18万字报告之后，金融人也有了自己的Codex时刻

昨天刚写完 OpenAI 新发的那份 AI 使用渗透报告，转头就在群里看到有人说 Kimi 估计要发 Kimi Work 了。

我去，Big News。Kimi 的客户端终于来了。早上到公司，我第一时间下载了最新版本。

下载地址在这里：

https://www.kimi.com/zh-cn/products/kimi-work

用了半天之后，一个念头越来越强烈。金融圈的 Agent，可能真的来了。

为什么会有这个感觉？

因为我发现，过去一年发生在程序员身上的事情，正在开始向其他行业扩散。

过去大家聊 Agent，聊的几乎都是 Coding。比如Claude Code、Codex、Kimi Code。

但 OpenAI 最新公布的数据里，一个信号特别有意思。Codex 增长最快的人群，已经不只是程序员了。

越来越多的数据分析师、Research 人员和办公室白领开始使用这类 Agent 工具。换句话说，Coding Agent 正在往更广泛的知识工作场景外溢。

而金融，恰恰是其中最典型的一个行业。

昨天有个哥们跟我说，他现在要是 Coding Agent 没额度了，就懒得写代码。

倒不是写不动，是他突然觉得，过去自己一行一行敲的那些代码，意义好像没那么大了。真正重要的，是他的审美和判断。剩下的交给 AI 就好。

其实是这个道理。

但有一个判断我不认同的是，现在好像很多人去分 Agent 的场景，大概会粗略的分为 Coding 和非 Coding。

其实不是，上个月在 AI Maker Summit 深圳的交流晚宴上，我跟几个朋友聊起一个问题，Coding 之外，下一个被 AI 深度影响的领域会是谁。

席间有个招商证券的朋友，他说肯定是金融。

我问他为什么。他回答逻辑很简单。

过去这一年，AI 真正做得最好的事情其实就两件。一件是 Coding。另一件是 Research。

很多人现在只看到了 Coding。因为 Claude Code、Codex 这些产品太火了。

但如果大家回忆一下，其实 Research 这个方向比 Coding 突围得更早。前年 OpenAI 最重要的能力之一，就是 Deep Research。

后来只不过风头被 Coding 盖过了。但 Research 这件事本身非常重要。

因为它本质上是在阅读大量资料，理解大量资料，并从资料里找到信息和信息之间的关系，最后把这些内容整理成一份报告。

金融以及投研本质上是一个巨大的 Research 行业。这是 AI 擅长的。

所以当我打开 Kimi Work 的时候，最让我意外的不是 Agent 集群，而是它对金融场景的重视程度。

比如他们昨天发布的文章中，第一个 Case 就是金融场景。

官方内置的数据库中，也有几个专业的金融数据源，比如同花顺、天眼查、世界银行。

不过先说结论。Kimi Work 真正让我印象深刻的，是它可以像一个研究团队一样工作。

我让它研究全球储能行业。

刚开始我以为它会和很多 Deep Research 产品一样，最后吐出来一份长报告，然后结束。结果完全不是。它上来先给自己组建了一个团队。

同时启动了四个 Agent。一个负责宏观数据。一个负责技术趋势。一个负责政策合规。一个负责市场需求。

看到这里的时候我愣了一下。因为这已经有点像券商研究所的组织方式了。

以前做行业研究，一个人很难同时盯这么多维度。看市场的时候容易漏政策。看政策的时候容易漏技术。总是在几个方向之间来回切换。

但 Agent 不一样。它可以同时推进。四个方向一起跑。

更有意思的是，这还只是第一阶段。

等第一批 Agent 完成任务之后，它又自动进入第二阶段。

开始公司层面的研究。港股公司一组，美股公司一组，日韩和欧洲公司一组，材料公司和新技术公司一组。

看着一个个 Group Agent 启动的时候，我脑子里冒出来的是一个研究总监在开项目会。

