗透深度决定用户黏性，硬件载体是差异化壁垒；③模型拥有者（豆包/DeepSeek/通义/智谱）——通用模型不取代垂类但分流C端浅层需求，DeepSeek凭开源低成本成机构部署首选；④平台拥有者（WorkBuddy等）——是数据方最大客户也是最大威胁，已集成三家金融MCP。

投资建议：我们认为，具备较大金融数据基础、较好应用场景入口与较成熟AI技术运用经验的金融科技企业将持续受益，推荐【同花顺】、【东方财富】；业务延伸与流量变现路径清晰、AI技术研发投入充分、用户体量与质量兼具、业务毛利率较高且具可持续性的新星互联网金融企业，有望构建业务闭环，业绩表现预计持续向好，推荐【九方智投控股】、【指南针】，建议关注【财富趋势】。

风险提示：①监管趋严；②技术迭代不及预期；③数据安全风险；④权益市场波动；⑤商业化进度不及预期。

研报全文

【AI金融新纪元】系列（五）——从大模型到Agent：AI+金融进入智能体时代证券研究报告证券分析师：武欣姝执业证书编号：S0600524060001联系邮箱：wuxs@dwzq.com.cn二零二六年八月二十八日证券分析师：孙婷执业证书编号：S0600524120001联系邮箱：sut@dwzq.com.cn2核心要点AI+金融进入智能体阶段，竞争重点由模型能力转向专业数据、工具调用、场景渗透与持续使用。

2024年以来金融AI由问答、总结等单点能力向可规划、可调用工具、可连续执行任务的Agent演进；2026年Q2以来MCP、Skills等标准接口集中落地，同花顺iFinDMCP、万得AIFinMarket、东方财富妙想Skills、通达信MCP、恒生聚源MCP先后开放，金融数据从封闭终端走向可被Agent调用的标准化能力。

垂类Agent深耕金融场景：B端围绕数据×内容×工作流形成壁垒，C端围绕用户入口×场景深度×业务闭环展开竞争。

1）B端：①同花顺iFinD将分散的AI功能逐步打通，由“人工串联多个功能”向“智能体组织多个能力”演进；②Wind依托数据底座与机构工作流从问答辅助向自主投研Agent升级；③进门财经、AlphaPai、Gangtise分别依托路演内容、AI原生产品或专家知识库形成差异化路径。

2）C端：①同花顺问财由自然语言选股升级为具备自主规划能力的投资助手；②东方财富妙想从独立问答升级为APP内嵌AI入口并连接金融服务生态；③通达信上线智能体广场推动由单一问答向多Agent平台演进；④九方智投控股以AI股票机为硬件入口整合投顾、投研与投教能力。

通用Agent通过“外接专业金融能力”和“机构本地化部署”两条路径进入金融场景，与垂类Agent互补。

路径一：通义千问“深度研究”接入同花顺1.3万只股票数据+约100万份财报公告，Kimi接入iFinD、YahooFinance；路径二：2026年4月DeepSeek-V4发布后国泰海通、兴业、国投、中泰、国金、山西等多家头部券商完成升级部署，恒生聚源WarrenQ5分钟生成万字投研报告。

长期看C端行为数据反哺模型、B端专业数据沉淀垂类能力，形成数据飞轮推动Agent持续迭代。

竞争格局围绕四类参与者展开：①数据拥有者（同花顺/万得/东方财富）——MCP开放之争，数据壁垒决定下限、开放策略决定上限；②场景拥有者（同花顺/九方智投控股/财富趋势/指南针）——场景渗透深度决定用户黏性，硬件载体是差异化壁垒；③模型拥有者（豆包/DeepSeek/通义/智谱）——通用模型不取代垂类但分流C端浅层需求，DeepSeek凭开源低成本成机构部署首选；④平台拥有者（WorkBuddy等）——是数据方最大客户也是最大威胁，已集成三家金融MCP。

投资建议：我们认为，具备较大金融数据基础、较好应用场景入口与较成熟AI技术运用经验的金融科技企业将持续受益，推荐【同花顺】、【东方财富】；业务延伸与流量变现路径清晰、AI技术研发投入充分、用户体量与质量兼具、业务毛利率较高且具可持续性的新星互联网金融企业，有望构建业务闭环，业绩表现预计持续向好，推荐【九方智投控股】、【指南针】，建议关注【财富趋势】。

