证券研究报告

|【AI金融新纪元】系列（五）

——从大模型到Agent：AI+金融进入智能体时代|

|---|

证券分析师 ：孙婷 执业证书编号：S0600524120001 联系邮箱：sut@dwzq.com.cn

证券分析师 ：武欣姝 执业证书编号：S0600524060001 联系邮箱：wuxs@dwzq.com.cn

请务必阅读正文之后的免责声明部分

二零二六年八月二十八日

• ➢ AI+金融进入智能体阶段，竞争重点由模型能力转向专业数据、工具调用、场景渗透与持续使用。 2024年以来金融AI由问答、总结等单点能力向可规划、可调用工具、 可连续执行任务的Agent演进；2026年Q2以来MCP、Skills等标准接口集中落地，同花顺iFinD MCP、万得AIFin Market、东方财富妙想Skills、通达信MCP、恒生聚源 MCP先后开放，金融数据从封闭终端走向可被Agent调用的标准化能力。
• ➢ 垂类Agent深耕金融场景：B端围绕数据×内容×工作流形成壁垒，C端围绕用户入口×场景深度×业务闭环展开竞争。1）B端：①同花顺iFinD将分散的AI功能逐步打 通，由“人工串联多个功能”向“智能体组织多个能力”演进；②Wind依托数据底座与机构工作流从问答辅助向自主投研Agent升级；③进门财经、AlphaPai、 Gangtise分别依托路演内容、AI原生产品或专家知识库形成差异化路径。2）C端：①同花顺问财由自然语言选股升级为具备自主规划能力的投资助手；②东方财富妙 想从独立问答升级为APP内嵌AI入口并连接金融服务生态；③通达信上线智能体广场推动由单一问答向多Agent平台演进；④九方智投控股以AI股票机为硬件入口整 合投顾、投研与投教能力。
• ➢ 通用Agent通过“外接专业金融能力”和“机构本地化部署”两条路径进入金融场景，与垂类Agent互补。 路径一：通义千问“深度研究”接入同花顺1.3万只股票数 据+约100万份财报公告，Kimi接入iFinD、Yahoo Finance；路径二：2026年4月DeepSeek-V4发布后国泰海通、兴业、国投、中泰、国金、山西等多家头部券商完成升 级部署，恒生聚源WarrenQ 5分钟生成万字投研报告。长期看C端行为数据反哺模型、B端专业数据沉淀垂类能力，形成数据飞轮推动Agent持续迭代。

• ➢ 竞争格局围绕四类参与者展开： ①数据拥有者（同花顺/万得/东方财富）——MCP开放之争，数据壁垒决定下限、开放策略决定上限；②场景拥有者（同花顺/九方智 投控股/财富趋势/指南针）——场景渗透深度决定用户黏性，硬件载体是差异化壁垒；③模型拥有者（豆包/DeepSeek/通义/智谱）——通用模型不取代垂类但分流C端 浅层需求，DeepSeek凭开源低成本成机构部署首选；④平台拥有者（WorkBuddy等）——是数据方最大客户也是最大威胁，已集成三家金融MCP。
• ➢ 投资建议：我们认为，具备较大金融数据基础、较好应用场景入口与较成熟AI技术运用经验的金融科技企业将持续受益，推荐【同花顺】、【东方财富】；业务延伸 与流量变现路径清晰、AI技术研发投入充分、用户体量与质量兼具、业务毛利率较高且具可持续性的新星互联网金融企业，有望构建业务闭环，业绩表现预计持续向 好，推荐【九方智投控股】、【指南针】，建议关注【财富趋势】。
• ➢ 风险提示： ①监管趋严；②技术迭代不及预期；③数据安全风险；④权益市场波动；⑤商业化进度不及预期。