以前这种工作量，在很多机构里可能需要一个小团队忙上好几天。

现在变成一个人坐在电脑前喝咖啡，然后看着一群 Agent 开始打工。

最关键的是，所有 Agent 跑完之后，它还会进入数据整合和交叉验证阶段。

把不同 Agent 的结果统一汇总。最后交付出来的成果非常夸张。我截张图。

最夸张的是最终那份报告。18 万字。看到这个数字的时候，我突然理解了为什么最近越来越多金融机构开始认真研究 Agent。

过去大家说 AI 提效。更多是一个人干活快一点。原来两天完成的工作，现在一天完成。

但这里发生的事情有点不一样。更像是原来需要一个团队完成的工作，开始被压缩到一个人。

下面是 Kimi Work 生成的部分产物。

PPT：

Excel 表格：

md：

Word 文档：

继续做下一个任务，我又让它帮我研究段永平最近半年的投资动向。

Kimi Work 很快生成了一份 PDF 报告。因为它接入了金融数据库，所以股票的这些信息非常准确。我截几张图给大家看看。

后来我又追问了一句。帮我看看泡泡玛特和段永平最近有没有什么关联信息。很快又补充了一份新的分析。

下面是 Kimi Work 输出的 Slides 录屏：

太酷了。太酷了。这简直就是神器。

如果这个趋势成立，那金融投研行业可能正在经历和程序员一样的变化。

想一想过去一年程序员身上发生最明显的变化是什么。表面上看，是代码写得更快了。

以前需要几天才能完成的功能，现在一句自然语言描述丢给 Coding Agent，可能几个小时就能交付出第一版。

但我觉得更深层次的变化，其实是价值发生了迁移。

过去大家评价一个程序员优秀不优秀，往往会看代码写得快不快，框架熟不熟，经验够不够丰富。

但现在越来越重要的能力，已经变成了另外一些东西。比如架构设计。比如任务拆解。比如判断能力。比如和 AI 协作的能力。

程序员的价值，正在从执行层慢慢往判断层迁移。金融投研行业可能也会经历类似的过程。

过去很多分析师花了大量时间查资料、读财报、拉数据、整理表格、制作 PPT、撰写研究报告。这些工作当然重要。

但说到底，它们更像是在为判断做准备。而今天，这部分工作正在越来越多地交给 Agent。

很多分析师每天做的大量脏活累活。比如收集数据、清洗表格、跟踪新闻、搭估值模型初稿、整理可比公司数据、制作尽调材料、准备汇报 PPT。

这些事情过去占据了分析师大量时间。

但从 Kimi Work 这次展示出来的能力看，它已经开始接手其中相当一部分工作了。

那么未来分析师最重要的能力会变成什么？可能不再是谁看过更多报告，也不再是谁 Excel 用得更熟练，而是谁能从十几份报告里看出真正重要的信息。谁能在一堆看似正确的结论里做出最终判断。

说白了。过去比拼的是处理信息的能力，未来比拼的可能是理解信息和判断信息的能力。

这也是为什么我觉得，金融行业可能正在经历程序员去年的变化。

还有一个更有意思的变化。

金融行业或许第一次开始出现真正意义上的研究能力平权。

过去为什么大机构有优势？因为他们有研究员、有数据库、有行业报告、有庞大的分析团队。

很多时候，一个投资机会的背后，可能是十几个人、几十个人几个月的持续研究。

普通投资者根本没有这样的资源。

但 Agent 出现之后，情况开始发生变化。一个人也可以同时调动几十个 Agent 去查资料、读财报、跟踪新闻、分析行业、整理数据。

当然，这不意味着普通人突然拥有了顶级机构的判断力。判断力依然需要经验积累。

但研究资源的门槛，正在快速下降。

过去大机构最重要的优势之一，是拥有更强的信息处理能力。未来越来越重要的优势，可能是谁能从同样的信息里得出更好的判断。

我觉得这可能才是 Kimi Work 这类产品最值得关注的地方。它未必会直接改变投资结果，但它正在改变研究工作的组织方式。

而过去一年，我们已经在程序员身上见过类似的变化。