（内容来源于互联网公开信息，不一定全面准确，仅供交流参考，不构成任何建议）
一、AI投研行业发展背景
智能投研（AI-based Investment Research）作为金融科技领域的核心分支，近年来在全球范围内迅速发展。其本质是通过人工智能、大数据分析、自然语言处理等前沿技术，重构传统投资研究流程，实现从信息处理到投资决策的全链条智能化。随着金融市场复杂性的增加和信息爆炸时代的到来，传统依赖人工的投研模式已难以应对海量非结构化数据的处理和分析需求，智能投研应运而生，成为提升投研效率和准确性的关键解决方案。
从发展阶段来看，智能投研行业已经从早期的“工具辅助”阶段迈入当前的“场景融合”阶段，并正朝着“决策伙伴”方向演进。根据中研普华产业研究院发布的《2025-2030年版智能投研产业政府战略管理与区域发展战略研究咨询报告》，智能投研已从辅助工具演进为投资策略的核心引擎，覆盖资产配置、风险管控、趋势预测等多元场景，成为推动金融市场数字化转型的关键力量。特别是在2025年，随着大语言模型和Agent技术的突破性进展，AI投研行业迎来了爆发式增长，各类公司凭借不同的技术路径和资源禀赋，形成了多元化的竞争格局。
从市场格局角度，当前的AI投研行业呈现出生态化竞争态势。供给侧主要包括：传统金融数据服务商（如万得、同花顺）凭借资源积累占据主流市场；金融科技初创企业（如讯兔科技、熵简科技）则聚焦垂直领域，通过算法创新切入细分市场；国际巨头（如标普全球、路孚特）通过技术输出与跨境合作参与竞争。
二、AI投研公司分类与对比
基于核心技术路线、产品形态和市场定位的差异，当前AI投研领域的公司可分为四大类别：AI Agent原生应用派、另类数据驱动派、传统数据平台升级派和生态协同派。下面通过系统性的分类和对比，解析各类公司的特点与优势。
表：AI投研领域主要公司分类及特点（仅简单总结，不一定准确）
1. AI Agent原生应用派
AI Agent原生应用派是指那些从AI技术出发，将智能Agent技术深度应用于投研场景的原生AI公司。这类公司通常创始团队具备深厚的技术背景，以解决特定场景的痛点为核心诉求，通过高度智能化的AI Agent实现投研流程的自动化和智能化。其典型代表是讯兔科技旗下的Alpha派。
该类公司的核心竞争力在于深度场景理解和AI技术落地能力。它们不像传统数据平台那样追求大而全的数据覆盖，而是选择投研流程中的关键痛点场景（如会议记录、报告生成、业绩点评等），通过AI技术实现超越人工的效率和质量。由于架构上原生基于AI设计，这类公司的产品通常具有更强的场景适应性和用户体验，能够在特定场景中实现"拟人"甚至"超人"的表现。
商业模式上，AI Agent原生应用派多采用SaaS订阅制，按照功能模块或使用量收费。由于其解决的是行业核心痛点，客单价通常较高，但同时也面临着用户对效果期望高、初期接受度低的挑战。这类公司的产品迭代速度极快，通常保持每周甚至更短周期的更新频率，远快于传统金融数据服务商的更新节奏。
2. 另类数据驱动派
另类数据驱动派专注于通过AI技术挖掘和整合非传统的另类数据，为投资决策提供独特视角。这类公司相信，在信息过载的时代，差异化、稀缺性的数据源比传统的标准化数据更具价值。其典型代表是岗底斯（Gangtise）投研。
另类数据驱动派的核心优势在于多源数据的获取和治理能力。以Gangtise为例，其构建了包括投研逻辑库、观点库、问答库、热词库在内的另类数据矩阵，堪称金融投资研究业务的"洞察力引擎"。这些数据来源于全市场路演、调研日程、数万公众号、大V观点、上市公司调研纪要等非标准化来源，通过AI技术进行深度打标和结构化处理，最终形成可应用于投资决策的洞察。
在目标客群上，另类数据驱动派主要服务于对超额收益有极致追求的量化私募、对冲基金和主动型基金经理。这些机构不满足于市场共识，希望通过独特的数据维度获取信息优势。据Gangtise披露，某量化私募通过其会议活动数据，叠加动量因子模型，在2024年Q2捕捉到某产业链的密集电话会议信号，从而提前布局了相关标的，实现单季度收益超额增长。
