AI + FINANCE FRONTIER · 2026

从同行及格线，
看到金融 AI 的下一层。

用 30 天公开传播样本与真实用户路径回答三件事：市场正在被哪些宣发主题占据、同行已经做到什么、国外金融与跨领域产品如何改变体验。

AI+金融前沿 · 第 01 期 资料截止：2026-08-19 传播窗口：2026-07-21—08-19 对照：Gate / Binance / OKX / Bitget 宣发样本：25 个金融与 AI 品牌扩展类型：传统金融 / 国内平台 / 全球大模型与 Agent 产品

02 · CRYPTO PEERS

从用户第一次进入，理解 Gate 与三家同行的差异

四个入口都叫 AI，产品单位却不同：Gate 仍以问题与回答切入；Binance 经营任务模板与云端 Agent；OKX 经营服务 SKU；Bitget 经营可运行的策略商品。

Gate

“先解释市场发生了什么，再决定下一步问什么。”

Binance

“先选任务模板，再交给一个长期在线的云端同事。”

OKX

“像选软件服务一样，挑一个 Agent 并追踪交付。”

Bitget

“先挑一个 Playbook，再决定是否运行或自建。”

C-END EXPERIENCE

五张 App 截图放在一起看：入口已经分成问答、任务与策略三条路线

这一组只比较用户在手机端第一次进入后能看到、能选择、能继续做什么。它不代表三家的整体 AI 能力排名。

GATE · 市场解释入口

先给热点问题，再等待用户继续提问

产品单位仍是“问题与回答”。优势是启动简单；缺口是一次回答之后的关注、提醒、持仓影响与动作链没有显性呈现。

Gate AI App 首屏的市场热点问题、助手入口与模型选择 — 用户提供 App 截图**步骤 01 · 打开 Gate AI，先从事件问题或助手开始**
首屏推荐 Uniswap、ZEC、ETH、托管与融资等事件影响问题；用户也可以切换“猜你喜欢 / 万能帮手 / 交易助手”，再通过文字、语音或附件补充信息。界面同时展示当前模型标签。
*用户价值：不必先组织完整 Prompt，先点一个当日事件就能开始理解市场。*

下一步仍靠追问：截图没有展示来源、更新时间、结构化任务、订单预览或确认动作，不能据此判断交易助手能够执行。

BINANCE · 交易任务入口

先选要完成的任务，再进入对话

产品单位从“问什么”前移到“运行哪一种扫描”。任务模板降低提示词门槛，也为后续云端运行提供稳定起点。

Binance AI Pro App 首屏的任务建议和选币交易复盘模式 — 用户提供 App 截图**步骤 01 · 从合约扫描、关键区间或市场观点启动**
首屏把“扫描 Binance 美股合约”“ETHUSDT 多空区间”等具体任务放在输入框上方，并把选币、交易、复盘做成快捷模式。用户先选工作类型，再补标的与约束。
*用户价值：高频需求被预制成任务，不要求用户先学提示词工程。*

Binance AI Pro App 探索页的金融分析和机会扫描任务库 — 用户提供 App 截图**步骤 02 · 进入探索页，复用更具体的扫描器**
用户按交易、分析、扫描等类别浏览世界杯预测市场、美股财报、TradFi 永续合约、宏观事件、热门币种与回调区间任务。卡片先说明比较对象和输出，部分文案提到用户确认后衔接市场操作。
*用户价值：复杂分析方法被封装成可重复调用的任务，减少每次重新描述。*

从发现走向执行：任务库比空白聊天框更接近交易工作流；但“机会扫描”叙事密集，截图不能证明准确率、实际转化或完整风控链。

BITGET · 自动策略入口

先分流 Chat 与 Playbook，再管理策略生命周期

产品单位进一步变成可发现、可持有、可自建和可运行的策略。它离资金执行最近，也最需要完整风险表达。

Bitget GetAgent App 的 Chat 首屏与 7×24 Agent 交易卡片 — 用户提供 App 截图**步骤 01 · 在 Chat 与 Playbook 之间选择**
Chat 首屏既承接市场提问，也直接分发“7×24 Agent 交易”策略卡。用户可以继续问行情，也可以跳过策略描述，直接查看现成产品。
*用户价值：问答与策略转化被放在同一入口，用户不必先理解 Agent 技术。*

Bitget Playbook App 的发现持仓自建入口和网格策略货架 — 用户提供 App 截图**步骤 02 · 在 Playbook 中发现、持有或创建策略**
“发现 / 持仓 / 我创建的”把使用前、运行中与自建三个阶段放进同一结构。用户浏览网格和均值回归等卡片，再决定开仓或管理；页面同时展示累计收益、回测收益和首次开仓奖励。
*用户价值：策略从一段建议变成可浏览、可持有、可持续管理的产品对象。*

收益展示先于风险框架：截图没有同屏给出统计周期、最大回撤、波动、手续费、滑点及实盘 / 回测统一口径，奖励还可能推动用户先运行、后理解。

同样是 App 内 AI，用户起点、下一步动作与风险暴露已经不同。
维度	Gate	Binance	Bitget
用户起点	热点问题、助手或模型	任务建议、快捷模式或探索页扫描器	Chat、Agent 策略卡或 Playbook
可见路径	选问题 → 补充输入 → 继续追问	选任务 → 补标的与约束 → 发起分析 / 继续对话	选 Chat / Playbook → 浏览策略 → 持有或自建
直接价值	降低事件理解和首次提问门槛	降低提示词门槛，复用高频扫描任务	降低策略表达门槛，形成运行后的管理对象
截图暴露的缺口	答案之后的任务与动作链不可见	任务密集、机会导向强，准确率与转化未证	收益与奖励权重高，统一风险口径不足

证据边界：五张 App 图均由用户于 2026-08-19 提供，只能证明当时可见的入口、文案与信息结构；不能证明回答准确率、响应速度、真实使用率、留存、交易转化或收益。Gate 用户标识已做像素级遮挡。