风险提示：①监管趋严；②技术迭代不及预期；③数据安全风险；④权益市场波动；⑤商业化进度不及预期。

图表：四类玩家对比类型标的AI应用工具及场景AI应用效果数据拥有者同花顺依托iFinD金融数据，通过MCP开放数据能力，推动数据资产向Agent服务转化iFinDMCP调用量增长；iFinD智能体广场活跃用户增长东方财富依托Choice数据和妙想Skills，将金融数据封装为Agent调用能力Choice数据能力开放深化，妙想Skills推动金融服务场景拓展场景拥有者九方智投控股AI股票机+SaaS结合，将AI能力嵌入投资服务流程AI股票机销量持续增长；灵犀服务调用量增长；C端Agent产品上线；九方智投APP内置中小额产品线AI指标工具使用量增长同花顺依托问财、智能体入口，将AI能力转化为选股、投研、交易辅助服务iFinD投研智能体AI功能不断完善，不断渗透投研场景；垂类Agent或其他AI新产品推出指南针基于投顾服务场景，推动AI赋能投资决策流程题材/盘口/资金等AI工具接入投顾流程；麦高证券用户与AI工具打通；AI驱动付费用户转化平台受益者财富趋势依托通达信终端生态，承接金融数据与Agent能力分发智能体广场官方Agent扩量；通达信MCP持续上架通用Agent；通达信金融终端+官方Agent其他AI新产品推出东方财富依托ChoiceAPP生态，融合数据、工具与AI服务妙想嵌入ChoiceAPP高频场景；妙想Skills带动证券/基金交易转化；APP月活与金融服务交叉销售同花顺依托金融入口优势，连接数据、工具与外部Agent生态iFinDMCP持续上架通用Agent；外部Agent调用转化为付费用户；连接外部Agent扩大金融服务生态生态参与者同花顺开放金融能力，推动Skills生态建设iFinDMCP调用量增长；Skills生态接入更多B/C端应用；机构客户付费转化提升东方财富开放数据与工具能力，连接外部模型生态妙想Skills生态扩展，推动金融能力向外部Agent输出指南针结合投顾能力接入AI服务，提升用户服务效率麦高证券打通投顾+AI工具；金融数据MCP/Skills接入外部Agent；AI工具带动用户付费率提升数据来源：同花顺官网，东方财富官网，指南针公司官网，财富趋势公司公告，通达信官网，东吴证券研究所3核心要点目录2.垂类Agent——深耕金融场景的专业智能体2.垂类Agent——深耕金融场景的专业智能体1.从大模型到Agent——AI+金融的范式跃迁1.从大模型到Agent——AI+金融的范式跃迁43.通用Agent——广覆盖+金融能力接入3.通用Agent——广覆盖+金融能力接入4.B端vsC端——Agent应用的分化与融合4.B端vsC端——Agent应用的分化与融合5.Agent时代竞争格局——四类玩家的资源禀赋对比5.Agent时代竞争格局——四类玩家的资源禀赋对比6.投资建议6.投资建议7.风险提示7.风险提示从大模型到Agent——AI+金融的范式跃迁51.1.回顾：金融大模型从集中发布到业务应用2023年-2024年，金融大模型完成了从集中发布到初步应用的过渡。

2023年3月，BloombergGPT率先验证金融专业数据与大语言模型结合的可行性，随后奇富GPT、轩辕大模型、LightGPT、蚂蚁金融大模型等国内产品陆续推出。

2024年，同花顺HithinkGPT、东方财富妙想等模型开始嵌入金融终端、投研、投顾和客服等实际场景，行业竞争由模型发布逐步转向产品落地。

2025年以来，开源模型和私有化部署进一步降低了金融AI应用门槛。

以DeepSeek为代表的国产模型在性能、成本和部署灵活性方面形成优势，券商、银行、保险及金融科技公司开始将通用模型与内部知识库、业务数据和现有系统结合，推动AI能力由单点工具向内部流程延伸。

我们系列报告的研究重点也由模型能力逐步转向业务应用：系列报告一《金融垂类大模型试用体验》关注金融垂类模型的试用体验，系列报告二《AI+金融大模型的两条技术路线》比较通用模型与金融垂类模型两条技术路线，系列报告三《赋能金融，AI开启新时代》和报告四《金融与AI融合持续深化》进一步分析AI对金融业务降本增效和新业务拓展的影响；系列报告五（本篇）将在此基础上重点研究Agent如何进入真实金融场景并完成连续任务。

