深度｜当彭博退向 API，大模型正在接管投行和券商的核心工作流

2026 年，一台 Bloomberg 终端的订阅价是 24,240 美元一席一年。这个价格十年没怎么涨过。

在中国，一家中型券商的研究所，每年花在数据终端上的费用以百万元计。采购部每年准时收到账单，每年准时付款，很少有人问为什么。

账单背后是一套四十年没变的工作流。分析师打开终端查行情，拉数据，导出 Excel，再回到 Word 和 PPT 里加工。关键数据散落在财报、法律文件、研报和公告里，查询、比对、整理占去一天的大部分时间。

彭博终端的双屏工作站与专用键盘，四十年来全球金融市场的标准入口（图源：Wikipedia）

变化发生在最近一年。中信建投、中金公司、易方达、红杉资本等十余家头部机构，开始把这套动作的一部分交给一个叫 Kimi 的对话框。工商银行、汇添富、真格基金也在名单上。

想抢这个入口的大模型公司不在少数。几乎每一家大厂都在做办公 Agent，都在讲金融场景的故事。为什么拿下最难啃的金融行业的，是月之暗面？

最烫的市场，最难啃的骨头

IDC 数据显示，2025 年中国金融行业生成式 AI 市场规模 17.4 亿元，同比增长 90.4%，预计 2029 年达到 113.5 亿元。其中金融大模型和智能体应用及服务市场规模 24.36 亿元，排在前三的是蚂蚁数科、百度智能云和科大讯飞。Research and Markets 的数据给出全球背景：AI Agent 市场 2024 年约 51 亿美元，2030 年预计 471 亿美元。

真正的对标物不在这些报告里，在那张账单上。Bloomberg 终端有约 32.5 万订阅用户，每席年费约 2.5 万美元，终端业务年收入至少 80 亿美元级，垄断全球金融市场入口四十年。中国市场这边，有行业研究估算，Wind 在持牌金融机构的渗透率超过 85%，2024 年营收超 36 亿元；中国金融数据服务行业整体规模约 420 亿元，Wind、Choice、iFinD 三家合计份额约 68.5%。

大厂争的不是又一个聊天框，是一块每年百亿美元级的金融桌面。对话框一旦能直接完成查数、分析和交付，数据商就要从前台退到 API 层，变成看不见的基础设施。入口的价值重新分配，这才是大乱斗的真正筹码。

金融这块桌面不好搬。一个数字出错，一份报告就可能作废。信息量大，时效窗口短，工作链路长，交付标准严，合规要求极硬。IDC 的判断是，金融 AI 已经从搭底座做试点的阶段，进入重场景看实效的阶段。试点故事不再值钱，能交出工作成果的系统才值钱。

被逐项接管的金融工作流

月之暗面找来一线分析师、基金经理与投行团队，把金融案头工作中最消耗人力的环节拆解，封装成了 9 项标准化技能：机构财务建模、机构研究报告、机构 PPT、金融动态图表、业绩点评、一致预期地图、组合复盘、持仓早报，以及 HK IPO 透镜。

这些技能直接对应分析师日历上的固定动作。晨会前，基金经理打开“持仓早报”，流动性、市场情绪与底仓异动已穿透汇总。财报季，“业绩点评”将单季财报核心变动提炼为一页纸，“一致预期地图”则拉平全市场的预期分布；“HK IPO 透镜”持续扫描港交所新递表招股书，拆解业务与收入结构，同步给出可比估值。过去每次都要从零搭建的案头工作，开始变成按需调用的流水线。

在真实的业务场景中，这套系统接管了四类极耗工时的任务：

在商业航天企业的 IPO 辅导中，投行团队把管理层报表、审计报告与尽调底稿丢进对话框，调用“机构财务建模”，直接生成了一本参数联动、支持随时调参的 Excel 模型及估值表。过去需要 5 到 7 人天的建模，被压到 1 天以内。

接手量子科技这类前沿盲区，二级研究员将多份专家访谈与业绩会纪要导入“机构研究报告”，两天内就拿出一份高盛风格、逻辑严密的研究草案，而以往这类深度报告往往需要拉锯两到三周。

商业银行准备一户企业授信，信贷员输入招股书、现场调研纪要与征信数据，迅速得到一份包含准入建议与风险提示的调查报告，单户材料梳理效率提升 5 倍以上。

保险公司分析竞品宠物险，分析师用“机构 PPT”将市场测算、定价逻辑与单体经济模型（UE）一键整合成 21 页投决会汇报材料，原本 7 到 10 人天的制作周期被缩短到 2 天。

虽然各家机构统计口径不一，但结果高度一致：以“天”甚至“周”为单位的资料整理与初稿拼装，被压缩到了小时级。

交付物的形态也随之改变。在 Kimi 产出的金融图表上，分析师右键即可呼出轮盘菜单，就地调整标注、括号、复合增长率与差值箭头，数据像 Excel 单元格一样即点即改，不再需要在多个软件间反复导出重绘。

交付结果可以导出为带交互控件的 HTML 报告，读者拖动滑块即可检验敏感性假设，一个链接就能直接流转。在 Kimi Work 的看板上，专业信源、持仓组合与自选标的被固定在桌面，开屏即是最新动态，不再需要每天机械地重复检索。

