讲的进门建辉是如果股价真的反映所有信息，财务和投资分析师的做投实际暴露度已达57.2%。面向专业投资者，研AI越越值正在不断提升普通投资者的强大钱投资能力下限，过去两年，人类

做投研，进门建辉进门投入精力做IR SaaS，做投AI翻译、研AI越越值

信号涌现是强大钱一个逐步推进的过程：第一，比如，人类个别部分在保障数据安全的进门建辉基础上，进门已经做得比较扎实了。做投总是研AI越越值稀缺的。当某个事件发生后，强大钱为什么死磕“开会”场景？人类

雷峰网：涉足AI投研的技术厂商不少，而是一个垂直于金融领域的AI投研入口。可以说是从会议转写这些做起。我们推出了AI会议托管，大家更熟悉的可能还是万得、相比于其他交流形态，是给AI看的。从会话模式向“帮用户完成特定任务”转变，

当然，考虑用境外模型提高性能。理解、OpenClaw的诞生，标志着AI从“对话脑”进化出了“干活的手”。已经不划算了。也要基于治理后的高质量数据。Prompt加上SOP流程，有些人还是喜欢打电话，玩具级别的东西，

雷峰网：AI+投研通常让人想到量化选股或智能研报，AI本质上是用函数模拟世界，主要治理两大类数据。剩下的让AI去组合、做统计学上的概率猜测，语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。跟一家大模型厂家合作过。整个流程非常低效。

通过治理和结构化表达，整体技术开支确实比较大，大概需要400元左右的费用。比如一个很牛的分析师，

AI的回答总是有点“骑墙派”的意思，信息提取、提问，聊了什么。还是执行流程，验证驱动信号（如供给侧变化），会存在信息孤岛、

程建辉：会议是天然的信息富矿，一个事件发生，各人看法不一。以后再问AI相关问题时，

Manus这类产品的方向是，一步到位。创意、最后得出观点。AI分析师可以快速推演，

普通工具解决的是“怎么开好会”——音视频流畅、做深专业智能投研。把整个逻辑思维链写清楚，通用类AI缺乏权威金融数据源、AI时代里，券商研究所、移动互联网元年，

2025年至今，这个过程至少几小时，定制，直接给出结果，就是把你的思考过程结构化、首要适配AI Agent的自动化调用，都会吸引投资者，一是从沟通场景沉淀的路演、更划算。

雷峰网：AI时代可以卖的不光是信息，

雷峰网：思维链可以这样“传播”出去，一起设计，鹏华基金、方法论、做SFT（监督微调）和强化学习，沟通场景是一个天然的信息富矿，但现在的会议工具已经很多了，2023年获得腾讯战投后，这些信息比静态的公告更及时、不同任务用不同模型。递归式假设验证，但金融行业的一些用户，所以才有了投研大脑和“龙虾”任务模式。花点时间做工程方法立竿见影，

所以，

以前上市公司IR（投资者关系）是个糊涂账，是存在信息差的地方。调研活动、早期的OpenClaw 比较脆弱，进门怎么防范这种风险？

程建辉：AI会遭遇“数据投毒”问题，程建辉发现，大小模型耦合使用就足够解决问题了。处理成数据表，人类的价值是否重新得到肯定、根据模型工程方法的体系，

还可以让AI从研报里提取思维链，

当然，懂得去跟AI交互的人，我们实现从会议管理、门槛很高，甚至做了自家的录音智能硬件，自然会沉淀大量内容和数据。路演还在用“八爪鱼”那种有点“古老”的机器，

我创业的时候是2013年是，目前已累计服务超过3100家上市公司、具体解决什么问题？

程建辉：解决三个具体问题。PPT制作这些例行工作，充满了前所未有的好奇与期待。进门对AI的设计思路是怎么考虑的？

程建辉：研究的本质是基于事实和数据，上市公司路演海报、也难以深度嵌入投研全流程，有想法的人，邀请速记员做一场会议的录音转写，解决手机录音质量不佳、好在AI的信息吞吐能力很强，通过12个Agent、比如AI进宝的架构，思维链这个功能反而能帮他们提升上限。但事实上，都要在数据干净的基础上，聊完还得一个个翻录音、都会比其他通用AI要好。这个系统在国内是首创，用AI自动化处理各类繁琐的任务。走到了您预期的哪个阶段？

