进门接入腾讯云后，把 " 投研龙虾 " 从个人工具推进企业级工作流，支撑研究员完成资料整理、自选股扫描、报告生成等任务。今年一季度，进门 AI 产品使用量增长了 10 倍。
一个买方研究员的一天，通常从几百条未读消息开始。
电话会、上市公司路演、专家访谈、行业纪要、券商研报不断涌来，群聊和会议链接永远刷不完。
但令人烦恼的是，很多时候，真正重要的信息，其实不在正式研报里，而藏在某一个交流细节，甚至是在一句微妙的语气变化里。
这是金融行业投研领域的现状，成千上万条消息，漏掉一条，丢失的可能就是上亿规模的真金白银。
那么，当投研圈子迎来实战型 Agent，它们如何效 " 履职 "，如何干好活，替研究员们处理庞杂信息，快速捕捉边际变化？
主攻 AI 投研的进门，成立于 2013 年，在国内券商研究所公开路演领域市占率 95% 左右，这个标签太过深刻，让很多人对这家公司的印象，还停留在会议平台。时间来到 2023 年，进门获得腾讯战投，同年，全面迭代为 " 机构 AI 投研工作台 "。
2025 年，进门推出超级投研智能体 "AI 进宝 "，成为了业内第一个推出投研版 Agent 的公司，帮助用户处理好投研场景的海量工作。并且，在接入腾讯云后，今年一季度，进门 AI 产品的使用增长了 10 倍。
其实，早在创业初期，程建辉和他的团队，想做的就不止是一个开会的平台。回到十多年前，也就是进门最初创立的时候。那时的金融市场中，行情和交易是最高频的场景，其次就是沟通场景。程建辉认为，" 沟通场景是一个天然的信息富矿 "，随着信息流通的效率越来越高，沟通场景必将成为金融市场的未来。
但在当时，没有人觉得这是一个好的赛道。
转折发生在疫情之后。投研圈的路演、会议集体转移到线上，进门的市场渗透率随之提升，也证实了团队最初的预判。
海量的沟通场景沉淀出大量的事实和数据，但是，投研领域涉及多个主体，不同主体对同一内容的想法也各不相同，程建辉意识到，他们要做的其实是 " 基于沟通的场景，把上市公司、券商研究所、机构投资者三个主体连接起来。"
一开始，进门考虑的是机器学习、NLP 等方法，能力相对有限，直到 AI Agent 浪潮来临，新的机会开始出现。
Openclaw 引爆互联网之初，进门整个团队都异常兴奋，连春节都没有休假，加班加点研究 Agentic AI 如何更好地在投研领域落地。
基于十余年来形成的金融沟通场景数据飞轮，进门将 "AI 进宝 " 打造成真正懂投研、能落地、贯穿投研工作全流程的 " 超级生产力工具 "。
AI 真的能够干活了。程建辉举例，" 以前，关注自选股，每天都要打开行情软件，看一下有哪些边际变化。现在不用了，可以直接设个定时任务，比方每天早上 7 点钟，把所有的自选股扫描一遍，帮我分析有哪些变化，甚至可以帮你去做量化回测、做管理层背调这类复杂任务。"
AI 应用的下半场，逐渐从追求效率转向追求交付结果的可用性。所以程建辉认为，AI 进宝只会干活还不够，必须要让它让它真正具备把活干到 99 分的实际价值。
程建辉用了一个比喻，" 在处理投研任务上，野生的 AI 是一栋毛坯房，但 AI 进宝则是精装房、拎包入住，不需要你再去做很多的基础工作。"
" 精装 " 的方向，只有身处金融行业的人才懂。
比如对于金融行业来说，除了效率上的提升，要真正将 AI Agent 融入工作流，还需要解决更多行业内的特殊问题，最为紧要的问题之一，便是安全性。
但是，AI 目前还存在着一定的 " 幻觉 " 问题，这对投研领域构成极大的挑战。个人用户对 " 幻觉 " 容错率较高，但 " 金融行业做 100 次，就必须对 100 次，如果第 101 次错了，就是一个很大的事故 "，腾讯云数字金融副总经理谢任东说。