后台运行、Agent 服务市场与策略基础设施

Binance AI Pro任务模板之后，是可持续运行的云端 Agent

登录态实测

C 端入口已在上方对比。更深一层，Agent 会进入独立云端工作区写代码、调用工具、运行任务并持续回传。用户可以查看执行轨迹、后台进程、定时任务、子代理与网络工具等运行条件。

账户能力被收进独立权限面，真实下单前又增加明确确认门控。它把“发现机会”之后的部署、持续运行与高后果动作控制做成同一条产品链。

用户价值：省掉自行写脚本、搭环境和长期盯进程；代价是代码、凭据、出网、成本与每次触发结果都需要更强审计。

云端工作区代码与工具调用Cron分项权限交易确认

Binance Academy ↗

Binance AI Pro 云端工作区与执行轨迹 — 登录态实测**步骤 03 · 进入云端工作区，检查 Agent 的执行轨迹**
策略生成、代码与工具调用在同一任务内持续输出；用户从“等一段回答”改为检查一个正在运行的工作对象。
*用户价值：不用自建运行环境，也能追踪任务做了什么。*

Binance AI Pro 真实下单前确认门控 — 登录态实测**步骤 04 · 高后果动作前回到人工确认**
进入真实下单前要求明确输入 CONFIRM；本次停在门控，没有确认或交易。
*用户价值：把自然语言探索与确定性资金动作分开。*

Binance AI Pro 界面展示后台进程、定时任务、子代理和网络访问等运行条件 — 登录态材料**运行条件 · 后台进程、Cron、子代理与网络访问**
界面把持续任务依赖的能力显性列出；本期未逐项审计这些后台能力。
*用户价值：在启动前理解任务可调用哪些运行资源。*

Binance AI Pro 界面列出已创建定时任务的频率、状态和下一次运行 — 登录态实测**运行后 · 定时任务成为可回看的记录**
任务 ID、频率、状态与下一次运行进入同一页面；截图证明任务对象可见，不等于每次触发结果都正确。
*用户价值：从一次聊天升级为可持续管理的任务。*

Binance AI Pro 账户权限页分项展示现货、合约、杠杆借贷偿还和转账权限 — 登录态材料**授权前 · 按现货、合约、借贷与转账拆分权限**
账户能力被做成独立权限面，并提供断开连接入口；本次只观察页面，未修改勾选或确认。
*用户价值：不是一次性给出全部账户控制权，而是按动作范围理解授权。*

01 · 入口先选模式或任务模板选币、交易、复盘与扫描器降低空白输入阻力

02 · 表达补充目标与约束不要求从零写完整策略脚本

03 · 运行Agent 在云端持续执行代码、工具、后台进程和定时任务可见

04 · 边界纸面运行或人工确认高后果动作回到确定性门控

真正改变的流程

“先学怎么问—研究—写代码—部署—盯运行”被压缩为“选任务—补约束—看执行—确认动作”。

用户会卡在哪里

机会扫描模板密集，交易、分析、扫描的边界不够清楚；执行链条长，普通用户也未必能判断代码和策略是否可靠。

产品含义

Binance 同时经营任务分发和运行基础设施；能力上限高，对成本、凭据、出网和审计的要求也最高。

证据边界：两张 App 图为用户于 2026-08-19 提供，只能证明任务入口与页面文案存在；模板所述“确认后衔接市场操作”未独立验证。登录态材料验证了代码执行、持续任务界面、回测/纸面运行和确认门控；定时任务截图证明任务记录存在，不代表每次触发结果均已审计。账户权限页仅作只读观察，未修改设置、未点击确认、未执行真实交易；也没有公开留存、单位经济或收益改善证据。

OKX.AI Agent Marketplace把 Agent、服务、支付、任务与评价做成同一套市场

产品页只读实测

用户进入的不是帮助中心或空白聊天框，而是 Agent 广场。可以按交易、金融、软件服务等类别浏览供给，用价格、评分、好评率和“总已售”等页面信号比较，再进入具体 Agent 检查服务内容与交付边界。

同一个 Agent 可以拆出月订阅与按次调用等多个服务 SKU。交易型服务还会说明是“只给信号”还是可经 Agent Trade Kit 执行，并要求用户在订阅前确认模拟盘或实盘、是否自动跟单、金额、保证金模式与订单类型。

用户价值：不必先学会写 Prompt 或安装工具，先像购买软件服务一样挑选、试用和管理一个 Agent；Trade Kit 退到交易服务背后的连接层。

Agent 广场服务 SKUUSDT 月付 / 次付任务状态声誉口径待核验

Agent 广场 ↗Agent 服务详情 ↗任务大厅 ↗

OKX.AI Agent 广场的分类筛选、Agent 卡片和价格 — 产品页实测**步骤 01 · 在 Agent 广场筛选供给**
用户先按类别、在线状态与排序缩小范围，再用定位、月费、评分、好评率和页面销量信号比较卡片。
*用户价值：不用先懂 Prompt 或工具安装，先像逛软件市场一样找服务。*

OKX.AI 具体 Agent 的服务、免费试用、月付和按次价格 — 产品页实测**步骤 02 · 进入详情页比较服务 SKU**
同一个 Agent 被拆成月订阅、免费试用与按次交付，每个 SKU 有独立说明和价格。
*用户价值：先按任务频率与预算购买，不必一次性接受整个 Agent。*

OKX.AI Agent 的评分分布和用户评价 — 产品页实测**步骤 02 · 用评价检查质量风险**
评分分布与文字评论进入购买决策，页面评论也列出“标的偏离”“参数异常”等问题；评价来源是否为独立付费用户未核验。
*用户价值：在授权账户或付费前看到正反两类使用反馈。*

OKX.AI 任务大厅的任务卡、价格和运行状态 — 产品页实测**步骤 03 · 购买后在任务大厅跟踪状态**
订阅或按次需求、价格与进行中 / 已完成状态进入同一列表，任务不再消失在聊天记录里。
*用户价值：用户知道服务是否接单、运行到哪里、何时完成。*

