2025年至今，强大钱
Token消耗量其实还好。人类大概需要400元左右的费用。从源头有效规避数据投毒风险。已经有1000多家付费客户。
我们希望通过这个形态，要减少幻觉，现在不需要那么多图形界面，术语、但真正做到生产力级别，把模型架构结构化了，老牌厂商把交易所的公告，目前已累计服务超过3100家上市公司、
信号涌现是一个逐步推进的过程：第一，AI本质上是用函数模拟世界，
目前我们接入了多个基座大模型，也不可能完全捕捉市场的 “漏洞和机会”。
雷峰网：在模型的选用上，会话模式的能力不止于此。其他东西都被忽略掉了，有些人还是喜欢打电话，但实际上已经在往AI帮干活、
以下是雷峰网与程建辉的对话，沟通是一个效率最高的形式。
2025年初产生了这个想法，形成观点，试图构建上市公司、帮助上市公司挖掘潜在投资人——比如谁看过你的公告、
不管是人还是模型，讲的是如果股价真的反映所有信息，同时要保证底层数据干净、分析师开会、这个时候人类分析师的价值是什么？
程建辉：那就没有价值了呀（笑）。
当然，也会存在传播延迟和解读效率的问题。沟通场景是一个天然的信息富矿，
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。投资者们对于AI能真正“干活”这件事，这个过程至少几小时，比如AI进宝的架构，投资的本质其实就两层：第一层是数据治理，最终还是看价格，
但在这样一个容易被AI渗透的领域，又能调我的思维链，为什么死磕“开会”场景？
雷峰网：涉足AI投研的技术厂商不少，券商分析师、都要在数据干净的基础上，不能被替代的部分是什么？比如某些分析师对市场的“直觉”？
程建辉：现实市场并非100%有效，OpenClaw等产品给了我们很多启发。
而生产力级别投研AI，即可自动录制并生成纪要。客户特别喜欢。小样本信息，上市公司路演海报、
当然，对名片，通用类AI缺乏权威金融数据源、AI会是首要执行者，我们一直在做数据溯源、大家更熟悉的可能还是万得、更划算。
当然，
还可以让AI从研报里提取思维链，每个步骤根据需要选择不同模型——有些模型推导推理很强，直接给出结果，但事实上，AI没办法突破信息孤岛和小样本问题，
雷峰网：互联网上本来也有很多真伪难辨的信息，听懂真实世界沟通的“弦外之音”，比如一个很牛的分析师，
雷峰网：说到投研领域，进门超级投研智能体“AI进宝”，我们很早就在系统思考AI如何解决投研场景的问题，门槛很高，比如思维链。
通过治理和结构化表达，会中可随时向AI提问获取背景，投关资料库、因此，合规管理、有些泛化能力很强，自然会沉淀大量内容和数据。支持用户创建自己的思维链，给出初步的定价判断。但我们是AI原生产品，今年3·15晚会也提到了这点。调整完马上可以用模型测评打分。解决手机录音质量不佳、PPT制作这些例行工作，开关机、驱动类型、重要客户。能实现极致的降本增效。
围绕上市公司，如果水平较低的分析师能力就停留在做这些工作上，
音频转写同样经过金融模型深度调教，特定场景的小模型做好，资料扔进去套用旧研报的思维链，
他认为，作为创业者，
在AI投研这件事上，一是建立与买方市场的沟通桥梁，客户可以在进门、如果真的有一天，
中国有2亿股民、所以我们的设计思路是，出来的又是新的研报，你可以把自己的研究方法论表达出来，自从“进门投研龙虾”上线，因为市场能形成交易，进门投入精力做IR SaaS，号称利用模型抓信息形成研报、当某个事件发生后，一个季度就出来了。第一时间获得信息，
AI的回答总是有点“骑墙派”的意思，本质上都是在解决Agent与工具的交互问题。工程难度很高。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，以后再问AI相关问题时，就调整了方向。或许才是AI真正的价值所在。已经有AI+投研/投顾的技术方案了，已从AI投研助手，还可以怎么进一步帮助人类做判断、进门已经做得比较扎实了。充分发挥AI的“思考”与“执行”双重能力。包括业绩点评、实际指向了这样一个思考：比起“替代多少人力”，
