OUR MISSION · 我們的使命
鋒睿致力於幫助您的機構在 AI 時代實現成功轉型。我們持續追蹤金融數據、投研與機構組織的 AI 進展，分享值得關注的實踐與思考。
讓我們以學習的心態，一起探索 AI 時代的可能。
與您分享本期進展
IN THIS ISSUE · 本期主題
從數據商的語義與權限治理，到投資機構對知識、檢索和評測的重新組織。
Ardian、Scale VP 與 Balyasny，分別從機構知識、跨源檢索和模型評測切入。
Bloomberg、S&P Global Energy 與 FactSet，呈現三種金融數據進入 AI 工作流的路徑。
DBS 的分階段部署，以及上海、香港與美聯儲關於准入、授權和問責的最新信號。
從單點提效到可複用的研究能力
據項目合作方 JAKALA 披露，Ardian Buyout 將歷史交易材料整理為帶引用和版本記錄的知識層，用於投資文書起草及盡調論證。團隊測試了專家 Agent 並行研究、正反方辯論與獨立評判等架構，讓不同分析路徑挑戰投資假設。
系統基於既有文書與交易材料生成初稿，投資人員繼續審核、質疑並定稿。合作方披露，所覆蓋文書起草任務耗時減少逾 70%；這是特定任務的效率指標，不能外推為整體投研質量或投資表現。
機構知識庫的價值，在於讓既有經驗進入新的研究任務。衡量成效時，除起草時間，還應記錄事實錯誤、引用質量和人工修改量。
Scale Venture Partners 自建 MCP server，將 PitchBook、Salesforce 交易記錄和合夥人筆記連接到研究助手。一個具體問題是：某公司的共同投資人中，哪些曾領投過本機構放棄的交易？助手交叉核對投資人名單、交易歷史與放棄理由。
機構自述，這項查詢從約 30 分鐘縮短至不足 1 分鐘。其實現保留逐請求身份校驗、按用戶限流和工具調用日誌，以定義清楚的結構化字段返回結果；工具範圍按真實研究問題收斂。
這類場景的價值是讓外部信息與內部決策記錄共同參與研究。可從一個反覆發生的跨系統問題切入，再驗證答案來源、權限和檢索成本。
OpenAI 發佈的客戶案例顯示，Balyasny 在模型進入生產前，以內部數據和基準測試預測準確率、數值推理等 12 個以上維度。中央團隊建設通用組件與合規護欄，各投資團隊按資產類別定制 Agent。
案例稱約 95% 的投資團隊已使用其 AI 平台。這個數字反映採用情況，不能直接作為投資表現或收益提升的證據。
本期回看這一案例，是為了補充部署方法：先定義可驗收的任務，再決定模型與工具如何組合。
數據服務進入研究現場
Bloomberg 於 9 月 29 日推出 Enterprise MCP，為 Data License Plus 增加標準化 AI 訪問層。接口在返回已獲授權數據的同時，提供字段含義、計算方式、幣種、價格類型和數據時點，供 Agent 判斷數字是否適用於當前任務。
對機構投研而言，同一個“價格”可能對應不同交易所、幣種與時點。把這些限定條件隨數據交付，可以為跨來源核對提供依據。MCP 是連接 AI 與外部數據、工具的標準協議；接口能力仍需在實際研究任務中驗證。
評估金融數據接口時，應把“能否取到數據”和“能否解釋並追溯數據”一起納入驗收。
S&P Global Energy 在 Databricks 發佈的案例中，將大宗商品數據按業務領域拆分為小範圍 Genie Agent。領域專家維護表字段說明、業務定義和可信查詢示例，再通過 MCP 將多個 Agent 組合成統一查詢入口。
以 LNG 為例，資產與合約、貨運、招標、停產、供需、淨回值和價格分別由 7 個 Agent 覆蓋。跨領域問題可同時調用相關數據組；底層訪問沿用 Unity Catalog 權限，並通過基準問題持續檢查答案質量。
數據接入需要業務專家參與。可借鑒的分工是：研究人員定義口徑與驗收問題，工程團隊負責連接與運行，權限治理覆蓋全過程。
FactSet 官方首發公告披露，其原生 MCP server 提供對 9 類數據集的統一訪問，包括財務基本面、一致預期、持股、並購、價格及供應鏈等。機構可在 AI 工作流中調用這些數據，減少為不同應用重複建設連接的需求。
此前 Explorer 測試階段有 45 家機構、逾 800 名機構用戶採用。公告定位是受治理的生產級數據訪問；數據可用範圍仍取決於授權。此處作為既有實踐回看，首發時間按官方公告列示。
評估原生 MCP 時，應同時核對數據授權、字段覆蓋、查詢限制與返回口徑。連接方式更直接，並不自動減少機構自身的合規責任。
同業部署觀察
星展香港宣佈，自 9 月 26 日起逐步為企業銀行助理 DBS Joy 引入 Agent 能力。客戶可在對話中查詢付款狀態、交易與費用，助理直接檢索和分析相關賬戶信息，減少跨頁面查找。
個人客戶助理 digibot 的 Agent 能力計劃於 2027 年推出。兩者均以客戶登錄和主動發出指令為前提，保留人工服務入口。公告另披露 Joy 的既有服務使客服熱線來電減少 16%；這一指標與新升級的部署階段應分開理解。
從問答走向辦事，應逐項界定身份驗證、可調用工具和人工接管路徑。上線後的指標也要分開觀察查詢解決率與實際執行成功率。
政策要求與監管視角
上海金融監管局發佈人工智能應用若干措施，全文共 16 項。對面向公眾服務或高風險場景應用使用生成式 AI 的，要求在場景上線前向該局報告；高風險應用場景須建立准入控制機制，並經本機構風險管理委員會批准後實施。
外部算力、模型和數據處理等服務，應納入信息科技外包風險管理體系。文件適用範圍為上海轄內相關金融機構，具體要求應結合原文及配套規定理解。
阮國恒在香港銀行學會年度銀行會議的演示材料中，將 AI 的角色區分為輔助、建議、決策和行動。材料強調，董事會與高級管理層須對完整行動路徑負責，包括授權邊界、審批與升級、追溯質詢及人工干預。
2026 年首批 GenA.I. Sandbox++ 列示 36 個用例、30 家金融機構與 27 家科技夥伴，探索範圍延伸至 Agentic AI 端到端流程。此處為監管交流材料，不等同於新頒布的強制規則。
Waller 在 Sibos 演講中區分了 Agent 輔助購物與獲授權自主購物付款兩種模式。對於後者，他提出三項核心問題：如何證明 Agent 有權付款、錯誤購買由誰承擔責任，以及如何調整以人類行為為基礎的反欺詐模型。
演講討論了產業標準與支付基礎設施需要解決的問題，屬於其個人觀點，不構成已經落地的統一監管要求。
金融AI 轉型戰略夥伴
諮詢 · 培訓 · FDE 前線部署工程服務
