AI杀入金融数据圈：千问、Kimi接入股票数据库，券商投顾会被替代吗？

出品｜搜狐财经

作者｜汪梦婷

编辑｜杨锦

近期，国内大模型掀起新一轮“金融战”，让不少金融从业者感受到阵阵凉意。

先是Kimi宣布接入同花顺iFinD、天眼查等专业金融数据库，弥补了通用大模型在金融实时数据上的短板。

紧接着，通义千问升级“深度研究”能力，新增财经分析模块，接入超1.3万只股票的实时行情数据与约百万份上市公司财报，向所有用户免费开放。

长期以来，行情数据与研报体系被Wind、同花顺等专业终端把持，个人投资者获取这些数据动辄需要数千甚至数万元的年费。千问和Kimi的动作，相当于把这些门槛一把推倒。

但把数据接进去，AI就能替代券商投顾和分析师了吗？搜狐财经实测并对话多位业内人士发现，事情并没有那么简单。

实测：能查数据，但离“替你炒股”还远

搜狐财经分别使用千问和Kimi进行了测试。

以千问为例，在其“深度研究”模块输入“分析贵州茅台最新财报”，系统会先展示一个分析框架，包括“财务指标变化”“产品结构分析”“战略转型与价格调整”“行业趋势预测”等维度，随后调用实时数据生成分析报告。

不过，整个过程需要10分钟，输出的报告包含数据图表，关键数据均标注了出处。对于没有专业金融背景的普通投资者来说，这份报告的可读性不低，它把看财报这件事从翻PDF变成了看中文摘要。

Kimi的体验则有所不同。由于仍处于灰度测试阶段，其接入的同花顺iFinD、天眼查、世界银行等数据库并非全部面向所有用户开放。

搜狐财经测试发现，Kimi在调用行情数据时偶尔出现延迟，部分复杂查询返回的结果不够精确。但更关键的问题不在数据本身，而在分析深度。

搜狐财经尝试让两款AI回答“贵州茅台2025年报中哪些数据值得重点关注”，两者都能准确调取营收、净利润等核心指标，但对一些需要行业对比和历史纵深才能判断的问题，缺乏真正的洞察。

例如，提问“茅台直销渠道占比变化的战略含义”时，给出的回答更像是把公开信息重新组织了一遍。

一位资深投资者告诉搜狐财经，他日常投研是使用Claude+tushare pro搭的系统，他花了近三个月时间才把这套系统调试到可用的状态，基本替代同花顺app，“但即使是最顶级的模型，也只能用来收集数据，决策还是完全靠人。”

“Kimi接入同花顺，基本是个demo性质，我日常不用。但我认为这个趋势非常重要。”他表示，“但即便是最顶级的模型，也只能用来收集和预处理信息。”

通用大模型，还差什么？

“通用大模型接入金融数据是没用的。”一位金融业内人士直言不讳。

在他看来，通用大模型能调取数据、做基本的分析整合，但无法替代专业金融分析中真正有价值的东西，也就是将最新研究方法内嵌为工具和函数，形成一套可复用的分析框架。

“它只能分析数据，根本不可能做出有效的研报分析。不是数据缺失，也不是算力不能到达，它唯一不能做的，就是没有办法把最新的研究方式做成skills放进去。”他表示，“除了让一些散户开心一点之外，没什么意思。”

这位受访者的判断相对尖锐，但也指出了一个痛点，当前通用大模型在金融领域的尝试，本质上还是“通用模型+外部数据”的组合，并未在模型层面做针对金融场景的深度优化。

一位AI金融投研智能体创业者对此有更细致的分析，他认为，需要区分“研究”和“交易”对数据时效的不同要求。交易层面需要毫秒级数据响应，这是量化交易接口的事；而通用大模型解决的是研究需求，投研对数据时效的要求其实不高。