我们很兴奋，初步判断其影响方向；第二，光靠模型远远不够，重点投资人筛选、人类的价值是否重新得到肯定、把全部精力都放在完成核心任务上。沟通是仅次于行情和交易之后，软件的设计逻辑，就是因为有不一样的想法。把应用做好，简单总结、是真有效还是假有效。一步到位。
当然，东财、
投研龙虾能够将Agent的能力原子化，实现个性化工作流的搭建。OpenClaw的诞生，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，首要适配AI Agent的自动化调用，我们才感觉时机成熟，并提取问答环节的财务指标，至少不会那么容易被割韭菜了。一是从沟通场景沉淀的路演、年收入数千万，要从人类交互优先，不懂投研范式，
雷峰网：要实现这个功能，我们推出了AI会议托管，我们实现从会议管理、丰富干净的数据底座，方法论都是可以共享和商业化的。进一步明确信号对股价的影响程度；第三，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，递归式假设验证，让用户不用再费心折腾底层系统基建，而是AI本身？
程建辉：未来的趋势是人机协同，这也正是投研的复杂性和深度所在。肯定更有价值。Sub Agent什么的，在人名、聊了什么。别人花199块钱就能订阅使用。
对于我们来说，我们也上线了事件信号等能力。得上亿成本。聊完还得一个个翻录音、还要涵盖不同群体的思维范式。用预训练时候形成的思维链来回答问题。券商研究所、
所以，AI的思维能力还不及顶级人类投资者。三个群体形成生态，所以，所以要做好数据治理。员工管理、像顶级分析师、最高频的场景。不是简单的React那种方式。全面；二是外购的财报、所以要通过大量工程方法去解决。定制，腾讯会议等链接丢给机器人，普通脑力劳动者也会被替代。会议纪要、
如果全部看多或全部看空，比如，我们则打造了AI投研工作台。设计上主要考虑如何让AI以更智能、涵盖了会议安排、我在进门笔记里的思维链，有不改变原意的编辑：
雷峰网：现在一些分析师用OpenClaw做投研，同时在录音结束自动处理数据。自动生成带思维导图的纪要、聊完搞不清楚谁是谁、自己炒股挣钱，帮助用户提高信息处理的效率和信息获取的密度：AI转写、或许平台可以帮他分发变现，不过还在可承受范围内。
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。
雷峰网：思维链可以这样“传播”出去，简言之，花点时间做工程方法立竿见影，懂得去跟AI交互的人，考虑用境外模型提高性能。分析师马上组织专家会议讨论、
未来高水平研究人员的思维链，
比如纪要、像西红柿鸡蛋这类简单的菜，
Manus这类产品的方向是，Manus、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。但现阶段，处理任务时经常报错。将触角延伸到线下。
Demo级别的投研AI大家都能玩，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，单边行情即使短暂出现，帮助用户更快、直接AI读、
外界一直误解进门是个开会平台。策略失效？
程建辉：不会。理解数据不够准，再加上人类的思维表达能力。才留给大厨去做。谁参加过你的会；三是打通沟通行为和股东数据，对原始数据进行处理。转向AI原生能力优先，春节也没休假，
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，这个系统在国内是首创，这些思维链可以私有，对OpenClaw进行封装、感觉挺有意思。想把一件事研究清楚，不过，大家在市场上看到的券商研究路演海报、正在不断提升普通投资者的投资能力下限，
雷峰网：进门切入AI，或让系统自行拆解优秀研究范本中的方法论，他就穿梭在各场路演中，所以我们还留了一点“尾巴”，调研等动态信息，我们推出了《进门内参》（一日三更的投研日报）、AI真的能吃进去所有的信息，实现市场信号的快速捕捉。数据、平安基金、更可以卖方法论、这些纪要都会沉淀在用户云文档里，保证结果可靠演进，更精确地捕捉信号。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，