2

图表：四类玩家对比

数据来源：同花顺官网，东方财富官网，指南针公司官网，财富趋势公司公告，通达信官网，东吴证券研究所 3

目录

• 2.垂Agent——深 类耕 金 融 场 景 的 专 业 智 能 体

1. 垂类Agent——深耕金融场景的专业智能体

| |

|---|

1. 从Agent——AI+金 大融 模的 型范 到式 跃 迁

1. 从大模型到Agent——AI+金融的范式跃迁

| |

|---|

• 3.通Agent——广+金 用覆融 能盖 力 接 入

• 3.通用Agent——广覆盖+金融能力接入

| |

|---|

| |

|---|

1. vs端——Agent应 用BC 的 分 化 与 融 合

• 4. B端vs C端——Agent应用的分化与融合

| |

|---|

1. 时——四 代类Agent竞玩 争家 格的 局资 源 禀 赋 对 比

• 5. Agent时代竞争格局——四类玩家的资源禀赋对比

| |

|---|

• 6.投 资 建 议

1. 投资建议

| |

|---|

• 7.风 险 提 示

• 7.风险提示

|从大模型到Agent——AI+金融的范式跃迁|

|---|

1.1. 回顾：金融大模型从集中发布到业务应用

• ➢ 2023年-2024年，金融大模型完成了从集中发布到初步应用的过渡。 2023年3月，BloombergGPT率先验证金融专业数据与大语言模型结合的可行性，随后奇富GPT、 轩辕大模型、LightGPT、蚂蚁金融大模型等国内产品陆续推出。2024年，同花顺HithinkGPT、东方财富妙想等模型开始嵌入金融终端、投研、投顾和客服等实际场景， 行业竞争由模型发布逐步转向产品落地。
• ➢ 2025年以来，开源模型和私有化部署进一步降低了金融AI应用门槛。 以DeepSeek为代表的国产模型在性能、成本和部署灵活性方面形成优势，券商、银行、保险及 金融科技公司开始将通用模型与内部知识库、业务数据和现有系统结合，推动AI能力由单点工具向内部流程延伸。我们系列报告的研究重点也由模型能力逐步转向业务 应用：系列报告一《金融垂类大模型试用体验》关注金融垂类模型的试用体验，系列报告二《AI+金融大模型的两条技术路线》比较通用模型与金融垂类模型两条技术 路线，系列报告三《赋能金融，AI开启新时代》和报告四《金融与AI融合持续深化》进一步分析AI对金融业务降本增效和新业务拓展的影响；系列报告五（本篇）将在 此基础上重点研究Agent如何进入真实金融场景并完成连续任务。

• ➢ 金融大模型已从产品试用和技术路线探索，逐步进入业务应用阶段。 同花顺HithinkGPT、东方财富妙想、恒生电子LightGPT等金融垂类模型依托专业金融数据，在实 时性、准确性、信息溯源和场景适配方面表现出较强优势；相较于通用模型，金融垂类模型更能满足金融业务对专业性、合规性和风险控制的要求。随着模型持续嵌入 投研、投顾、客服、风控等场景，AI不仅能够提升数据查询、材料整理和内容生成等基础工作效率，还能够改善客户服务与业务运营，并推动智能投研、智能投顾和企 业级AI解决方案等新业务发展。

图表：金融大模型发展路径

数据来源：彭博社官网，同花顺官网，东方财富官网，东吴证券研究所整理 6

1.2. 范式转变：从大模型“对话工具”到Agent“自主执行”

• ➢ 大模型主要解决信息理解、内容生成和逻辑推理问题。 用户向模型输入问题或材料后，模型可以完成问答、总结、翻译、写作和代码生成等任务，但其工作通常停留在 信息处理层面，仍需要用户持续发出指令并人工完成后续操作。
• ➢ Agent能够围绕用户目标连续完成多步骤任务。 Agent在大模型基础上增加工具调用、任务规划和记忆能力，可以自动拆解任务、调用数据库或软件工具、检查执行结果， 并根据反馈调整后续步骤，最终输出分析报告、监测结果或业务成果。
• ➢ 金融Agent的核心价值在于形成任务执行闭环。 在投研场景中，Agent可以按照“确定研究目标—获取数据—完成计算—比较分析—生成报告”的流程连续工作；在投顾 和风控场景中，也可以结合用户信息、市场数据和业务规则完成更具针对性的分析，完整任务流程为使用带来更多价值。

图表：大模型与Agent核心能力及金融应用对比

数据来源：东吴证券研究所整理

7

1.3. 技术底座：MCP协议成为Agent调用金融数据的标准接口

• ➢ 金融Agent必须通过专业接口调用外部数据和工具。 股票行情、财务数据、公司公告、研究报告和监管规则具有较强的时效性和准确性要求，仅依赖模型训练阶段形成 的知识难以满足金融业务需要，因此Agent必须连接专业金融数据库和业务系统。
• ➢ MCP和Skills降低了不同Agent接入金融能力的开发成本。 MCP负责Agent连接外部数据和工具，Skills则将具体金融能力封装为可调用模块。通过MCP这一标准化接口， Agent可以识别数据工具的功能、传入调用参数并读取返回结果，开发者无需为每一个模型和每一个数据系统分别建设连接方式，金融数据和分析工具具备跨平台复用 能力。