金融大模型已从产品试用和技术路线探索，逐步进入业务应用阶段。

同花顺HithinkGPT、东方财富妙想、恒生电子LightGPT等金融垂类模型依托专业金融数据，在实时性、准确性、信息溯源和场景适配方面表现出较强优势；相较于通用模型，金融垂类模型更能满足金融业务对专业性、合规性和风险控制的要求。

随着模型持续嵌入投研、投顾、客服、风控等场景，AI不仅能够提升数据查询、材料整理和内容生成等基础工作效率，还能够改善客户服务与业务运营，并推动智能投研、智能投顾和企业级AI解决方案等新业务发展。

6数据来源：彭博社官网，同花顺官网，东方财富官网，东吴证券研究所整理图表：金融大模型发展路径1.2.范式转变：从大模型“对话工具”到Agent“自主执行”大模型主要解决信息理解、内容生成和逻辑推理问题。

用户向模型输入问题或材料后，模型可以完成问答、总结、翻译、写作和代码生成等任务，但其工作通常停留在信息处理层面，仍需要用户持续发出指令并人工完成后续操作。

Agent能够围绕用户目标连续完成多步骤任务。

Agent在大模型基础上增加工具调用、任务规划和记忆能力，可以自动拆解任务、调用数据库或软件工具、检查执行结果，并根据反馈调整后续步骤，最终输出分析报告、监测结果或业务成果。

金融Agent的核心价值在于形成任务执行闭环。

在投研场景中，Agent可以按照“确定研究目标—获取数据—完成计算—比较分析—生成报告”的流程连续工作；在投顾和风控场景中，也可以结合用户信息、市场数据和业务规则完成更具针对性的分析，完整任务流程为使用带来更多价值。

7对比维度大模型Agent用户输入问题或单次指令明确任务目标核心能力理解、生成、推理规划、调用、执行、反馈工作方式单次或多轮对话多步骤连续完成外部工具通常不主动调用主动调用数据和系统输出形式文本、摘要、代码报告、分析、监测或业务结果金融应用问答、材料总结自动取数、分析、报告生成数据来源：东吴证券研究所整理图表：大模型与Agent核心能力及金融应用对比1.3.技术底座：MCP协议成为Agent调用金融数据的标准接口数据来源：QuestMobile《2026年AI应用市场发展半年报》，东吴证券研究所8金融Agent必须通过专业接口调用外部数据和工具。

股票行情、财务数据、公司公告、研究报告和监管规则具有较强的时效性和准确性要求，仅依赖模型训练阶段形成的知识难以满足金融业务需要，因此Agent必须连接专业金融数据库和业务系统。

MCP和Skills降低了不同Agent接入金融能力的开发成本。

MCP负责Agent连接外部数据和工具，Skills则将具体金融能力封装为可调用模块。

通过MCP这一标准化接口，Agent可以识别数据工具的功能、传入调用参数并读取返回结果，开发者无需为每一个模型和每一个数据系统分别建设连接方式，金融数据和分析工具具备跨平台复用能力。

图表：金融数据经API、MCP与Skills向Agent开放的能力链路1.3.技术底座：金融信息服务商加速开放Agent能力，B端与C端路径差异化数据来源：同花顺官网，Wind官网，东方财富官网，通达信软件官网，QuestMobile《2026年AI应用市场发展半年报》，东吴证券研究所整理9B端开放重点：将专业数据与投研工具嵌入机构工作流。

同花顺iFinD、Wind等传统机构终端经过长期沉淀，已形成覆盖行情、财务、公告研报、宏观等领域的较完整金融数据库。

Agent化升级后采取两条路径并行：一是在终端内部强化智能投研能力（如WarrenQ、iFinDMCP内置的Skills技能包）；二是通过MCP、Skills等标准化协议，向机构自建Agent和第三方智能体平台开放数据与工具接口。

其核心价值在于降低机构重复取数和系统开发成本，让专业金融能力嵌入投研、风控、尽调等连续工作流。

C端开放重点：降低使用门槛，连接投研能力与用户服务场景。

东方财富妙想通过Skills将选股、宏观查询、资讯分析、量化API等能力模块化，并进一步接入第三方Agent生态；财富趋势则依托通达信30年积累的行情和证券分析数据，将查询、K线、公告研报、选股等11项能力封装为MCP工具，同时通过智能体广场的10个官方Agent和用户自建Agent机制，降低个人投资者搭建和使用Agent的门槛。