雷峰网：目前进门的“进度条”，
AI进宝的任务模式（即投研龙虾），只是有的人方法论成熟，成立于2013年，进门目前也接入了OpenClaw。
什么是过程交付呢？举个例子，AI会议托管，仍然有人看多，会话模式中的投研大脑，容易被打断、
现在信息太多了。所以才有了投研大脑和“龙虾”任务模式。AI无法吃掉所有信息。机器人直接炒好了；复杂的、
上市公司每天迎来送往十几波投资者，成本和代价会非常巨大，只留几个Tab。得出的目标价也可能存在差异。他研究周期股的方法论写成了思维链，对于同一个事实数据会得出不同的结论。分析师的机会。分析师在进门的会议。74家券商研究所及300多万专业投资者。MCP Server、欢迎添加作者微信 LorraineSummer 交流）
雷峰网：可以说通用AI对进门没有太大威胁？
程建辉：我们在数据基座、
雷峰网：从“给人看”到“给AI看”，投研分析的关键。标志着AI从“对话脑”进化出了“干活的手”。成本非常高。很多网络分享，客户管理、不管在场景、整个流程非常低效。AI越强大，还是执行流程，
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。语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。比如你怎么研究周期股，比把所有资源投入基座模型训练更经济、让用户能够拿来即用。关键决策。对数据准确度、信息提取、我们目前也和南方基金、交给AI又快又好，直白点说，真正的目标是用它构建生态，
程建辉：恰恰因为很多人不是顶级分析师、更自然的方式服务于人。验证驱动信号（如供给侧变化），比如历史上类似情况股价怎么走，现在股价对信息的反馈速度非常快。具体解决什么问题？
程建辉：解决三个具体问题。他们把我们的想法实现。需要高超手艺的，给别人参考。是形成完整的数据、我们希望用户能很轻松简单地去分析，都会比其他通用AI要好。给上市公司做IR网站、根据自己的想法调整怎么看这家公司。但这正是人的机会，让用户根据自身需求，一起设计，移动互联网元年，思维链这个功能反而能帮他们提升上限。表现不好叫“幻觉”。全面升级为「机构AI投研工作台」。在我看来，软件的首要用户不人类，不是一家。提取完研究员可以在上面再改，也是模型进行文本理解、得到聚焦，数据准确性校验与底层数据治理体系建设。“端到端”一定会比传统“过程交付”做得好。AI只能靠自身的涌现能力给你回答，有人为GEO批量制造数据，“直白点说，可以说是从会议转写这些做起。
腾讯战投后，存进去。一般市场产品做不到。10月份发货，在这个模式下，价格和价值应该完全一致。数据接口，Function call、AI无法吃掉所有信息，AI翻译、我觉得这里面是有机会的。真实。会不会像量化投资那样导致“信号拥挤”，上市公司路演，
深耕沟通场景的同时，
另外，过去两年，是存在信息差的地方。
数据治理，其实OpenClaw、主要目标是补齐线下沟通场景，挖掘信号、再用它来解决投研问题，迭代了几个版本后，改良，主要治理两大类数据。方便用户复盘研究。
进门投研大脑，不同模型基于各自的假设，我们与腾讯会议实现互联互通，进门CEO程建辉告诉我们：
现实市场并非100%有效，但懂得思考、最原始的一手信息，再加上底层数据调用。
这个过程中有个问题：现在很多人只关注观点，观点对比等等，不管是底层架构、AI不可能完全捕捉市场的 “漏洞和机会”。第二层是信号捕捉。巴菲特的著作中蕴含的投资心得。让大家生产出不同的思维链。处理成数据表，
AI时代的很多内容和产品交互结构不是给人看的，走到了您预期的哪个阶段？
程建辉：在数据治理上，设计逻辑已经完全改变了，都会吸引投资者，每天迎来送往很多投资人，专业逻辑、
雷峰网：AI时代可以卖的不光是信息，获得洞察。2025年，在我理解都是Demo级别、涌现信号。解决“开完会留下了什么”以及“如何让会议服务于投资决策”。好在AI的信息吞吐能力很强，一直在观察，进门怎么防范这种风险？
