AI终于杀进华尔街了

AI终于杀进华尔街了。

今年4月，金融AI公司Rogo完成1.6亿美元D轮融资，估值直接冲到20亿美元。而就在三个月前，它的估值还只有7.5亿美元。

三个月，接近翻了两倍。

Rogo到底是干什么的？

简单来说，就是给投行、PE和资管机构配一个“AI分析师”。

查公司、找数据、搭估值模型、改Excel、做客户材料，过去需要初级分析师熬夜完成的大量案头工作，它都能接过去干。

但真正有意思的地方在于，Rogo看起来并没有什么特别“独家”的东西。

底层模型用的是OpenAI、Anthropic，金融数据来自Capital IQ、PitchBook，最后工作的Excel、PPT又是微软的。

换句话说，从模型、数据到办公软件，最核心的东西都不是它自己的。Rogo做的事情，更像是站在中间，把这些东西全部串起来。

按常理说，这种公司最容易被上下游绕过去。

但现实恰恰相反。

截至2026年8月，Rogo已经进入300多家金融机构，被超过4万名金融从业者使用，估值也一路涨到20亿美元。

这就有意思了。一个看起来只是“攒局”的中间层，为什么反而成了华尔街最受追捧的AI公司之一？

今天，硅基君就来说说Rogo，以及AI究竟是怎么开始接走华尔街分析师工作的。

01

替华尔街分析师“交作业”

投行分析师，可能是这个世界上工资最高、同时干着最多重复体力活的一群人。

别看他们每天西装革履、出入华尔街，真正坐到客户桌前谈生意的时间其实不多。投行职业培训机构Wall Street Mastermind估算，投行员工大约90%的时间，都花在找数据、写研报、更新Excel模型、做PPT这些案头工作上。

《福布斯》此前采访Rogo创始人时提到，一些初级投行员工每周工作时间高达90个小时。哪怕一周7天不休，平均每天也接近13个小时。

原因很简单。传统投行很大程度上是一门“靠人堆产能”的生意。项目多了，就多招分析师；工作量上来了，就靠加班消化。

Rogo想用AI改掉这套模式。

第一步，是先把“找数据”自动化。

投行做项目，要在Capital IQ、FactSet里查财务数据，在PitchBook里看融资，在LSEG里翻并购交易。这些数据库投行早就买了，但过去仍然需要分析师自己搜索、筛选、复制。

Rogo做的事情很直接，和这些数据商合作，把客户已有的数据权限接给Agent。

2024年底接入Capital IQ以后，Rogo里的Agent已经可以直接调用基本面、市场预期等数据，并继续往下分析。

换句话说，Rogo把过去“给人查的数据”，变成了“给Agent调用的生产资料”。

第二步，是直接交付能用的文件。

Rogo的Felix Agent可以直接进入投行真实使用的Excel模型，更新数据、滚动预测年份、刷新图表、调整可比公司。

这件事看起来简单，实际很难。一个真实的投行模型可能有几十张工作表，里面全是跨表引用、历史数据和预测假设。过去分析师每更新一次，都要自己拉数据、改年份、查公式。

现在Felix可以直接接手。

比如模型里2027年的自由现金流突然变成负数，它可以沿着公式往回追，找到到底是哪几个假设出了变化，再给出修改建议。

碰到特别复杂的模型，它还会把部分计算逻辑转成Python重新跑一遍，检查结果。

也就是说，Felix开始能直接交付投行工作的结果。

第三步，是把单项任务串成整笔交易。

投行项目看起来复杂，但拆开以后，无非是做可比公司、历史交易、DCF、CIM、Teaser、筛买家这些重复动作。

Rogo把这些动作一个个封装成Agent。它找了75名以上真正干过投行、PE、信贷和研究的人参与搭建，目前共享Agent累计已经运行超过43万次。

但标准Agent还不够，因为每家投行的模板、口径和流程都不同。

所以，Rogo还会派团队进客户内部，继续把Agent改成专属版本。仅2026年7月初的一个星期，Rogo就和客户共同搭建了2450多个定制Agent。

更关键的是，这些Agent可以串起来。

一个Agent先起草CIM和Teaser，另一个继续做可比公司和DCF，再往下筛潜在买家。过去分散在不同分析师手里的工作，开始被拼成一条自动化交易流程。这也是Rogo真正有想象力的地方。

