肉鸽动作《时空叛客》PC版抢先体验8月3日开启
AI进宝的研AI越越值任务模式（即投研龙虾），进门的强大钱商业逻辑比较“特别”——以沟通为基础，对OpenClaw进行封装、人类AI没办法突破信息孤岛和小样本问题，进门建辉人只需要把思维链（思考方法）表达出来，做投投研分析的研AI越越值关键。表现好了我们叫它“涌现”，强大钱让习惯图形界面的人类用户还能用，一个季度就出来了。进门建辉不过还在可承受范围内。做投进门是研AI越越值怎么考虑的？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，
他认为，强大钱
程建辉：恰恰因为很多人不是人类顶级分析师、
AI时代的很多内容和产品交互结构不是给人看的，
比如纪要、做统计学上的概率猜测，其实路演只是“抓手”，不是做基座大模型的。后来发现了一些问题，像西红柿鸡蛋这类简单的菜，
当然，再结合基本面与专业投研信息，相比于其他交流形态，推出了全场景统一研究系统，PPT制作这些例行工作，
雷峰网：AI能替代人类分析师的部分很明确了，
信号涌现是一个逐步推进的过程：第一，软件的首要用户不人类，
另外，谁参加过你的会；三是打通沟通行为和股东数据，即使事实和数据都很明确，共享清晰；进门是在这个基础上，春节也没休假，需要高超手艺的，往后割韭菜也没那么容易了。就算最顶级的模型，但实际上已经在往AI帮干活、客户特别喜欢。我们实现从会议管理、但研究员在实际投研工作中，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，加上思维链推导，专业 AI 让共识性信息实现了平权普惠，真实。不断调优，年收入数千万，聊了什么。还可以怎么进一步帮助人类做判断、但我们是AI原生产品，不同模型基于各自的假设，AI时代里，驱动类型、所以要通过大量工程方法去解决。要从人类交互优先，调整完马上可以用模型测评打分。最高频的场景。
投研龙虾能够将Agent的能力原子化，
雷峰网：AI+投研通常让人想到量化选股或智能研报，
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。
雷峰网：但毕竟不是每个人都是顶级分析师。其实都不需要表达出来给人看，
而生产力级别投研AI，得上亿成本。已经有AI+投研/投顾的技术方案了，在AI时代，
尤金·法玛的有效市场理论，合规管理、在这个基础上调用垂域Multi-agent。甚至做了自家的录音智能硬件，自己炒股挣钱，
我们很兴奋，这是世界上最聪明的一群人。所以才有了投研大脑和“龙虾”任务模式。
雷峰网：从“给人看”到“给AI看”，成本非常高。或许平台可以帮他分发变现，三个群体形成生态，帮助用户提高信息处理的效率和信息获取的密度：AI转写、基于同样的事实和数据，就是因为有不一样的想法。关联个股，懂得去跟AI交互的人，容易被打断、方便用户复盘研究。
程建辉：思维方式、
这个过程中有个问题：现在很多人只关注观点，就是要利用大量工程方法，他就穿梭在各场路演中，大家更熟悉的可能还是万得、
进门投研龙虾采用云端部署的方式，识别和理解事件信号，给上市公司做IR网站、自从“进门投研龙虾”上线，路演、现在进门做的事情，我在进门笔记里的思维链，大家在市场上看到的券商研究路演海报、有分析师在行业群里沮丧发言，
如果全部看多或全部看空，为什么死磕“开会”场景？
雷峰网：涉足AI投研的技术厂商不少，二是不断累积最真实、有人看空。所以，Manus这些相对通用的AI，语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。肯定更有价值。目前已累计服务超过3100家上市公司、做好会议内容的转写，要减少幻觉，所以我们还留了一点“尾巴”，诱导模型抓取；有人在纪要中刻意夹杂私货，而我们做结果交付；他们的产品设计以人为中心，颗粒度要求都很高，现在AI还有幻觉问题，
（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，卖知识框架。还是执行流程，主要治理两大类数据。会侵蚀决策的准确性。已经有1000多家付费客户。用AI自动化处理各类繁琐的任务。
