大厂Agent竞逐金融赛道：B端深耕与C端拓展的路径分化

事件概述

近期，国内科技巨头腾讯、百度和字节跳动加速布局金融行业，将通用AI Agent引入银行、券商及保险等机构。这一趋势反映了大厂试图通过解决金融行业中查数据、核口径等高成本重复劳动痛点，切入高价值业务流。然而，由于金融行业面临严格的数据安全、合规性及可靠性要求，各家厂商在产品形态（独立行业软件 vs 通用Agent插件）上仍存在分歧。

核心信息

1. 大厂路径分化：B端垂直深耕 vs C端技能聚合

• 腾讯（主攻B端）：

  • 产品： 9月3日正式推出WorkBuddy金融版。
  • 定位： 面向银行、券商、保险等机构，提供80多个金融专家及专家团。
  • 应用场景： 覆盖对公信贷尽调（生成材料清单、交叉核验风险）、基金研究（筛选、组合诊断）及保险代理人客户经营。
  • 进展： 已进入中金公司、国投证券、平安银行等100多家金融机构，但目前主要局限于机构内部小范围试用，尚未大规模普及。

• 百度 & 字节跳动（侧重C端/通用办公延伸）：

  • 百度（库库AI）：
    • 定位： 通用办公Agent，金融作为展示复杂任务能力的“样本”场景。
    • 能力： 依托百度文库、学术等资源，内置上市公司、行情、财报数据。用户可下达指令完成资料检索、数据处理，直接交付Word研报、PPT或Excel模型。
    • 策略： 不单独开发金融版Agent，而是通过扩充专业知识和Skill覆盖更多行业。
  • 字节跳动（扣子平台）：
    • 定位： 通过Skill商店集成第三方专业能力。
    • 合作： 引入华泰证券、广发证券、国信证券等机构的金融Agent和Skill。
    • 功能： 将财务对比、龙虎榜、ETF筛选等高频投研动作封装为Skill，用户可通过自然语言调用，实现盘前整理、盘中监控及盘后复盘的连续任务。

2. 行业挑战：强监管与高可靠性门槛

• 监管要求： 国家金融监督管理总局发布指导意见，将资金交易、信贷审批等列为人工智能高风险应用，要求关键环节建立人工监督和干预机制，防范数据泄露、身份越权等风险。
• 技术难点： 金融Agent需确保数据准确度、结论可溯源及执行权限可控。相比开放网络，通用Agent在金融业务现场的可靠性仍需经受考验。
• 共识缺失： 业界对于是否值得为金融单独开发垂直Agent版本尚无定论。一方认为通用Agent通过Skill和数据连接即可满足需求；另一方则认为金融的高价值足以支撑独立的行业软件品类。

3. 海外对标与资本定价

• 产品形态差异：
  • OpenAI & Anthropic： 倾向于通用Agent内嵌金融场景。OpenAI通过Investment Banking插件进入投行工作流；Anthropic推出10套金融Agent模板，接入FactSet等专业数据源。
  • Google： 选择独立行业版路线，8月推出Gemini Enterprise for Financial Services，内置50+项金融Skill并连接专业数据库。
• 市场估值： 华尔街已率先为金融AI定价。金融AI公司Rogo在一年内估值从3.5亿美元升至约20亿美元。其核心价值在于打通基础模型与金融工作流的断点，能生成带来源引用的Excel模型和研报，服务超4万金融专业人士。

值得关注

金融Agent的最终形态仍具不确定性，可能演变为独立的行业软件，也可能被通用Agent更强的模型能力所覆盖。但鉴于金融行业数字化程度高、单位工时价值大，其已成为AI落地最先被“深挖”的高价值领域之一。