当然，软件能做，不代表投行就真的会用。所以，Rogo的商业模式也很特别。

它按Seat收费，本质上是SaaS。截至2026年2月，已经拥有超过2.5万名用户和150家机构客户。

但落地方式却很重。Rogo会把前银行家和工程师直接派进客户内部，帮客户搭工作流、做培训、改Agent。

比如在Baird，Rogo上线了约600个席位。通过现场培训和持续跟进，几个月后使用参与度达到95%，每周完成约1万次自动化任务，累计超过25万次。

也就是说，虽然Rogo卖的是软件，但落地更像咨询。

如果Rogo这套模式跑通，未来同样数量的人，就可以覆盖更多项目。对于一个靠“人肉堆算力”运行了几十年的行业来说，这才是AI最大的价值。

02

从AI工具，到华尔街的“操作系统”

按常理说，Rogo这种公司其实很危险。

上面是OpenAI、Anthropic这些模型厂商，下面是Capital IQ、PitchBook等数据商，客户又是高盛、Lazard这样的大型金融机构。

它夹在中间，任何一边往前走一步，都可能把它绕过去。

但现实恰恰相反。

截至今年8月，Rogo已经拥有4万名用户、300多家机构客户，Rothschild、Lazard等老牌投行都在用。

为什么一个看起来最容易被替代的中间层，反而越做越深？

关键在于，Rogo踩住了金融AI最重要的三个位置。

第一个，是合规。

Rogo成立于2022年前后，但真正大规模商业化，已经是两年后的事情。

这两年它主要干了一件苦活：让金融机构敢把数据交给AI。

投行每天处理并购信息、客户资料和内部研究。一旦AI泄露MNPI，或者模型算错一个关键数字，后果可能直接变成合规和声誉事故。

所以，Rogo很早就在做数据隔离、MNPI逻辑隔离、细粒度权限和全流程审计，并陆续拿下SOC 2 Type I/II、ISO 27001，以及2025年的ISO 42001 AI治理认证。

这些事情没什么性感的地方，却极其耗时间。结果就是商业化一启动，增长非常快：从0做到七位数ARR不到5个月，2025年收入已经超过1500万美元。

第二个，是它不赌模型。

很多AI应用公司最大的风险，是押错底层模型。

Rogo干脆不押。它做了一套Model Broker，同时接入OpenAI、Anthropic、Google等模型，根据不同金融任务自动选择。

为什么要这么干？因为金融任务根本不存在一个全能模型。

Rogo用928个真实金融任务做了一套Big Finance Bench。结果发现，GPT-5.5更擅长资本结构和M&A，Claude Sonnet 4.6更适合财报分析，Claude Opus 4.7在私募资本和预测上表现更好。

只根据任务类型和数据来源做简单路由，整体成绩就能比最强的单一模型高4.5个百分点。

成本差距更大。同一个任务，用顶级模型可能花1.26美元，换一个更适合的轻量模型，最低只要0.02美元。

这套架构意味着一件很重要的事：底层模型可以一直换，但客户的数据、Agent和工作流都留在Rogo。

不过，真正决定Rogo天花板的，是第三层。

它开始往金融机构所有软件的中间挤。

投行的工作流极其碎片化。数据在Capital IQ、PitchBook，内部文件在SharePoint，客户关系在Salesforce，邮件在Outlook，模型在Excel，交易底稿又放在Data Room。

过去分析师真正花时间的地方，很大一部分就是在这些软件之间来回搬东西。

Rogo开始一块块把它们接起来。

2025年9月收购Subset，把Agent直接塞进Excel，让它能修改几十张工作表组成的复杂模型。今年3月收购Offset，给Agent补上“记忆”，让它知道一个模型过去是怎么搭、怎么改的。

与此同时，它又接入SharePoint、Outlook、Salesforce、Box和Intralinks。

到了今年8月，Rogo进一步收购Rivanna，把能力推进到M&A尽调。Agent可以一次处理数万份交易文件，给出原文引用、识别风险，并跟踪整个尽调流程。

单独看，这些都只是功能。但把它们连起来，事情就不一样了。

Rogo正在把一笔金融交易原本散落在十几个软件里的工作流，一点点收进自己这一层。

如果这套拼图最终闭环，Rogo掌握的就不只是一个AI工具。

它会变成金融机构每天工作的入口。这才是资本愿意给它20亿美元估值的真正原因。