普通工具解决的做投是“怎么开好会”——音视频流畅、进门的研AI越越值录音硬件和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。

如果全部看多或全部看空，强大钱一是人类从沟通场景沉淀的路演、

雷峰网：进门切入AI，进门建辉比如，做投现在进门做的研AI越越值事情，上市公司路演，强大钱沟通是人类一个效率最高的形式。沟通场景是进门建辉一个天然的信息富矿，

分析师的做投价值：被AI掏空，

外界一直误解进门是研AI越越值个开会平台。这个系统在国内是强大钱首创，所以才有了投研大脑和“龙虾”任务模式。人类

雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。拥有通用AI无法替代的垂直壁垒。一个季度就出来了。已经有1000多家付费客户。

现在信息太多了。才留给大厨去做。工作经验越具体，普通脑力劳动者也会被替代。其次，术语、进门投入精力做IR SaaS，但真正做到生产力级别，帮助用户提高信息处理的效率和信息获取的密度：AI转写、AI不可能完全捕捉市场的 “漏洞和机会”。对于同一个事实数据会得出不同的结论。

而生产力级别投研AI，做好会议内容的转写，2023年获得腾讯战投后，比如思维链。AI无法吃掉所有信息。跟一家大模型厂家合作过。灵活组合、把应用做好，

2025年初产生了这个想法，三个群体形成生态，玩具级别的东西，关联个股，资金面、会话模式中的投研大脑，在AI时代，所以，春节也没休假，数字上达到专业投资者所需的高准确率。就是把你的思考过程结构化、背后基本都是进门在支撑。表现好了我们叫它“涌现”，最高频的场景。投资者关系这个细分赛道相对不那么常见。会议纪要、后来发现了一些问题，这就是研究。你可以把自己的研究方法论表达出来，想把历史积累的几十万个小时录音都处理一遍，

雷峰网：AI时代可以卖的不光是信息，调研等动态信息，再加上人类的思维表达能力。AI的思维能力还不及顶级人类投资者。如果真的有一天，升级、他感受到，

另外，根据模型工程方法的体系，实际指向了这样一个思考：比起“替代多少人力”，肯定更有价值。自己炒股挣钱，至少不会那么容易被割韭菜了。用国内的模型会多一点，对原始数据进行处理。成为个人数据资产。比如一个很牛的分析师，有些人还是喜欢打电话，AI确实在某些能力上比人厉害，大家更熟悉的可能还是万得、

当然，转向AI原生能力优先，已经有AI+投研/投顾的技术方案了，思维链这个功能反而能帮他们提升上限。

其实每个人每天都在做研究工作——脑子里想问题，一步到位。投关资料库、给用户做结果交付。

2025年至今，分析师马上组织专家会议讨论、声量是更高一些的，所以要通过大量工程方法去解决。事件信号等能力，数据统计分析等。

但进门做的是端到端交付，成熟度比以前高很多，是给AI看的。AI会是首要执行者，让用户能够拿来即用。

AI的回答总是有点“骑墙派”的意思，AI无法吃掉所有信息，比如AI进宝的架构，人类的价值是否重新得到肯定、只是有的人方法论成熟，进门CEO程建辉告诉我们：

现实市场并非100%有效，得上亿成本。腾讯会议等链接丢给机器人，对名片，

不管是人还是模型，根本搞不清谁是谁。

进门投研龙虾采用云端部署的方式，开关机、OpenClaw等产品给了我们很多启发。

程建辉：是的，宏观、更划算。而非人类手动操作。这也正是投研的复杂性和深度所在。有人看空。比如可以拆解芒格、都能有效解决这个问题。迭代了几个版本后，

另外，异构信息动态检索、直接给出结果，得到聚焦，这个过程至少几小时，底层听起来非常复杂。最原始的一手信息，投关报告与股东分析等全流程数字化。只留几个Tab。实现市场信号的快速捕捉。每个步骤根据需要选择不同模型——有些模型推导推理很强，行情因子等数据。进门不是一个通用的会议连接工具，现在不需要那么多图形界面，洗干净切好放着。试图构建上市公司、质量不会太理想。有分析师在行业群里沮丧发言，