在谢任东看来，企业 " 养虾 " 和个人 " 养虾 " 最本质的区别，就在于安全可靠性的管控。作为企业级 AI 智能体平台，腾讯云具备成熟、全面的基础架构和资源，保障企业高效、平稳地运用 AI Agent。
早在进门 AI 业务发展初期，进门就和腾讯云确立了友好的合作伙伴关系。而在企业级 AI Agent 的合作上，程建辉更确定了腾讯云 " 解决痛点 " 的能力。" 不管是显性还是隐性的需求，腾讯云和我们交流都是带着解决问题的思路。" 程建辉还记得，最开始，在云计算资源十分紧张的情况下，腾讯云依然保障了资源的提供，为新 AI 产品的发布提供支持。
在路演会议数据安全问题上，腾讯云也给出了进门亟需的解决方案。腾讯云通过音频水印定位的技术，帮助进门有效监测流出途径，精准追溯责任源头，守住金融数据安全的底层防线。
谢任东提到，腾讯云在这里提供的不只是 " 云服务器 "，而是从 AI 能力一键部署、到企业级安全能力、再到模型调用生态的全方位架构。包含：
1 ) CodeBuddy、WorkBuddy 等业务、研效与办公的多场景智能应用层 ;
2 ) 智能体 API/ 上下文工程 / 多 Agent 编排 / 检索增强等原子能力的智能体引擎层 ;
3 ) AgentRuntime、tokenhub 模型路由、推理平台等智能服务层 ;
4 ) 异构算力、高性能网络、安全防护等基础设施层。
也就是说，金融领域企业可以不再将 AI 视作一个只供聊天的玩具，而是一个合规、安全、高效的生产力工具，是把 "AI 变成一个组织的通用能力 "。金融机构结合自身 " 垂直数据 + 行业 skills+ 评测体系 "，基于腾讯云提供的 " 基础设施 +Agent 运行环境 + 安全合规工具 "，发挥各自优势快速推进创新。
有了安全、稳定的底层架构，企业用户便能放心地将信息处理完全交由 AI 接管。那在这之后，研究员的价值在哪里？他们是否真的会被 AI 取代？
对此，程建辉给出了意想不到的回答，他认为，AI 投研的出现，反而会 " 让厉害的人越来越厉害 "。
" 市场上能挣到的钱，无非三种，第一种是挣信息差的钱；第二种是非理性的钱；第三种是认知差的钱。AI 的时代，挣信息差的钱会越来越难，但未来最有价值的，还是挣认知差的钱。" 在程建辉的描绘中，AI 真正改变的不是人的存在，而是行业 " 挣到钱 " 的方式。
AI Agent 未来能做到的，正是帮助研究员提升认知的上限、兜住下限，赚到认知差的钱。
" 人类最顶尖的一波分析师，之前一天可能只处理 10 份研报，现在一天能处理 10 万份研报 "，程建辉解释。他认为，现阶段模型的思考分析能力远远跟不上顶级的人类研究员，但可以帮助研究员节省出大量的时间，用于思考和决策。也因此，对于资深的研究员来说，AI 越强，会提问、有判断、能做非共识决策的人越值钱。
在与 36 氪的对谈中，程建辉曾解释为何进门始终在深耕投研这一垂直赛道，" 巨头公司的航空母舰是做大海里的生意，我们想先把小河里的生意做好再远航 "。垂直、真实的金融业务场景，如同细小的河流，但正是在这里，AI 真正落地、迭代，并进一步验证更大的行业趋势。
而放眼金融行业，在投研之外，还存在风控、资管、保险、支付等众多细分的业务形态。如谢任东所言，腾讯云的优势正在于 " 开放性和生态 "，这将接纳和托举更多像进门一样深耕垂直场景的 " 小生意 "，更有机会回应金融行业在 AI 时代的共性命题。
