OUR MISSION · 我們的使命
鋒睿致力於幫助您的機構在 AI 時代實現成功轉型。我們持續追蹤金融數據、投研與機構組織的 AI 進展，分享值得關注的實踐與思考。
讓我們以學習的心態，一起探索 AI 時代的可能。
與您分享本期進展
AI 生成示意圖IN THIS ISSUE · 本期主題
從數據商的語義與權限治理，到投資機構對知識、檢索和評測的重新組織。
Millennium 的員工 AI 助手實踐領銜，結合 Ardian、Scale VP 與 Balyasny 的機構知識、檢索及評測案例。
Bloomberg、S&P Global Energy 與 FactSet，呈現三種金融數據進入 AI 工作流的路徑。
DBS 的分階段部署，以及上海、香港與美聯儲關於准入、授權和問責的最新信號。
AI 生成示意圖鋒睿解讀金融AI趨勢，助您持續放大專業優勢。
frontwise.ai從單點提效到可複用的研究能力
Millennium 披露，Digital Twin 已面向有意使用的全體員工開放，透過郵件接收委派，保留個人偏好與上下文，支持研究、動態追蹤及材料準備。目前已有逾 1,600 個在用；首批用戶中，97% 每天與助手交互，體現了這一群體的持續使用情況。
每個數字分身擁有獨立身份與審計記錄，由員工在本人已有權限範圍內逐系統按需授權。由此，機構可以在明確的授權邊界內，為員工提供個性化、可持續委派的 AI 支持。
數字分身為金融機構提供了一種組織設計思路：把 AI 設為有獨立身份、明確服務對象和授權邊界的工作角色。機構可圍繞它重新設計任務委派、結果覆核與責任分工，讓員工在熟悉的工作入口獲得持續支持。對投研而言，研究追蹤和材料準備是貼近現有流程的切入點；對更廣泛的職能團隊，數字分身的設立與邊界管理同樣值得借鑒。
據項目合作方 JAKALA 披露，Ardian Buyout 將歷史交易材料整理為帶引用和版本記錄的知識層，用於投資文書起草及盡調論證。團隊測試了專家 Agent 並行研究、正反方辯論與獨立評判等架構，讓不同分析路徑挑戰投資假設。
系統基於既有文書與交易材料生成初稿，投資人員繼續審核、質疑並定稿。項目合作方披露，所覆蓋文書起草任務耗時減少逾 70%，體現了這一工作環節的效率提升；專業人員負責初稿的判斷、論證與最終交付。
把歷史材料整理為可引用、可持續維護的知識層，能讓分散在項目與個人手中的經驗被更多團隊複用。對機構而言，值得借鑒的是知識沈澱與人機分工的共同設計：AI 承接檢索和起草，專業人員負責挑戰假設、形成判斷。成效也可從節省時間、引用質量與協作體驗三個方面持續觀察。
Scale Venture Partners 自建 MCP server，將 PitchBook、Salesforce 交易記錄和合夥人筆記連接到研究助手。一個具體問題是：某公司的共同投資人中，哪些曾領投過本機構放棄的交易？助手交叉核對投資人名單、交易歷史與放棄理由。
機構自述，這項跨系統查詢的耗時從約 30 分鐘縮短至不足 1 分鐘，展示了連接外部數據與內部記錄後的檢索效率。系統逐請求校驗身份，按用戶配置調用額度並保留工具日誌，以定義清楚的結構化字段返回結果；工具範圍圍繞真實研究問題設計。
當外部信息與內部決策記錄可以共同檢索，機構就有機會把“當時為什麼這樣判斷”留作後續工作的參考。這既服務於投資研究，也啓發團隊改善知識記錄與跨系統協作。可從一個高頻問題起步，由業務團隊明確所需信息，技術團隊將數據和工具接入日常工作入口。
OpenAI 發佈的客戶案例顯示，Balyasny 在模型進入生產前，以內部數據和基準對預測準確率、數值推理等 12 個以上維度進行評測。中央團隊建設通用組件與合規護欄，各投資團隊按資產類別定制 Agent。
案例稱約 95% 的投資團隊已使用其 AI 平台，反映了平台在投資團隊中的採用覆蓋。其組織方式是中央團隊提供共用能力，各團隊結合自身研究任務定制應用。
中央共建、團隊定制，為機構提供了一種兼顧共用能力與業務差異的組織方式。統一評測和組件能讓經驗更容易積累，各團隊則保留對具體任務和工作方式的設計空間。對投研及其他專業職能，這種分工都有助於將零散試驗逐步沈澱為可維護的機構能力。
數據服務進入研究現場
Bloomberg 於 9 月 29 日推出 Enterprise MCP，為 Data License Plus 增加標準化 AI 訪問層。接口在返回已獲授權數據的同時，提供字段含義、計算方式、幣種、價格類型和數據時點，供 Agent 判斷數字是否適用於當前任務。