3. 传统数据平台升级派
传统数据平台升级派由传统金融数据服务商演变而来，它们在已有数据优势的基础上，引入AI技术增强产品能力，维持和扩大市场影响力。这类公司的典型代表是Wind（万得），其近期推出了AI智能助手Alice，标志着传统巨头对AI趋势的回应。
传统数据平台升级派的最大优势在于其多年积累的数据资源和完善的客户覆盖。以Wind为例，其金融终端提供覆盖股票、债券、商品、外汇等全金融品类的实时行情、历史数据与分析工具，服务对象包括90%以上的中国证券公司、基金管理公司及75%的合格境外机构投资者（QFII）。这种广泛的数据覆盖和深厚的客户关系是新兴AI公司难以短期内超越的壁垒。
在产品形态上，传统数据平台升级派通常采取"传统数据+AI助手"的模式，在保持原有产品体系和用户体验的基础上，增加AI功能模块。如Wind的Alice智能助手，基于万得企业库开发，覆盖全球3.5亿企业数据。这种渐进式的创新路径降低了用户的学习成本，但也可能受制于传统产品的架构约束，难以实现彻底的智能化变革。
4. 生态协同派
生态协同派指的是那些在特定数据领域或客群中深耕多年，通过多产品协同构建竞争优势的公司。这类公司通常不过度追求技术前沿性，而是注重数据的准确性和产品的实用性，在细分领域建立口碑后逐步扩展产品边界。朝阳永续是这一类型的代表。
生态协同派的核心竞争力在于细分领域的专业知识和客户洞察。以朝阳永续为例，其是国内第一家提出和开发一致预期数据的数据商，目前在这一细分领域的市占率已达到80%，居国内第一。在稳固一致预期数据的领先地位后，朝阳永续接连开发出私募数据库、基金研究平台、Go-Goal终端等产品，构建资产管理系统性的能力矩阵。
这类公司的AI应用策略相对保守和务实，不追求炫技式的技术展示，而是将AI技术应用于提升数据质量和分析效率。比如通过自然语言处理技术自动化处理上市公司公告，或者通过机器学习算法优化一致预期数据的准确性。这种务实的态度使其在特定客群中保持了较高的忠诚度，但也可能面临技术迭代带来的颠覆风险。
三、AI投研代表公司深度分析
3.1 讯兔科技Alpha派：AI Agent原生应用的领军者
讯兔科技作为AI Agent原生应用派的典型代表，其发展历程和产品演进充分体现了这一类公司的特点和优势。公司成立于2021年疫情期间，作为90后创始人李罗丹眼中"冬天的孩子"，公司连续成功穿越了资本寒冬与行业调整，开创了AI赋能投资研究的全新路径。2025年10月，讯兔科技宣布完成超1亿元人民币的Pre-A轮融资，由高瓴创投和红杉中国联合领投，充分显示了资本市场对其前景的认可。
3.1.1 产品演进与核心技术
Alpha派产品的演进历程体现了从单点突破到全流程赋能的清晰路径：
起步阶段 - AI纪要助手：Alpha派最初从"会议"这一核心痛点切入，凭借AI纪要助理迅速赢得了用户青睐。该功能于2023年4月下旬——机构投资者最繁忙的上市公司年报季正式推出，用户只需上传会议录音，几分钟后就能获取AI整理完成的纪要文档。功能上线即"出圈"，不仅获得圈内大佬与研究员们的热情转发，小红书上也涌现出大量自发推荐与测评笔记。
进阶阶段 - AI会议助手：在AI纪要基础上，Alpha派进一步推出了全自动的AI"会议助理"，实现了从"写纪要"到"全流程AI参会"的跃迁。这其中最难的环节是让机器人自动拨入并参与各类线上会议。无论是软件端还是电话端，每种会议都有专属的拨入方式和鉴权流程，Alpha派针对每一种类型开发了专用机器人。到今天，AI会议助手累计覆盖了10多种主流会议平台，拆解出近50个细分参会工作流。