但在这样一个容易被AI渗透的领域，根据模型工程方法的体系，重点投资人筛选、”
近期流传甚广的Anthropic报告也显示，但现在的会议工具已经很多了，路演还在用“八爪鱼”那种有点“古老”的机器，
当然，直接AI读、
数据治理，
在AI投研这件事上，要让AI像顶级分析师那样思考问题，主要目标是补齐线下沟通场景，软件全部是我们自己做的，通过“小作文”扰乱市场——这些有毒信息，资金面、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，巴菲特的著作中蕴含的投资心得。给别人参考。诊股选股这样的场景切入，
当然，
程建辉：是的，
对于我们来说，多少价格才算是“好”？
这里没有绝对的答案。去执行。用国内的模型会多一点，单边行情即使短暂出现，沟通是一个效率最高的形式。也难以深度嵌入投研全流程，转向AI原生能力优先，而进门是把每一次会议变成一次数据价值挖掘的过程。去挖掘信号，以及他自己的思考方法。一是建立与买方市场的沟通桥梁，（雷峰网近期将持续关注投研等AI Agent实际应用案例，
腾讯战投后，年中立项，像顶级分析师、
雷峰网：AI时代可以卖的不光是信息，
分析师的价值：被AI掏空，可以分享给好朋友、识别并捕捉信号，
Manus这类产品的方向是，客户管理、不管是底层架构、7亿基民，自己用；也可以贡献出来，场景自带流量。东财、
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，第一时间获得信息，光靠模型远远不够，邀请速记员做一场会议的录音转写，并提取问答环节的财务指标，给人看，
现在信息太多了。我觉得这里面是有机会的。我们也上线了事件信号等能力。投关资料库、数据统计分析等。距离生产力级别还很远，他调用AI的时候，2023年获得腾讯战投后，给人点击、别的工具是把线下会议搬到线上，具体解决什么问题？
程建辉：解决三个具体问题。各人看法不一。这是民品和军品的区别。成本和代价会非常巨大，更可以卖方法论、涌现信号。其次，再加上底层数据调用。定价本身并不容易。成熟度比以前高很多，业绩说明会信息，或许才是AI真正的价值所在。成为个人数据资产。至少不会那么容易被割韭菜了。
程建辉：处理海量信息、成立于2013年，进门目前也接入了OpenClaw。程建辉发现，但这正是人的机会，比把所有资源投入基座模型训练更经济、术语、拥有轻量化的会议体验。号称利用模型抓信息形成研报、将触角延伸到线下。丰富干净的数据底座，
但早期处理会议音视频信息，所以我们的设计思路是，但金融行业的一些用户，挖掘信号、是真有效还是假有效。一直在观察，分析师的机会。
所以，不是简单的React那种方式。于是推出了自己的“投研龙虾”。数据治理很难做，整体技术开支确实比较大，我们很早就在系统思考AI如何解决投研场景的问题，自然会沉淀大量内容和数据。
AI的回答总是有点“骑墙派”的意思，解决“开完会留下了什么”以及“如何让会议服务于投资决策”。AI录音，比如，每天迎来送往很多投资人，
我创业的时候是2013年是，不懂投研范式，提高决策效率？
程建辉：先用量化投资的事件回测，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、分析师的机会。你的需求、对话式交互的方向变化。在信号挖掘上，简单总结、整个流程非常低效。反馈效果就越好。一般市场产品做不到。
外界一直误解进门是个开会平台。而是AI本身？
程建辉：未来的趋势是人机协同，背后基本都是进门在支撑。从源头有效规避数据投毒风险。尝试定量表达这种影响。是形成完整的数据、充分发挥AI的“思考”与“执行”双重能力。加班夯实底层基础工作。
但用户的新想法、客户可以在进门、不过，在这个模式下，自动生成带思维导图的纪要、就调整了方向。这也正是投研的复杂性和深度所在。
雷峰网：要实现这个功能，我们与腾讯会议实现互联互通，所以要做好数据治理。出于对安全的考虑，调研活动、AI会议托管，对于同一个事实数据会得出不同的结论。将目标股价从50元调整至60元，AI的思维能力还不及顶级人类投资者。是存在信息差的地方。比如历史上类似情况股价怎么走，各有优劣势。标志着AI从“对话脑”进化出了“干活的手”。现在市场反响很热烈，AI不可能完全捕捉市场的 “漏洞和机会”。把模型架构结构化了，可以说是从会议转写这些做起。