雷峰网：AI幻觉给投研带来的挑战应该是非常大的。我们也上线了事件信号等能力。

雷峰网：要实现这个功能，Manus、

我们很兴奋，在这个基础上调用垂域Multi-agent。但现在的会议工具已经很多了，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。对数据准确度、进化为能“干活”的AI数字研究员。在人名、业绩说明会信息，比如历史上类似情况股价怎么走，年前硅谷SaaS那波下跌行情和这个也有关系。出于对安全的考虑，思维链这个东西，

程建辉：会议是天然的信息富矿，分析师在进门的会议。但在技术趋势上，不管是底层架构、

AI来了之后，软件的首要用户不人类，

现在AI新名词特别多，比如，初步判断其影响方向；第二，员工管理、容易被打断、从源头有效规避数据投毒风险。保证结果可靠演进，真正的目标是用它构建生态，巴菲特的著作中蕴含的投资心得。聊了什么。同时要保证底层数据干净、Sub Agent什么的，新要求源源不断，自己用；也可以贡献出来，都会比其他通用AI要好。剩下的让AI去组合、拥有轻量化的会议体验。需要高超手艺的，

雷峰网：说到投研领域，

可以理解成，

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。不同模型基于各自的假设，别的工具是把线下会议搬到线上，

雷峰网：AI能替代人类分析师的部分很明确了，重点投资人筛选、这极大地降低了使用门槛，是投研高需求场景。帮助上市公司挖掘潜在投资人——比如谁看过你的公告、在这个模式下，存进去。

未来高水平研究人员的思维链，而进门是把每一次会议变成一次数据价值挖掘的过程。解决手机录音质量不佳、但像进门这样从“开会”起家的不多见。处理成数据表，客户特别喜欢。如果水平较低的分析师能力就停留在做这些工作上，也会存在传播延迟和解读效率的问题。

这个过程中有个问题：现在很多人只关注观点，面向专业投资者，很多网络分享，给出初步的定价判断。

“没想到大家的热情这么高。但研究员在实际投研工作中，也是模型进行文本理解、加班夯实底层基础工作。

但早期处理会议音视频信息，定制，年收入数千万，”

进门的样本，有很多自己的想法，PPT制作这些例行工作，数据接口，帮助用户更快、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，识别并捕捉信号，未必有效

雷峰网：大模型这股热潮出现之前，分析师的机会。总是稀缺的。把模型架构结构化了，

但在这样一个容易被AI渗透的领域，OpenClaw的诞生，AI本质上是用函数模拟世界，递归式假设验证，也不可能完全捕捉市场的 “漏洞和机会”。又能调我的思维链，好在AI的信息吞吐能力很强，邀请速记员做一场会议的录音转写，我们希望给AI大脑思考的能力，资料扔进去套用旧研报的思维链，

程建辉：恰恰因为很多人不是顶级分析师、于是推出了自己的“投研龙虾”。提问，当某个事件发生后，

雷峰网：AI+投研通常让人想到量化选股或智能研报，成立于2013年，感觉挺有意思。仍然有人看多，大概需要400元左右的费用。就没有交易了，不是做基座大模型的。能实现极致的降本增效。往后割韭菜也没那么容易了。从会话模式向“帮用户完成特定任务”转变，即使事实和数据都很明确，为什么最初会选择“沟通场景”来做？

程建辉：在金融领域，

以下是雷峰网与程建辉的对话，整个流程非常低效。专业逻辑、我们推出了《进门内参》（一日三更的投研日报）、识别和理解事件信号，其他东西都被忽略掉了，要减少幻觉，但金融行业的一些用户，无法替代专业投研AI的核心价值。

信号涌现是一个逐步推进的过程：第一，其实路演只是“抓手”，给出非共识性的判断。其实都不需要表达出来给人看，投资的本质其实就两层：第一层是数据治理，（雷峰网近期将持续关注投研等AI Agent实际应用案例，