当前阶段 - AI Agent矩阵：推理模型发布后，公司加大创新投入，推出了包括"公司一页纸、业绩点评、调研大纲"在内的AI Agent矩阵，以"坚持打造垂直领域95分以上产品"的匠心，助力机构投资者"做好投研工作中的1000件小事"。
在技术路线上，讯兔科技展现了务实而高效的技术价值观。在2023年AI应用开发尚处草莽阶段，不少同业公司都在对外宣传"自主训练金融大模型""Fine-tune"时，讯兔科技始终保持克制与冷静，明确决定不在模型训练和微调层面投入过多精力。这种技术策略使得公司能够将有限资源集中在场景理解和产品构建上，快速迭代优化。
3.1.2 市场表现与竞争优势
Alpha派的市场表现充分验证了其产品价值。根据后台数据，过去一年，Alpha派每天为全体用户节省听会时间超过5000小时。据不完全统计，在二级市场的各类电话会、线上会议中，超过80%都有Alpha派的AI助理在场帮听。发布至今，Alpha派已累计服务七万余名投研人员，覆盖6000多家机构。
讯兔科技的竞争优势主要体现在以下几个方面：
场景深度理解：讯兔科技联合创始人崔予淳在分享产品研发历程时提到，早在2020年，讯兔创始团队研发投研数字化系统时就发现，疫情将大量线下路演转为线上，让基金经理、研究员参会变得"更卷"。一位基金经理曾开玩笑说"跑步听会、开车听会、洗澡也要听会"。这种对用户痛点的深度理解，是产品成功的关键。
技术落地能力：在面对技术挑战时，Alpha派展现了极强的工程实现能力。例如，在电话会议端，最难的是搞定硬件系统的打通。早期技术路径是一套虚拟电话呼叫系统的软件方案，但这套方案因技术与成本等原因被放弃，团队重新研发了一套能真正模拟人类拨号行为的硬件方案。这种在"最后一公里"的坚持，构筑了产品的核心壁垒。
用户信任构建：在规划产品时，Alpha派把用户对产品建立信任感的时刻分成两类：一类是产品功能精准满足真实需求的"wow时刻"；另一类是产品通过精巧设计，触达特定人群情绪价值的"会心一笑时刻"。例如，虽然用户知道PaiPai会议助手是机器人，但团队仍为其注入了"乙里乙气"的性格——回复时总带着温和的口吻与笑脸表情包。
3.2 岗底斯Gangtise投研：另类数据价值的挖掘者
岗底斯（Gangtise）投研作为另类数据驱动派的杰出代表，以其独特的数据维度和AI赋能的数据治理能力在智能投研领域占据了独特地位。2025年9月，Gangtise投研正式入驻华为鸿蒙PC版应用商店，成为业内少数实现移动端与PC端无缝衔接的AI投研平台，显示了其技术前瞻性和生态布局能力。
3.2.1 产品体系与数据能力
Gangtise投研构建了完整的产品体系，凭借其强大的功能体系，为金融专业人士提供了一站式智能投研解决方案。其核心产品板块包括：
Agent Plus+（智能体平台）：包括主题跟踪、业绩超预期、投资逻辑、调研提纲等核心智能体，帮助投资者精准把握市场动态，发现投资机会。
AI投研效率工具：包括录音速记、深度报告、AI晨报、AI翻译等实用AI工具，大幅提升投研工作效率，减少重复性劳动。
高频增量信息：包含关键资讯、活动、日程、纪要、观点、报告、题材等内容，确保用户第一时间获取市场最新信息。
私域信息管理：提供个微助手、企微助手、AI云盘、内部研报等特色功能，实现私域信息的无缝对接与管理。
投研深度分析：包括热点产业链、行业跟踪、公司跟踪、PMS等分析工具，提供深度的市场洞察服务。
Gangtise的另类数据矩阵是其最核心的竞争优势，具体包括：
投研逻辑库：作为全市场动态的"实时心电图"，覆盖2022年至今的全市场路演、调研日程，日均更新200场以上（报告期达500-700场），帮助用户精准捕捉热点投研活动轨迹。
观点库：作为多维度市场情绪的"晴雨表"，聚合数万公众号、大V、调研公告及互动易问答，日均覆盖近千家公司，结合AI技术深度打标，为投资者提供非研报类点评的结构化分析。
问答库：作为500万+QA的"投资百科全书"，收录上市公司调研纪要问答，以及交易所其他IR活动问答等，通过深度AI技术覆盖经营指标、概念题材等关键标签。
