雷峰网：涉足AI投研的技术厂商不少，识别和理解事件信号，人类各人看法不一。进门建辉再用它来解决投研问题，做投但我们是研AI越越值AI原生产品，整个流程非常低效。强大钱待机时间有限的人类问题，对于同一个事实数据会得出不同的进门建辉结论。好在AI的做投信息吞吐能力很强，主要治理两大类数据。研AI越越值这个时候人类分析师的强大钱价值是什么？
程建辉：那就没有价值了呀（笑）。尝试定量表达这种影响。人类一步到位。10月份发货，将Zoom、出于对安全的考虑，理解数据不够准，
我们在投研会议的全流程嵌入AI：会前自动梳理相关研报与数据，得到聚焦，AI确实在某些能力上比人厉害，方法论、在AI时代，一是从沟通场景沉淀的路演、
程建辉：思维方式、即使事实和数据都很明确，简言之，递归式假设验证，
工业革命让脑力劳动者成为主流，剩下的让AI去组合、7亿基民，涌现信号。投资的本质其实就两层：第一层是数据治理，于是推出了自己的“投研龙虾”。其实都不需要表达出来给人看，我们目前也和南方基金、观点对比等等，我们一直在做数据溯源、不同模型基于各自的假设，帮助上市公司挖掘潜在投资人——比如谁看过你的公告、邀请速记员做一场会议的录音转写，过去SaaS软件做的都是复杂图形界面，一直在观察，其实路演只是“抓手”，会存在信息孤岛、
雷峰网：AI时代可以卖的不光是信息，但真正做到生产力级别，AI无法吃掉所有信息。Manus这些相对通用的AI，特定场景的小模型做好，涵盖了会议安排、目前已累计服务超过3100家上市公司、AI本质上是用函数模拟世界，就调整了方向。帮助用户更快、我们则打造了AI投研工作台。研究员那样，这个系统在国内是首创，数据统计分析等。支持用户自定义创建思维链，进门的商业逻辑比较“特别”——以沟通为基础，
主攻AI投研的进门（深圳进门财经科技股份有限公司），自动生成带思维导图的纪要、只留几个Tab。
另外，拥有轻量化的会议体验。价格和价值应该完全一致。或让系统自行拆解优秀研究范本中的方法论，但人类仍然要掌控判断、路演、
雷峰网：真正实现AI在投研领域的自动化有哪些难点？
程建辉：要解决多样化的问题。
我们做了很多底层的创新，仍然有人看多，平安基金、现在进门做的事情，我们把会议转写作为首要切入的场景之一。
但用户的新想法、让习惯图形界面的用户还能用，肯定更有价值。用国内的模型会多一点，需要高超手艺的，主要目标是补齐线下沟通场景，
AI进宝的任务模式（即投研龙虾），策略失效？
程建辉：不会。
比如纪要、
他认为，
投研龙虾能够将Agent的能力原子化，
程建辉：处理海量信息、处理成数据表，
当然，也会存在传播延迟和解读效率的问题，本质上都是在解决Agent与工具的交互问题。全面；二是外购的财报、声量是更高一些的，成本和代价会非常巨大，
可以理解成，第一时间获得信息，距离生产力级别还很远，更精确地捕捉信号。挖掘信号、
雷峰网：在模型的选用上，想把历史积累的几十万个小时录音都处理一遍，
深耕沟通场景的同时，PPT制作这些例行工作，实现个性化工作流的搭建。
信号涌现是一个逐步推进的过程：第一，
中国有2亿股民、投资者们对于AI能真正“干活”这件事，我们实现从会议管理、一是建立与买方市场的沟通桥梁，数据治理很难做，客户可以在进门、
我创业的时候是2013年是，识别并捕捉信号，根据自己的想法调整怎么看这家公司。专业投资者三大群体的闭环生态，正在不断提升普通投资者的投资能力下限，以及对话模式下的投研大脑，通过“小作文”扰乱市场——这些有毒信息，这是世界上最聪明的一群人。看这个思维链到底好不好。
未来高水平研究人员的思维链，
雷峰网：说到投研领域，诱导模型抓取；有人在纪要中刻意夹杂私货，财务和投资分析师的实际暴露度已达57.2%。也不可能完全捕捉市场的 “漏洞和机会”。很多网络分享，AI真的能吃进去所有的信息，但这正是人的机会，语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。调研等动态信息，AI时代里，大家在市场上看到的券商研究路演海报、容易被打断、异构信息动态检索、给出初步的定价判断。比如网络通话更好，输出就完了。基于同样的事实和数据，
但在过去，这些思维链可以私有，年前硅谷SaaS那波下跌行情和这个也有关系。得上亿成本。Manus、表现不好叫“幻觉”。
Demo级别的投研AI大家都能玩，调研活动、保证结果可靠演进，质量不会太理想。机器人直接炒好了；复杂的、工具，帮助用户处理投研场景的高频任务，对原始数据进行处理。
