大厂Agent集体杀入金融腹地

金融人的桌面正在成为大厂争夺的新入口。

9月3日，腾讯正式推出WorkBuddy金融版，面向银行、券商、保险等机构上线80多个金融专家及专家团。从对公信贷尽调、基金研究，到保险代理人的客户经营，腾讯试图让Agent真正进入金融机构的业务流程。

不到一个月前，百度刚刚为通用智能体GenFlow启用中文名“库库AI”，并上线独立办公端。金融被百度选作库库AI从通用办公走向专业办公的第一个重点场景。

更早之前，字节旗下扣子也已经引入华泰证券、广发证券、国信证券等机构的金融Agent和Skill，将行情、财务数据、ETF筛选、基金对比等能力搬进Agent平台。

从字节、百度到腾讯，通用Agent的竞争正在迅速向金融行业下沉。

大厂选择金融并不难理解。在投行、投研、信贷和保险等业务中，大量高成本的专业时间仍被消耗在查数据、翻公告、核口径、更新模型和制作材料上。只要Agent能够接手其中一部分，就有机会直接转化为金融机构愿意付费的效率。

但金融也是一块难啃的市场。数据准确度、结论可溯源，执行的权限等都要经得起考验，一个在开放网络上表现不错的通用Agent进入金融业务现场后未必依然可靠。

目前大厂之间对于金融是否值得单独做一个Agent版本，仍未形成共识。

客群分野

尽管字节、百度和腾讯都已经把Agent伸向金融，但目前瞄准的并不是同一块市场。

目前字节旗下的扣子、百度的库库AI在金融场景中的主要落点仍然更偏向C端。

扣子的打法是把专业金融能力直接装进Agent。目前扣子技能商店已经上线来自广发证券、国信证券等机构的一系列金融Skill。例如广发证券提供的8项Skill覆盖财务对比、龙虎榜、ETF筛选、ETF资金异动、基金定投等高频投研场景。

这意味着这些原本需要进入券商App、金融终端或者不同数据页面完成的动作，被拆成了Agent可以直接调用的能力。

用户只需要告诉扣子想研究什么，它就可以调用相应Skill查询行情和财务数据、比较公司、筛选ETF或者整理基金信息。多个Skill还可以进一步组合进连续任务中，用于盘前信息整理、盘中监控和盘后复盘。

百度同样从C端用户切入。库库AI依托的是百度文库、百度学术和百度网盘积累的内容、文件与存储能力，内置了上市公司、股票行情、财报、研报等金融数据。

用户提出一个研究任务后，库库AI可以继续完成资料检索、数据处理和内容生成，最终直接交付Word研报、金融分析PPT或者财务模型Excel，长时间盯盘等任务还可以留在云端继续执行。

腾讯WorkBuddy金融版切入的则是B端市场：银行、券商、保险等金融机构。

在对公信贷尽调中，WorkBuddy可生成材料清单、识别缺失项，调用工商、财务和司法等数据交叉核验风险，再按照银行内部模板形成保留依据的尽调初稿；在基金研究场景中，其则能完成基金筛选、组合诊断等；到了保险场景，还可以连接客户资料、产品信息、营销内容合规等。

据腾讯介绍，今年3月以来，WorkBuddy已经陆续进入中金公司、国投证券、平安银行、中国太平等100多家金融机构。

不过这一应用或仍集中在金融机构的小范围之内。据全天候科技向多家券商求证，目前内部尚未大范围应用WorkBuddy等办公Agent。

共识尚未达成

大厂之间对于金融到底值不值得被单独做成一个Agent版本，其实还没有形成共识。

至少从目前的产品形态来看，除了腾讯，字节、百度等大厂在Agent的布局上都尚未针对金融场景推出独立的“金融版”Agent。

一名库库AI内部人士向全天候科技表示，库库AI的定位仍然是通用办公Agent，金融更多被当作一个展示复杂任务能力的“样本”。

原因并不难理解。金融专业性强、数据量大，一项任务往往需要经过检索、数据处理、交叉验证、分析再到最终交付等多个步骤。如果Agent能够把金融这样的复杂任务跑通，也可以更直观地证明一套通用Agent究竟能够把工作做到什么程度。

