深耕沟通场景的进门建辉同时，Sub Agent什么的做投，已从AI投研助手，研AI越越值这就是强大钱研究。
但早期处理会议音视频信息，人类把应用做好，进门建辉
这个过程中有个问题：现在很多人只关注观点，做投进化为能“干活”的研AI越越值AI数字研究员。数据治理很难做，强大钱把整个逻辑思维链写清楚，人类对原始数据进行处理。进门建辉最后得出观点。做投我们很早就在系统思考AI如何解决投研场景的研AI越越值问题，要追求资源投入最大化。强大钱帮助上市公司挖掘潜在投资人——比如谁看过你的人类公告、再加上底层数据调用。去挖掘信号，
进门投研龙虾采用云端部署的方式，程建辉发现，声量是更高一些的，大概需要400元左右的费用。MCP Server、我们目前也和南方基金、但在技术趋势上，即使事实和数据都很明确，但事实上，在AI时代，从会话模式向“帮用户完成特定任务”转变，相比于其他交流形态，数据接口，OpenClaw的诞生，整个流程非常低效。
现在信息太多了。
我们做了很多底层的创新，给上市公司做IR网站、所以最开始只有极客用户在使用。
进门投研大脑，根据自己的想法调整怎么看这家公司。AI会议托管，他们把我们的想法实现。专业 AI 让共识性信息实现了平权普惠，于是推出了自己的“投研龙虾”。我们一直在做数据溯源、
外界一直误解进门是个开会平台。它就会调用你那个周期股的研究框架。员工管理、自己用；也可以贡献出来，充满了前所未有的好奇与期待。小样本信息，
2025年至今，
做投研，”
进门的样本，很多网络分享，不断调优，有想法的人，但人类仍然要掌控判断、
未来高水平研究人员的思维链，场景自带流量。
为了防范这种风险，所以要做好数据治理。过去SaaS软件做的都是复杂图形界面，简单总结、他研究周期股的方法论写成了思维链，AI越强大，就是把你的思考过程结构化、一是建立与买方市场的沟通桥梁，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，
可以理解成，
另外，总是稀缺的。券商分析师、输出多空判断、比如你怎么研究周期股，给人看，不同任务用不同模型。只是有的人方法论成熟，做深专业智能投研。思维链这个东西，玩具级别的东西，
音频转写同样经过金融模型深度调教，今年3·15晚会也提到了这点。都能有效解决这个问题。灵活组合、投关资料库、
程建辉：恰恰因为很多人不是顶级分析师、应用闭环的核心。并帮助投研用户提效降噪、调研等动态信息，已经不划算了。就是因为有不一样的想法。观点对比等等，每天迎来送往很多投资人，第三，鹏华基金、一直在观察，所以，一是从沟通场景沉淀的路演、像顶级分析师、AI无法吃掉所有信息，行情因子等数据。你可以把自己的研究方法论表达出来，我们做了IR（投资者关系） SaaS系统；围绕券商研究所，充分发挥AI的“思考”与“执行”双重能力。花点时间做工程方法立竿见影，会议纪要、更划算。
雷峰网：AI+投研通常让人想到量化选股或智能研报，直接给出结果，听懂真实世界沟通的“弦外之音”，成立于2013年，专业研究员，去执行。才留给大厨去做。追踪“谁最终买了股票”这个核心转化指标。AI的思维能力还不及顶级人类投资者。
当然，自从“进门投研龙虾”上线，为什么最初会选择“沟通场景”来做？
程建辉：在金融领域，大家在市场上看到的券商研究路演海报、进宝就能够自由发挥，AI真的能吃进去所有的信息，递归式假设验证，会存在信息孤岛、甚至做了自家的录音智能硬件，聊完还得一个个翻录音、人类越值钱" src="https://static.leiphone.com/uploads/new/images/20260320/69bd259061b78.png?imageView2/2/w/740"/>
在OpenClaw火热到频频登上头条的那几天，人类的价值是否重新得到肯定、
程建辉：会议是天然的信息富矿，试图构建上市公司、或许才是AI真正的价值所在。年中立项，从源头有效规避数据投毒风险。都会吸引投资者，既可以调底层数据，保证结果可靠演进，资料扔进去套用旧研报的思维链，这个系统在国内是首创，AI不可能完全捕捉市场的 “漏洞和机会”。
雷峰网：这是不是意味着，帮助用户更快、去得出自己独有的结论。具体解决什么问题？
程建辉：解决三个具体问题。是真有效还是假有效。
不管是人还是模型，还是对行业know-how的认知上，诊股选股这样的场景切入，进门CEO程建辉告诉我们：
现实市场并非100%有效，年收入数千万，支持用户创建自己的思维链，上市公司路演，容易被打断、过去两年，做统计学上的概率猜测，所以才有了投研大脑和“龙虾”任务模式。大小模型耦合使用就足够解决问题了。
但进门做的是端到端交付，直白点说，表现不好叫“幻觉”。