他更看重的是架构层面的优化，而非模型本身。“未来是agent时代，会有金融垂类agent，在架构方面做优化而不是模型方面，比的就是谁更懂用户，谁更能给出用户需要的分析。”

在他看来，最容易落地的方向是将外部数据库向量化，用RAG技术增强搜索准确性。

“我们平时问豆包千问关于股票的问题，它会调用搜索工具进行检索，但检索的信息源可以被投毒，导致结果不准。”他表示，进行逻辑上的深度对齐需要时间，各家有各家的技术框架。

而真正的壁垒，可能还是数据本身。

“数据仍然是最坚固的护城河。”他强调，“大模型公司从数据公司拿数据也是要成本的。而且现阶段接入的行情数据和研报数据，只是庞大数据库的冰山一角。这些通用数据近乎于公共知识，而Wind和Bloomberg的数据库更加丰富，如果大模型公司以很高的代价拿到，大概率也不会免费给用户使用。”

Wind终端年费动辄数万元，Bloomberg更是高达两万美元以上。这些费用背后不仅是数据本身的成本，也包含了数据清洗、标准化、历史回溯等专业处理，而这些“脏活累活”恰恰是通用大模型目前无力做到的。

券商的应对：219亿元砸向AI

面对大模型公司的跨界，金融机构也没有坐以待毙。

据年报数据统计，2025年已有22家券商披露了合计219亿元的信息技术投入，同比增长14.03%。其中国泰海通以32.35亿元居首，华泰证券投入26.79亿元，招商证券19.08亿元，中信建投和中金公司均超过15亿元。

多家头部券商已明确提出“ALL in AI”战略。国泰海通早在2017年就提出“AI in ALL”，2024年升级为“ALL in AI”，2025年成为行业首家在App上线大模型面客服务的券商。

此外，华泰证券CEO周易明将AI重构定义为“一道必答题”，招商证券锚定“AI证券公司”战略，中金公司自主研发了“超级研究员”等AI应用。

智能投顾方面，券商的布局已初见成效。国投证券的“智造+”产品矩阵签约客户21万户，签约资产694.26亿元，年创超额收益7.45亿元。中金公司的RITAS数字化平台上线智能体投顾助手，线上理财累计新增规模超百亿元。

更关键的是，券商手握一张通用大模型无法获取的牌照。通用大模型能帮助用户分析财报，但不能下单买卖。而券商的AI不仅能诊股、解报，还能直接完成交易执行，这也是分析工具与提供投资服务的本质区别。

有券商分析师观点认为，未来双方的定位将更加清晰：通用大模型负责“广度和便捷”，走大众路线；券商AI负责“深度和闭环”，提供经过合规审核的深度投研内容。

与此同时，专业金融数据平台也在顺应这一趋势，例如，Wind推出了WindClaw，同花顺iFinD推出了MCP金融数据服务。

决策权仍在人手里

回到最初的问题：AI能替代券商投顾和分析师吗？

从搜狐财经的测试和采访来看，答案暂时是否定的，至少在“深度投研”和“投资决策”这两个核心环节，通用大模型还差得远。

千问和Kimi的价值在于降低了信息获取的门槛。过去需要花几万块买终端才能看到的数据，现在免费就能查到，对于普通投资者来说，无疑是一大进步。

但在投资这件事上，数据分析与判断决策之间，还隔着一条巨大的鸿沟。

“投资方面，大模型现在做到的是信息的分析整合，辅助决策。投资人永远都是把决策权掌握在自己手里，自负盈亏。”前述AI投研创业者总结道。

他提出了一个公式：私有知识+模型智力+专家判断，才能实现超额收益。换句话说，AI是工具，不是替身。至少在可预见的未来，投资者需要的不是一个替自己做决定的AI，而是一个能帮自己更快、更准地处理信息的AI。

至于谁能率先把这个AI做好，是大模型公司，是券商，还是介于两者之间的垂类创业公司？

这场比赛才刚刚开始。