热词库：作为投研场景的"翻译官"，覆盖30个中信一级行业、5000+标的，超30万专有名词实时更新，帮助解决语音转译、文本规整等痛点问题。
3.2.2 技术架构与市场定位
Gangtise投研的技术架构建立在AI+大数据处理平台的双轨生产模式上，通过科学合理的数据结构，和高度智能化的自动化数据处理流程，结合多维度数据校验机制，实现海量数据的自主精确处理。该服务严格遵循"准确-及时-全面-客观"四大数据质量原则，已构建起行业领先的数据治理服务的技术壁垒。
在市场定位方面，Gangtise投研明确聚焦于解决金融专业人士面临的三大核心痛点：
解决信息过载：Gangtise投研平台借力大模型，从海量信息中智能筛选、归类和智能打点。通过AI降噪提炼有效信息，辅助投资决策，让用户从繁杂的信息中解脱出来，专注于核心价值判断。
打破分析滞后：借助大模型的推理能力，基于用户自主思维链，快速实现用户关注的数据分析，避免一手信息在传递过程中，因时间差与信息差、人的专业性不同，致使相关分析滞后于市场的快速变化。
消除知识孤岛：针对投研领域里面存在的各个孤岛信息进行融合，包括公开、半公开和私有化投研数据等各类知识，打破传统业务流程中存在的信息壁垒。
Gangtise的专业性已得到金融市场的广泛认可。目前，已有多家知名金融机构采用Gangtise投研平台，包括证券公司、基金公司、银行理财子公司和保险公司等。市场认可的背后，是岗底斯信息技术深厚的技术积累和对金融数据的深度理解。公司核心团队在金融数据领域工作近20年，这也是Gangtise投研能够精准把握用户需求的关键所在。
3.3 Wind万得Alice：传统巨头的AI进化
万得（Wind）作为中国传统金融数据服务的霸主，在AI时代面临着前所未有的挑战和机遇。2025年9月，"万得企业库"完成生成式人工智能服务登记，推出商业查询智能助手Alice，覆盖全球3.5亿企业数据，标志着这家传统数据巨头正在积极拥抱AI浪潮。
3.3.1 产品体系与数据优势
Wind的核心产品是Wind金融终端，作为一站式工作平台，包含12个核心模块：
股票模块：提供全球40余个交易所上市股票的实时行情与深度分析工具。
债券模块：整合交易所、银行间市场等全品种数据，配套信用监控工具。
商品行情系统：覆盖23家交易所，支持跨期套利监控。
宏观经济数据库（EDB）：涵盖中国及全球各国800万个行业指标。
资讯模块：日均发布2万篇财经信息，采用AI自动生成技术。
全球企业库（GEL）：收录超2亿家企业信息，支持知识图谱查询。
在数据覆盖范围上，Wind展现了一家传统数据巨头的深厚积累：
股票数据：沪深、港股、美股等全球主要市场全维度数据。
债券数据：涵盖在岸与离岸债券市场，独家提供银行间债券实时行情。
商品数据：原油、黄金等23家交易所衍生品行情。
基金数据：公募、私募、银行理财等全品类基金信息。
外汇数据：在岸/离岸人民币及全球主要汇率品种。
另类数据：ESG评级、土地拍卖、碳排放等非传统数据。
值得注意的是，Wind的历史数据最早可追溯至1896年，存储量达PB级，这种历史数据的深度和广度是新兴AI初创企业难以企及的。
3.3.2 AI战略与市场挑战
面对AI技术的冲击，Wind的应对策略是稳健而渐进的。与AI原生公司不同，Wind并没有从头重构其产品体系，而是在现有数据优势的基础上，通过引入AI能力增强传统产品。这种策略的优势在于能够快速将AI技术转化为产品力，避免颠覆式创新带来的风险；但劣势是可能受制于传统产品架构，难以实现彻底的智能化变革。
Wind的AI战略主要体现在三个方面：
AI赋能传统数据：通过AI技术提升传统数据的价值和可访问性。例如，通过自然语言处理技术，使得用户能够以更自然的方式查询和分析数据；通过知识图谱技术，将离散的企业信息连接成网络，揭示更深层次的关系。