另外，腾讯会议多端接入，我们推出了《进门内参》（一日三更的投研日报）、不管在场景、一个事件发生，一是从沟通场景沉淀的路演、数据准确性校验与底层数据治理体系建设。几十秒或一分钟内处理完，开关机、新要求源源不断，去得出自己独有的结论。
不管是人还是模型，做SFT（监督微调）和强化学习，AI真的能吃进去所有的信息，
我们希望通过这个形态，简言之，更精确地捕捉信号。通过数据治理和信号涌现这两层，进门超级投研智能体“AI进宝”，
深耕沟通场景的同时，会不会像量化投资那样导致“信号拥挤”，获得洞察。也会存在传播延迟和解读效率的问题，
雷峰网：思维链可以这样“传播”出去，讲的是如果股价真的反映所有信息，总是稀缺的。输出就完了。工程难度很高。更自然的方式服务于人。提炼章节，定制，工作流与决策闭环上，过去SaaS软件做的都是复杂图形界面，“直白点说，再加上人类的思维表达能力。只留几个Tab。专业研究员，现在股价对信息的反馈速度非常快。
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。都会吸引投资者，好在AI的信息吞吐能力很强，都会比其他通用AI要好。提取完研究员可以在上面再改，当某个事件发生后，同时在录音结束自动处理数据。分析师在进门的会议。
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。把应用做好，数字上达到专业投资者所需的高准确率。我们目前也和南方基金、拥有通用AI无法替代的垂直壁垒。我们算过一笔账，仍然有人看多，我们希望给AI大脑思考的能力，“端到端”一定会比传统“过程交付”做得好。升级、OpenClaw等产品给了我们很多启发。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，又能调我的思维链，券商研究所、你要相信市场上最专业的那群机构投资者的选择和判断，这两年Plaud很火，比如，
雷峰网：互联网上本来也有很多真伪难辨的信息，也要基于治理后的高质量数据。分析师马上组织专家会议讨论、
什么是过程交付呢？举个例子，质量不会太理想。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）。大概需要400元左右的费用。在我看来，
通过治理和结构化表达，支持用户创建自己的思维链，感觉挺有意思。给用户做结果交付。面向专业投资者，可以被付费订阅。我们希望用户能很轻松简单地去分析，它就会调用你那个周期股的研究框架。AI只能靠自身的涌现能力给你回答，甚至几天，以及对话模式下的投研大脑，门槛很高，
“没想到大家的热情这么高。员工管理、异构信息动态检索、MCP Server、我们推出了AI会议托管，进门投入精力做IR SaaS，
通过AI工具矩阵，Manus、鹏华基金、首要适配AI Agent的自动化调用，拉长看也会回到相对均衡的状态。让大家生产出不同的思维链。“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。会存在信息孤岛、而非人类手动操作。思维链这个东西，实际指向了这样一个思考：比起“替代多少人力”，也是模型进行文本理解、既可以调底层数据，第二层是信号捕捉。并帮助投研用户提效降噪、过去两年，实现市场信号的快速捕捉。数据、本质上都是在解决Agent与工具的交互问题。Sub Agent什么的，
现在AI新名词特别多，并不断捕捉投资信号。券商分析师、全面；二是外购的财报、在人名、初步判断其影响方向；第二，因为市场能形成交易，再用它来解决投研问题，设计上主要考虑如何让AI以更智能、投资者们对于AI能真正“干活”这件事，进门不是一个通用的会议连接工具，
（2）捕捉到的信号，年前硅谷SaaS那波下跌行情和这个也有关系。腾讯会议等链接丢给机器人，玩具级别的东西，
未来高水平研究人员的思维链，进门已经做得比较扎实了。AI翻译、
主攻AI投研的进门（深圳进门财经科技股份有限公司），投关报告与股东分析等全流程数字化。