与B端相比，C端的竞争焦点更集中在自然语言交互体验、垂直场景覆盖广度以及用户使用频次与留存。

Skills是面向终端用户的封装，MCP是面向Agent的底层接口。

Skills通常以“开箱即用”的模块化能力呈现，更适配C端用户和业务人员的轻量化调用；MCP则提供可编程、标准化的数据/工具调用接口，更适配开发者和智能体框架的工程化集成。

iFinDMCP虽主要面向机构及专业投研用户，但其个人版亦对专业个人用户开放采购。

整体看，金融信息服务商正在由“出售终端席位和数据授权”进一步转向“输出可被不同Agent直接调用的数据、工具和业务能力”，Agent生态正成为专业金融数据新的分发渠道。

图表：头部金融信息服务商Agent能力开放策略对比公司主要用户属性主要载体B端开放能力C端开放能力Agent化战略路径差异化优势同花顺B端+专业C端iFinDAPI/MCP、问财Skills、智能体广场（iFinDSkills）iFinDMCP数据接口（行情/财务/公告/研报/宏观/企业风险数据）、Skills技能包、智能体定制化创建问财自主推理智能体、Lumi可成长Agent、量化实验室Agent、iFinDMCP个人版可采购数据接口优先开放专业数据覆盖最广；终端+Agent双轨，连接机构与专业个人用户WindB端为主WindAlice27、AIFinMarket等Alice27智能金融操作系统、WindClaw、AIFinMarket（MCP开放）、投研工作流强化以终端内AI功能为主，面向个人用户的开放能力相对有限终端优先机构客户基础+投研工作流壁垒最深；终端粘性最强东方财富普通C端为主，兼顾专业C端ChoiceAPI/MCP、妙想Skills妙想MCP（Choice数据底座）、Choice终端投研助理妙想Skills六大能力（选股/宏观/数据/资讯/量化API/问答）、入驻华为小艺Claw及阿里云百炼能力模块化封装连接“投资信息获取→分析→交易”全链条；生态接入最广财富趋势普通C端+专业C端通达信MCP、智能体广场通达信MCP（11项工具）、券商IT服务通达信Agent广场（10个官方Agent+用户自建Agent）、行情/选股/对比分析数据+Agent双轮30年行情数据沉淀；Agent广场降低个人搭建门槛1.4.竞争格局重塑：从“谁的模型强”到“谁的Agent更快落地、更深渗透”10模型基础能力逐步趋同后，竞争重点开始转向实际应用效果。

通用模型和开源模型持续迭代，使语言理解、内容生成和基础推理能力逐渐普及，单纯依靠模型参数或技术指标已难以形成稳定的长期优势。

金融场景的竞争更取决于Agent能否调用高质量专业数据、进入真实业务流程，并持续快速迭代产品能力。

金融Agent竞争力主要由数据覆盖广度、场景渗透深度、用户使用频次以及产品迭代速度这四个维度共同决定。

数据覆盖广度决定Agent能够处理的问题范围和答案质量，场景渗透深度决定Agent能否进入真实业务流程，用户使用频次反映产品黏性、价值认可和商业化基础，产品推出与迭代速度则决定厂商能否快速适配模型升级、用户需求及Agent生态变化。

不同类型的参与者将围绕自身资源形成差异化路径。

数据拥有者主要提供金融数据库和标准接口，场景拥有者依靠投研、投顾、交易和风控流程推动Agent落地，模型拥有者提供基础推理能力，平台拥有者则负责整合不同数据、模型和工具。

Agent时代的核心竞争因此不再是"是否拥有模型"，而是逐步转变成谁能以更快速度推出可用产品、以更深程度进入真实场景，并依托持续使用形成数据和产品迭代飞轮。

类型核心资源主要竞争方向代表主体关键产品/载体数据拥有者行情、财务、公告、研报、宏观及企业数据数据覆盖、准确性、接口开放、调用频次同花顺、Wind、东方财富、财富趋势iFinDMCP、WindAIFinMarket、妙想MCP、通达信MCP场景拥有者投研、投顾、交易、风控等业务流程场景渗透深度、工作流改造、使用频次与黏性券商、银行、保险、金融科技公司恒生O45/UF3.0/WarrenQ；券商智能投研Agent模型拥有者基础模型、推理、代码能力模型性能、成本、部署效率、生态适配豆包、DeepSeek、通义千问等DeepSeek本地化部署、通用大模型金融场景适配平台拥有者Agent入口、工具生态、任务调度能力产品推出速度、工具整合、用户规模WorkBuddy、OpenClaw、ClaudeCode、CodeX、Trae等通用Agent工作台、Agent广场、OneKeyMCP图表：金融Agent市场四类参与者的核心资源与竞争方向数据来源：同花顺官网，Wind官网，通达信软件官网，财富趋势官网，恒生电子官网，东吴证券研究所垂类Agent——深耕金融场景的专业智能体112.1.同花顺B端：iFinD从AI功能集合向垂类投研Agent演进12iFinD持续将大模型能力嵌入专业金融终端，AI升级路径正从单点功能辅助向投研任务协同演进。

