“养虾”之后，投研圈开始分层

　　上证报中国证券网讯（刘禹希 记者 徐蔚）OpenClaw的热潮正在散去，但投研圈的变化才刚刚开始。

　　过去一个月，这只“龙虾”在金融圈疯狂刷屏后，留给从业者的并不是答案，而是一场迟来的启蒙——当第一批“养龙虾”的从业者跑通之后，一种新的工作方式正在浮出水面：研究员从“翻邮件、对数据、整纪要”的繁琐流程中抽身，转而训练AI助手，让它按自己的分析逻辑自动抓取信息、生成日报、整理会议要点。

　　而向后看，这场启蒙带来的启示在于：AI工具的发展或许能拉平信息处理能力，却拉不平真正的投研能力。那些被它解放出来的时间和精力，最终将投向真正稀缺的事物上——深度思考、人际连接、认知迭代。

　　迟来的Agent启蒙

　　业内做AI投研产品的创始人们普遍感受到，客户对OpenClaw的态度，混合着强烈的好奇心与某种“怕被落下”的恐惧。讯兔科技联合创始人崔予淳最近频繁被机构客户邀请去讲课。他的公司做AI投研产品，客户主要是基金经理和研究员。

　　“回顾一下去年这个时候，大家在热闹啥？DeepSeek。”崔予淳说，“今年每个人都想在自己电脑上装OpenClaw，就像去年想装一个开源的DeepSeek一样。”

　　但仔细看，这两波热潮其实不太一样。去年DeepSeek是大模型，安装好就能对话问答；今年面对OpenClaw，很多人反而有些茫然——这东西到底能干什么？

　　在崔予淳看来，这种“茫然”恰恰说明问题。“国内非科技圈接触新东西，总是比海外晚三个月到半年。”2025年，Manus等海外Agent产品已出圈，“Skill”的概念去年10月就已提出，但国内大多数人并未真正上手体验过。到今年元旦，大多数基金经理对AI的认知还停留在“我问你答”——你问一个问题，它给你一个答案，单次交互，你不问它不搭理。

　　OpenClaw的出现打破了这种认知惯性。它可以执行复杂任务，可以在过程中跟你交互，甚至可以记住你的偏好。在技术圈，这东西本质叫“Agent”。而对金融圈来说，这是第一次大规模接触真正的Agent。

　　“OpenClaw上手门槛很高，最初几个月只是程序员在开源社区里玩。”崔予淳说，要自行部署、配置数据源，非技术背景的人难以独立完成。但金融行业竞争较为激烈，人人都是焦虑感与好奇心并存。这种情绪催生了大家“无论自己装、花钱请人装、还是用一键部署产品”，一定要看看OpenClaw究竟是什么。

　　那些真正把“龙虾”跑通的人，也的确迎来了他们的“WOW时刻”。一位基金经理告诉崔予淳，他让OpenClaw去抓社交平台上关注的30个科技博主过去一天发布的内容，它能自动整理成日报。过去需要自己手动搜索、整理、消化的工作，如今有了代劳者。

　　“但这个事并不一定需要OpenClaw去做，Manus也可以，其他产品也可以。说到底，还是大家之前没用过。大家对于OpenClaw的热情和赞叹，其实是在赞叹Agent本身的进化。”崔予淳说。

　　换句话说，国内投研圈正在经历的，是一场迟来的“Agent启蒙”。而OpenClaw恰好成了那个启蒙者。

　　而这场启蒙带来的新认知，才刚刚开始发酵。崔予淳认为，“Skill”可能是这波热潮中最重要的范式创新，即用自然语言将思考逻辑写下来，让AI去执行，这种范式天然契合投研这类信息密集型行业。

　　投研范式的真实颠覆

　　供职于买方的TMT分析师大白（化名）可能是这波启蒙中跑得最快的人之一。

　　“我用AI做投研已经一年多了，从早期手搓各种小工具，到OpenClaw还叫Clawdbot那个周末我就装好上手，再到现在日常重度使用Claude Code。最近市面上这批金融AI产品，我基本都第一时间体验了。”大白在小红书上这样分享道。

　　他现在的工作状态，听起来像科幻片。业绩周的早上六点半，手机弹出了凌晨某公司业绩发布的推送。以前他的第一反应是打开邮箱翻卖方的“first read”，然后对着财报PDF一个数一个数地核。等管理层电话会的纪要整理出来，基本已经下午了。

　　而现在，起床后几分钟，一份结构化的业绩速览已经生成——收入、利润、核心KPI、超预期还是不及预期、管理层电话会的关键问答，全按他自己的分析框架组织好。

　　“以前一个早上能把一家公司的业绩理清楚，算效率高的。”他说，“现在起床后，可以直接用来和老板讨论。”

　　而真正让他觉得“回不去”的环节是专家会。过去一场60分钟的专家会，会后的纪要整理至少需要1至2个小时。现在，他只需要在关键地方记下核心数据，剩下的时间全身心投入提问。会后一二十分钟，一份完整的会议纪要就自动生成了，核心观点被精准提炼，交叉引用自动标注，并直接存入知识库。

　　多位投研圈内人士反馈，借助Agent工具的确能显著提升工作效率，将人从重复机械、低附加值的工作中解放出来。

　　“虽然使用效果取决于个人对模型的理解深度以及自身投资框架的成熟度，但我觉得培养一个AI助手依然非常划算。”国金证券金融工程首席分析师高智威告诉记者，“个人可以从几个高频、低风险的小场景切入尝试，比如研报自动整理、日常跟踪提醒等。我们在实践中估算，这些场景基本都能稳定为分析师每天节省1到2小时。”