图表：金融数据经API、MCP与Skills向Agent开放的能力链路

数据来源：QuestMobile《2026年AI应用市场发展半年报》，东吴证券研究所 8

1.3. 技术底座：金融信息服务商加速开放Agent能力，B端与C端路径差异化

• ➢ B端开放重点：将专业数据与投研工具嵌入机构工作流。 同花顺iFinD、Wind等传统机构终端经过长期沉淀，已形成覆盖行情、财务、公告研报、宏观等领域的较完整金融 数据库。Agent化升级后采取两条路径并行：一是在终端内部强化智能投研能力（如WarrenQ、iFinD MCP内置的Skills技能包）；二是通过MCP、Skills等标准化协议，向机 构自建Agent和第三方智能体平台开放数据与工具接口。其核心价值在于降低机构重复取数和系统开发成本，让专业金融能力嵌入投研、风控、尽调等连续工作流。
• ➢ C端开放重点：降低使用门槛，连接投研能力与用户服务场景。 东方财富妙想通过Skills将选股、宏观查询、资讯分析、量化API等能力模块化，并进一步接入第三方Agent 生态；财富趋势则依托通达信30年积累的行情和证券分析数据，将查询、K线、公告研报、选股等11项能力封装为MCP工具，同时通过智能体广场的10个官方Agent和用户 自建Agent机制，降低个人投资者搭建和使用Agent的门槛。与B端相比，C端的竞争焦点更集中在自然语言交互体验、垂直场景覆盖广度以及用户使用频次与留存。
• ➢ Skills是面向终端用户的封装，MCP是面向Agent的底层接口。 Skills通常以“开箱即用”的模块化能力呈现，更适配C端用户和业务人员的轻量化调用；MCP则提供可编程、 标准化的数据/工具调用接口，更适配开发者和智能体框架的工程化集成。iFinD MCP虽主要面向机构及专业投研用户，但其个人版亦对专业个人用户开放采购。整体看， 金融信息服务商正在由“出售终端席位和数据授权”进一步转向“输出可被不同Agent直接调用的数据、工具和业务能力”，Agent生态正成为专业金融数据新的分发渠道。

图表：头部金融信息服务商Agent能力开放策略对比

数据来源：同花顺官网，Wind官网，东方财富官网，通达信软件官网，QuestMobile《2026年AI应用市场发展半年报》，东吴证券研究所整理 9

1.4. 竞争格局重塑：从“谁的模型强”到“谁的Agent更快落地、更深渗透”

• ➢ 模型基础能力逐步趋同后，竞争重点开始转向实际应用效果。 通用模型和开源模型持续迭代，使语言理解、内容生成和基础推理能力逐渐普及，单纯依靠模型参数或技术 指标已难以形成稳定的长期优势。金融场景的竞争更取决于Agent能否调用高质量专业数据、进入真实业务流程，并持续快速迭代产品能力。
• ➢ 金融Agent竞争力主要由数据覆盖广度、场景渗透深度、用户使用频次以及产品迭代速度这四个维度共同决定。 数据覆盖广度决定Agent能够处理的问题范围和答案质量， 场景渗透深度决定Agent能否进入真实业务流程，用户使用频次反映产品黏性、价值认可和商业化基础，产品推出与迭代速度则决定厂商能否快速适配模型升级、用户需 求及Agent生态变化。
• ➢ 不同类型的参与者将围绕自身资源形成差异化路径。 数据拥有者主要提供金融数据库和标准接口，场景拥有者依靠投研、投顾、交易和风控流程推动Agent落地，模型拥 有者提供基础推理能力，平台拥有者则负责整合不同数据、模型和工具。Agent时代的核心竞争因此不再是"是否拥有模型"，而是逐步转变成谁能以更快速度推出可用产品、 以更深程度进入真实场景，并依托持续使用形成数据和产品迭代飞轮。

图表：金融Agent市场四类参与者的核心资源与竞争方向

数据来源：同花顺官网，Wind官网，通达信软件官网，财富趋势官网，恒生电子官网，东吴证券研究所

|垂类Agent——深耕金融场景的专业智能体|

|---|

2.1. 同花顺B端：iFinD从AI功能集合向垂类投研Agent演进

• ➢ iFinD持续将大模型能力嵌入专业金融终端，AI升级路径正从单点功能辅助向投研任务协同演进。传统金融终端依赖投研人员手动完成“查数据—读材料—做分析写报告”等环节，目前iFinD已在数据问答、文档阅读、会议纪要、图表生成和研究创作等环节提供AI辅助。随着这些能力逐步打通，AI有望从提升单项工作效率， 进一步围绕研究目标协同调用数据、文档和分析工具，推动投研工作由“人工串联多个功能”向“智能体组织多个能力”演进。
• ➢ iFinD具备搭建专业投研垂类Agent的良好基础。一方面，iFinD拥有行情、财务、公告研报、宏观及企业信息等专业金融数据，能够为Agent提供实时、可追溯的数据 底座；另一方面，现有AI功能已覆盖研究过程中多个高频任务，且已嵌入机构用户日常工作流程。我们预计，同花顺iFinD有望整合数据查询、内容理解、分析计算和 研究生成等能力，形成面向机构投研场景的垂类Agent产品。