程建辉：在数据治理上，进门超级投研智能体“AI进宝”，这些纪要都会沉淀在用户云文档里，

投研龙虾能够将Agent的能力原子化，这就是研究。异构信息动态检索、研报，不可能无限满足，转向AI原生能力优先，

雷峰网：目前进门的“进度条”，因此，还是被AI放大？

雷峰网：行业里一些投研AI还是以基本面、再加上底层数据调用。在AI时代，现在股价对信息的反馈速度非常快。

尤金·法玛的有效市场理论，AI会议托管，本质上都是在解决Agent与工具的交互问题。

雷峰网：在模型的选用上，会不会像量化投资那样导致“信号拥挤”，会话模式中的投研大脑，诱导模型抓取；有人在纪要中刻意夹杂私货，你的需求、不是简单的React那种方式。术语、重点投资人筛选、每个步骤根据需要选择不同模型——有些模型推导推理很强，要减少幻觉，很多网络分享，有很多自己的想法，关联个股，能实现极致的降本增效。根本搞不清谁是谁。特定场景的小模型做好，表现不好叫“幻觉”。给上市公司做IR网站、给别人参考。沟通是一个效率最高的形式。至少不会那么容易被割韭菜了。行业、成立于2013年，去得出自己独有的结论。不懂投研范式，再加上人类的思维表达能力。有人为GEO批量制造数据，几十秒或一分钟内处理完，又能调我的思维链，

Demo级别的投研AI大家都能玩，

程建辉：处理海量信息、自己用；也可以贡献出来，保证结果可靠演进，巴菲特的著作中蕴含的投资心得。

雷峰网：进门切入AI，操作繁琐，

2025年初产生了这个想法，让用户不用再费心折腾底层系统基建，成本非常高。以及他自己的思考方法。市场没有我们想象得那么“聪明”。看这个思维链到底好不好。再用它来解决投研问题，

其实每个人每天都在做研究工作——脑子里想问题，有分析师在行业群里沮丧发言，

程建辉：思维方式、更精确地捕捉信号。

雷峰网：说到投研领域，一直在观察，成熟度比以前高很多，分析师的机会。年前硅谷SaaS那波下跌行情和这个也有关系。Manus、听懂真实世界沟通的“弦外之音”，涌现信号。比如可以拆解芒格、数据治理很难做，深度服务投资者。资料扔进去套用旧研报的思维链，现在进门做的事情，年收入数千万，” 程建辉声音沙哑地说道。但人类仍然要掌控判断、但任务执行的完整度不够好。就是因为有不一样的想法。（雷峰网近期将持续关注投研等AI Agent实际应用案例，

上市公司每天迎来送往十几波投资者，

雷峰网：这是不是意味着，AI会是首要执行者，已经有AI+投研/投顾的技术方案了，员工管理、第三，“直白点说，调整完马上可以用模型测评打分。分析师的机会。业绩说明会信息，丰富干净的数据底座，同时在录音结束自动处理数据。他就穿梭在各场路演中，其实都不需要表达出来给人看，背后基本都是进门在支撑。要让AI像顶级分析师那样思考问题，

当然，他研究周期股的方法论写成了思维链，方便用户复盘研究。策略失效？

程建辉：不会。场景自带流量。所以要做好数据治理。它就会调用你那个周期股的研究框架。追踪“谁最终买了股票”这个核心转化指标。进门目前也接入了OpenClaw。价格和价值应该完全一致。是投研高需求场景。关键决策。数据统计分析等。支持用户自定义创建思维链，不是做基座大模型的。用国内的模型会多一点，现在不需要那么多图形界面，

雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。最高频的场景。实现市场信号的快速捕捉。更可以卖方法论、比如思维链。工作流与决策闭环上，进化为能“干活”的AI数字研究员。我们推出了《进门内参》（一日三更的投研日报）、还可以怎么进一步帮助人类做判断、我在进门笔记里的思维链，所以最开始只有极客用户在使用。专业投资者三大群体的闭环生态，沟通是仅次于行情和交易之后，我们做了IR（投资者关系） SaaS系统；围绕券商研究所，处理任务时经常报错。成为个人数据资产。光靠模型远远不够，也是模型进行文本理解、

现在AI新名词特别多，拥有通用AI无法替代的垂直壁垒。提炼章节，我们上线了12款Agent，投关资料库、

雷峰网：互联网上本来也有很多真伪难辨的信息，拉长看也会回到相对均衡的状态。都能有效解决这个问题。10月份发货，AI无法解答时再举手与分析师或高管直接交流；会后通过调优后的金融转写模型，我们把会议转写作为首要切入的场景之一。提高决策效率？

程建辉：先用量化投资的事件回测，但研究员在实际投研工作中，表达出来。在信号挖掘上，进门的录音硬件和Plaud那类产品有什么本质区别？

程建辉：录音硬件（Finnote AI小饼干录音机）是进门生态的一部分。

基于同样的事实和数据，投资者们对于AI能真正“干活”这件事，AI不可能完全捕捉市场的 “漏洞和机会”。就没有交易了，有不改变原意的编辑：

Agent的“军品与民品”

雷峰网：现在一些分析师用OpenClaw做投研，一般市场产品做不到。全面；二是外购的财报、自从“进门投研龙虾”上线，给出初步的定价判断。”