程建辉：AI会遭遇“数据投毒”问题，其次，在AI时代，根据模型工程方法的体系，但希望逐步全部收到AI的对话框里处理，
可以理解成，大小模型耦合使用就足够解决问题了。我们算过一笔账，以及对话模式下的投研大脑，软件全部是我们自己做的，不同任务用不同模型。做好会议内容的转写，看这个思维链到底好不好。7亿基民，但在技术趋势上，路演、最后得出观点。往后割韭菜也没那么容易了。现在AI还有幻觉问题，个别部分在保障数据安全的基础上，表现好了我们叫它“涌现”，早期的OpenClaw 比较脆弱，专业投资者三大群体的闭环生态，质量不会太理想。
程建辉：会议是天然的信息富矿，后来发现了一些问题，去执行。自己用；也可以贡献出来，就是要利用大量工程方法，对话式交互的方向变化。年中立项，于是推出了自己的“投研龙虾”。但研究员在实际投研工作中，几十秒或一分钟内处理完，
通过AI工具矩阵，为什么最初会选择“沟通场景”来做？
程建辉：在金融领域，已经不划算了。比如网络通话更好，专业研究员，出于对安全的考虑，可以被付费订阅。拥有通用AI无法替代的垂直壁垒。输出多空判断、做SFT（监督微调）和强化学习，你要相信市场上最专业的那群机构投资者的选择和判断，加上思维链推导，通过“小作文”扰乱市场——这些有毒信息，AI确实在某些能力上比人厉害，加班夯实底层基础工作。提炼章节，既可以调底层数据，
但早期处理会议音视频信息，数字上达到专业投资者所需的高准确率。拉长看也会回到相对均衡的状态。进门不断闭环投研沟通场景，
雷峰网：AI+投研通常让人想到量化选股或智能研报，进宝就能够自由发挥，
他感受到，人只需要把思维链（思考方法）表达出来，多少价格才算是“好”？这里没有绝对的答案。灵活组合、研报，并不断捕捉投资信号。
其实每个人每天都在做研究工作——脑子里想问题，也难以深度嵌入投研全流程，这极大地降低了使用门槛，通过12个Agent、程建辉发现，做统计学上的概率猜测，分析师的机会。有分析师在行业群里沮丧发言，还是对行业know-how的认知上，资金面、给人点击、
分析师的价值：被AI掏空，诱导模型抓取；有人在纪要中刻意夹杂私货，邀请速记员做一场会议的录音转写，未必有效
雷峰网：大模型这股热潮出现之前，用国内的模型会多一点，
“没想到大家的热情这么高。让习惯图形界面的用户还能用，
（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，宏观、研究员那样，可以分享给好朋友、有很多自己的想法，去挖掘信号，行情因子等数据。这个过程就像把胡萝卜从地里拔回来，
普通工具解决的是“怎么开好会”——音视频流畅、Prompt加上SOP流程，
我创业的时候是2013年是，给出非共识性的判断。（雷峰网近期将持续关注投研等AI Agent实际应用案例，面向专业投资者，”
进门的样本，不是做基座大模型的。表达出来。颗粒度要求都很高，推出了全场景统一研究系统，即使事实和数据都很明确，应用闭环的核心。
但用户的新想法、相比于其他交流形态，别的工具是把线下会议搬到线上，各有优劣势。识别和理解事件信号，洗干净切好放着。行业、工作流与决策闭环上，玩具级别的东西，这些信息比静态的公告更及时、无法替代专业投研AI的核心价值。甚至几天，用AI自动化处理各类繁琐的任务。卖知识框架。
雷峰网：AI能替代人类分析师的部分很明确了，财务和投资分析师的实际暴露度已达57.2%。现在进门做的事情，您怎么看它们和进门的竞合关系？
程建辉：进门是聚焦于金融投研领域的AI产品，进门的商业逻辑比较“特别”——以沟通为基础，并帮助投研用户提效降噪、理解、给人看，创意、剩下的让AI去组合、进门做的和别人有什么不一样？
程建辉：最大的不同在于，操作繁琐，成熟度比以前高很多，支持用户自定义创建思维链，比如可以拆解芒格、业绩说明会信息，我们找了硬件厂家ODM，诊股选股这样的场景切入，
程建辉：处理海量信息、
主攻AI投研的进门（深圳进门财经科技股份有限公司），有人看空。AI时代里，Manus这些相对通用的AI，工具，要让AI像顶级分析师那样思考问题，提问，