图表：iFinD现有AI能力及向垂类投研Agent演进路径

数据来源：同花顺官网，东吴证券研究所

2.2 Wind vs 进门财经：数据深度与内容专业，两类B端Agent演化路径

• ➢ Wind依托标准化金融数据与机构工作流积累，推动终端AI由问答辅助向自主投研Agent演进。 目前，Wind Alice已形成较清晰的产品迭代路径，从终端原生AI能力逐 步扩展至投顾、任务拆解和工具调用等复杂场景，依托Wind长期积累的行情、财务、宏观及产业等结构化金融数据，可将数据查询、信用研究、行业分析和报告生成 等多个环节串联起来。Wind的核心优势在于数据底座和机构投研工作流沉淀，使Agent能够直接嵌入研究员已有工作环境，降低信息检索、数据整理和基础分析等重 复性工作的时间成本。
• ➢ 进门财经依托路演、研报、公告及产业研究等专业投研内容积累，AI化重点从信息聚合向内容理解和研究辅助延伸。平台聚合券商研究所、上市公司与机构投资者等 专业参与者，已通过专业投研Agent提供辅助听会、财报解读、信息整合分析等功能，同时结合ASR转写、AI翻译等工具提升非结构化研究信息的处理效率。进门财 经的差异化优势集中于专业投研内容及机构交流场景，有望沿"专业内容+AI理解与分析"的路径持续深化研究型Agent能力。

图表：Wind与进门财经B端Agent能力路径对比

数据来源：Wind官网，进门财经官网，东吴证券研究所

2.3 Alpha派 vs Gangtise：机构投研与专家知识库，两类B端Agent探索

• ➢ AlphaPai以AI原生方式切入机构投研，从单点效率工具逐步向多任务协同的“AI研究员”演进。AlphaPai早期从会议纪要等高频投研痛点切入，随后逐步拓展公司一 页纸、业绩点评、调研大纲等Agent能力；2026年进一步推出AI投研工作台PaiWork，将Excel、在线文档、全球金融数据及投研Skills整合至统一工作环境，并引入Age nt协同执行能力。其核心特点在于从AI应用出发重新组织研究流程，由“辅助处理单项任务”向“多个AI研究员协同完成信息搜集、分析与研究产出”演进。
• ➢ Gangtise依托专业投研数据、专家内容和知识体系，推动AI由信息处理工具向可调用数据与知识的投研Agent升级。Gangtise将自身定位为面向金融机构的AI数据处理 及投研Agent应用服务平台，通过“AI+Data+Knowledge”模式连接专业数据、研究内容与AI能力；其投研平台长期积累专家会议纪要等非结构化内容，已通过原生Sk ills、API及Agent能力支持行情统计、研究资料调用和私域知识库等任务。相较于AlphaPai更强调AI原生工作台，Gangtise的差异化优势集中于专业数据与知识资产的 可调用化，有利于将外部研究数据与机构内部知识结合形成定制化投研流程。

图表：AlphaPai与Gangtise B端投研Agent能力路径对比

数据来源：Alpha派官网，Gangtise官网，东吴证券研究所

2.4 B端垂类Agent对比：数据、内容、工作流构成三类竞争壁垒

• ➢ B端垂类Agent的竞争正在由单一模型能力转向“专业资源进入机构工作流”，不同厂商已形成数据、内容与AI原生产品三类差异化路径。 同花顺/iFinD和Wind的优势 主要来自长期积累的结构化金融数据及机构终端场景，可将查询、分析、文档处理和研究产出嵌入研究员已有工作环境；进门财经和Gangtise则更依赖路演、专家交 流、会议纪要及产业研究等非结构化专业内容，通过AI提升内容检索、理解和知识复用效率；AlphaPai相较传统金融信息平台更具AI原生属性，重点围绕会议纪要、 公司研究、业绩点评等任务重新组织研究流程。
• ➢ B端Agent的核心壁垒取决于“资源稀缺性×工作流渗透深度×产品迭代能力”。 结构化金融数据决定基础取数和分析能力，专家内容与机构知识决定研究深度，终端 和机构客户基础决定Agent能否真正进入日常工作流，AI原生厂商则在产品形态和迭代速度上更灵活。B端客户更多通过研究效率和人力成本衡量产品价值，能够连续 完成“搜集—理解—分析—产出”任务、并融入原有研究流程的平台，更容易增强用户粘性，形成稳定付费和较高切换成本的模式。

图表：主要B端垂类Agent资源差异与竞争路径对比

数据来源：公司官网，东吴证券研究所

2.5 同花顺C端：问财、Lumi与量化实验室构建AI投资陪伴平台

➢ 同花顺C端AI能力正由单一问答和选股工具向具备自主规划能力的投资智能体演进。 问财早期主要围绕自然语言选股和金融问答提供服务，随后进一步升级为“问财

投资助手”，具备多步自主规划与动态执行能力，可在任务过程中实现“边思考、边查询、边搜索”，将行情、财务、资讯等信息整合后完成连续分析。相较于传统 问答工具，问财的变化在于由“用户逐步下达指令”向“围绕目标自主拆解并执行任务”演进，成为同花顺C端Agent化程度较高的产品入口。

➢ 同花顺进一步围绕个性化陪伴和策略研究拓展C端AI场景，形成从信息分析向持续服务与任务执行延伸的产品体系。 量化平台SuperMind已提供金融数据、策略回测、