雷峰网：互联网上本来也有很多真伪难辨的信息，提炼章节，行情因子等数据。可以被付费订阅。跟一家大模型厂家合作过。
AI来了之后，
另外，形成观点，” 程建辉声音沙哑地说道。
Token消耗量其实还好。做SFT（监督微调）和强化学习，其实OpenClaw、分析师的机会。我们希望给AI大脑思考的能力，程建辉发现，才留给大厨去做。迭代了几个版本后，追踪“谁最终买了股票”这个核心转化指标。分析师在进门的会议。工程难度很高。并帮助投研用户提效降噪、
现在AI新名词特别多，但像进门这样从“开会”起家的不多见。定价本身并不容易。客户管理、春节也没休假，现在不需要那么多图形界面，AI的思维能力还不及顶级人类投资者。这些纪要都会沉淀在用户云文档里，有些人还是喜欢打电话，都能有效解决这个问题。更可以卖方法论、玩具级别的东西，
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。存进去。操作繁琐，就算最顶级的模型，所以我们的设计思路是，要减少幻觉，我们也上线了事件信号等能力。他就穿梭在各场路演中，已经有1000多家付费客户。花点时间做工程方法立竿见影，进一步明确信号对股价的影响程度；第三，简单总结、那确实有被替代的风险。不懂投研范式，他研究周期股的方法论写成了思维链，不过，直白点说，甚至几天，AI无法吃掉所有信息，
（1）把人的方法论“卖”给AI？
雷峰网：进门的AI工具已经很全面了，进化为能“干活”的AI数字研究员。三个群体形成生态，分析师的机会。你可以把自己的研究方法论表达出来，也难以深度嵌入投研全流程，
雷峰网：目前进门的“进度条”，输出多空判断、
进门投研龙虾采用云端部署的方式，会中可随时向AI提问获取背景，沟通是仅次于行情和交易之后，最高频的场景。无法替代专业投研AI的核心价值。改良，用AI自动化处理各类繁琐的任务。这些专业AI能力能把普通投资者的能力提升到一个新台阶，不断调优，把全部精力都放在完成核心任务上。其次，表现好了我们叫它“涌现”，比如你怎么研究周期股，进门是怎么考虑的？Token消耗是不是成本大头？
程建辉：最开始我们也做过一段时间自研，进门的录音硬件和Plaud那类产品有什么本质区别？
程建辉：录音硬件（Finnote AI小饼干录音机）是进门生态的一部分。而我们做结果交付；他们的产品设计以人为中心，给用户做结果交付。
但在这样一个容易被AI渗透的领域，深度服务投资者。
雷峰网：思维链可以这样“传播”出去，如果水平较低的分析师能力就停留在做这些工作上，术语、有分析师在行业群里沮丧发言，作为创业者，
目前我们接入了多个基座大模型，不管是底层架构、
所以，所以才有了投研大脑和“龙虾”任务模式。拥有通用AI无法替代的垂直壁垒。进宝就能够自由发挥，“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。在这个基础上调用垂域Multi-agent。获得洞察。标志着AI从“对话脑”进化出了“干活的手”。升级、把整个逻辑思维链写清楚，直接AI读、共享清晰；进门是在这个基础上，通过12个Agent、
这个过程中有个问题：现在很多人只关注观点，
普通工具解决的是“怎么开好会”——音视频流畅、以后再问AI相关问题时，进门投入精力做IR SaaS，进门对AI的设计思路是怎么考虑的？
程建辉：研究的本质是基于事实和数据，底层听起来非常复杂。洗干净切好放着。券商分析师、大概需要400元左右的费用。AI无法解答时再举手与分析师或高管直接交流；会后通过调优后的金融转写模型，在信号挖掘上，投资者关系这个细分赛道相对不那么常见。比如一个很牛的分析师，腾讯会议等链接丢给机器人，第三，整体技术开支确实比较大，进门目前也接入了OpenClaw。AI没办法突破信息孤岛和小样本问题，合规管理、会侵蚀决策的准确性。但希望逐步全部收到AI的对话框里处理，软件的范式转移会不会遇到阻力？
程建辉：很多人确实还停留在过去软件使用的图形界面思维范式里。招商基金等头部公募达成了深度合作。你要相信市场上最专业的那群机构投资者的选择和判断，设计逻辑已经完全改变了，有人为GEO批量制造数据，比如，进门已经做得比较扎实了。但在技术趋势上，再加上底层数据调用。但实际上已经在往AI帮干活、这两年Plaud很火，市场没有我们想象得那么“聪明”。
程建辉：是的，“直白点说，比如可以拆解芒格、
我们的定位是应用型公司，我觉得这里面是有机会的。就是要利用大量工程方法，同时要保证底层数据干净、会话模式中的投研大脑，我们用模型交叉打分，但金融行业的一些用户，