OKX.AI 已完成任务详情中的需求、报价、接单 Agent 和所用服务 — 产品页实测**步骤 04 · 完成后回看需求、报价与交付主体**
任务详情把用户需求、0.5 USDT/次页面报价、接单 Agent 与所用服务串成一张交付收据。
*用户价值：后续能复盘“谁以什么价格完成了什么”，为纠纷、评价与复购留下依据。*

01 · 发现在 Agent 广场筛选供给类别、在线状态和排序先降低选择范围

02 · 比较检查服务与声誉信号价格、评分、评价、输入与交付物

03 · 购买选择月订阅或按次服务交易型服务另行确认账户与执行边界

04 · 跟踪在任务大厅查看状态需求、报价、进行中/已完成和评价留痕

真正改变的流程

“找工具—写 Prompt—判断能力”被改造成“比较服务—购买 SKU—追踪交付”的市场流程。

用户会卡在哪里

评分、好评率和销量是谁产生的、是否来自独立付费用户并不透明；自动执行还叠加账户权限与策略风险。

产品含义

OKX 争夺的不只是执行接口，而是 Agent 的分发、定价、支付、任务记录和声誉控制面。

证据边界：截图采集于 2026-08-19。价格、评分、好评率、“总已售”、评价数量及任务量均为当日页面展示口径，未作交易级审计；未点击免费试用、未购买服务、未授权账户、未配置 API、未执行交易。

Bitget GetAgent + Playbook策略货架之后，是 BYOA 与平台运行控制面

登录态实测

C 端入口已在上方对比。更深一层，登录态页面继续展示策略货架、自建 Playbook 和能力边界：平台把策略设计、账户授权、部署与运行拆成不同阶段。

用户既可以从成品策略开始，也可以安装 Skill、与 Agent 讨论策略，再提供 API Key 进入自建路径。这个回答代表产品自述，不等于后台约束已经独立验证。

用户价值：平台不仅分发策略，还开始承载策略从发现、配置到运行的生命周期；代价是收益口径、授权范围和自动执行责任必须更透明。

Playbook 货架BYOA账户授权能力边界业绩展示锚定

Playbook 官方说明 ↗Agent Hub ↗

Bitget GetAgent 首页和 Agent 交易入口 — 登录态实测**步骤 01 · 从问题建议进入 Agent 交易入口**
问题建议与 Agent 策略卡同时出现，用户可以从解释切到运行型产品；头像已遮挡。
*用户价值：先理解、再试用策略，不必离开同一工作台。*

Bitget Playbook 策略市场 — 登录态实测**步骤 02 · 在货架中比较策略卡**
策略名称、交易类型与页面收益被压缩成可浏览卡片；收益数字成为第一眼信息，但期限、回撤与费用口径不完整。
*用户价值：把抽象策略变成可比较的商品；同时带来业绩锚定风险。*

Bitget 自建 Playbook BYOA 流程 — 登录态实测**步骤 03 · 进入 BYOA，自建 Playbook**
界面把路径压缩为安装 Skill、与 Agent 讨论策略、提供 API Key，再进入平台部署。本次没有提供凭据或授权。
*用户价值：高级用户可以把自己的方法变成可持续运行的策略对象。*

Bitget GetAgent 对策略设计、部署与自动执行边界的产品回答 — 登录态材料**步骤 04 · 理解设计、授权、部署与执行边界**
产品回答把策略设计与账户授权、平台部署分开；这是自述口径，用来理解交互边界，不作为独立能力验证。
*用户价值：在提交凭据前先看清哪些环节由 Agent、用户与平台分别承担。*

01 · 分流在 Chat 与 Playbook 间选择问答和自动策略不混在同一层级

02 · 发现浏览策略与页面业绩策略名称、品种、玩法和奖励降低理解门槛

03 · 管理进入持仓或自建高级用户可通过 BYOA 组织自己的策略

04 · 运行按产品设计进入自动化运行本次未验证实际执行；平台控制策略规范与分发

真正改变的流程

策略从一段文字，变成可以发现、持有、自建、配置、发布和运行的产品对象。

用户会卡在哪里

收益数字与奖励权重过高；不同统计周期、风险水平和实盘 / 回测口径无法直接比较。

产品含义

平台不必拥有最强 Agent，也可以占据策略规范、货架与分发。

证据边界：两张 App 图由用户于 2026-08-19 提供；Playbook 的累计 / 实盘 / 回测收益与奖励均为页面展示口径，未核验期限、样本、最大回撤、手续费、滑点或可复现性。登录态材料验证了 GetAgent 入口、Playbook 货架、BYOA 流程与产品回答口径；能力问答属于模型自述，不等于后台能力或约束已被独立验证。未提供 API Key、未授权、未运行策略、未交易；独立采用与留存仍缺少公开数据。

Gate 与三家同行：产品单位已经分化

四个入口都叫 AI，但用户实际面对的产品单位依次是问题、任务、服务和策略。表中收益、阻力与平台控制点基于当前界面和流程，不代表整体 AI 能力排名。
维度	Gate	Binance	OKX	Bitget
用户起点	热点问题、助手或模型	模式、任务模板或 AI Pro	Agent 广场或任务大厅	Chat 或 Playbook 货架
第一心智	“帮我解释市场”	“运行一个交易任务”	“购买一项 Agent 服务”	“挑选并持有一套策略”
主要收益	降低市场事件理解门槛	任务模板、环境、工具与持续运行一体化	比较、购买、交付和评价在同一市场完成	降低策略表达和首次使用门槛
主要阻力	一次问答后的动作链不显性	复杂执行难验证，信任成本高	页面声誉信号可信度及交易授权边界不透明	收益与奖励可能造成选择锚定
高风险节点	截图未展示执行	实盘前人工确认	购买、实 / 模拟盘和自动执行设置	API Key、策略审核与运行授权
平台控制点	问答入口与助手分流	任务分发、Agent 与运行环境	供给、SKU、支付、任务、声誉与执行连接	策略对象、货架与分发

证据口径：Gate、Binance、Bitget 的 App 首屏来自用户提供截图；Binance、Bitget 另有登录态实测材料与官方资料；OKX 来自 Agent 广场、服务详情、评价和任务大厅的公开产品页只读观察。未因本次调研购买服务、开启试用、授权工具、提交 API Key 或执行真实交易。

