OUR MISSION · 我们的使命
锋睿致力于帮助您的机构在 AI 时代实现成功转型。我们持续追踪金融数据、投研与机构组织的 AI 进展，分享值得关注的实践与思考。
让我们以学习的心态，一起探索 AI 时代的可能。
与您分享本期进展
AI 生成示意图IN THIS ISSUE · 本期主题
从数据商的语义与权限治理，到投资机构对知识、检索和评测的重新组织。
Millennium 的员工 AI 助手实践领衔，结合 Ardian、Scale VP 与 Balyasny 的机构知识、检索及评测案例。
Bloomberg、S&P Global Energy 与 FactSet，呈现三种金融数据进入 AI 工作流的路径。
DBS 的分阶段部署，以及上海、香港与美联储关于准入、授权和问责的最新信号。
AI 生成示意图锋睿解读金融AI趋势，助您持续放大专业优势。
frontwise.ai从单点提效到可复用的研究能力
Millennium 披露，Digital Twin 已面向有意使用的全体员工开放，通过邮件接收委派，保留个人偏好与上下文，支持研究、动态追踪及材料准备。目前已有逾 1,600 个在用；首批用户中，97% 每天与助手交互，体现了这一群体的持续使用情况。
每个数字分身拥有独立身份与审计记录，由员工在本人已有权限范围内逐系统按需授权。由此，机构可以在明确的授权边界内，为员工提供个性化、可持续委派的 AI 支持。
数字分身为金融机构提供了一种组织设计思路：把 AI 设为有独立身份、明确服务对象和授权边界的工作角色。机构可围绕它重新设计任务委派、结果复核与责任分工，让员工在熟悉的工作入口获得持续支持。对投研而言，研究跟踪和材料准备是贴近现有流程的切入点；对更广泛的职能团队，数字分身的设立与边界管理同样值得借鉴。
据项目合作方 JAKALA 披露，Ardian Buyout 将历史交易材料整理为带引用和版本记录的知识层，用于投资文书起草及尽调论证。团队测试了专家 Agent 并行研究、正反方辩论与独立评判等架构，让不同分析路径挑战投资假设。
系统基于既有文书与交易材料生成初稿，投资人员继续审核、质疑并定稿。项目合作方披露，所覆盖文书起草任务耗时减少逾 70%，体现了这一工作环节的效率提升；专业人员负责初稿的判断、论证与最终交付。
把历史材料整理为可引用、可持续维护的知识层，能让分散在项目与个人手中的经验被更多团队复用。对机构而言，值得借鉴的是知识沉淀与人机分工的共同设计：AI 承接检索和起草，专业人员负责挑战假设、形成判断。成效也可从节省时间、引用质量与协作体验三个方面持续观察。
Scale Venture Partners 自建 MCP server，将 PitchBook、Salesforce 交易记录和合伙人笔记连接到研究助手。一个具体问题是：某公司的共同投资人中，哪些曾领投过本机构放弃的交易？助手交叉核对投资人名单、交易历史与放弃理由。
机构自述，这项跨系统查询的耗时从约 30 分钟缩短至不足 1 分钟，展示了连接外部数据与内部记录后的检索效率。系统逐请求校验身份，按用户配置调用额度并保留工具日志，以定义清楚的结构化字段返回结果；工具范围围绕真实研究问题设计。
当外部信息与内部决策记录可以共同检索，机构就有机会把“当时为什么这样判断”留作后续工作的参考。这既服务于投资研究，也启发团队改善知识记录与跨系统协作。可从一个高频问题起步，由业务团队明确所需信息，技术团队将数据和工具接入日常工作入口。
OpenAI 发布的客户案例显示，Balyasny 在模型进入生产前，以内部数据和基准对预测准确率、数值推理等 12 个以上维度进行评测。中央团队建设通用组件与合规护栏，各投资团队按资产类别定制 Agent。
案例称约 95% 的投资团队已使用其 AI 平台，反映了平台在投资团队中的采用覆盖。其组织方式是中央团队提供共用能力，各团队结合自身研究任务定制应用。
中央共建、团队定制，为机构提供了一种兼顾共用能力与业务差异的组织方式。统一评测和组件能让经验更容易积累，各团队则保留对具体任务和工作方式的设计空间。对投研及其他专业职能，这种分工都有助于将零散试验逐步沉淀为可维护的机构能力。
数据服务进入研究现场
Bloomberg 于 9 月 29 日推出 Enterprise MCP，为 Data License Plus 增加标准化 AI 访问层。接口在返回已获授权数据的同时，提供字段含义、计算方式、币种、价格类型和数据时点，供 Agent 判断数字是否适用于当前任务。
