進門接入騰訊云后，把“投研龍蝦”從個人工具推進企業級工作流，支撐研究員完成資料整理、自選股掃描、報告生成等任務。今年一季度，進門AI產品使用量增長了10倍。

一個買方研究員的一天，通常從幾百條未讀消息開始。

電話會、上市公司路演、專家訪談、行業紀要、券商研報不斷涌來，群聊和會議鏈接永遠刷不完。

但令人煩惱的是，很多時候，真正重要的信息，其實不在正式研報里，而藏在某一個交流細節，甚至是在一句微妙的語氣變化里。

這是金融行業投研領域的現狀，成千上萬條消息，漏掉一條，丟失的可能就是上億規模的真金白銀。

那么，當投研圈子迎來實戰型Agent，它們如何效“履職”，如何干好活，替研究員們處理龐雜信息，快速捕捉邊際變化？

主攻AI投研的進門，成立于2013年，在國內券商研究所公開路演領域市占率95%左右，這個標簽太過深刻，讓很多人對這家公司的印象，還停留在會議平臺。時間來到2023年，進門獲得騰訊戰投，同年，全面迭代為“機構AI投研工作臺”。

2025年，進門推出超級投研智能體“AI進寶”，成為了業內第一個推出投研版Agent的公司，幫助用戶處理好投研場景的海量工作。并且，在接入騰訊云后，今年一季度，進門AI產品的使用增長了10倍。

用進門CEO程建輝的話來說，Agentic AI帶來的最大變化，就是讓“AI從過去的聊天模式，正式進入到干活模式”。

在溝通場景中“干活”

其實，早在創業初期，程建輝和他的團隊，想做的就不止是一個開會的平臺。回到十多年前，也就是進門最初創立的時候。那時的金融市場中，行情和交易是最高頻的場景，其次就是溝通場景。程建輝認為，“溝通場景是一個天然的信息富礦”，隨著信息流通的效率越來越高，溝通場景必將成為金融市場的未來。

進門CEO程建輝

但在當時，沒有人覺得這是一個好的賽道。

轉折發生在疫情之后。投研圈的路演、會議集體轉移到線上，進門的市場滲透率隨之提升，也證實了團隊最初的預判。

海量的溝通場景沉淀出大量的事實和數據，但是，投研領域涉及多個主體，不同主體對同一內容的想法也各不相同，程建輝意識到，他們要做的其實是“基于溝通的場景，把上市公司、券商研究所、機構投資者三個主體連接起來。”

一開始，進門考慮的是機器學習、NLP等方法，能力相對有限，直到AI Agent浪潮來臨，新的機會開始出現。

Openclaw引爆互聯網之初，進門整個團隊都異常興奮，連春節都沒有休假，加班加點研究Agentic AI如何更好地在投研領域落地。

基于十余年來形成的金融溝通場景數據飛輪，進門將“AI進寶”打造成真正懂投研、能落地、貫穿投研工作全流程的“超級生產力工具”。

AI真的能夠干活了。程建輝舉例，“以前，關注自選股，每天都要打開行情軟件，看一下有哪些邊際變化。現在不用了，可以直接設個定時任務，比方每天早上7點鐘，把所有的自選股掃描一遍，幫我分析有哪些變化，甚至可以幫你去做量化回測、做管理層背調這類復雜任務。”

AI應用的下半場，逐漸從追求效率轉向追求交付結果的可用性。所以程建輝認為，AI進寶只會干活還不夠，必須要讓它讓它真正具備把活干到99分的實際價值。

程建輝用了一個比喻，“在處理投研任務上，野生的AI是一棟毛坯房，但AI進寶則是精裝房、拎包入住，不需要你再去做很多的基礎工作。”

從玩具到生產力工具

“精裝”的方向，只有身處金融行業的人才懂。

比如對于金融行業來說，除了效率上的提升，要真正將AI Agent融入工作流，還需要解決更多行業內的特殊問題，最為緊要的問題之一，便是安全性。

但是，AI目前還存在著一定的"幻覺"問題，這對投研領域構成極大的挑戰。個人用戶對“幻覺”容錯率較高，但“金融行業做100次，就必須對100次，如果第101次錯了，就是一個很大的事故”，騰訊云數字金融副總經理謝任東說。