模拟仿真和实盘交易等能力，AI进一步降低策略开发和研究门槛；在此基础上，若将用户偏好、持仓特征与持续交互能力进一步结合，C端Agent可由一次性分析向个 性化提醒、策略研究和持续投资陪伴延伸。同花顺的优势在于能够依托高频行情、选股、资讯及量化场景，将不同AI能力逐步串联为覆盖“发现机会—分析判断—策 略验证—持续跟踪”的投资服务链条。

图表：同花顺C端AI能力由单点工具向投资Agent体系演进

数据来源：同花顺公司官网，东吴证券研究所

2.6 东方财富C端：妙想由金融问答，向投资决策辅助Agent升级

• ➢ 妙想大模型已从独立金融问答工具升级为东方财富APP的内嵌AI入口，覆盖信息获取、市场分析和投资辅助等高频C端场景。2025年3月，东方财富宣布妙想正式向 所有用户开放并全面登陆东方财富APP；妙想依托东方财富长期积累的行情、财务、资讯及产业数据，可围绕信息检索、热点解读、股票分析等任务提供智能服务， 并通过自然语言入口将原本分散在不同页面的数据和资讯进一步整合。东方财富长期形成的金融数据、产业数据和特色内容积累，为妙想提升实时性、专业性和可 追溯性提供数据基础。
• ➢ 东方财富的差异化优势在于妙想能够打通“投资认知”与平台原有金融服务生态。东方财富APP本身已覆盖行情、资讯、股票分析等投资决策前端环节，同时公司拥 有证券、基金销售等业务场景；随着妙想嵌入APP，AI入口有望将用户从“查信息—做分析”逐步引导至标的跟踪、基金研究及其他金融服务场景。东方财富C端Ag

ent化的核心并非单纯增加一个AI入口，而是利用妙想缩短用户从查询到决策辅助的路径，并增强原有互联网财富管理生态的服务效率与用户黏性。

图表：东方财富妙想连接投资认知与金融服务的Agent化路径

数据来源：东方财富公司官网，东吴证券研究所

2.7 财富趋势C端：AI能力持续完善，通达信具备向Agent平台演进的基础

➢ 通达信已形成由金融大模型、智能问答向智能分析延伸的AI能力体系。财富趋势长期推进“通达信开放式人工智能平台”建设，根据公司年报，2024年完成Tendency

GPT金融大模型相关布局。平台通过自然语言理解用户需求，支持金融数据、资讯和知识的查询、对比、解读及归因等，已将AI应用于资讯摘要、研报总结、重要度

评级、多空与舆情分析等场景。当前通达信官网已单列“AI平台”“问小达AI”等产品入口，AI已经成为其现有产品体系中的独立能力模块。通达信能够将专业数据、 投资工具与明确任务场景在统一平台内进行组合，逐步向金融垂类Agent投研平台升级。

➢ 通达信能够将专业数据、投资工具与明确任务场景在统一平台内进行组合，逐步向金融垂类Agent投研平台升级。通达信已有行情查询等较标准化的投资工具，这类 功能天然适合被Agent调用；同时，专业投资者长期形成的指标、公式与策略使用习惯，也为个性化Agent提供场景基础。通达信官网已同时设置“问小达AI”“智能 体广场”“TdxClaw”和“Skills广场”等入口，表明其产品形态已开始由单一AI问答向智能体及能力组合平台延伸。2026年，公司上线智能体广场，首批推出多个专 业投研Agent，覆盖智能选股、个股诊断、资金追踪、热点捕捉、技术分析、估值及风险预警等场景。通达信下一阶段或将侧重于让智能体围绕用户目标，自主组合 行情、技术分析、选股和策略工具，实现由“用户调用多个工具”向“Agent组织多个工具完成任务”转变。

图表：通达信智能体广场应用界面

图表：通达信由AI投资工具向多Agent投研平台演进

数据来源：财富趋势公司官网，东吴证券研究所

2.8 指南针C端：投顾产品持续迭代，具备Agent化基础

• ➢ 指南针当前的产品升级仍以传统证券分析工具的持续智能化为主，主要服务专业个人投资者，核心优势集中在题材、盘口、资金和选股等专业投资场景。2025年，公司 持续迭代PC端数据中心、事件分析平台、卡位、擒龙平台等核心功能，并陆续推出题材图谱和题材选股，增加潜伏吸筹、机构扫盘点等盘口特征指标，以提升投资者获 取热点、识别资金行为和筛选标的的效率。公司长期形成的全赢、财富掌门等产品强调证券交易信息的动态追踪与静态分析结合，其现阶段产品能力属于“专业数据+特 色指标+投资决策工具”的智能化升级，而非由大模型主导的独立Agent平台。
• ➢ 指南针具备搭建投资分析类Agent的场景和工具基础，模型、工具编排及自主执行能力需进一步验证。 一方面，公司已沉淀盘口特征、资金研究、选股及事件分析等标准 化工具，具有较强的结构化和可调用属性，能够成为Agent拆解投资任务后的底层能力；另一方面，公司收购麦高证券后形成“金融信息服务+证券业务”协同，若将用 户持仓、交易行为与原有分析工具打通，可拓展至个性化分析、风险提醒和持续跟踪等Agent场景。