传统金融终端依赖投研人员手动完成“查数据—读材料—做分析—写报告”等环节，目前iFinD已在数据问答、文档阅读、会议纪要、图表生成和研究创作等环节提供AI辅助。

随着这些能力逐步打通，AI有望从提升单项工作效率，进一步围绕研究目标协同调用数据、文档和分析工具，推动投研工作由“人工串联多个功能”向“智能体组织多个能力”演进。

iFinD具备搭建专业投研垂类Agent的良好基础。

一方面，iFinD拥有行情、财务、公告研报、宏观及企业信息等专业金融数据，能够为Agent提供实时、可追溯的数据底座；另一方面，现有AI功能已覆盖研究过程中多个高频任务，且已嵌入机构用户日常工作流程。

我们预计，同花顺iFinD有望整合数据查询、内容理解、分析计算和研究生成等能力，形成面向机构投研场景的垂类Agent产品。

图表：iFinD现有AI能力及向垂类投研Agent演进路径数据来源：同花顺官网，东吴证券研究所2.2Windvs进门财经：数据深度与内容专业，两类B端Agent演化路径13Wind依托标准化金融数据与机构工作流积累，推动终端AI由问答辅助向自主投研Agent演进。

目前，WindAlice已形成较清晰的产品迭代路径，从终端原生AI能力逐步扩展至投顾、任务拆解和工具调用等复杂场景，依托Wind长期积累的行情、财务、宏观及产业等结构化金融数据，可将数据查询、信用研究、行业分析和报告生成等多个环节串联起来。

Wind的核心优势在于数据底座和机构投研工作流沉淀，使Agent能够直接嵌入研究员已有工作环境，降低信息检索、数据整理和基础分析等重复性工作的时间成本。

进门财经依托路演、研报、公告及产业研究等专业投研内容积累，AI化重点从信息聚合向内容理解和研究辅助延伸。

平台聚合券商研究所、上市公司与机构投资者等专业参与者，已通过专业投研Agent提供辅助听会、财报解读、信息整合分析等功能，同时结合ASR转写、AI翻译等工具提升非结构化研究信息的处理效率。

进门财经的差异化优势集中于专业投研内容及机构交流场景，有望沿"专业内容+AI理解与分析"的路径持续深化研究型Agent能力。

图表：Wind与进门财经B端Agent能力路径对比数据来源：Wind官网，进门财经官网，东吴证券研究所Wind进门财经核心资源金融终端+标准化金融数据+机构工作流沉淀上市公司会议、专家会议、研究所路演+产业研究内容主要信息形态结构化数据为主非结构化专业内容为主主要场景数据查询、信用研究、行业分析、报告生成会议总结、专家检索、产业研究、知识问答Agent化路径数据终端→AI助手→自主投研Agent内容平台→AI理解与检索→专业研究Agent核心优势数据覆盖广、机构工作流渗透深专家内容独特、产业信息专业度高竞争重点数据质量+工具调用+任务执行深度内容沉淀+知识结构化+研究内容复用142.3Alpha派vsGangtise：机构投研与专家知识库，两类B端Agent探索数据来源：Alpha派官网，Gangtise官网，东吴证券研究所AlphaPai以AI原生方式切入机构投研，从单点效率工具逐步向多任务协同的“AI研究员”演进。

AlphaPai早期从会议纪要等高频投研痛点切入，随后逐步拓展公司一页纸、业绩点评、调研大纲等Agent能力；2026年进一步推出AI投研工作台PaiWork，将Excel、在线文档、全球金融数据及投研Skills整合至统一工作环境，并引入Agent协同执行能力。

其核心特点在于从AI应用出发重新组织研究流程，由“辅助处理单项任务”向“多个AI研究员协同完成信息搜集、分析与研究产出”演进。

Gangtise依托专业投研数据、专家内容和知识体系，推动AI由信息处理工具向可调用数据与知识的投研Agent升级。

Gangtise将自身定位为面向金融机构的AI数据处理及投研Agent应用服务平台，通过“AI+Data+Knowledge”模式连接...