03 · FRONTIER PRACTICES

国外金融、跨领域 AI：四个完整用户故事

每个 Case 都回答“谁在什么入口做什么、系统替他完成哪段工作、最后如何确认”，避免把不同用户与产品层次揉成一张能力表。

CASE 01 · ROBINHOOD CORTEX

用户不再找功能，而是直接说目标

Cortex 覆盖的不是单一聊天场景：用户可以用自然语言表达订单目标、让系统生成自定义指标，也可以从 Portfolio Digest 进入与自己持仓相关的解释。共同点是 AI 先理解账户与页面上下文，再把用户送到可检查的确定性动作。

“价格跌到 190 美元时买两股”不再只是咨询问题，而会被翻译成一张待核对的限价单。

Cortex 深度专题 ↗官方披露 ↗

Robinhood Cortex 根据自然语言生成预填订单 — 官方材料**步骤 02–03 · 识别订单意图并生成预填动作**
系统从自然语言中抽取证券、数量、价格与订单类型，形成可核对的订单；最终提交仍由用户完成。
*用户价值：省掉寻找订单页和逐项填写参数，同时保留资金动作确认。*

Robinhood Cortex Portfolio Digests 主动解释组合 — 官方材料**步骤 01 · 从 Portfolio Digest 带着持仓上下文进入**
AI 先基于个人组合解释变化，再提供相关后续入口，而不是要求用户重新描述持仓。
*用户价值：减少在组合页、行情页和聊天框之间重建上下文。*

Robinhood Cortex 根据自然语言生成 Golden Crossover 自定义指标 — 官方动态演示**步骤 02–03 · 把“识别看涨信号”翻译成自定义指标**
Cortex 直接在行情工作区构建 Golden Crossover 指标；终点是可使用的界面对象，不是指标定义说明。
*用户价值：用户用目标语言完成原本需要找指标、配参数的界面操作。*

01文字或语音说目标不先寻找证券、订单和参数页面

02Cortex 识别意图证券、数量、价格与订单类型结构化

03生成预填动作结果不是一段说明，而是可检查的订单

04用户核对并提交复杂或不支持任务回到标准界面

用户获得什么

菜单操作被压缩为意图表达，但资金和交易责任没有交给模型。

产品启发

AI 成为 App 界面，不是删掉所有页面，而是成为任务路由器。

关键阻力

任务覆盖、参数纠错、失败回退和误操作，比语言是否自然更重要。

证据边界

截图与能力边界来自官方材料；未验证独立任务成功率、留存或业务增量。

CASE 02 · KIMI WORK

Kimi Work：AI 直接操作投研交付物

Kimi Work 是公开可下载、仍标注 Beta 的桌面 Agent。它把本地文件夹、已登录浏览器、Python / Shell、金融数据插件、定时任务与多智能体编排放进同一个工作台。2026-08-19 的官方投研演示没有把重点放在“问答”，而是连续展示投资者 Dashboard、既有财务模型更新和 54 份研报批处理。

第一条路径从 Public Market Investing 插件开始。用户直接描述覆盖市场、持仓、7 个组件和每日晨报要求；系统组织数据并生成可交互 Dashboard。第二条路径读取现有 XLSX 与最新披露，更新收入、利润率、CAPEX、WACC、永续增长和每股价值。第三条路径把本地报告文件夹与金融数据源组合，形成面向机构投资者的长篇 PDF。

真正的增量不是“回答一个投研问题”，而是把数据源 → 本地文件 → Excel / Dashboard / PDF → 定时分发串成一个可复核的桌面工作流。

公开 Beta本地文件金融数据插件WebBridgePython / Shell定时任务

Kimi Work 官方页 ↗产品介绍 ↗官方投研演示 ↗发布日志 ↗K3 技术报告 ↗

官方动态演示Dashboard 路径 · 定义组合任务 → 调用金融数据 → 生成看板 → 设置晨报

视频连续展示任务描述、生成的可交互 Dashboard、Scheduled Tasks 与晨报画面；最后出现的是邮件客户端，不是 Lark。

用户价值：把取数、搭图、写晨报和定时更新压缩进同一个任务。

Kimi Work 投资者 Dashboard 的详细任务提示 — 官方演示截图**步骤 01 · 先定义交付物、覆盖范围与刷新频率**
用户写明投资组合、覆盖市场、7 个组件和每日晨报要求，终点是持续更新的 Dashboard，而不是一段市场综述。
*用户价值：一次定义产物规格，后续任务可按相同结构重复。*

Kimi Work 生成的全球市场投资者 Dashboard — 官方演示截图**步骤 03 · 生成可交互 Dashboard**
看板与 Plugins、Scheduled Tasks、WebBridge 同处一个桌面工作台，用户可继续查看数据、修改任务或设置更新。
*用户价值：减少从答案复制到 Excel / BI 再排版的二次加工。*

Kimi Work 任务菜单中的 Public Market Investing 金融插件 — 官方演示截图**步骤 02 · 选择 Public Market Investing 插件**
金融插件承担专业数据与能力入口；画面只能证明插件可选，不能证明数据许可范围、字段完整性或更新时效。
*用户价值：不用在通用对话里手工拼接每个金融数据源。*

Kimi Work 官方演示中的 Morning Brief 邮件画面 — 官方演示截图**步骤 04 · 把看板变化压缩成晨报**
视频最终展示 Morning Brief 邮件画面，不是 Lark 消息，因此不能写成“飞书自动送达已验证”。
*用户价值：把持续监控结果送进日常阅读渠道，而不是要求用户反复回到任务页。*

官方动态演示财务模型路径 · 上传现有 XLSX → 补最新披露 → 修改假设与公式 → 输出敏感性表

演示展示收入、利润率、CAPEX、WACC、永续增长与每股价值的更新，但直接跳到成品。

用户价值：减少查数、映射单元格和重算 DCF 的机械操作；每个公式与来源仍需人工审计。

Kimi Work 更新财务模型时的任务要求与人工复核条件 — 官方演示截图**步骤 01 · 上传现有模型并写清数据源与复核条件**
提示要求使用最新披露并将假设变化先标记给用户复核；界面同时选择 Full access，不能据此认定审批闸门实际执行。
*用户价值：沿用已有模型结构，不需要从零生成一份不可接续的表格。*