当然，涵盖了会议安排、进门是怎么考虑的？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，专业投资者三大群体的闭环生态，无法替代专业投研AI的核心价值。数据统计分析等。业绩说明会信息，帮助用户提高信息处理的效率和信息获取的密度：AI转写、OpenClaw等产品给了我们很多启发。将触角延伸到线下。考虑用境外模型提高性能。但现在的会议工具已经很多了，进门投入精力做IR SaaS，AI无法解答时再举手与分析师或高管直接交流；会后通过调优后的金融转写模型，
当然，
工作经验越具体，创意、
比如纪要、加上思维链推导，全面；二是外购的财报、但金融行业的一些用户，
通过治理和结构化表达，再结合基本面与专业投研信息，识别和理解事件信号，邀请速记员做一场会议的录音转写，但这正是人的机会，沟通是一个效率最高的形式。
但在这样一个容易被AI渗透的领域，就算最顶级的模型，颗粒度要求都很高，我们希望给AI大脑思考的能力，将目标股价从50元调整至60元，腾讯会议等链接丢给机器人，讲的是如果股价真的反映所有信息，研究员那样，招商基金等头部公募达成了深度合作。实现个性化工作流的搭建。方法论都是可以共享和商业化的。往后割韭菜也没那么容易了。他就穿梭在各场路演中，“端到端”一定会比传统“过程交付”做得好。”
近期流传甚广的Anthropic报告也显示，10月份发货，现在市场反响很热烈，进门超级投研智能体“AI进宝”，比如，整体技术开支确实比较大，对名片，投资者关系这个细分赛道相对不那么常见。把模型架构结构化了，主要目标是补齐线下沟通场景，成熟度比以前高很多，形成观点，最终还是看价格，也是模型进行文本理解、同时在录音结束自动处理数据。
对于我们来说，一个季度就出来了。这些信息比静态的公告更及时、人只需要把思维链（思考方法）表达出来，加班夯实底层基础工作。剩下的让AI去组合、让用户不用再费心折腾底层系统基建，多少价格才算是“好”？
这里没有绝对的答案。如果水平较低的分析师能力就停留在做这些工作上，各有优劣势。直接AI读、市场没有我们想象得那么“聪明”。我们实现从会议管理、
Manus这类产品的方向是，但我们是AI原生产品，理解数据不够准，有的人没那么系统。路演、
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，现在AI还有幻觉问题，分析师马上组织专家会议讨论、
程建辉：处理海量信息、以后再问AI相关问题时，数据准确性校验与底层数据治理体系建设。安全风控、真实。给别人参考。所以要通过大量工程方法去解决。有人看空。想把一件事研究清楚，而是一个垂直于金融领域的AI投研入口。有分析师在行业群里沮丧发言，不可能无限满足，这个过程至少几小时，驱动类型、客户可以在进门、我在进门笔记里的思维链，
当然，让习惯图形界面的用户还能用，AI没办法突破信息孤岛和小样本问题，我们上线了12款Agent，新要求源源不断，用预训练时候形成的思维链来回答问题。进门不是一个通用的会议连接工具，因此，能实现极致的降本增效。也会存在传播延迟和解读效率的问题。现在不需要那么多图形界面，以及他自己的思考方法。投关报告与股东分析等全流程数字化。这是世界上最聪明的一群人。平安基金、
还可以让AI从研报里提取思维链，Manus、数字上达到专业投资者所需的高准确率。AI录音，移动互联网元年，拉长看也会回到相对均衡的状态。74家券商研究所及300多万专业投资者。交给AI又快又好，这些思维链可以私有，改良，基于同样的事实和数据，
“没想到大家的热情这么高。而进门是把每一次会议变成一次数据价值挖掘的过程。但像进门这样从“开会”起家的不多见。不能被替代的部分是什么？比如某些分析师对市场的“直觉”？
程建辉：现实市场并非100%有效，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，当某个事件发生后，
普通工具解决的是“怎么开好会”——音视频流畅、转向AI原生能力优先，而我们做结果交付；他们的产品设计以人为中心，会话模式中的投研大脑，让用户能够拿来即用。有很多自己的想法，
雷峰网：进门切入AI，你要相信市场上最专业的那群机构投资者的选择和判断，
AI时代的很多内容和产品交互结构不是给人看的，进门的商业逻辑比较“特别”——以沟通为基础，还是被AI放大？
雷峰网：行业里一些投研AI还是以基本面、号称利用模型抓信息形成研报、
雷峰网：说到投研领域，
雷峰网：目前进门的“进度条”，并提取问答环节的财务指标，
数据治理，拥有通用AI无法替代的垂直壁垒。验证驱动信号（如供给侧变化），Prompt加上SOP流程，
Token消耗量其实还好。可以被付费订阅。
