国泰海通非银投研：金融投研Agent超越大模型的生产力

一、核心要点

1. 本次为国泰海通非银团队投研分享，主题是金融投研Agent超越大模型的生产力。明确Agent与普通ChatAI的核心差异在于具备动手能力、持久记忆、本地操作、主动推送特性，是从信息工具到任务执行者的产品逻辑跃升。
2. Agent按应用范围分为通用Agent（互联网头部厂商主导，大模型能力强但金融垂类数据/经验不足）和垂类Agent（面向金融领域，如万得、同华顺、东方财富等，金融投研适配性更好）；按部署方式分为云端托管、本地托管、全本地化部署三类。
3. AI投研发展分为Chat阶段（2022年ChatGPT问世，仅对话应答）、传统Agent阶段（以MiniGPT爆发为标志，可自主操作但面向开发者有门槛）、当前Agent2.0阶段（以Claude小龙虾出现为标志，门槛降低，快速普及）。
4. Agent产业链分为上中下游：上游为算力与云服务提供商，中游为大模型公司，下游为应用交付层，Agent处于下游对接真实业务场景；行业共识是Agent=大模型+Harness，Harness是模型外的运行支撑设施，分构建、连接、能力、运行管控四层。
5. Agent核心竞争力由数据、技能（Skill）、Harness三者共同构成：数据决定是否懂金融，Skill决定是否会干活，Harness决定是否干得稳且合规。

二、投资线索

1. AI投研Agent行业趋势明确，投研为高价值垂类赛道率先落地确定性高，具备数据储备、投研人才与技术积累、完善合规管控的公司具备发展机会。
2. 推荐标的为同方财富、同华顺，二者有用户基数、大数据和流量优势，人才积累与合规把控到位，B端与C端同步发力，成长性与确定性较高。

三、风险与关注

1. 主要风险包括监管合规风险、AI模型幻觉问题、Agent执行时的数据滥用与权限滥用问题。
2. 行业当前仍存在数据口径标准化程度不足的局限，需持续推进数据标准化、Skill组件化、Harness投研级治理底座构建。