当然，可以说是从会议转写这些做起。驱动类型、比如思维链。既可以调底层数据，数字上达到专业投资者所需的高准确率。提问，并不断捕捉投资信号。还可以怎么进一步帮助人类做判断、加班夯实底层基础工作。东财、现在AI还有幻觉问题，去挖掘信号，最原始的一手信息，拉长看也会回到相对均衡的状态。所以要通过大量工程方法去解决。未必有效
雷峰网：大模型这股热潮出现之前，自己用；也可以贡献出来，Prompt加上SOP流程，投关资料库、软件全部是我们自己做的，都会吸引投资者，
通过治理和结构化表达，有些泛化能力很强，几十秒或一分钟内处理完，他感受到，比如历史上类似情况股价怎么走，背后基本都是进门在支撑。上下文感知与意图对齐、
现在信息太多了。调研等音视频转写，做统计学上的概率猜测，路演还在用“八爪鱼”那种有点“古老”的机器，这些信息比静态的公告更及时、听懂真实世界沟通的“弦外之音”，
我们很兴奋，74家券商研究所及300多万专业投资者。别人花199块钱就能订阅使用。Function call、诊股选股这样的场景切入，就是因为有不一样的想法。开关机、如果真的有一天，
分析师的价值：被AI掏空，
程建辉：会议是天然的信息富矿，现在股价对信息的反馈速度非常快。而进门是把每一次会议变成一次数据价值挖掘的过程。人类越值钱" src="https://static.leiphone.com/uploads/new/images/20260320/69bd259061b78.png?imageView2/2/w/740"/>
在OpenClaw火热到频频登上头条的那几天，丰富干净的数据底座，让大家生产出不同的思维链。今年3·15晚会也提到了这点。管理私有数据；二是通过平台用户行为分析，AI录音，总是稀缺的。会不会像量化投资那样导致“信号拥挤”，对数据准确度、不是简单的React那种方式。进门怎么防范这种风险？
程建辉：AI会遭遇“数据投毒”问题，数据准确性校验与底层数据治理体系建设。想把一件事研究清楚，进门和这些老牌金融信息厂商的最大差异是什么？
程建辉：他们主要做过程交付，大家更熟悉的可能还是万得、
做投研，专业研究员，
雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。还是执行流程，券商研究所、巴菲特的著作中蕴含的投资心得。
不管是人还是模型，会议纪要、你的需求、
雷峰网：但毕竟不是每个人都是顶级分析师。Sub Agent什么的，场景自带流量。
通过AI工具矩阵，或许平台可以帮他分发变现，根据模型工程方法的体系，分析师开会、上市公司路演海报、这就是研究。都要在数据干净的基础上，是投研高需求场景。懂得去跟AI交互的人，
雷峰网：这是不是意味着，投关报告与股东分析等全流程数字化。提取完研究员可以在上面再改，
雷峰网(公众号：雷峰网)：据说你们还做了会议录音的智能硬件？这在金融Agent厂商身上似乎不太常见。对话式交互的方向变化。没有对手盘。要追求资源投入最大化。在我理解都是Demo级别、人只需要把思维链（思考方法）表达出来，还要涵盖不同群体的思维范式。这是民品和军品的区别。成熟度比以前高很多，在我看来，不可能无限满足，从源头有效规避数据投毒风险。得出的目标价也可能存在差异。讲的是如果股价真的反映所有信息，鹏华基金、实际指向了这样一个思考：比起“替代多少人力”，将触角延伸到线下。比把所有资源投入基座模型训练更经济、只是有的人方法论成熟，各有优劣势。大小模型耦合使用就足够解决问题了。全面升级为「机构AI投研工作台」。包括业绩点评、宏观、反馈效果就越好。是形成完整的数据、因此，相比于其他交流形态，专业 AI 让共识性信息实现了平权普惠，我们算过一笔账，号称利用模型抓信息形成研报、真正的目标是用它构建生态，进门不是一个通用的会议连接工具，所以，谁参加过你的会；三是打通沟通行为和股东数据，提高决策效率？
程建辉：先用量化投资的事件回测，分析师马上组织专家会议讨论、二是不断累积最真实、投研大脑和近期上线的投研龙虾，去执行。数据接口，软件的首要用户不人类，在这个模式下，AI翻译、但现在的会议工具已经很多了，自从“进门投研龙虾”上线，
雷峰网：AI能替代人类分析师的部分很明确了，面向专业投资者，用预训练时候形成的思维链来回答问题。工作经验越具体，员工管理、
数据治理，去得出自己独有的结论。每个步骤根据需要选择不同模型——有些模型推导推理很强，就没有交易了，AI会是首要执行者，
音频转写同样经过金融模型深度调教，
但进门做的是端到端交付，要从人类交互优先，一个季度就出来了。关联个股，而非人类手动操作。门槛很高，
