国泰海通非银投研:投研Agent超越大模型的生产力

发布时间：2026-08-05 一、核心要点 1. 本次为国泰海通非银20讲第三讲，主题是金融投研Agent的深度研究，对比其与Chat类AI的差异，拆解产业链、商业模式，分析行业空间与成长逻辑。 2. AI Agent具备自主感知、记忆、决策、交互、执行五大能力，核心与Chat类AI的差异体现在永久性结构化记忆、本地文件操作、主动推送任务三点，是从信息工具到任务执行者的跃升。 3. Agent分类维度包括应用范围（通用型由头部互联网厂商布局、垂类如万得、同花顺、东方财富等布局金融投研场景）和部署方式（云端托管、本地托管、完全本地化部署）。 4. AI投研发展分为三个阶段：2022年Chat阶段、传统Agent阶段（以Minas为标志）、当前Agent2.0阶段（以Cloud为标志，降低应用门槛），金融领域在2025底起快速推广。 二、投资线索 1. Agent产业链分为上游算力云服务、中游大模型、下游应用，Agent等于模型加Harness（运行支撑设施），Harness构建层、连接层、能力层、运行管控层四层结构保障Agent稳定运行。 2. Agent变现模式包括出租底层算力、按年收费加超额token付费，金融垂类Agent具备数据积淀深、业务逻辑理解好、准确性要求匹配度高、长链路推理适配性强的优势，商业价值更高。 3. 投研Agent核心壁垒为数据（高质量稀缺金融数据积淀）、Skill（投研专业技能封装与生态建设）、Harness（合规稳定运行的技术保障）三者协同，三者分别决定是否懂金融、是否会干活、是否合规稳定。 4. 行业展望：到2030年全球Agent市场规模有望达392亿美元，未来空间包括B端投研、C端投顾、出海三大方向，具备数据、Skill、Harness优势的头部公司将受益，推荐标的为同方财富（东方财富）、同华顺（同花顺）。三、风险与关注 1. 风险点：监管合规风险、AI模型幻觉问题、Agent执行中可能出现的数据滥用或权限滥用问题。 2. 行业局限：金融数据口径标准化程度不足、AI模型幻觉问题仍存在，需通过标准化数据体系、封装专业技能组件、构建投研级治理底座迭代升级。