通用大模型與金融數據的深度融合邁出了關鍵一步。

4月7日，千問App官方微信公衆號發布消息稱，千問「深度研究」專業能力完成升級，新增財經分析等模塊，正式接入1.3萬隻股票的實時行情以及約百萬家上市公司的財報數據。幾乎同一時間，Kimi也宣佈接入了同花順iFinD金融數據庫。

不可否認，通用大模型接入行情數據，是AI推動投研「平權化」的又一個里程碑。從機構專屬的金融數據終端，到幾乎零代碼的OpenClaw智能體，如今再到人人手機裏的千問和Kimi，金融數據的獲取成本正在無限趨近於零，分析門檻也在以前所未有的速度降低。

面對通用大模型的「跨界」，券商AI與專業金融數據平台AI迎來新的機遇與挑戰。業內人士更多認為，通用大模型並不會取代券商AI，未來反而格局會更加清晰，通用大模型負責廣度和便捷，券商AI更多負責深度和閉環。這也將為券商帶來機遇，券商可以將自身更深度、更合規的AI投顧能力以插件或智能體形式接入通用大模型生態。

通用大模型完成金融進化

過去，普通用戶想要用大模型分析股票，往往需要自行編寫提示詞、通過插件調用外部數據接口，或者像技術愛好者那樣本地部署OpenClaw並配置金融Skill。整個過程往往需要一定的技術認知。

而這一次，通用大模型千問和Kimi直接接入股票行情。千問在升級後的「深度研究」模式中，用戶可以直接詢問某隻股票的實時行情、歷史走勢，或者要求基於最新財報進行財務健康度分析，模型將自動調用後台的股票數據和財報數據庫，給出帶有數據支撐的回答。

同樣，Kimi接入同花順iFinD後，其金融信息檢索與推理能力得到了專業數據庫的加持，用戶不再需要在不同軟件之間反覆切換。

這種變化的本質，是將金融數據從「外掛」變成了「內嵌」。通用大模型不再只是會聊天的文本生成器，而是具備了實時股票數據感知能力的「投研助理」。對於數以億計的普通投資者而言，這意味着他們可以用最日常的對話方式，獲取股票研究和行情分析，而這在過去，往往需要首先付費使用Wind、Choice等終端數據再進行分析和研究。

投研門檻的「二次坍塌」

年初，OpenClaw等開源框架的爆火，讓具備一定動手能力的技術型投資者率先實現了「手搓」分析助手，近期通用大模型原生接入行情數據，則將AI投研的能力直接推到了每一個手機用戶的指尖。

這兩種路徑形成了有趣的互補。個人自建AI助手以OpenClaw為代表，優勢在於高度定製化、數據本地化以及可以接入社交媒體等異構信源，適合對隱私和靈活性有更高要求的進階玩家。而千問、Kimi等通用大模型則走的是「開箱即用」的大衆路線，用戶無需任何部署、無需配置API密鑰，打開App就能問股票。

「這就像是專業相機和智能手機的區別。」受訪人士向記者比喻道，「OpenClaw類似單反，功能強大但需要一定技術門檻；而千問、Kimi接入股票行情後就像手機計算攝影，普通人隨手一拍也能得到不錯的結果。兩者共同的結果是，更多人開始‘拍照’。」

從數據上也可以看到這一趨勢的加速。據記者了解，春節後國內金融數據平台Tushare新增用戶與接口調用量大幅上漲，單日新增用戶峯值接近4000人。而隨着千問、Kimi等通用大模型直接內嵌行情數據，金融數據的觸達人群將擴展到數億普通股民。這種量級的躍升，可能帶來資本市場信息傳播與決策模式的深刻變化。

券商AI與通用大模型是競合還是替代？

面對通用大模型的「跨界」，早已佈局AI投顧的券商作何感想？

記者梳理發現，華泰證券的AI漲樂、國泰海通的靈犀APP、廣發證券的易淘金等券商應用，近年來已完成了AI原生化改造，不僅提供智能診股、財報解讀，還打通了交易閉環。這些券商AI的核心壁壘在於持牌合規、垂類大模型等，以及經過合規審核的專業投研內容。

通用大模型的優勢則在於泛化能力和用戶基數。千問和Kimi本身擁有數千萬甚至上億的活躍用戶，接入行情數據後，它們能夠以極低的邊際成本為海量用戶提供基礎投研服務。

對於券商而言，這既是一種挑戰，部分付費AI投顧功能需求可能被通用大模型分流，也是一種機遇，券商可以將自身更深度、更合規的AI投顧能力以插件或智能體形式接入通用大模型生態。

「我不認為通用大模型會取代券商AI。」一券商分析師表示，「未來，通用大模型負責廣度和便捷，券商AI更多負責深度和閉環。」

事實上，金融數據提供商也在積極擁抱這一趨勢。萬得推出了WindClaw，同花順iFinD推出了MCP金融數據服務，Choice上線了妙想Claw。這些專業工具不僅服務機構，也開始通過更友好的交互方式向個人用戶滲透。通用大模型與專業金融數據平台的邊界，正在變得模糊。

本文轉載自「財聯社」，作者：王晨；智通財經編輯：馮秋怡。