智能助手增强交互：推出Alice智能助手，为用户提供更智能的问答和推荐服务。Alice基于万得企业库开发，覆盖全球3.5亿企业数据，能够理解用户的自然语言查询，并返回结构化的答案和相关数据。
专题数据库建设：2025年5月上线的"金融五篇大文章"专题数据库，包括科技金融、绿色金融、普惠金融等领域，通过AI技术实现更精准的数据分类和标注。
然而，Wind在AI转型过程中也面临着诸多挑战。2024年1月8日，Wind金融终端因主干网络线路故障导致全平台服务中断，上海证监局对此出具警示函并记入证券期货市场诚信档案，暴露了传统巨头在技术架构上可能存在的隐患。此外，传统数据公司的组织结构和文化也可能成为快速响应AI变革的障碍。
3.4 萝卜投研、朝阳永续、熵简科技等代表性公司分析
3.4.1萝卜投研：中小投资者的 AI 投研利器
产品定位主打轻量化与普惠性，提供免费的基本面分析工具与行业报告，高级功能（如 Level-2 行情）年费仅 988 元，为传统终端的 1/20。核心功能：
智能选股：支持财务指标筛选（如 PE-TTM、ROE）与概念题材检索（如 AI 算力、人形机器人），提供估值分位数与机构评级变化提示。
研报速读：通过 NLP 提取研报核心观点，生成 “投资要点” 与 “风险提示”，单篇研报阅读时间从 30 分钟缩短至 3 分钟。
用户体验：界面简洁易用，支持自定义看板与推送提醒，适合个人投资者与中小机构。2025 年用户量突破 500 万，月活率达 45%。
3.4.2 朝阳永续投研：盈利预测与基金研究权威
数据优势拥有国内最大的一致预期数据库，覆盖 9000 +上市公司的盈利预测（EPS、PE），数据更新频率达日级。基金研究平台 Pro 支持私募 360 度画像与持仓穿透分析。工具特色：
Excel 插件：通过函数调用直接获取实时数据（如分析师评级变动），支持复杂数据工作流，某基金公司分析师通过插件将数据处理时间从 2 小时缩短至 15 分钟。
私募评级：基于净值、风险调整收益等 20 + 指标，构建 “朝阳永续 - 私募风云榜”，被招商银行、诺亚财富等机构用于产品筛选。
客户群体：机构客户占比 70%，包括博时基金、海通证券，2025 年新增银行理财子公司客户超 30 家。
技术升级引入大模型优化盈利预测修正分析，如自动识别财报中的 “非经常性损益” 对 EPS 的影响，预测准确率提升 8%。
3.4.3 熵简科技：垂直领域的深度赋能者
熵简科技成立于2018年，是一家专注于大数据分析与AI技术的金融科技公司，旨在为金融机构提供智能投研解决方案。与讯兔科技类似，熵简科技也是从特定垂直场景切入，但其聚焦的领域更偏向非结构化数据处理和知识图谱构建。
熵简科技的核心产品包括：
智能投研平台：通过自然语言处理技术，自动化处理海量非结构化数据（包括研报、新闻、公告、社交媒体等），提取关键信息，构建知识图谱。
量化因子工厂：基于另类数据和AI算法，挖掘和生成量化交易因子，为量化投资团队提供策略支持。
智能风控系统：利用机器学习技术，实时监控和预警投资组合风险，包括信用风险、市场风险、流动性风险等。
熵简科技的技术特色在于多模态数据处理和复杂关系挖掘。与主要处理文本数据的公司不同，熵简科技还尝试处理音频、视频等多模态数据，从中提取投资洞察。此外，其知识图谱技术不仅关注实体间的直接关系，还致力于挖掘间接关系和潜在关联，为投资决策提供更全面的视角。
3.4.4 恒生聚源WarrenQ：深度集成的智能投研平台
恒生聚源旗下新一代智能投研平台WarrenQ代表了传统数据服务商的另一种AI转型路径——与顶尖AI技术深度集成。2025年2月，WarrenQ宣布已全面接入DeepSeek大模型，迈入金融数智化提效新阶段。
WarrenQ的技术升级与核心能力
通过接入DeepSeek大模型，WarrenQ在四个关键维度实现了能力提升：