同一個“價格”可能對應不同交易所、幣種與時點。把這些定義與數據一起交付，可以為跨來源核對和解釋提供依據。MCP 是連接 AI 與外部數據、工具的標準協議；機構可結合具體研究任務，評估返回數據的完整性、可解釋性與使用便利度。
金融數據服務正在把“數字是什麼、如何使用”的解釋一並帶入 AI 工作流。機構可將數據口徑和溯源信息作為共用基礎，讓研究、產品與數據團隊基於同一套定義協作。這也意味著，數據採購與接入的評價維度，可以從覆蓋範圍延伸到對業務理解和知識複用的支持。
S&P Global Energy 在 Databricks 發佈的案例中，將大宗商品數據按業務領域拆分為小範圍 Genie Agent。領域專家維護表字段說明、業務定義和可信查詢示例，再通過 MCP 將多個 Agent 組合成統一查詢入口。
以 LNG 為例，資產與合約、貨運、招標、停產、供需、淨回值和價格分別由 7 個 Agent 覆蓋。跨領域問題可同時調用相關數據組；底層訪問沿用 Unity Catalog 權限，並通過基準問題持續檢查答案質量。
讓領域專家維護業務定義、工程團隊連接工具，為機構提供了共同建設 AI 數據能力的分工範例。專家知識可以隨業務持續更新，標準化連接則支持不同場景複用。對研究、運營和數據團隊，關鍵在於把誰定義數據、誰維護知識、誰負責運行落實到日常協作中。
FactSet 官方首發公告披露，其原生 MCP server 提供對 9 類數據集的統一訪問，包括財務基本面、一致預期、持股、並購、價格及供應鏈等。機構可在 AI 工作流中調用這些數據，減少為不同應用重複建設連接的需求。
此前 Explorer 測試階段已有 45 家機構、逾 800 名機構用戶採用，反映了測試期的機構參與規模。官方將服務定位為受治理的生產級數據訪問，機構按已有數據授權接入相應內容。本期作為既有實踐回看，日期按官方首發公告列示。
統一接入方式，為機構減少重復連接、讓多個 AI 應用共享數據能力提供了路徑。借鑒時可將數據授權、口徑和服務維護一並納入共用架構：數據團隊管理內容與權限，工程團隊維護連接，業務團隊圍繞實際任務開發應用，讓一次接入支持更多專業場景。
同業部署觀察
星展香港宣佈，自 9 月 26 日起逐步為企業銀行助理 DBS Joy 引入 Agent 能力。客戶可在對話中查詢付款狀態、交易與費用，助理直接檢索和分析相關賬戶信息，減少跨頁面查找。
個人客戶助理 digibot 的 Agent 能力計劃於 2027 年推出。兩者均以客戶登錄和主動發出指令為前提，並保留人工服務入口。公告披露，Joy 既有服務已使客服熱線來電減少 16%，為理解其服務基礎提供了參考；新的 Agent 能力正按計劃分階段部署。
按客群與任務分階段推進，為機構探索 AI 服務提供了可借鑒的實施方式。隨著助理從回答問題走向調用工具，產品、運營、技術和服務團隊可共同設計客戶授權、任務交接與人工協作。分別觀察查詢解決率、任務完成率和客戶體驗，有助於明確下一階段應擴展哪些能力。
政策要求與監管視角
上海金融監管局發佈人工智能應用若干措施，全文共 16 項。對面向公眾服務或高風險場景應用使用生成式 AI 的，要求在場景上線前向該局報告；高風險應用場景須建立准入控制機制，並經本機構風險管理委員會批准後實施。
外部算力、模型和數據處理等服務，應納入信息科技外包風險管理體系。文件面向上海轄內相關金融機構，機構可據原文及配套規定，將場景審批、上線報告與供應商管理要求落實到自身流程。
阮國恒在香港銀行學會年度銀行會議的演示材料中，將 AI 的角色區分為輔助、建議、決策和行動。材料強調，董事會與高級管理層須對完整行動路徑負責，包括授權邊界、審批與升級、追溯質詢及人工干預。
2026 年首批 GenA.I. Sandbox++ 列示 36 個用例、30 家金融機構與 27 家科技夥伴，探索範圍延伸至 Agentic AI 端到端流程。這份監管交流材料提供了理解管理層責任與 Agent 治理的框架，可供機構設計授權和運營流程時參考。
Waller 在 Sibos 演講中區分了 Agent 輔助購物與獲授權自主購物付款兩種模式。對於後者，他提出三項核心問題：如何證明 Agent 有權付款、錯誤購買由誰承擔責任，以及如何調整以人類行為為基礎的反欺詐模型。
這場演講以 Waller 的個人觀點，提出 Agent 支付對產業標準與基礎設施的新課題，屬於面向行業的政策討論。機構可從中識別支付授權、責任安排與反欺詐機制的設計方向，為後續探索積累問題清單。
