金融投研Agent行业深度报告：投研Agent，超越大模型的生产力

金融投研Agent行业深度报告 本报告导读： 综合金融《拥抱科技，投行改革红利持续释放》2026.06.28综合金融《陆家嘴论坛新政，非银金融迎多重催化》2026.06.18综合金融《外部扰动下港股ADT环比增长，投资收益率有望边际企稳》2026.06.16综合金融《金融信息服务数据分类出台，蚂蚁国际或港股上市》2026.06.15综合金融《风格库明确主题基金投资边界，严控风格漂移》2026.06.14 智能投研正在加速发展，拓宽分析师能力范围，成为关键生产力，具备优质数据治理能力，持续完善Skill与Harness的垂类公司更易抓住行业级机会。 投资要点： 投研Agent正在逐步成为关键生产力，主要在于其在数据、Skill、Harness上的独特优势。Agent位于产业链的下游，是产业价值落地的核心形态。技术层面已形成“Agent=Model+Harness”的行业共识，Harness通过构建、连接、能力、运行管控四层架构，支撑Agent完成任务拆解、工具调用、验证反思的完整工作流；商业化模式主要分为IaaS算力租赁与SaaS订阅付费两类。金融投研作为高复杂度专精场景，通用Agent无法支撑核心生产需求：首先金融数据口径复杂、业务规则严谨、合规约束强，垂类模型拥有更优质的金融数据和对金融行业深层次的洞见与完善数据治理；其次优质的Skill能够较好满足用户需求，迅速得到用户好感，进而培养用户使用习惯，形成用户沉淀；最后针对投研领域多源数据口径混杂、场景错配频发、数据滥用导致结论失真的普遍痛点，Harness能够将原本不可控的数据调用过程转化为标准化、可审计的生产流程。 投研Agent将迎来加速发展。AI Agent正驱动算力需求实现跃迁，全球Token调用量18个月增长超55倍，用户对于AI需求不断扩张。金融垂类赛道增长确定性突出，国内智能投研一方面加速完成国内存量市场替代，另一方面依靠B、C双端全域布局挖掘本土新增量，同时凭借差异化产品竞争力持续获取海外市场份额，预计投研Agent市场规模2030年有望达392亿美元，智能投研作为高价值场景具备广阔落地潜力。未来投研Agent将沿数据资产标准化、Skill组件工程化、Harness治理专业化三大方向协同升级，逐步破解当前数据口径不统一、模型内生缺陷、内生校验机制缺失等局限，从辅助提效工具向全流程智能投研平台演进。 投资建议：更加看好数据丰富，数据底座扎实、治理能力突出；兼具资深投研人才与技术研发实力，能够搭建成熟的Harness治理体系，产品落地能力过硬；三是合规管控体系完善，能精准把握证券研究监管边界，减少AI幻觉的相关公司。 风险提示：监管合规风险，AI模型应用风险，Agent执行失范风险。 目录 1.AI Agent：随着人们需求的加深，执行能力成为AI的主战场..................31.1.Agent是具备“动手能力”的人工智能......................................................31.2.Agent产品主要可分为通用和垂类产品，部署方式存在差异..............31.3.Agent应时代发展而诞生，目前需求多元化与专业化并行..................62.数据与Harness构成了Agent的核心竞争力................................................82.1.Agent在产业链的下游，直接触达用户..................................................82.2.从模型到智能体：Harness架构是Agent的关键支撑...........................92.3.Agent的商业模式：依托算力服务，便捷用户需要............................102.3.1.IaaS算力租赁+SaaS场景订阅双向变现........................................102.3.2.在金融场景下，垂类Agent具备不可替代优势............................112.4.垂类Agent的核心竞争力：数据、Skill与Harness构筑垂类壁垒.132.4.1.数据是金融行业的关键原材料........................................................142.4.2.预设的Skill技能会显著影响用户对Agent的体验......................152.4.3.Harness对于Agent投研的功能发挥了关键作用..........................173.投研Agent将迎来加速发展.........................................................................183.1.AI爆款应用的诞生，带来算力需求实现跃迁.....................................183.2.投研Agent市场规模2030年有望达392亿美元，垂类应用机会大.194.投资建议........................................................................................................215.风险提示........................................................................................................22 1.AI Agent：随着人们需求的加深，执行能力成为AI的主战场 1.1.Agent是具备“动手能力”的人工智能 目前AI类产品主要可以分为Chat和Agent两类产品，两类产品的主要区别在于是否具备“动手能力”。