Kimi Work 更新后的 DCF 模型与敏感性分析 — 官方演示截图**步骤 03 · 回到可编辑的 DCF 与敏感性分析**
AI 直接改写 Excel 交付物，并呈现估值假设与敏感性表，而不是生成一段待复制的建议。
*用户价值：产物可以继续被分析师复核、调整和纳入后续材料。*

官方动态演示批量报告路径 · 挂载 54 份本地研报 → 补金融数据 → 综合变化 → 生成 PDF

多份研究材料和金融插件进入同一任务，最终形成面向机构投资者的长篇报告；数量与结果均为厂商演示口径。

用户价值：省掉逐份上传、摘要合并和最终排版的重复工作。

Kimi Work 读取包含 54 份研究报告的本地文件夹 — 官方演示截图**步骤 01 · 把本地研报文件夹设为任务上下文**
Agent 直接读取文件夹中的材料，用户不再逐份上传、复制和重新组织。
*用户价值：保留原有文件管理方式，同时批量调用同一研究方法。*

Kimi Work 批量处理研究材料后生成的机构投资报告 PDF — 官方演示截图**步骤 03 · 交付包含估值、情景与风险表格的 PDF**
终点是可继续审阅和分享的正式报告，而不是若干零散摘要；内容正确性、引用覆盖和矛盾处理仍需逐项复核。
*用户价值：把多材料研究直接推进到团队可消费的交付物。*

01 · DEFINE先定义交付物与复核要求Dashboard、模型或报告，而非宽泛提问

02 · CONNECT连接本地文件与专业数据文件夹、插件、浏览器和已有工作簿

03 · OPERATEAgent 直接操作工作材料写入 Excel、搭建 Dashboard、生成 PDF

04 · REVIEW检查差异、假设与分发人工复核后再保存、回退或设为定时任务

用户获得什么

省掉浏览器、数据终端、本地文件、Excel 与报告之间反复搬运；一个任务可以连续产出工作底稿和最终材料。

相对最佳替代的净差

相对 Excel Copilot 或“通用模型 + 手工数据终端”，差异不只在模型，而在本地文件、专业数据、浏览器、代码与定时任务能否被同一个桌面 Agent 编排。

关键阻力

Full access、本地文件覆盖、浏览器登录态、数据许可、长任务可观测性和模型费用都会放大操作风险；金融假设、公式与引用的最终责任仍在人。

证据边界

本期只核验官方产品页、发布日志、官方视频与厂商技术报告，未在真实投研任务中独立运行。K3 厂商内部 Finance Bench 为 62.6，接近 GPT-5.6 Sol 的 62.7；但同一报告中、统一使用 Kimi Work harness 的 Agent Behavior Bench 为 65.0，低于 GPT-5.6 Sol 76.4 与 Claude Fable 5 75.5。该内部评测的任务集和原始数据未公开，说明“交付物能力强”不等于“执行纪律已领先”。

CASE 03 · MOTA ALPHA

AI 不直接给一个答案，而是模拟一支需要人工批准的投资团队

用户先加载模拟组合，再从基本面、技术面、市场监控、风险、组合管理和交易六类角色中组建团队。系统把候选决策按紧急预警、仓位调整和投资机会归类，并把贡献角色、判断依据、风险复核与人工批准放进同一张决策单。

值得关注的不是页面里有六个 Agent，而是投资建议第一次被设计成一个可复核、可否决、需要用户确认的业务对象。

MoTA Alpha ↗公开模拟 Demo ↗Trust 边界 ↗Waton Agent 市场公告 ↗

MoTA Alpha 模拟组合与风险概览 — 公开 Demo 实测**步骤 01 · 先加载组合、敞口与风险**
任务从模拟持仓、VaR 与压力情景开始，而不是从空白聊天框开始。
*用户价值：每条建议天然带着组合影响背景，减少重复解释账户状态。*

MoTA Alpha 六类专业 Agent 团队配置 — 公开 Demo 实测**步骤 02 · 选择研究、风险与交易等专业角色**
基本面、技术面、监控、风险、组合管理和交易被拆成可见职责。
*用户价值：提出观点与独立复核不再由同一角色一笔带过。*

MoTA Alpha 按优先级组织的投资决策队列 — 公开 Demo 实测**步骤 03 · 把多角色结果收敛成决策队列**
系统按紧急预警、仓位调整与机会组织优先级，不把六段回答直接堆给用户。
*用户价值：用户先处理影响最大的事项，而不是自己汇总多 Agent 意见。*

MoTA Alpha 决策依据、风险复核与人工批准界面 — 公开 Demo 实测**步骤 04 · 核对依据、风险并人工批准**
贡献角色、判断依据、风险复核与 Human Approval 同屏；本次未点击批准。
*用户价值：投资建议成为可否决、可追责的业务对象，而非自动生效答案。*

01 · CONTEXT加载组合与风险净值、持仓、敞口、VaR 与压力情景

02 · ASSEMBLE组建专业角色研究、监控、风险、组合管理与交易

03 · REVIEW形成结构化决策优先级、依据、贡献角色与风险复核

04 · APPROVE由用户批准或否决执行相关步骤不越过人工确认

用户获得什么

建议直接带上组合影响与风险背景，减少在行情、持仓、研究和风险页面间重建上下文。

产品启发

多 Agent 的产品价值不是数量，而是职责分离：提出观点、独立复核、整合影响和准备执行不能由同一角色一笔带过。

关键阻力

角色多不等于更可靠；数据新鲜度、意见冲突处理、独立性、延迟成本与依据可追溯性才决定可信度。

证据边界

截至 2026-08-19 仅走通官方模拟数据 Demo；真实 Alpha 仍为申请/邀请制，未验证真实账户连接、动态 Agent 质量、付费、采用或交易。公司公告的第三方 Agent 市场未在公开 Demo 出现，Trust 页并明确其目前不能访问敏感券商或组合数据。