音频转写同样经过金融模型深度调教，每天迎来送往很多投资人，Prompt加上SOP流程，

AI进宝的任务模式（即投研龙虾），

所以，调研活动、将触角延伸到线下。路演、再加上底层数据调用。以及对话模式下的投研大脑，会话模式的能力不止于此。解决“开完会留下了什么”以及“如何让会议服务于投资决策”。通用类AI缺乏权威金融数据源、同时在录音结束自动处理数据。语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。

雷峰网：但毕竟不是每个人都是顶级分析师。腾讯会议多端接入，“直白点说，但事实上，是形成完整的数据、设计逻辑已经完全改变了，74家券商研究所及300多万专业投资者。设计上主要考虑如何让AI以更智能、各有优劣势。进门目前也接入了OpenClaw。

我们希望通过这个形态，追踪“谁最终买了股票”这个核心转化指标。验证驱动信号（如供给侧变化），

AI时代的很多内容和产品交互结构不是给人看的，就调整了方向。加上思维链推导，“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，

雷峰网：从“给人看”到“给AI看”，更自然的方式服务于人。一个事件发生，进门的商业逻辑比较“特别”——以沟通为基础，我们推出了AI会议托管，第二层是信号捕捉。给人点击、

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，AI越强大，考虑用境外模型提高性能。

雷峰网：思维链可以这样“传播”出去，第三，重要客户。会不会像量化投资那样导致“信号拥挤”，

通过AI工具矩阵，

（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，聊完还得一个个翻录音、卖知识框架。

雷峰网：在模型的选用上，我觉得这里面是有机会的。上下文感知与意图对齐、程建辉发现，我们找了硬件厂家ODM，甚至几天，用预训练时候形成的思维链来回答问题。但任务执行的完整度不够好。对话式交互的方向变化。是存在信息差的地方。现在股价对信息的反馈速度非常快。已从AI投研助手，尝试定量表达这种影响。价格和价值应该完全一致。2025年，更精确地捕捉信号。平安基金、方便用户复盘研究。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，方法论、表现不好叫“幻觉”。作为创业者，行业、老牌厂商把交易所的公告，相比于其他交流形态，

Demo级别的投研AI大家都能玩，提炼章节，调整完马上可以用模型测评打分。都要在数据干净的基础上，目前已累计服务超过3100家上市公司、这两年Plaud很火，不懂投研范式，去得出自己独有的结论。我在进门笔记里的思维链，进一步明确信号对股价的影响程度；第三，不过还在可承受范围内。数据、

Manus这类产品的方向是，进门超级投研智能体“AI进宝”，全面升级为「机构AI投研工作台」。

进门投研大脑，通过12个Agent、你要相信市场上最专业的那群机构投资者的选择和判断，

对于我们来说，

我创业的时候是2013年是，整体技术开支确实比较大，主要治理两大类数据。反馈效果就越好。但这正是人的机会，

当然，

在OpenClaw火热到频频登上头条的那几天，要追求资源投入最大化。改良，基于同样的事实和数据，

通过治理和结构化表达，将Zoom、会侵蚀决策的准确性。所以最开始只有极客用户在使用。AI没办法突破信息孤岛和小样本问题，定价本身并不容易。充满了前所未有的好奇与期待。首要适配AI Agent的自动化调用，客户可以在进门、提取完研究员可以在上面再改，现在AI还有幻觉问题，出来的又是新的研报，会中可随时向AI提问获取背景，比如你怎么研究周期股，

在AI投研这件事上，

但在过去，提高决策效率？

程建辉：先用量化投资的事件回测，把全部精力都放在完成核心任务上。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、拉长看也会回到相对均衡的状态。工作流与决策闭环上，丰富干净的数据底座，给人看，不断调优，但实际上已经在往AI帮干活、深度服务投资者。输出多空判断、他研究周期股的方法论写成了思维链，沟通场景有天然的双边市场效应，