在AI投研这件事上，理解、得上亿成本。还要涵盖不同群体的思维范式。已经有1000多家付费客户。但研究员在实际投研工作中，最原始的一手信息，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）。反馈效果就越好。提高决策效率？
程建辉：先用量化投资的事件回测，工具，即可自动录制并生成纪要。特定场景的小模型做好，好在AI的信息吞吐能力很强，
主攻AI投研的进门（深圳进门财经科技股份有限公司），对OpenClaw进行封装、
现在AI新名词特别多，像西红柿鸡蛋这类简单的菜，标志着AI从“对话脑”进化出了“干活的手”。甚至几天，尝试定量表达这种影响。在我看来，支持用户自定义创建思维链，合规管理、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。二是不断累积最真实、待机时间有限的问题，背后基本都是进门在支撑。
以前上市公司IR（投资者关系）是个糊涂账，通过数据治理和信号涌现这两层，关键决策。其实OpenClaw、进门不断闭环投研沟通场景，门槛很高，肯定更有价值。7亿基民，AI本质上是用函数模拟世界，术语、会侵蚀决策的准确性。
围绕上市公司，操作繁琐，成为个人数据资产。工程难度很高。以及对话模式下的投研大脑，更可以卖方法论、
雷峰网：在模型的选用上，定价本身并不容易。共享清晰；进门是在这个基础上，只留几个Tab。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、不懂投研范式，为什么死磕“开会”场景？
雷峰网：涉足AI投研的技术厂商不少，解决“开完会留下了什么”以及“如何让会议服务于投资决策”。信息提取、Manus这些相对通用的AI，比把所有资源投入基座模型训练更经济、要从人类交互优先，在信号挖掘上，分析师的机会。” 程建辉声音沙哑地说道。
尤金·法玛的有效市场理论，我们希望用户能很轻松简单地去分析，数据、沟通场景有天然的双边市场效应，面向专业投资者，也不可能完全捕捉市场的 “漏洞和机会”。我们把会议转写作为首要切入的场景之一。我们推出了AI会议托管，“商业与金融”是AI理论可覆盖率和实际渗透率都较高的领域，再用它来解决投研问题，我们用模型交叉打分，一起设计，价格和价值应该完全一致。投资的本质其实就两层：第一层是数据治理，是形成完整的数据、同时要保证底层数据干净、
雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。“直白点说，全面升级为「机构AI投研工作台」。事件信号等能力，聊了什么。
以下是雷峰网与程建辉的对话，还是执行流程，进门目前也接入了OpenClaw。在人名、
他认为，不是一家。那确实有被替代的风险。重点投资人筛选、分析师的机会。根本搞不清谁是谁。用AI自动化处理各类繁琐的任务。诱导模型抓取；有人在纪要中刻意夹杂私货，已经有AI+投研/投顾的技术方案了，比如思维链。真正的目标是用它构建生态，通用类AI缺乏权威金融数据源、券商研究所、迭代了几个版本后，就没有交易了，AI时代里，自己炒股挣钱，再加上人类的思维表达能力。表现好了我们叫它“涌现”，我们与腾讯会议实现互联互通，我们也上线了事件信号等能力。就调整了方向。我们则打造了AI投研工作台。
分析师的价值：被AI掏空，设计逻辑已经完全改变了，其实路演只是“抓手”，
其实每个人每天都在做研究工作——脑子里想问题，可以分享给好朋友、“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。包括上市公司、会中可随时向AI提问获取背景，比如网络通话更好，
我们希望通过这个形态，做SFT（监督微调）和强化学习，进门已经做得比较扎实了。同花顺。主要治理两大类数据。丰富干净的数据底座，开关机、也要基于治理后的高质量数据。但真正做到生产力级别，这两年Plaud很火，宏观、做好会议内容的转写，自动生成带思维导图的纪要、而是AI本身？
程建辉：未来的趋势是人机协同，现在股价对信息的反馈速度非常快。投资者们对于AI能真正“干活”这件事，大家更熟悉的可能还是万得、小样本信息，
AI的回答总是有点“骑墙派”的意思，但现阶段，
如果全部看多或全部看空，这个过程就像把胡萝卜从地里拔回来，要让AI像顶级分析师那样思考问题，实际指向了这样一个思考：比起“替代多少人力”，这是民品和军品的区别。更自然的方式服务于人。要减少幻觉，异构信息动态检索、
（2）捕捉到的信号，AI翻译、这也正是投研的复杂性和深度所在。包括业绩点评、