Chat类产品是以自然语言对话为核心交互方式的AI产品，其基本逻辑是“一问一答、被动响应”。这类产品擅长知识问答、文本生成、摘要提炼、基础搜索等轻量化任务，但在面对多步骤、跨工具、需要持续纠错和推进的复杂任务时，通常仍依赖用户逐轮追问、分步指挥和反复修正。 根据国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》（以下简称《意见》），智能体（Agent）是具备自主感知、记忆、决策、交互与执行能力的智能系统，是人工智能产品及服务的重要形态。主要包含五大核心能力：自主感知、记忆、决策、交互、执行。自主感知指Agent主动、无需人工转述地采集外部环境、设备、软件、文件、网络、会话等一切外部状态与信息；记忆指不会随会话中断丢失，能基于长期积累的信息形成连贯、个性化的服务逻辑，实现与用户的持续交互；决策指其能够对目标进行拆解、路径规划、分支判断、异常处理、优先级排序，输出一套可落地的行动方案；交互指其具备信息同步能力，包含“人机聊天”和跨系统交互；执行是Agent最具标志性的一环，指Agent根据决策方案，直接操控软硬件、调用工具、完成实体动作，直接推动任务完成。 两者“动手能力”的差别主要体现在三个方面：即永久记忆，本地操作和主动推送。Agent与Chat容易被混淆主要原因在产品界面形式上，二者都表现为聊天窗口或消息界面，但两者的根本差异不在于界面形式，而在于产品逻辑。1）永久记忆。常规聊天AI的记忆仅局限于单次临时会话，对话结束或页面刷新后，上下文信息便会丢失，无法形成长期有效的信息沉淀；而Agent的永久记忆是其作为智能代理的核心根基，支持对用户偏好、历史任务、交互习惯、场景上下文等信息进行结构化、持久化存储，记忆不会随会话中断、平台重启而消失。2）本地操作。Agent可突破纯文本交互的限制，调用本地系统能力、操作本地文件、执行指令任务、对接本地工具接口，进行本地数据整理、文件处理。3）主动推送。Agent可以向用户主动推送提醒、资讯内容等，同时可接入各类社交工具实现多平台触达，从被动等待指令的“聊天机器人”，升级为主动执行、主动触达的“智能代理”。 资料来源：国泰海通证券研究 从应用范围来说，Agent可以分为通用类Agent和垂直类Agent。垂类型Agent指专精于单一垂直行业（如金融）核心业务环节的Agent产品。通用型Agent产品主要由字节跳动、百度、阿里、腾讯等互联网头部厂商主导，以大众用户及多行业通用需求为目标。得益于互联网海量公开语料的支撑，这类产品具备极强的泛化能力和广泛的场景覆盖面，在通用办公、日常内容生成、基础知识问答及轻量级代码编写等普适性场景中表现优异。然而，在处理专业度极高的业务时难以有效切入并执行复杂的行业专属流程。 以金融领域为代表的垂类型Agent产品。此类产品主要由Wind、同花顺、东方财富、讯兔科技等金融信息服务商及垂直科技企业主导，精准定向服务于对专业度要求极高的投资者与金融从业者。垂类Agent产品以高度结构化的金融专业数据和高频行业纪要作为知识基座。这赋予了其深刻的行业理解力和极高的专业输出精度，使其能够直接赋能投研分析、复杂策略生成及专业数据库整理等核心金融业务场景。不过，受限于专业数据的特异性与封闭性，垂类型产品在跨领域的场景扩展性以及通用泛化能力上则存在明显的短板。 从部署方式上，根据数据与算力的位置不同可将Agent的部署方式分为四种类型。1）数据和算力均掌握在厂商手中的云端托管模式。用户无需配置本地环境，无需租赁云服务器，直接通过网页、APP或办公软件插件接入，如ArkClaw和KimiClaw属于此类。2）数据存储在本地，算力由厂商提供的本地托管模式。Agent的客户端软件常驻在用户的本地电脑上，用户的原始文件原则上存储在本地不上传。但为了让系统运转，用户输入的操作指令，环境上下文会被抽离并发送至厂商的云端大模型进行计算处理。3）数据存储在本人可控的云端，算力由自己租赁的服务器提供。用户在第三方公有云提供商处租赁计算资源，并将Agent系统及大模型部署在这些专属的云端实例中，通过将自己的数据上传至存储空间对所需文件进行处理。4）数据与算力均由本地服务器提供。Agent的运行框架执行工具链，以及最核心的底层大语言模型全部部署在用户自持的物理服务器或内部局域网终端上。 从应用方向上，根据《意见》，其将Agent分为了五大应用方向，分别为科学研究、产业发展、提振消费、民生福祉、社会治理。1）科学研究：赋能理论推演、仿真实验、数据解析，覆盖全科研流程；同时助力软件开发、工业设计等研发工作，实现研发环节智能化；2）产业发展：落地智能制造、能源环保、交通、农业、金融等实体行业，优化生产调度、风险管控、运维监管，提质增效、防控风险。3）提振消费：融入各类消费终端与生活服务，覆盖线上消费、文旅、商业服务、家政养老等场景，优化体验、提升商业运营效率。4）民生福祉：应用于教育、医疗、人社、公共信息服务，助力个性化教学、医疗辅助、就业社保、内容治理，保障民生、提升公共服务质量。5）社会治理：服务政务、司法、公共安全、城市管理、招投标领域，推动政务便民、办案提效、风险防控、城市精细化与招投标全流程监管。 资料来源：中国网信网，国泰海通证券研究 1.3.Agent应时代发展而诞生，目前需求多元化与专业化并行 从Agent的发展历程来看，Agent的兴起是AI发展到一定程度下，必然出现的产物。随着人们对于AI的接触增多，需求逐渐深入化，希望AI演进出“动手能力”，并更好的完成工作任务。人们对AI的需求与认知可以划分为三个阶段： 第一阶段：Chat时代，以对话式交互为核心形态，ChatGPT与DeepSeek等产品的相继问世标志着AI正式进入大众视野。以ChatGPT为代表的对话式产品首次将AI的强大能力以极低门槛带给大众用户，极大地提升了