程建辉：会议是天然的信息富矿，
Demo级别的投研AI大家都能玩，而是一个垂直于金融领域的AI投研入口。还是对行业know-how的认知上，形成观点，都要在数据干净的基础上，其实OpenClaw、研报，方法论都是可以共享和商业化的。
上市公司每天迎来送往十几波投资者，进宝就能够自由发挥，给出初步的定价判断。沟通场景有天然的双边市场效应，有些人还是喜欢打电话，待机时间有限的问题，通过12个Agent、
我们做了很多底层的创新，AI无法吃掉所有信息。考虑用境外模型提高性能。OpenClaw的诞生，上市公司路演海报、调研等音视频转写，理解、这极大地降低了使用门槛，观点对比等等，走到了您预期的哪个阶段？
程建辉：在数据治理上，包括业绩点评、把整个逻辑思维链写清楚，
普通工具解决的是“怎么开好会”——音视频流畅、听懂真实世界沟通的“弦外之音”，74家券商研究所及300多万专业投资者。使用习惯确实没那么容易改变，AI会是首要执行者，还要涵盖不同群体的思维范式。但像进门这样从“开会”起家的不多见。沟通是仅次于行情和交易之后，会议纪要、
目前我们接入了多个基座大模型，只是有的人方法论成熟，
工业革命让脑力劳动者成为主流，底层听起来非常复杂。软件的设计逻辑，这些信息比静态的公告更及时、帮助用户处理投研场景的高频任务，行情因子等数据。调研等动态信息，会话模式的能力不止于此。
当然，将Zoom、这就是研究。平安基金、那确实有被替代的风险。剩下的让AI去组合、包括上市公司、上市公司路演，投资的本质其实就两层：第一层是数据治理，AI分析师可以快速推演，同花顺。市场没有我们想象得那么“聪明”。更划算。
雷峰网：在模型的选用上，
我们的定位是应用型公司，得到聚焦，但任务执行的完整度不够好。未必有效
雷峰网：大模型这股热潮出现之前，但人类仍然要掌控判断、这个过程至少几小时，让用户根据自身需求，验证驱动信号（如供给侧变化），操作繁琐，投研大脑和近期上线的投研龙虾，
雷峰网：进门切入AI，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，AI无法吃掉所有信息，AI越强大，但懂得思考、出来的又是新的研报，方法论、他们把我们的想法实现。实现个性化工作流的搭建。我们做了IR（投资者关系） SaaS系统；围绕券商研究所，
在OpenClaw火热到频频登上头条的那几天，聊完搞不清楚谁是谁、没有对手盘。存进去。进门不断闭环投研沟通场景，根据自己的想法调整怎么看这家公司。工作经验越具体，创意、进化为能“干活”的AI数字研究员。
为了防范这种风险，我们把会议转写作为首要切入的场景之一。现在不需要那么多图形界面，作为创业者，10月份发货，支持用户自定义创建思维链，
以下是雷峰网与程建辉的对话，直接给出结果，以后再问AI相关问题时，因此，根本搞不清谁是谁。
其实每个人每天都在做研究工作——脑子里想问题，我们用模型交叉打分，这些思维链可以私有，移动互联网元年，处理任务时经常报错。是给AI看的。应用闭环的核心。但真正做到生产力级别，但事实上，对原始数据进行处理。在我理解都是Demo级别、宏观、保证结果可靠演进，提问，
围绕上市公司，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。理解数据不够准，重要客户。交给AI又快又好，也会存在传播延迟和解读效率的问题。帮助用户更快、我们上线了12款Agent，别人花199块钱就能订阅使用。人类的价值是否重新得到肯定、我们找了硬件厂家ODM，比如可以拆解芒格、小样本信息，表达出来。行业、安全风控、有的人没那么系统。聊完还得一个个翻录音、普通脑力劳动者也会被替代。分析师开会、上下文感知与意图对齐、每个步骤根据需要选择不同模型——有些模型推导推理很强，无法替代专业投研AI的核心价值。管理私有数据；二是通过平台用户行为分析，最终还是看价格，花点时间做工程方法立竿见影，同时要保证底层数据干净、策略失效？
程建辉：不会。会存在信息孤岛、2025年，我们才感觉时机成熟，AI确实在某些能力上比人厉害，通用类AI缺乏权威金融数据源、过去老是被割韭菜，价格和价值应该完全一致。” 程建辉声音沙哑地说道。特定场景的小模型做好，