大厂AI，盯上2.5亿股民

21世纪经济报道记者 刘夏菲

在对话框里输入一只股票代码，10分钟后，一份涵盖财报解读、估值分析和市场情绪洞察的研究报告便跃然屏上。这是当下“AI辅助炒股”产品描绘的诱人图景。

近期，国内互联网大厂在这一赛道上动作频频。上周，阿里千问官宣升级“深度研究”能力，新增财经分析模块，接入超1.3万只股票的行情数据；Kimi也悄悄接入了同花顺iFinD、Yahoo Finance等金融数据库。此前，还有消息称腾讯正在内测“腾讯AI问股”小程序。

与此同时，长期专注机构客户的万得，也“破天荒”地上线了Wind AI个人版，并火速推出APP，直奔C端股民而去。

大厂们密集布局，并非“凑热闹”。这是一个背靠近2.5亿投资者的巨大市场。据中国结算及上交所数据估算，截至2026年一季度末，A股投资者数量已近2.5亿人。与此同时，Z世代跑步入市，加速推开了“大模型进股市”的门。

热闹背后，“通用大模型+金融垂类数据”的技术路径成为一种常见的合作模式，金融信息服务商的竞争逻辑正在被AI改写。

不过，受访的专家同时强调，对普通投资者而言，AI工具只能提升分析效率，无法替代独立判断。“AI辅助炒股”热潮之下，“算法跟风”可能成为一种新的投资风险。

大厂抢滩“AI辅助炒股”

“AI辅助炒股”早已不是新鲜话题。近两年，各大社交媒体平台上不乏投资者分享自己使用通用大模型（如ChatGPT、豆包、DeepSeek、千问等）辅助投资决策的经验帖。

但这些产品本身并非为金融场景量身定做。数据更新滞后、信息来源不明、分析逻辑专业性不足等短板，在用户的实际操作中频繁暴露。

近期，多家互联网大厂大模型产品试图回应以上痛点，在产品中围绕投资场景做出了针对性的更新。

4月7日，阿里千问“深度研究”功能官宣上新，新增“财经分析”模块。据千问官方介绍，通过与同花顺合作，该模块接入了超过1.3万只股票的相关数据，并整合了约100万份上市公司财报、公告等专业内容。通过预置的分析指令模板，用户只需替换股票名称，就能一键开启深度研究。

无独有偶，Kimi 4月6日更新的专业数据库信息也显示，其已接入同花顺iFinD、Yahoo Finance等金融数据库。

此外，3月下旬，还有市场消息称，腾讯正在内测“腾讯AI问股”小程序。据称，该小程序通过AI大模型来服务客户，主要解决用户咨询证券业务范畴内的问题。

互联网大厂争相布局的同时，传统金融数据终端也在“转身”。

3月底，长期专注于机构客户的万得，出人意料地上线了Wind AI个人版，并火速推出了个人版APP，正式进军C端市场。

万得方面称，“这是万得26年来第一次，把AI能力直接交到个人手里。从今天开始，每个人都可以用万得AI做投资。”

记者梳理这些产品发现，它们试图攻克的方向，正集中在此前通用大模型在金融场景中暴露出的两大短板。

一是数据源，解决“用什么数据”的问题。通用大模型依赖公开网络信息，金融数据的准确性和时效性难以保证。除了Wind以自身专业数据库为基础外，阿里千问、Kimi等通用大模型产品，则选择接入同花顺等专业金融数据库，将财报、公告、实时行情等结构化数据作为信息底座。

二是推理链，解决“怎么用数据”的问题。与日常问答需求相比，金融投资决策的对话场景更要求严谨的因果关系推导、多源数据的交叉验证，以及对不确定性环境的持续判断。

为此，千问财经分析的解法是通过Agentic架构能赋予系统自主规划与执行的能力，解析用户研究意图、规划分析路径、自主调用实时行情与财报数据、最终整合多源信息形成结论。

Wind AI则将其能力概括为“智能内核、工具联动、技能分身”：AI负责理解目标与规划路径；MCP/Agent负责调用专业能力与金融兵器；Skill则把金融人的方法论、步骤和判断路径，封装成一个可以反复调用的“智能分身”。

“AI辅助炒股”何以成为“必争之地”

大厂们密集布局“AI辅助炒股”产品，并非“凑热闹”。多位受访的金融科技人士向记者表示，这背后有着清晰的商业逻辑。

从市场空间来看，这是一个接近2.5亿潜在用户的巨大市场。

据中国结算数据，截至2024年底，A股投资者总数已达2.37亿人（23680.34万人）。而据上交所披露的数据，2025年全年及2026年一季度，A股新开户数分别为2743.69万户、1204.02万户，合计新开户3947.71万户。据此按照“一人三户”规则保守估算，截至2026年一季度末，A股投资者数量已近2.5亿人（24996.24万人）。

“个人投资者数量庞大，但长期存在信息不对称、分析工具匮乏、时间精力有限等痛点，他们其实非常需要相应工具。”一位金融科技公司用户研究人士指出。

用户结构的变化，使相关产品的市场需求被进一步快速释放。平安证券与胡润百富联合发布的《2025中国金融市场投资者洞见白皮书》显示，据其抽样统计分析数据，30岁以下投资者的占比达到30%，年轻一代正逐步成为中国资本市场的主力军。