CASE 04 · LONGBRIDGE AGENT PLATFORM

把个人研究方法封装成一个可复用的金融 Agent

用户可以从市场发现模板，也可以把模型、系统提示、金融工具、知识库、Skill 与子 Agent 组合成自己的研究配置。运行时会暴露工具轨迹，界面提供保存、复用或发布入口。

用户不必每次重写 Prompt；模型、系统提示、金融工具、知识库与 Skill 可以保存成同一个研究产品。

官方订阅说明 ↗MCP 文档 ↗

Longbridge Agent Marketplace — 登录态实测**步骤 01 · 从 Agent 市场发现成品方法**
用户先按定位浏览已发布 Agent，再决定直接使用模板还是创建自己的版本。
*用户价值：不从空白配置开始，先借成熟方法降低试错成本。*

Longbridge Agent Builder 配置界面 — 登录态实测**步骤 02 · 组合名称、角色、系统提示与模型**
研究方法不再散落在聊天记录里，而成为可保存、可继续修改的配置；工作区名称已遮挡。
*用户价值：把稳定方法固化下来，后续任务不用重新搭上下文。*

Longbridge 自定义金融 Agent 运行轨迹 — 登录态实测**步骤 03 · 运行并检查工具、知识库与 Skill 轨迹**
自定义 Agent 在任务中调用金融工具和私有资料，过程同屏可见；实测也出现过失败与事实冲突。
*用户价值：用户能复用方法，也能在结果异常时回看调用过程。*

01发现模板或新建从市场进入，降低空白配置门槛

02组合方法与资料Prompt、模型、工具、知识库、Skill

03运行并检查轨迹金融数据与自定义规则同时参与

04保存、复用与发布个人方法成为一个长期产品对象

用户获得什么

把稳定方法、私有资料和工具组合固化，不再从零搭上下文。

产品启发

金融产品可以承载用户自己的工作方法，而不只提供平台标准答案。

关键阻力

配置自由度越高，版本、评估、权限和可复现要求越高。

证据边界

已登录态验证创建与运行链路；测试中也出现任务失败与事实口径冲突，未验证付费或交易。

分类说明：Robinhood 面向个人投资者；Kimi Work 展示通用桌面 Agent 如何侵入投研交付链；MoTA 把投资判断组织成多角色审批；Longbridge 面向投资者与 Agent 创作者。四个案例不是同类竞品，比较的是“用户工作流如何被改写”。