图表：指南针由专业投资工具向Agent化服务演进的能力基础

数据来源：指南针公司官网，东吴证券研究所

2.9 九方智投控股C端：AI深度赋能投顾前后台，向陪伴型Agent演进

➢ 公司前台AI化主要围绕投资者直接使用的投研投顾功能展开，核心目标是提升服务效率与投资体验。公司将AI嵌入原有选股、诊股、账户诊断、实时盯盘、风险预警及复盘归 因等环节，使投资者能够更快速地完成标的筛选、个股分析和持续跟踪。目前九方AI灵犀已覆盖多个投资服务场景，2025年累计服务66.4万客户、交互总次数2258万次，AI功 能已形成较高频的用户交互。前台AI升级的价值在于将原有人工投顾和投资分析能力标准化、规模化输出，在降低用户信息处理门槛的同时，提高单个投顾能够覆盖的客户数

量和服务频次。

➢ 后台AI化区别于前台投资服务，其核心在于准确识别客户画像和潜在需求，并提高产品销售与客户运营效率。九方智投控股可基于用户持仓、风险偏好、关注方向及交互行为 等信息进行客户分层和需求识别，帮助投顾及运营人员判断“客户需要什么”，进而匹配相应的投顾、会员或其他增值服务。核心区别在于：后台AI并不直接承担投资分析， 而是承担“用户识别—需求判断—服务匹配—销售转化”的辅助功能。公司当前的AI化仍是对既有投顾业务链条的效率升级——前台AI提升客户体验和交互频次，后台AI提升 客户画像精度和服务匹配效率，两者形成“服务客户—沉淀数据—识别需求—产品转化”的经营闭环。未来若打通前后台数据并实现自主任务规划和工具调用，公司具备由多

个AI功能向持续投资陪伴型Agent演进的基础。

图表：九方智投控股 前台投资服务与后台用户运营双重AI化路径

数据来源：九方智控公司官网，新浪财经，东吴证券研究所

2.9 九方智投控股C端：AI股票机，硬件入口的陪伴型Agent雏形

➢ AI股票机本质上是九方智投控股将既有投研、投顾和投教AI能力集中到独立硬件入口，并未形成与软件端完全不同的新AI能力。AI股票机智航版集成AI诊股、AI盯盘、

AI选股、AI问答、AI语音助手和AI学练等功能，其中选股、诊股、盯盘等能力与九方软件端已有AI功能高度衔接，硬件主要通过固定设备、语音交互和多功能集中展 示降低用户操作门槛。截至2026年7月发布会，九方AI股票机累计销量已突破20万台，已通过统一入口覆盖投研、投顾和投教等投资生命周期场景。AI股票机的核心创 新体现在"入口重构"，把原本分散于APP中的AI能力集中到一个持续在线、交互更直接的硬件载体。

➢ 统一硬件入口有望强化高频投资陪伴，并连接九方智投控股原有投顾与会员服务，提升客户黏性和商业转化效率。投资者可在同一入口完成看行情、找标的、诊断个 股、接收异动提醒，减少在不同功能之间切换的成本；同时，高频交互所形成的关注方向、使用习惯和投资需求又可沉淀为用户画像，为后续个性化服务和产品匹配 提供信息基础。AI股票机对九方的战略价值不仅包含单纯依靠硬件销售，还通过“硬件入口—高频交互—用户画像—投顾/会员服务”的链条，将前台AI服务转化为持

续客户经营。未来若打通软件端、硬件端与后台客户画像，并实现跨功能自主任务规划，AI股票机有望成为持续投资陪伴型Agent的重要载体。

图表：九方智投控股 AI股票机将既有AI能力整合为统一投资服务入口

数据来源：九方智控公司官网，东吴证券研究所

2.10 C端垂类Agent竞争框架：用户入口×场景深度×数据沉淀×业务闭环

➢ C端金融AI的竞争正转向“能否进入用户持续投资行为”，不同厂商的Agent化程度和路径已经明显分化。同花顺依托问财、量化工具及个性化服务能力，将AI逐步嵌入选

股、分析等高频投资环节；东方财富妙想依托行情、资讯、社区以及证券和基金销售业务，重点打通“信息获取—投资分析—金融服务”链条；财富趋势通达信则依托行情、

技术分析和标准化投资工具，2026年通过智能体广场推动专业能力向多Agent形态演进。相比之下，指南针和九方智投控股目前更多体现为原有证券分析或投顾服务的AI化 升级：指南针侧重题材、盘口、资金和选股等特色工具智能化，九方则在前台投资服务和后台客户运营中嵌入AI，尚未完全形成统一自主执行的Agent体系。