同一个“价格”可能对应不同交易所、币种与时点。把这些定义与数据一起交付，可以为跨来源核对和解释提供依据。MCP 是连接 AI 与外部数据、工具的标准协议；机构可结合具体研究任务，评估返回数据的完整性、可解释性与使用便利度。
金融数据服务正在把“数字是什么、如何使用”的解释一并带入 AI 工作流。机构可将数据口径和溯源信息作为共用基础，让研究、产品与数据团队基于同一套定义协作。这也意味着，数据采购与接入的评价维度，可以从覆盖范围延伸到对业务理解和知识复用的支持。
S&P Global Energy 在 Databricks 发布的案例中，将大宗商品数据按业务领域拆分为小范围 Genie Agent。领域专家维护表字段说明、业务定义和可信查询示例，再通过 MCP 将多个 Agent 组合成统一查询入口。
以 LNG 为例，资产与合约、货运、招标、停产、供需、净回值和价格分别由 7 个 Agent 覆盖。跨领域问题可同时调用相关数据组；底层访问沿用 Unity Catalog 权限，并通过基准问题持续检查答案质量。
让领域专家维护业务定义、工程团队连接工具，为机构提供了共同建设 AI 数据能力的分工范例。专家知识可以随业务持续更新，标准化连接则支持不同场景复用。对研究、运营和数据团队，关键在于把谁定义数据、谁维护知识、谁负责运行落实到日常协作中。
FactSet 官方首发公告披露，其原生 MCP server 提供对 9 类数据集的统一访问，包括财务基本面、一致预期、持股、并购、价格及供应链等。机构可在 AI 工作流中调用这些数据，减少为不同应用重复建设连接的需求。
此前 Explorer 测试阶段已有 45 家机构、逾 800 名机构用户采用，反映了测试期的机构参与规模。官方将服务定位为受治理的生产级数据访问，机构按已有数据授权接入相应内容。本期作为既有实践回看，日期按官方首发公告列示。
统一接入方式，为机构减少重复连接、让多个 AI 应用共享数据能力提供了路径。借鉴时可将数据授权、口径和服务维护一并纳入共用架构：数据团队管理内容与权限，工程团队维护连接，业务团队围绕实际任务开发应用，让一次接入支持更多专业场景。
同业部署观察
星展香港宣布，自 9 月 26 日起逐步为企业银行助理 DBS Joy 引入 Agent 能力。客户可在对话中查询付款状态、交易与费用，助理直接检索和分析相关账户信息，减少跨页面查找。
个人客户助理 digibot 的 Agent 能力计划于 2027 年推出。两者均以客户登录和主动发出指令为前提，并保留人工服务入口。公告披露，Joy 既有服务已使客服热线来电减少 16%，为理解其服务基础提供了参考；新的 Agent 能力正按计划分阶段部署。
按客群与任务分阶段推进，为机构探索 AI 服务提供了可借鉴的实施方式。随着助理从回答问题走向调用工具，产品、运营、技术和服务团队可共同设计客户授权、任务交接与人工协作。分别观察查询解决率、任务完成率和客户体验，有助于明确下一阶段应扩展哪些能力。
政策要求与监管视角
上海金融监管局发布人工智能应用若干措施，全文共 16 项。对面向公众服务或高风险场景应用使用生成式 AI 的，要求在场景上线前向该局报告；高风险应用场景须建立准入控制机制，并经本机构风险管理委员会批准后实施。
外部算力、模型和数据处理等服务，应纳入信息科技外包风险管理体系。文件面向上海辖内相关金融机构，机构可据原文及配套规定，将场景审批、上线报告与供应商管理要求落实到自身流程。
阮国恒在香港银行学会年度银行会议的演示材料中，将 AI 的角色区分为辅助、建议、决策和行动。材料强调，董事会与高级管理层须对完整行动路径负责，包括授权边界、审批与升级、追溯质询及人工干预。
2026 年首批 GenA.I. Sandbox++ 列示 36 个用例、30 家金融机构与 27 家科技伙伴，探索范围延伸至 Agentic AI 端到端流程。这份监管交流材料提供了理解管理层责任与 Agent 治理的框架，可供机构设计授权和运营流程时参考。
Waller 在 Sibos 演讲中区分了 Agent 辅助购物与获授权自主购物付款两种模式。对于后者，他提出三项核心问题：如何证明 Agent 有权付款、错误购买由谁承担责任，以及如何调整以人类行为为基础的反欺诈模型。
这场演讲以 Waller 的个人观点，提出 Agent 支付对产业标准与基础设施的新课题，属于面向行业的政策讨论。机构可从中识别支付授权、责任安排与反欺诈机制的设计方向，为后续探索积累问题清单。