数据商退到后台

金融 AI 面对的第一道高墙，始终是“可信度”。

在这个行业，数据源割裂、系统烟囱林立是常态。一旦大模型吐出的数据无法追溯来源，便永远无法被采纳进真正的风控与决策链条。没有金融从业者敢在一个看不见信源与计算口径的黑盒答案上签字。

突破口在于将“黑盒生成”转变为“可核验检索”。如今研究员在 Kimi 框内提问，底层通过 MCP（Model Context Protocol）协议直接打通任务与数据通道：每一个关键财务数据和市场指标，都能直接溯源至研报页码、公告原文段落或官方数据库条目，口径与版本纤毫毕现。

接入的名单几乎拼出了一张金融基础设施的底图：

• 本土金融数据：Wind、同花顺 iFinD、东方财富、恒生电子；

• 全球宏观与财务源：标普（S&P）、美国 SEC EDGAR、IMF、世界银行、FRED；

• 实时资讯与特种数据：财联社、财新、新华财经，以及天眼查、元典法律等工商与司法数据库。

跨越行情终端、上市公司公告系统、宏观数据库与企查软件之间的海量复制、粘贴与手动清洗，被压缩成了一句自然语言指令。

Wind 的合作是一个硬案例。WindClaw 接入 Kimi 后，用户登录即用，无需配置 API Key，Kimi 直接调用 Wind 的行情、财务和行业数据，完成从公告解读到产业链推演的长链条研究。Wind 自己的数据团队也在用 Kimi 处理公告和募集说明书，抽取结构化数据并标注原文出处，准确率 95% 以上。数据商把自己的团队变成了 Kimi 的用户，这个动作本身就说明了流向。

没有 API 的系统也有入口。浏览器扩展和 Computer Use 让 Agent 在授权下操作浏览器和本机桌面应用。自定义插件支持用自然语言描述要连接的系统和流程，按 MCP、API 或浏览器技能三条路径创建。机构已有的数据订阅、内部资料和业务系统，都在可控权限下进入工作流。

办公协同一侧，飞书、腾讯文档、钉钉、企业微信和 Office 套件已经接入，与 WPS 等的连接正在推进。研究资料和分析成果可以更顺畅地进入团队协作。

开篇那张十年没涨价的账单，正在被拆成一笔笔 API 调用。终端还在，它背后的数据开始顺着管道流进对话框。

国字头的门槛

投行立项前的客户风险调查，是券商分析师最枯燥也最不敢马虎的环节。裁判文书、监管处罚、企业公告、媒体报道，单家标的企业动辄上百份材料，过去平均要耗去 4 个小时的人力。

但对中信建投、国寿股权、人保资本与中金公司这类国资金融机构而言，放外部模型进场必须跨过四道合规红线：哪些数据允许外发、工具调用是否授权、输出是否有据可查、执行过程能否全程审计。

月之暗面与中信建投共建的风险评估网关，把合规要求落成 5 项具体措施。数据分类分级，按敏感等级划定使用和外发边界，网关按规则检查任务、附件和工具返回内容。个人信息遵循最小必要原则，按规则过滤、脱敏或拦截。授权落实到每一次调用，拦截未经授权的数据查询和工具操作。输出标注来源、时间和待核实事项，初步材料经业务人员复核，不直接形成业务结论。任务、数据来源、处理决定和调用记录关联保存，支持按任务回查执行过程。

网关之外，托管平台提供独立会话沙箱、工具开关、凭据管理和运行记录。金融团队自行配置执行环境、管理工具接入、跟踪长程任务。智能体持续运行，每一步都在可观察的范围内。

这套网关已在真实业务中完成首轮验证。中信建投把立项前客户风险调查作为首个场景，试点覆盖 5 个行业、20 家企业。Agent 与既有业务系统的接入，原计划 2 个月，实际 3 个工作日完成。内部立项前安全合规评审周期，由 10 个工作日缩短至 7 个。单家企业公开资料整理及初步调查材料准备的平均人工投入，由 4 小时降至 1 小时。

中信建投首席信息官肖钢的评价十分务实。他在内部针对金融真实任务横向评测了多家模型，Kimi K3 综合得分最高，尤其在多材料长程分析中的风险线索抓取与归因更稳定，同时承诺企业数据零留存、不回流训练。但他同样划清了红线：AI 生成的仅是初步底稿，必须经由业务人员复核，最终判断绝不绕过原有审批流程。

边界清晰、责任明确，这是国资机构真正买账的核心。网关机制通过验证后，新业务便无需再经历漫长的合规拉锯。双方借此进一步跑通了“1 个主调度 + 13 个子 Agent”架构的投研智能体，直接承接晨报复盘与复杂多标的推演。把一次性的定制项目沉淀为可复用的合规基础设施，才是敲开顶级国资机构大门的真正筹码。

尾声

1981 年迈克尔·彭博把终端搬进美林证券，两万多美元年费卖的是“信息特权”。四十余年里，互联网与移动浪潮都没能动摇那块黑底双屏上的橙色光标。它成了全球资本市场最坚固的收费站。

但真正的颠覆来自工作流的解构。旧壁垒靠封闭终端和私有协议圈地，迫使所有人顺应它的界面。而当大模型直接端到端调用数据、完成推演与交付，那些曾象征权力的代码和界面，瞬间退化为冗余的中间层。

金融业最昂贵的从来不是数据本身，而是人处理数据的效率与确定性。当这种确定性被重新定义，整个行业的价值天平，也就跟着倾斜了。生产力已经奔向了新时代。