上述人士表示，库库AI后续仍会面向更多行业扩充专业知识和Skill，而不是只围绕金融继续向下开发。

这其实反映出办公Agent走向垂直行业时仍未解决的一个问题：通用Agent究竟应该依靠数据连接、知识库和Skill等不断扩展能力，还是应该继续往下挖，为金融、法律、医疗等高价值行业分别重做一套更深的产品。

答案还没有出现，但金融的确是最容易让厂商产生“再往下一层”冲动的行业之一。

一方面，投行、投研、资管、信贷等岗位的单位工时价值较高，但大量时间被用于查找公告、摘录数据、更新模型、核对工商司法信息、整理会议纪要和制作材料等流程上。

另一方面，金融的大量工作本来就建立在数字化资料之上。行情、财报、公告、研报、工商司法信息乃至机构内部的研究材料，大多已经以结构化数据或电子文档存在。

或许正是看到了这些优势，此次WorkBuddy直接推出金融版，把银行、券商、保险等机构单独拿出来做一套产品。

这也是一种更激进的试水：如果金融机构愿意为一个专门的行业Agent付费，就意味着办公Agent有机会从卖通用生产力工具进一步进入按行业定价的市场。

但金融行业的难度还在于其不仅是高价值行业，也是强监管行业。

今年6月，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，将资金交易、资产评估、信贷审批、承保理赔、风险管理等列为人工智能高风险应用，并要求关键环节建立人工监督和干预机制。

对于涉及客户权益或产生实质性财务影响的关键决策，监管要求设置人工复核节点，并保留原始数据、推理路径等记录。文件还专门提出，智能体系统需要防范数据泄露、身份越权、工具滥用和运行失控等风险。

这都对金融Agent提出了更高的要求。一方面金融可能是Agent落地中比较容易算清商业账的一块市场，另一方面也是最早逼着厂商回答数据安全、模型可靠性、权限治理和责任边界的行业。

华尔街率先定价

对于金融到底应该作为通用Agent中的一个专业场景，还是进一步单独做成行业产品，海外大厂同样没有形成一致答案。

OpenAI更偏向前一种路径，即通过Investment Banking插件将ChatGPT带入投行场景，可以完成公司概览、可比公司分析、Pitchbook和尽调材料等任务；同时又与普华永道合作，将Agent延伸至预测、报告、月末结账等CFO工作流。

Anthropic也是建立在Claude的通用产品体系之上打造金融场景能力。

今年，Anthropic推出10套金融Agent模板，覆盖Pitchbook、KYC、财务建模、估值审核和月末结账等场景，同时将Claude接入Excel、PowerPoint、Word以及FactSet、S&P Capital IQ、MSCI等专业金融数据源。

与之不同的是，Google则选择直接往行业版走。

今年8月，Google推出Gemini Enterprise for Financial Services，专门面向资本市场和公司银行业务，内置超过50项金融Skill，并连接FactSet、Moody’s、MSCI、PitchBook等专业数据源。

尽管行业尚未达成共识，但华尔街已率先为此定价。

2025年4月，金融AI公司Rogo完成5000万美元B轮融资，估值约3.5亿美元；到今年估值已经升至约20亿美元，一年左右升至原来的近6倍。

资本不断抬高估值的背后，Rogo真正解决的是基础模型与金融工作之间的那一层断点。

向下，Rogo连接Capital IQ、FactSet等专业数据库；向上，它可以生成直接使用的Excel模型、PPT和研究报告，同时保留数据来源和原文引用，让分析师能够重新回到财报、电话会和投资者材料中核验结果。

目前Rogo已经服务超过300家机构，覆盖4万多名金融专业人士。

整体来看，金融Agent最终应该以什么产品形态存在，目前还没有标准答案。它可以是通用Agent里的Skill，可以是一套金融Agent模板，也可以像Google和WorkBuddy一样被单独做成一个行业版本。

如果金融机构最终愿意为更深的数据连接、工作流适配和安全治理额外付费，那么金融版Agent就可能从今天的试水产品，演变成一个独立的软件品类，更多高价值行业也会沿着这条路径被重新切分。

但如果通用Agent依靠更强的模型、更丰富的Skill和数据连接器就足以覆盖大部分金融需求，那么所谓“行业版”的空间也可能被重新压缩。