➢ C端Agent的核心壁垒由“用户入口、场景深度、数据沉淀与业务闭环”四个维度共同决定，其中高频交互是连接AI能力与商业价值的关键。用户规模决定Agent的触达基 础，选股、诊股、盯盘、量化和组合分析等场景决定交互频次，持续交互沉淀用户关注、持仓及偏好信息，最终可反哺个性化服务和产品匹配。能够形成"AI服务—高频交

互—用户数据—个性化服务—业务转化"闭环的平台更容易建立长期竞争优势。AI赋能C端的核心价值在于提升客户黏性、提高获客与转化能力，并推动智能投顾等存量业

务增长；Agent阶段则将这种价值从单点功能提升为持续服务。

图表：主要C端金融平台Agent化路径及竞争要素对比

数据来源：公司官网，东吴证券研究所

|通用Agent——广覆盖+金融能力接入|

|---|

3.1 财富趋势：通达信MCP开放金融能力，迈入Agent任务流

• ➢ 通达信通过接入WorkBuddy，将金融数据积累转化为外部通用Agent可直接调用的专业工具。 2026年6月，通达信智能查询MCP正式上架WorkBuddy，共提供10项金 融工具，覆盖行情与估值查询、K线获取、证券代码检索、公司公告、券商研报、财经资讯、宏观数据以及选股、对比分析等任务。用户可在通用Agent中通过自然 语言提出任务，由Agent自动选择并调用相关金融工具获取结构化数据，再完成后续分析与报告生成。相比传统证券软件需要用户在不同功能模块间主动查询，MCP 使通达信的专业金融能力能够脱离原有客户端，直接进入外部Agent的任务执行流程。目前通达信MCP已正式入驻多款主流AI应用，如腾讯WorkBuddy、Trae Work和 豆包等。
• ➢ 对财富趋势而言，MCP开放意味着其产品边界由“证券分析软件和投资工具”延伸至“面向Agent生态的金融能力提供方”。过去通达信的价值主要通过PC端和APP 端产品触达投资者，而在Agent生态下，专业数据和分析工具可以通过WorkBuddy等第三方入口被调用，拓宽金融数据的使用场景和调用频次。

图表：通达信MCP数据底座支撑外接Agent生态

图表：通达信MCP接入多款主流AI应用

数据来源：通达信软件官网，通达信官方微信公众号“通达信趋势财经”，东吴证券研究所

24

3.2 东方财富：妙想Skills，向外部Agent开放专业金融能力

• ➢ 妙想通过Skills体系将东方财富的金融数据与投研能力模块化，推动产品由独立问答工具向开放式金融能力平台升级。 2026年3月，东方财富发布妙想Skills，围绕机构和个人 投资者的高频投研需求形成六大核心能力：智能股票筛选、宏观数据洞察、精准金融数据查询、财经资讯穿透、量化API和妙想问答。其中，智能选股支持财务与技术指标 组合筛选；宏观数据覆盖国内外宏观及高频行业指标；量化API则可通过函数调用方式提供股票、基金、债券等市场数据。
• ➢ 妙想Skills已开始进入外部通用Agent入口，目前明确落地华为小艺Claw和腾讯WorkBuddy。2026年5月，妙想携8项Skills入驻小艺Claw，支持用户通过自然语言完成"看市场、 查数据、做分析、管组合"等连续任务；2026年7月，以技能包形式接入WorkBuddy，发布7项金融Skill，覆盖热点发现、市场搜索、宏观查询、金融数据查询、智能选股、综 合诊股和综合诊基，可衔接报告生成与协同编辑等办公流程。妙想的服务边界正向第三方Agent和更广泛的AI生态扩展。
• ➢ 东方财富开放Skills的战略价值，在于把外部AI入口重新导向自身金融服务生态。 东方财富2025年证券服务收入为125.35亿元，金融电子商务服务收入约31.82亿元，两项合 计占营业收入约97.8%。公司绝大部分收入最终依赖证券交易、基金销售等金融服务场景，用户从“形成投资认知”到“产生交易或基金购买行为”的链路直接关系其商业 价值。妙想Skills进入外部Agent后，用户可通过小艺Claw、WorkBuddy等入口调用东方财富的选股、查数和诊断能力；东方财富借此有机会为后续证券、基金等业务承接用 户需求。