01 · PROMOTION PULSE

宣发曝光主题：最近 30 天，品牌在争夺什么认知

25 个观察对象中，跨多个品牌反复出现的新重心，是入口、任务、控制权、生态和可被复述的应用场景。

2026-07-21—2026-08-19同一官方事件合并；直接转载及同源内容去重；独立报道和独立讨论分别计数。高 / 中 / 低仅用于本期样本横向比较。

25覆盖五类品牌 / 品牌组合

277可见触点：官方 109 / 外部 75 / 讨论 93

5跨品牌反复出现的共同宣发主题

30 天固定观察窗口，含首尾日期

观察对象的宣发侧重点与可见声量

25 / 25 个观察对象

可见声量 = 官方发布 + 外部报道/分析 + 公开讨论；条形长度以本期样本最高值 28 为 100%。高 ≥15，中 6–14，低 ≤5。
观察对象 / 类别	本期重点在讲什么	可见声量	外部接收与争议
Gate加密同行	AI 可调用基础设施 + 开发者验证场景三篇分主题内容从工作流、执行与金融应用拆解 MCP、CLI、Skills；Alpaca 合作与 Hummingbot workshop 再把叙事推进到可接入、可构建。	6中官 4 · 外 1 · 讨 1	Gate for AI Agent 与 Gate MCP 两个仓库仍只形成数十 stars；Alpaca 合作文章和 workshop 未见实质互动。开发者注意力存在，但尚未形成 C 端产品口碑或采用证明。
Binance加密同行	AI 交易教育 + 风险校准 + 竞赛激活规定查询内未核到 AI Pro 大版本，重点是解释 Agent / MCP、回测风险，并用 bStock 竞赛制造参与场景。	6中官 4 · 外 1 · 讨 1	竞赛宣称最高 10 万 USDC 奖池，但可访问讨论无实质回复；曝光不能直接解释为参与和转化。
OKX加密同行	AI 成为交易界面 + Agent 经济层自然语言执行、身份 / 支付 / 声誉，以及 demo、只读和子账户风险边界同时出现。	13中官 3 · 外 1 · 讨 9	Agent Trade Kit 采集时约 404 stars / 64 forks / 14 issues；开发者注意力最强，但不等于交易采用。
Bitget加密同行	开放 Agent 基础设施 + 本地安全 MCP、CLI、Skills、本地签名、只读与模拟盘，并用 builder workshop 扩大开发者供给。	6中官 4 · 外 1 · 讨 1	Agent Hub 采集时约 222 stars / 21 forks；新 agent-mcp 子仓关注度仍低，产品口径仍在迁移。
Robinhood传统金融	把 AI 留在第一方账户入口 Cortex Android 分发、Agentic Trading 指标和持仓上下文，共同强化“无需重新配置”的操作层。	7中官 4 · 外 1 · 讨 2	Android 信息第三方镜像约 4.2 万浏览 / 427 赞，Reddit 约 +23；讨论转向 bracket order、仓位和止损边界。
Longbridge传统金融	AI-native broker + 完整内容漏斗愿景、监管解释、Skill 教程、Workshop、用户案例和奖项连续覆盖。	8中官 4 · 外 4 · 讨 0	三个社区案例采集时互动接近零，合作体验页公开问题为零；内容供给强于外部自发反馈。
Interactive Brokers传统金融	把账户能力开放给任意 MCP 工具组合分析、风险监控和交易指令草拟可在外部 AI 中完成，但订单仍由用户确认提交。	6中官 3 · 外 1 · 讨 2	公开讨论集中在工具注册、第三方数据隐私和 AI 能否触达订单；人工提交边界比全自动叙事更克制。
eToro传统金融	持续记忆 + Agent Portfolios + App Store Tori 结合 Grok / X 实时情绪，并把多 Agent 组合与第三方应用供给放进同一平台叙事。	7中官 2 · 外 2 · 讨 3	用户追问真实自治和地区可用性；实测反馈暴露 Agent Portfolio 固定虚拟基数与 API 缩放问题。
Webull传统金融	外部连接器 + 增强 MCP + 模拟交易 ChatGPT、Claude、Grok、CLI 与多资产 Paper Trading 共同组成可测试的 Agent 接口。	6中官 2 · 外 2 · 讨 2	连接器获得 B2B 场景关注；讨论同时追问数据费、执行速度、地区覆盖和算法测试边界。
Charles Schwab传统金融	不宣传代客交易，强调 AI 投资风险解释围绕估值、指数集中、AI 基建通胀、再平衡和客户“AI 泡沫”担忧持续输出研究。	9中官 7 · 外 1 · 讨 1	官方调研显示 62% 活跃交易者看多 AI 股票，25% Gen Z 把 AI 泡沫列为首要担忧；可信解释本身成为产品位置。
Fidelity传统金融	AI 泡沫、资本开支与分散配置以市场研究和人工顾问价值回应 AI 热潮，没有追逐“AI 替你交易”的激进叙事。	4低官 3 · 外 1 · 讨 0	外部观察显示投资者在 AI 波动中转向基础设施、贵金属等分散配置；本期未核到账户级 AI 产品宣发。
MoTA Alpha金融及专业工作流 AI	Prompt → Strategy → Backtest → Competition 用一场可体验任务代替多 Agent 架构说明，让抽象能力进入策略与模拟收益场景。	1低官 1 · 外 0 · 讨 0	采集时活动页显示 177 Going / 报名状态，并非实到；MoTA 仅占约 25 分钟合作方介绍，活动热度不能归因产品。
Playbook金融及专业工作流 AI	Verification is the product Powder 更名后强调持续循环、专业 Playrunners 和 appropriate autonomy，而非最大自治。	1低官 1 · 外 0 · 讨 0	更名与定位可以确认，但公开互动不可见；本期未核到独立报道或直接产品讨论。
Hebbia金融及专业工作流 AI	外部样本仍把它描述为文档智能窗口内未核到明确官方新品；竞争方与 PE 社区聚焦结构化提取和文档工作流。	2低官 0 · 外 1 · 讨 1	仍被列入候选工具，但两个外部触点不足以判断市场定位与真实使用评价。
Manus中文团队 / 国内市场 AI	先审计划，再操作生产数据 Plan Mode 与 Supabase Connector 把执行前计划、人工确认和数据变更审批放到前台。	9中官 2 · 外 3 · 讨 4	控制感获得关注，但 Credits 消耗、任务失败和能否进入日常工作流仍是主要采用阻力。
Kimi中文团队 / 国内市场 AI	开放模型 + 桌面投研工作流 K3 用完整权重、代码与技术报告争夺开发者；Kimi Work 再用投资者 Dashboard、财务模型更新和批量报告，把传播落到分析师交付物。	20高官 2 · 外 8 · 讨 10	K3 的一个官方事件形成 18 个外部触点；Kimi Work 本期新增官方产品演示，但暂未在固定检索样本中形成同量级外部扩散。
豆包中文团队 / 国内市场 AI	规定查询内未核到新的产品级主题保留为低活动基线，不用窗口外事件填充；未核到不等于全网不存在。	3低官 0 · 外 0 · 讨 3	可见内容来自 AI 来源标识和技术路线环境议题，并非对某次豆包产品宣发的直接反馈。
腾讯：元宝 / 混元 / 腾讯云中文团队 / 国内市场 AI	实用、可规模化的全产品 AI Hy3 经 WorkBuddy、Miora 与 TokenHub / API 分发，财报继续强化模型、应用、基础设施三层投入。	17高官 4 · 外 6 · 讨 7	Q2 收入同比增 11%、利润低于预期；外部讨论把焦点放在广告增益与算力投入何时转化为利润和现金流。
华为：盘古 / 昇腾 / 小艺中文团队 / 国内市场 AI	昇腾原生全栈 + 多模型渠道产品 openPangu 证明自有软硬件栈，小艺 Claw 聚合 Kimi、GLM、DeepSeek 等模型与 Skills 推动使用。	11中官 2 · 外 6 · 讨 3	开发者更关心 CANN 成熟度、昇腾端到端运行和第三方验证；小艺赠点活动带来的曝光不能视为自然口碑。
OpenAI / ChatGPT全球通用 AI / 跨领域产品	更便宜、更普及、更适合生产降价、免费开放、Presence 与行业采用案例共同把 Agent 从 demo 推向运营系统。	28高官 13 · 外 7 · 讨 8	降价与免费升级获得直接讨论；沙箱逃逸、Astra 安全暂停和产品线收缩议题同步占据外部曝光。
Google Gemini全球通用 AI / 跨领域产品	环境式 AI：浏览器、应用、机器人与医疗 Spark 持续执行、Chrome 登录态操作、Connected Apps 和 Robotics 2 共同占据既有入口。	25高官 12 · 外 6 · 讨 7	十亿月活形成高互动讨论，但外部质疑默认分发占比；Spark 的后台运行与地区、订阅限制也成为焦点。
xAI / Grok全球通用 AI / 跨领域产品	模型、Build、Bot、Voice 与第三方入口高频铺开不足一个月同时覆盖 Outlook、Workspace、GitHub Copilot、消费端造应用、语音、视频和持续 Agent。	24高官 11 · 外 6 · 讨 7	外部形成“快速追平”的产品叙事；深伪诉讼和攻击文件来源争议与新品曝光同步放大。
Anthropic / Claude全球通用 AI / 跨领域产品	可治理、跨端、持续工作的企业同事 Cowork、多端入口、自托管、Compliance API、DLP、MCP 与主动协作成为宣发主线。	18高官 7 · 外 5 · 讨 6	Vercel Gateway 局部样本显示高价格仍能变现；限额、服务中断、版权与拒绝边界继续影响外部讨论。
Meta AI全球通用 AI / 跨领域产品	低价、Coding Agent 与开放模型重建位置 Muse Code、Spark 1.2、Glimmer 和 Meta AI 代办能力同时强调开放供给与大规模分发。	13中官 5 · 外 3 · 讨 5	开放权重形成高互动讨论；外部仍追问 Meta 的数据使用、开源承诺摇摆和 Agent 安全边界。
Cursor全球通用 AI / 跨领域产品	Agent 生产系统 + 平台控制权 Router、iPad、Workspace Plugins、Origin 持续补产品；SpaceX 收购重写传播中心。	27高官 9 · 外 8 · 讨 10	产品更新是稳态演进；约 600 亿美元收购成为本期主要议题，关注转向算力、独立性和估值。