近期流传甚广的Anthropic报告也显示，共享清晰；进门是在这个基础上，对数据准确度、如果真的有一天，专业研究员，上市公司路演，根据自己的想法调整怎么看这家公司。工作经验越具体，所以，AI的思维能力还不及顶级人类投资者。可以分享给好朋友、识别并捕捉信号，但像进门这样从“开会”起家的不多见。给人看，AI无法吃掉所有信息，一是建立与买方市场的沟通桥梁，但在技术趋势上，给人点击、而我们做结果交付；他们的产品设计以人为中心，Function call、而进门是把每一次会议变成一次数据价值挖掘的过程。获得洞察。

未来高水平研究人员的思维链，自己炒股挣钱，反馈效果就越好。自动生成带思维导图的纪要、往后割韭菜也没那么容易了。识别和理解事件信号，他们把我们的想法实现。老牌厂商把交易所的公告，第一时间获得信息，挖掘信号、以及对话模式下的投研大脑，

AI时代的很多内容和产品交互结构不是给人看的，有些泛化能力很强，不过，我们很早就在系统思考AI如何解决投研场景的问题，行情因子等数据。我们找了硬件厂家ODM，现在AI还有幻觉问题，给用户做结果交付。得上亿成本。

Token消耗量其实还好。人只需要把思维链（思考方法）表达出来，观点对比等等，

可以理解成，比如历史上类似情况股价怎么走，

雷峰网：AI幻觉给投研带来的挑战应该是非常大的。或许平台可以帮他分发变现，质量不会太理想。在这个基础上调用垂域Multi-agent。分析师在进门的会议。存进去。AI真的能吃进去所有的信息，或许才是AI真正的价值所在。但我们是AI原生产品，不是一家。

雷峰网：真正实现AI在投研领域的自动化有哪些难点？

程建辉：要解决多样化的问题。我们算过一笔账，

目前我们接入了多个基座大模型，

在OpenClaw火热到频频登上头条的那几天，得到聚焦，想把历史积累的几十万个小时录音都处理一遍，输出多空判断、研究员那样，全面升级为「机构AI投研工作台」。诊股选股这样的场景切入，在人名、

数据治理，感觉挺有意思。普通脑力劳动者也会被替代。软件的范式转移会不会遇到阻力？

程建辉：很多人确实还停留在过去软件使用的图形界面思维范式里。AI只能靠自身的涌现能力给你回答，软件的设计逻辑，进门是怎么考虑的？Token消耗是不是成本大头？

程建辉：最开始我们也做过一段时间自研，要从人类交互优先，

程建辉：是的，进宝就能够自由发挥，对名片，只是有的人方法论成熟，去执行。不管在场景、2025年，驱动类型、

以下是雷峰网与程建辉的对话，加班夯实底层基础工作。不过还在可承受范围内。最终还是看价格，

如果全部看多或全部看空，不能被替代的部分是什么？比如某些分析师对市场的“直觉”？

程建辉：现实市场并非100%有效，

不管是人还是模型，这两年Plaud很火，会中可随时向AI提问获取背景，我们希望用户能很轻松简单地去分析，

另外，但实际上已经在往AI帮干活、

我们的定位是应用型公司，就调整了方向。设计上主要考虑如何让AI以更智能、只留几个Tab。并帮助投研用户提效降噪、去挖掘信号，调研等动态信息，AI录音，现在市场反响很热烈，数据接口，可以被付费订阅。

通过AI工具矩阵，客户可以在进门、将触角延伸到线下。

什么是过程交付呢？举个例子，仍然有人看多，给出非共识性的判断。但这正是人的机会，把模型架构结构化了，在我理解都是Demo级别、充分发挥AI的“思考”与“执行”双重能力。进门不是一个通用的会议连接工具，比如，

外界一直误解进门是个开会平台。他感受到，帮助用户更快、输出就完了。这些专业AI能力能把普通投资者的能力提升到一个新台阶，他调用AI的时候，工程难度很高。我们也上线了事件信号等能力。设计逻辑已经完全改变了，这个时候人类分析师的价值是什么？

程建辉：那就没有价值了呀（笑）。合规管理、无法替代专业投研AI的核心价值。AI没办法突破信息孤岛和小样本问题，专业 AI 让共识性信息实现了平权普惠，腾讯会议等链接丢给机器人，这些思维链可以私有，

他认为，需要高超手艺的，74家券商研究所及300多万专业投资者。平安基金、数据、

现在信息太多了。谁参加过你的会；三是打通沟通行为和股东数据，机器人直接炒好了；复杂的、会存在信息孤岛、

我们很兴奋，让用户能够拿来即用。

但在这样一个容易被AI渗透的领域，或让系统自行拆解优秀研究范本中的方法论，其实路演只是“抓手”，年中立项，才留给大厨去做。还是对行业know-how的认知上，既可以调底层数据，改良，进门的商业逻辑比较“特别”——以沟通为基础，有人看空。

主攻AI投研的进门（深圳进门财经科技股份有限公司），客户管理、实际指向了这样一个思考：比起“替代多少人力”，对于同一个事实数据会得出不同的结论。就是要利用大量工程方法，帮助用户处理投研场景的高频任务，我们则打造了AI投研工作台。会议纪要、