　　类似的探索正在投研圈内多点开花：在固收领域，有从业者利用Agent每日自动搜集市场观点并生成日报；在量化或希望借助量化辅助主动投资的基金经理中，Agent被用于配置因子分析能力；有消费行业研究员，每天需要关注所覆盖品牌的社交媒体动态，这类工作过去要么亲自做，要么交给实习生，现在可以交给Agent去定时巡查并总结反馈。

　　“效率提升是真实的。”大白说，“用久了你会发现，它越来越像一个真正懂你研究风格的伙伴，而不只是执行命令的工具。有这套体系的人和没有的人之间，差距正在迅速拉大。这已经不是效率提升10%还是20%的问题，而是工作方式的代际差异。”

　　什么归AI？什么归人？

　　业内人士普遍有这样一个共识：AI能高效处理的基本都是公开信息。财报是公开的，新闻是公开的，卖方研报是公开的，甚至专家会纪要——只要你买了数据库，也是公开的。AI把这些东西整合、提炼、结构化，让人看得更快、更全。

　　那么，未来的投研人员应该比拼什么？

　　崔予淳认为，投研本质上需要处理两样东西：“人”和“信息”。Agent的出现，恰恰是对这两个要素的重新分工。在信息层面，AI负责处理那些海量的、结构化的、公开的事实，快速帮助研究员构建起对事件的“共识”基础。“你的目标是快速弄明白发生了什么，以及感知市场的共识。”他说。

　　这意味着，当信息处理工作被AI执行后，留给人去做的，恰恰是最核心也是最难的环节。

　　首先是基于共识进行非共识的推理，这一部分是市场阿尔法的来源。“影响资产定价的因素太多了，它是一个非常复杂的网络和体系。”崔予淳直言，“我不认为AI在今天或者可见的未来，能够把这一层做得非常好。”投研人员仍需要通过AI处理完信息后，运用自己独特的思维框架，去推演那条通往“正确非共识”的路径。

　　其次是与人的连接。当线上的公开信息被AI迅速拉齐，真正稀缺的反而是线下的、一手的信息和沟通，这些能带来前瞻判断的、无法被AI抓取的信息，真正构成最坚实的护城河。

　　大白对此深有体会。以前开新覆盖，一个完整的初始报告至少需要2到4周。现在，他把核心观点、已有的研究资料和数据交给系统，一个晚上就能搭出核心框架。“剩下的时间，可以花在真正需要人来判断的地方。”

　　这是AI发展的真相：它或许能拉平信息，却拉不平真正的投研能力。而那些被它解放出来的时间和精力，最终将投向真正稀缺的事物上——深度思考、人际连接、认知迭代。

　　“我一直认为，投资是件非常个人的事情，工具本身和收益没有直接关系。”大白说，“加速提效之后省下来的时间和精力，换来的是更深的思考、更快的认知迭代，长期来看，这才是真正的优势。”

　　难以实现的“平权”

　　OpenClaw的爆火，也让互联网金融平台嗅到了机会。东方财富（300059）向用户开放了基于平台数据库的Skills，iFind推出了MCP服务。这引出一个更现实的问题：Agent能否赋能普通人，让个体投资者也能拥有机构级别的投研能力？

　　答案可能令人沮丧。

　　首先，使用Agent本身就有门槛。熵简科技CEO费斌杰提醒，若不具备技术基础，用户往往需要付费请人代为安装，后续更新、维护乃至卸载都需反复投入成本，操作链条繁琐。此外，Skill的安装本身也存在安全风险。目前市面上已有黑灰产从业者在Skill中植入恶意代码，用户一旦使用，可能面临信息泄露或被攻击的风险。

　　其次，优质数据依然是稀缺资源。多位受访人士表示，金融行业有很多数据不向个人投资者开放。费斌杰举例说：“霍尔木兹海峡局势对能源股的影响，财报要几个月后才能体现，但机构的反应是以周为单位的，上周开了7场闭门会，里面有很多行业观点，这些数据是实时的，信息密度很大，个人投资者很难获取。”

　　此外，对于普通人来说，由于缺乏专业的研究框架，难以将其转化为AI可执行的体系化作战能力，最多只能基于公开信息得出普适性结论。“资产定价由基本面和估值共同决定，AI能帮助处理公开层面的基本面信息，但估值背后涉及情绪、框架与审美，这些并非个人投资者借助AI就能解决的。”某投研产品负责人说。

　　一位具有技术背景的个人投资者在尝试使用OpenClaw搭建A股实时行情监控系统后，得出了悲观的结论：“想用这套东西做短线炒股，并不靠谱。”

　　他提出了以下弱点：一是当前数据源达不到实战级别，想看清主力真实意图，需要Level-2全息逐笔Tick数据，对于擅长自然语言处理的大模型来说从架构上就走不通；二是联动归因的计算延迟，对于一只身上挂着多个热门概念的股票的快速拉升，AI无法快速判断这只股票属于主动出击还是被动拉升，同时也无法快速判断究竟是哪个概念在驱动。等AI分析完，套利窗口早就关死了。

　　“AI的强项在于归纳和泛化，是一个优秀的‘军师’和‘研究员’，但在高频交易的微观博弈里，把大模型放在决策的关键路径上，就等于给原本极速的交易通道强行加了一个巨大的延迟节点。”他说。

　　多位尝试过OpenClaw的个人投资者表示，大部分情况下，它不适合做短线。拼速度拼不过量化，就只能拼分析质量，而AI能分析到的大多都是市场共识，基本已经被定价了。“不如把AI的运用退后一步，用来做盘前资讯提炼、盘后的数据清洗等，可能更实在。”