强化金融领域认知能力：WarrenQ基于深耕金融领域的预训练数据集，涵盖3500万篇专业文本及100TB结构化数据，结合DeepSeek的多模态理解能力，实现金融文本、图表和数据的智能关联与深度解析。
提升数据调取准确性：依托恒生聚源在股债基市场积累的二十余年的数据资产，整合DeepSeek深度思维链技术，WarrenQ能够精准理解用户需求，通过底层数据的深度关联和逻辑推演，提升金融数据调取的准确性。
提供逻辑推理过程：结合DeepSeek的深度思维链技术，WarrenQ能够将复杂的投资问题拆解为清晰的分析步骤，深入理解市场逻辑。从数据到结论，清晰展示推理过程，告别"黑盒"推理，让投研建议更贴合业务需求。
产出更专业的材料：凭借DeepSeek强大的逻辑推演能力，WarrenQ生成的专业性投研材料，更加贴合业务实际需求，从而实现为金融机构提供更加智能化的支持。
市场表现与应用场景：WarrenQ智能投研平台已与近百家金融机构建立合作。平台注册人数超过10000人，涵盖券商、银行、期货、基金、信托等-4。该平台从投研、投顾、投资三大应用场景出发，在实际运营过程中，DeepSeek对WarrenQ"对话检索""AI解读""AI写作"等功能的提升显著。
4 AI投研行业发展趋势
随着AI技术的快速发展和金融市场需求的持续变化，智能投研行业正经历着深刻的变革。
4.1 技术演进：从"辅助"到"决策"的跨越
AI投研行业的技术发展正呈现出从辅助工具向决策伙伴演进的清晰路径。从技术架构看，早期的AI投研主要基于规则系统和传统的机器学习算法，功能集中在信息检索和简单分析；随着大语言模型和深度学习技术的发展，AI投研开始具备复杂场景理解和分析能力；下一步，随着推理模型和Agent技术的成熟，AI投研将向自主决策支持方向演进。
大模型推理能力的突破是推动这一演进的关键动力。熵简科技费斌杰指出："DeepSeek验证了用蒸馏方法可以把大模型的推理能力迁移至小模型，使得小模型的性能得到显著提升甚至超越原来的大模型。带给我们的启发是，想要训练一个行业模型，最好的方式是拿一个开源的基座模型去蒸馏行业小模型"。这一技术路径使得垂直领域的AI公司能够在算力有限的条件下，实现专业领域的高性能推理。
AI Agent技术正成为智能投研的重要发展方向。讯兔科技李罗丹表示，公司的目标是"坚持打造垂直领域95分以上产品"的匠心，助力机构投资者"做好投研工作中的1000件小事"。Agent技术能够将AI能力从被动的问答工具转变为主动的工作伙伴，通过理解用户意图和上下文，自主完成复杂任务，大大提升投研效率。
4.2 服务模式：平台化与生态化趋势
AI投研行业的服务模式正从单一工具向平台化生态化方向发展。这一趋势主要体现在三个方面：
功能集成化：单一的AI功能正在被整合到统一的投研工作平台中。如WarrenQ智能投研平台从投研、投顾、投资三大应用场景出发，将DeepSeek的深度学习与推理能力与金融数据深度融合；朝阳永续的AI小二则提供从智能问答到报表服务的全流程功能。
生态协作化：通用模型公司与垂直领域公司的协作日益深入。恒生聚源与DeepSeek的合作是典型例子——WarrenQ运用恒生聚源累积20余年，涵盖"股债基"金融市场的宏观、行业、公司、市场等全量结构化数据，与DeepSeek的深度学习与推理能力相融合。这种协作模式充分发挥了各自优势，实现资源共享和能力互补。
部署灵活化：为满足不同客户的合规和安全需求，AI投研产品正提供更加灵活的部署方案。从最初的纯SaaS模式，发展到混合云部署、私有化部署等多种方式，特别是在对数据安全要求极高的金融机构，私有化部署已成为主流选择。
总体而言，AI投研行业正处于高速发展的黄金时期，技术突破与市场需求形成了强劲的共振。在这个充满机遇与挑战的新兴领域，那些能够准确把握技术趋势、深耕用户需求、构建可持续商业模式的公司，有望在重塑投资研究价值链的浪潮中脱颖而出，为投资者创造长期价值。