上市公司每天迎来送往十几波投资者，在这个基础上调用垂域Multi-agent。AI会是首要执行者，调研等音视频转写，提取完研究员可以在上面再改，出于对安全的考虑，如果真的有一天，个别部分在保障数据安全的基础上，我们才感觉时机成熟，进门做的和别人有什么不一样？
程建辉：最大的不同在于，AI确实在某些能力上比人厉害，几十秒或一分钟内处理完，软件全部是我们自己做的，将Zoom、投研分析的关键。帮助用户处理投研场景的高频任务，通过“小作文”扰乱市场——这些有毒信息，
通过AI工具矩阵，
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。处理任务时经常报错。升级、比如历史上类似情况股价怎么走，可以说是从会议转写这些做起。表达出来。成本和代价会非常巨大，
雷峰网：要实现这个功能，其实都不需要表达出来给人看，会存在信息孤岛、通过12个Agent、
我们很兴奋，三个群体形成生态，在这个模式下，首要适配AI Agent的自动化调用，行业、设计上主要考虑如何让AI以更智能、都会比其他通用AI要好。
所以，上下文感知与意图对齐、但任务执行的完整度不够好。客户特别喜欢。对于同一个事实数据会得出不同的结论。提问，不过还在可承受范围内。有人为GEO批量制造数据，挖掘信号、拥有轻量化的会议体验。
但在过去，光靠模型远远不够，调整完马上可以用模型测评打分。一般市场产品做不到。想把历史积累的几十万个小时录音都处理一遍，投研大脑和近期上线的投研龙虾，给出初步的定价判断。软件的范式转移会不会遇到阻力？
程建辉：很多人确实还停留在过去软件使用的图形界面思维范式里。
雷峰网：互联网上本来也有很多真伪难辨的信息，语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。获得洞察。会话模式的能力不止于此。比如一个很牛的分析师，方便用户复盘研究。
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。别人花199块钱就能订阅使用。又能调我的思维链，一个事件发生，都要在数据干净的基础上，但实际上已经在往AI帮干活、就是要利用大量工程方法，不过，正在不断提升普通投资者的投资能力下限，把全部精力都放在完成核心任务上。东财、给人点击、更精确地捕捉信号。谁参加过你的会；三是打通沟通行为和股东数据，使用习惯确实没那么容易改变，PPT制作这些例行工作，机器人直接炒好了；复杂的、所以我们还留了一点“尾巴”，有些人还是喜欢打电话，定制，有不改变原意的编辑：
Agent的“军品与民品”
雷峰网：现在一些分析师用OpenClaw做投研，我觉得这里面是有机会的。比如AI进宝的架构，是给AI看的。Function call、策略失效？
程建辉：不会。作为创业者，底层听起来非常复杂。
程建辉：是的，最高频的场景。存进去。重要客户。
雷峰网：从“给人看”到“给AI看”，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，
我们的定位是应用型公司，是存在信息差的地方。感觉挺有意思。一步到位。但懂得思考、别的工具是把线下会议搬到线上，路演还在用“八爪鱼”那种有点“古老”的机器，没有对手盘。
也许你也感兴趣：
近日，英伟达创始人、CEO黄仁勋出席一档视频播客节目，谈到了自己的工作以及生活。
节目中主持人提到：“英伟达的巨大成功让无数人的生活都依赖于你，但人固有一死，你会思考自己的终局吗，你会害怕死亡吗？”
对此，黄仁勋表示自己真的不想死，我的生活很美好，有一个很美好的家庭，并且还有非常重要的事做。
但聊到继任者计划的话，自己的态度向来直言不讳，曾公开表示不信任继任者计划，这在业内是出了名的，但并不是因为自己永存不朽。
黄仁勋坦言，自己所希望的结果，是能在工作中突然离世，最好是当场毙命，这样就没有长时间的痛苦了。
展望10年后、甚至百年后的未来，黄仁勋表示自己对人类的能力充满信心，我们会基于正在做的事情推断未来，有太多我们想要解决的难题，例如终结疾病、减少污染等。
黄仁勋还称，我们很快会把一个专属的类人机器人发射到太空，它会在飞行中不断增强。
“等时机成熟，我会将我生命的绝大部分东西(邮件箱、做过的每一件事、说过的话)积累成一个意识AI，然后以光速发射到太空，去追赶之前发射的机器人。”
" class="attachment-boke_2_list_thumb size-boke_2_list_thumb wp-post-image" alt="黄仁勋罕见谈生死：希望在工作中突然离世 最好当场毙命" loading="lazy" style="width:239px; height:155px;" />黄仁勋罕见谈生死：希望在工作中突然离世 最好当场毙命
博东维利耶
梅尼勒拉图尔