“这批在移动互联网和社交媒体环境中成长起来的年轻投资者，对工具化、自动化分析的接受度较高。尤其是Z世代，几乎就是‘AI原生代’。伴随着Z世代跑步入市，‘AI辅助炒股’产品的获客成本和用户教育成本正在快速下降，相关需求也大幅提升。”上述用户研究人士进一步分析。

市场空间是前提，但真正驱动大厂下场的，是这一场景的变现能力。

有来自头部互联网公司的金融科技产品经理向记者指出，金融场景具备“三高”特征：高频使用——投资决策需要持续跟踪信息；高用户黏性——一旦形成依赖，迁移成本较高；高付费意愿——用户愿意为投资决策付费。这“三高”，恰恰是互联网公司在AI商业化探索中稀缺的资产。

记者注意到，目前千问的深度研究—财经分析功能每天的使用上限为5次。Kimi接入同花顺等专业数据库则需要升级会员获取Agent额度，不同额度和功能权限的会员每月费用在49元~699元不等。

问道“AI+金融”最优解

在不同的产品和变现模式背后，一个值得注意的共同趋势是：“通用大模型+金融垂类数据”成为大厂“AI辅助炒股”产品的常见技术路径。

为什么是这种模式？

“互联网公司、大模型公司擅长算法和推理，但缺乏高质量、结构化的金融数据；而金融数据厂商拥有底层数据库，但在大模型技术和产品表现还比较弱势。双方互补，一拍即合。”受访的金融科技人士向记者分析。

多位业内人士指出，这种分工在现阶段是一个相对优解。头部互联网公司提供通用大模型作为“大脑”，同花顺等专业数据商提供“养料”，双方通过API接口或更深度的合作绑定，各取所需，既提供了更有效的工具，也触达了更广泛的用户，实现“低成本、高效率”。

不过，也并非所有玩家都选择“联姻”。万得就还在坚持“自给自足”的路线，在自有金融数据库基础上，依托自研AI能力直接触达C端用户。

对此，受访的金融科技人士提出，作为一家长期服务金融机构客户的公司，除了专业数据资源之外，万得对金融投研工作流的理解本身也是一种壁垒，“他们熟悉机构人士怎么看财报、搭模型，这些方法论沉淀也是一种稀缺能力。他们的自研AI本身也有一定专业优势。”

无论是与互联网公司的跨界合作，还是坚持“自给自足”，一个行业共识是，金融信息服务商的竞争逻辑正在被AI改写。

中央财经大学中国金融科技研究中心主任张宁向记者指出，AI正在重构金融信息产品的核心竞争力。传统行情软件仅做数据展示的模式逐渐失效，行业竞争从渠道能力转向智能解读与决策效率，不具备AI能力的工具将被快速边缘化。

这一趋势不仅影响作为工具的金融信息服务商，也将对投顾行业产生深层冲击。张宁进一步分析，AI大幅压缩基础投研与咨询空间，传统人力投顾的优势被削弱，行业将加速分层：低端服务被快速替代，仅资产配置、个性化规划等环节仍具价值。未来的竞争将从经验转向算法与数据，人机协同将成为新主流。

“AI辅助炒股”热潮下的“算法跟风”风险

“AI辅助炒股”产品正在快速迭代，但距离“可靠”仍有不小距离。

记者在实测中发现，尽管千问财经分析模块接入了同花顺的专业数据，但在生成的分析报告中，仍会引用今日头条等自媒体平台的信息，有时甚至引用过时的数据。

这种“杂糅式”的信息来源，折射出当前此类产品的一个深层问题：模型在调用专业数据库的同时，并未完全屏蔽公开网络中的低质量信息。当专业数据与自媒体信息被混合训练或生成时，输出的可靠性便打了折扣。

张宁则指出了更根本的技术局限，“大模型始终是依赖历史数据训练，难以应对黑天鹅事件、政策突变和市场情绪博弈。‘幻觉’问题和过拟合现象在金融场景中同样存在。”

合规风险同样不容忽视。张宁表示，随着“AI辅助炒股”日渐普遍，相应的合规约束和责任归属还有待进一步明确。例如，AI直接给出个股买卖建议或价格预测，可能触及证券投资咨询的资质门槛；一旦AI建议失误导致用户亏损，责任归属尚不明确。

而对投资者本身来说，“AI辅助炒股”亦是一把双刃剑。张宁指出，过度信任AI会弱化投资者的独立判断能力，散户可能更容易陷入跟风追涨杀跌的循环。

“AI辅助炒股工具对散户而言，短期是抹平信息差的利器，长期却可能放大羊群效应。”张宁分析，一方面，它能快速拆解财报、研报与舆情，让普通投资者获得接近机构的信息处理效率。但另一方面，主流模型的训练逻辑和数据来源高度趋同，当大量用户沿用相似的AI建议时，买卖信号容易趋同，形成集中化交易。

更值得警惕的是，当机构反向利用这种算法一致性时，跟风AI的散户反而可能成为被精准预判的对象，追涨杀跌的节奏可能比以往更剧烈。

张宁强调，对普通投资者来说，AI工具只能提升分析效率，无法替代独立判断，过度依赖只会让散户从 “盲目跟风” 转向 “算法跟风”，投资本质风险并未消除。