同一场竞争，五类品牌如何翻译成不同宣发主题

合并判断

五类品牌都在争入口、任务、控制权、生态与记忆点；差异不在“是否讲 Agent”，而在各自把这五个竞争点翻译成账户能力、专业流程、国内分发、通用工作入口或交易执行。

按行看跨品牌共性，按列看五类观察对象如何用自己的资产表达同一个竞争点。触点数只代表本期固定样本中的可见下限。
共同竞争点	加密同行 4 品牌 · 31 触点	传统金融 7 品牌 · 47 触点	金融 / 专业工作流 AI 3 品牌 · 4 触点	中文团队 / 国内市场 AI 5 品牌 · 60 触点	全球通用 / 跨领域 AI 6 品牌 · 135 触点
01 · 抢入口不再等待用户打开独立聊天框	进入交易所主流程 Gate AI、AI Pro、Agent Trade 与 Playbook 直接贴近行情、账户和订单，而不是另做一个泛聊天产品。	占据真实账户上下文 Robinhood、IBKR、eToro、Webull、Longbridge 争第一方 App、外部 MCP 与 Agent 市场；Schwab、Fidelity 用研究入口守住信任。	嵌入专业工作台 MoTA、Playbook、Hebbia 用投资决策、顾问流程和机构文档作为入口，本期概念清晰但公开扩散有限。	借既有产品与设备分发腾讯、华为依靠办公、云和设备；Kimi Work 进入本地桌面；Manus 争完整任务入口。	占据浏览器、办公与编码 Gemini 进 Chrome，Grok 进 Outlook / GitHub，OpenAI、Claude、Meta、Cursor 争既有工作入口。
02 · 抢任务从回答得好转向把事情做完	问答、扫描、策略与自动运行 Gate 把交易所能力开放给自然语言与外部 Agent；其他同行再用任务模板、服务和可运行策略压缩完成路径。	解释持仓、草拟动作账户数据、组合解释、投资者教育与订单草拟成为可交付任务，高后果动作仍回到用户确认。	复用专业流程顾问 Play、文档工作流和多角色投资审批把专业判断拆成可重复执行的步骤。	交付 Dashboard、模型与报告 Kimi Work 用投研三件套压缩价值；Manus 强调先规划再完成多步任务。	后台 Agent 生产成果生成应用、写代码、多工具协作与持续任务成为共同交付物，模型参数退到幕后。
03 · 抢控制权越接近真实后果，越把边界当卖点	模拟盘、只读与隔离账户 demo / read-only / subaccount、分项权限与下单确认被放进核心叙事。	预览、人工确认与合规账户品牌强调“AI 建议、用户决定”，借受监管账户和人工责任降低采用阻力。	验证、引用与责任留痕 “Verification is the product”、证据回链与可审阅交付物成为专业场景的信任语言。	Plan、Full access 与本地权限 Manus 用规划审阅，Kimi Work 用文件权限、差异与回退；高权限仍是主要风险。	DLP、Compliance 与沙箱 Claude、OpenAI、Google、Grok 等把企业治理、权限与安全争议同步带入宣发。
04 · 抢生态连接器、Skills 与开放供给决定能力上限	MCP、Skills 与 Agent 市场 Gate、OKX、Bitget 都把交易所能力开放给外部 Agent，并通过接口、服务或策略市场争规则、分发与支付控制面。	账户能力成为可调用服务 IBKR、Webull 用 MCP，Longbridge 用 Builder 与市场，把金融数据和动作交给外部 Agent 调用。	Play、插件与专业数据源方法、资料与角色被做成可复用组件，护城河来自机构工作流而非单一模型。	开放权重、多模型与全栈入口 Kimi、腾讯、华为同时经营模型、云、工具和分发；经济性与软件栈成熟度成为外部追问。	连接器与平台插件模型厂商向应用、开发者和企业工具开放能力，生态控制权与默认分发同步竞争。
05 · 抢记忆点用一个具体场景压缩复杂能力	Workshop、竞赛与策略货架 Gate 用 builder workshop，其他同行用竞赛、订阅和收益卡，把复杂基础设施压缩成单一场景；真实采用证据仍不足。	账户动作与投资者调查 Robinhood 用持仓动作，Schwab 用客户风险调查，让“可信金融 AI”更容易被复述。	交易竞赛、验证口号与交付物 MoTA、Playbook、Hebbia 分别用竞赛、验证与成果形态建立记忆点，公开外溢仍弱。	投研三件套与全栈能力 Kimi Work 的 Dashboard—DCF—批量报告最具体；腾讯、华为用产品矩阵和软硬件全栈解释规模。	机器人、Build、Voice 与后台 Agent Google、Grok、OpenAI、Claude、Meta、Cursor 用可视化场景替代抽象模型能力描述。

代表来源

口径：277 个触点是公开网页的可见样本下限，不是全网覆盖。Gate 的三篇官方内容分别覆盖工作流、执行与金融应用，按三个主题触点计；同文多语种、日期漂移的 Gate AI Guide / GateClaw 指南及 ChainCatcher 直接复述均未重复计数。Kimi Work 按一个新增官方事件计数。互动量、GitHub 指标和报名状态均为采集时页面值，不等同于采用、留存或商业价值。