騰訊云數字金融副總經理謝任東

在謝任東看來，企業“養蝦”和個人“養蝦”最本質的區別，就在于安全可靠性的管控。作為企業級AI智能體平臺，騰訊云具備成熟、全面的基礎架構和資源，保障企業高效、平穩地運用AI Agent。

早在進門AI業務發展初期，進門就和騰訊云確立了友好的合作伙伴關系。而在企業級AIAgent的合作上，程建輝更確定了騰訊云“解決痛點”的能力。“不管是顯性還是隱性的需求，騰訊云和我們交流都是帶著解決問題的思路。”程建輝還記得，最開始，在云計算資源十分緊張的情況下，騰訊云依然保障了資源的提供，為新AI產品的發布提供支持。

在路演會議數據安全問題上，騰訊云也給出了進門亟需的解決方案。騰訊云通過音頻水印定位的技術，幫助進門有效監測流出途徑，精準追溯責任源頭，守住金融數據安全的底層防線。

謝任東提到，騰訊云在這里提供的不只是“云服務器”，而是從AI能力一鍵部署、到企業級安全能力、再到模型調用生態的全方位架構。包含：

1)CodeBuddy、WorkBuddy等業務、研效與辦公的多場景智能應用層;

2)智能體API/上下文工程/多Agent編排/檢索增強等原子能力的智能體引擎層;

3)AgentRuntime、tokenhub模型路由、推理平臺等智能服務層;

4)異構算力、高性能網絡、安全防護等基礎設施層。

也就是說，金融領域企業可以不再將AI視作一個只供聊天的玩具，而是一個合規、安全、高效的生產力工具，是把“AI變成一個組織的通用能力”。金融機構結合自身“垂直數據+行業skills+評測體系”，基于騰訊云提供的“基礎設施+Agent運行環境+安全合規工具”，發揮各自優勢快速推進創新。

讓厲害的人更厲害

有了安全、穩定的底層架構，企業用戶便能放心地將信息處理完全交由AI接管。那在這之后，研究員的價值在哪里？他們是否真的會被AI取代？

對此，程建輝給出了意想不到的回答，他認為，AI投研的出現，反而會“讓厲害的人越來越厲害”。

“市場上能掙到的錢，無非三種，第一種是掙信息差的錢；第二種是非理性的錢；第三種是認知差的錢。AI的時代，掙信息差的錢會越來越難，但未來最有價值的，還是掙認知差的錢。”在程建輝的描繪中，AI真正改變的不是人的存在，而是行業"掙到錢"的方式。

AI Agent未來能做到的，正是幫助研究員提升認知的上限、兜住下限，賺到認知差的錢。

“人類最頂尖的一波分析師，之前一天可能只處理10份研報，現在一天能處理10萬份研報”，程建輝解釋。他認為，現階段模型的思考分析能力遠遠跟不上頂級的人類研究員，但可以幫助研究員節省出大量的時間，用于思考和決策。也因此，對于資深的研究員來說，AI越強，會提問、有判斷、能做非共識決策的人越值錢。

而對年輕一代研究員來說，他們的成長路徑也會徹底不同，程建輝將其比作“練鐵鍬”和“開挖掘機”的區別。年輕從業者能夠把入門的、低效的工作交給AI，把精力用在提升認知上，甚至可能超越資深從業者。

在與36氪的對談中，程建輝曾解釋為何進門始終在深耕投研這一垂直賽道，“巨頭公司的航空母艦是做大海里的生意，我們想先把小河里的生意做好再遠航”。垂直、真實的金融業務場景，如同細小的河流，但正是在這里，AI真正落地、迭代，并進一步驗證更大的行業趨勢。

而放眼金融行業，在投研之外，還存在風控、資管、保險、支付等眾多細分的業務形態。如謝任東所言，騰訊云的優勢正在于“開放性和生態”，這將接納和托舉更多像進門一樣深耕垂直場景的“小生意”，更有機會回應金融行業在AI時代的共性命題。