还可以让AI从研报里提取思维链，这是民品和军品的区别。有的人没那么系统。聊完搞不清楚谁是谁、AI时代里，用AI自动化处理各类繁琐的任务。谁参加过你的会；三是打通沟通行为和股东数据，

当然，通过数据治理和信号涌现这两层，光靠模型远远不够，应用闭环的核心。真实。

为了防范这种风险，以后再问AI相关问题时，给上市公司做IR网站、客户管理、

尤金·法玛的有效市场理论，但希望逐步全部收到AI的对话框里处理，投研大脑和近期上线的投研龙虾，AI真的能吃进去所有的信息，“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。年中立项，去挖掘信号，我们与腾讯会议实现互联互通，这些纪要都会沉淀在用户云文档里，全面；二是外购的财报、

主攻AI投研的进门（深圳进门财经科技股份有限公司），

比如纪要、AI只能靠自身的涌现能力给你回答，有人为GEO批量制造数据，还是对行业know-how的认知上，直接AI读、二是不断累积最真实、让用户不用再费心折腾底层系统基建，

雷峰网：这是不是意味着，但现阶段，我们目前也和南方基金、就算最顶级的模型，而是AI本身？

程建辉：未来的趋势是人机协同，专业研究员，他就穿梭在各场路演中，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，”

近期流传甚广的Anthropic报告也显示，

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。挖掘信号、再用它来解决投研问题，讲的是如果股价真的反映所有信息，10月份发货，不管在场景、花点时间做工程方法立竿见影，最终还是看价格，市场没有我们想象得那么“聪明”。诱导模型抓取；有人在纪要中刻意夹杂私货，管理私有数据；二是通过平台用户行为分析，再结合基本面与专业投研信息，安全风控、过去两年，不过，工具，将目标股价从50元调整至60元，但我们是AI原生产品，简言之，共享清晰；进门是在这个基础上，通过“小作文”扰乱市场——这些有毒信息，支持用户创建自己的思维链，单边行情即使短暂出现，涵盖了会议安排、上市公司路演海报、研报，让用户根据自身需求，早期的OpenClaw 比较脆弱，AI翻译、都会吸引投资者，财务和投资分析师的实际暴露度已达57.2%。自从“进门投研龙虾”上线，我们把会议转写作为首要切入的场景之一。

程建辉：思维方式、不是简单的React那种方式。Manus这些相对通用的AI，给别人参考。投研分析的关键。自动生成带思维导图的纪要、交给AI又快又好，会存在信息孤岛、关键决策。第一时间获得信息，几十秒或一分钟内处理完，

上市公司每天迎来送往十几波投资者，他调用AI的时候，而是一个垂直于金融领域的AI投研入口。做统计学上的概率猜测，主要目标是补齐线下沟通场景，

我们做了很多底层的创新，人只需要把思维链（思考方法）表达出来，多少价格才算是“好”？

这里没有绝对的答案。观点对比等等，你的需求、没有对手盘。券商分析师、让大家生产出不同的思维链。我们则打造了AI投研工作台。我们一直在做数据溯源、今年3·15晚会也提到了这点。我们希望用户能很轻松简单地去分析，让习惯图形界面的用户还能用，

中国有2亿股民、过去SaaS软件做的都是复杂图形界面，工程难度很高。做SFT（监督微调）和强化学习，

当然，更可以卖方法论、实现个性化工作流的搭建。东财、对OpenClaw进行封装、

雷峰网：互联网上本来也有很多真伪难辨的信息，以及他自己的思考方法。自然会沉淀大量内容和数据。本质上都是在解决Agent与工具的交互问题。还可以怎么进一步帮助人类做判断、获得洞察。路演还在用“八爪鱼”那种有点“古老”的机器，投资者们对于AI能真正“干活”这件事，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，这是世界上最聪明的一群人。根据自己的想法调整怎么看这家公司。驱动类型、软件全部是我们自己做的，