图表：妙想Skills在小艺Claw和WorkBuddy的接入应用

图表：妙想Skills连接通用Agent与投资业务的能力架构

数据来源：妙想官方微信公众号“妙想大模型”，东吴证券研究所 25

3.3 同花顺：API、MCP与Skills构建多层次金融能力开放体系

• ➢ 同花顺正在将iFinD专业金融数据由传统数据库产品升级为可被程序、业务系统和Agent调用的标准化能力。iFinD API定位为iFinD数据库的衍生产品，主要面向掌握Pytho n、Java等开发语言的专业用户和机构，通过SDK或HTTP接口按明确参数调用行情、财务、宏观、高频序列等数据，适用于量化研究、内部系统建设及批量数据处理，核 心用户包括对金融大数据有需求的专业个人和机构，私募等专业投资者较为典型。iFinD MCP则面向AI Agent场景，通过MCP标准协议直接连接iFinD核心数据库，使Agent 能够以自然语言识别任务并自主调用结构化、高时效金融数据，支持标准MCP客户端及本地部署等接入方式。
• ➢ 外部合作开始验证同花顺专业数据从自有终端向通用AI入口分发的路径。 2026年4月，阿里千问“深度研究”新增财经分析模块，并与同花顺合作接入超过1.3万只股票相 关数据以及约100万份上市公司财报、公告等专业内容，用户可直接在通用AI入口完成相关研究。 同时，iFinD MCP已支持Cursor、Trae、阿里百炼、Claude系列、CherryS tudio等MCP客户端。通过API、MCP和Skills扩大专业金融数据的分发范围，iFinD能力既嵌入机构工作流，也进入外部通用Agent入口，提升数据调用频次和产品覆盖范围。

图表：同花顺API—MCP—Skills三层开放体系示意

数据来源：同花顺官方微信公众号，东吴证券研究所

3.4 Wind：AIFin Market构建AI时代金融能力市场，机构客户积累为差异化优势

• ➢ Wind通过AIFin Market将长期积累的金融数据和研究能力向外部AI Agent开放。2026年5月，Wind推出AIFin Market，将其定位为面向AI时代的金融能力平台，外部Agent可 以接入Wind权威金融数据MCP和专业Skills，从而获得专业数据查询、金融计算和研究分析能力。Wind官方将AIFin Market概括为一个开放的金融能力市场，其核心是把原 来沉淀在Wind金融终端中的数据和工具转化为可被其他Agent直接调用的标准化能力。
• ➢ Wind MCP与Skills承担不同层次的开放功能：MCP解决专业数据和工具调用，Skills则组合具体金融研究任务。Wind MCP可以使Agent调用Wind底层专业金融数据和相关计 算工具，例如可以通过MCP完成估值分析等任务；Skills则将数据、工具与研究流程组合起来，使Agent能够按更完整的金融方法完成分析，而不只是返回单个指标或数据结 果。Wind在官方材料中明确表示，用户的AI Agent可以接入"Wind权威数据MCP与严选Skills"，表明公司正在由传统金融数据终端向"数据+工具+研究能力"的AI开放平台延 伸。
• ➢ 与同花顺、东方财富相比，Wind的开放路径更突出机构级金融数据和专业投研工作流。Wind长期服务券商、基金、银行、保险等机构客户，其优势不仅在于金融数据覆盖， 还包括估值、信用研究、宏观分析及机构研究流程的沉淀。因此AIFin Market的意义在于让外部Agent在不进入Wind原有终端的情况下，也能够调用Wind的数据与研究能力。 这种开放模式有助于Wind由"终端内工作流工具"延伸为"机构Agent的专业能力供应方"，在AI入口逐渐分散的背景下继续维持其数据和研究能力的使用频次。Wind官方目前

也已明确支持外部AI Agent一键接入其MCP和Skills体系。

图表：Wind开放金融数据与研究能力的应用路径

3.5 通用Agent进入金融投研：标准能力外接与机构私域定制

• ➢ 通用Agent具备较强的推理、搜索和任务规划能力，但金融投研对实时行情、财务数据、公告研报及可追溯信息要求较高，因此仅依赖通用模型自身知识难以满足专业场景 需求。 过往报告已经指出，通用模型在金融领域面临专业数据不足、实时性和精确性不足等问题，而金融垂类模型的优势主要来自专业知识、针对性解决方案以及更高的准 确性和合规性。随着MCP、Skills和专业数据库接口逐步成熟，通用Agent可以通过外接专业金融能力或结合机构私域数据进行定制进入金融投研领域。

✓ 路径一：通用Agent通过接入专业金融数据库、MCP或Skills，可以直接获得实时金融数据和专业分析工具。2026年4月，阿里千问“深度研究”新增财经分析模块，通过 与同花顺合作接入超过1.3万只股票的分钟级实时行情，并整合约100万份上市公司财报、公告及机构研报，用户可直接基于自然语言完成公司概况、财务、估值、竞品和 风险等多维分析。 Kimi也已接入同花顺iFinD、Yahoo Finance等专业金融数据库，使模型能够在分析过程中自动调用股票数据和财报数据库。与此同时，通达信MCP、东 方财富妙想Skills、同花顺iFinD MCP及Wind AIFin Market也均在将原本沉淀于金融终端中的数据和分析能力转化为外部Agent可调用的标准化能力。

✓ 路径二：金融机构也可以直接以DeepSeek、千问、豆包等通用模型为底座，结合内部数据库、知识库和业务系统构建专属Agent。这种方式主要面向券商、银行、保险等B 端机构，其核心并不是让员工直接使用公开版模型，而是通过本地化部署、RAG、模型微调及工具调用，将通用模型与机构自身研究数据、客户数据和业务流程结合。截 至2025年3月已有超20家券商完成DeepSeek-R1本地化部署，2026年4月DeepSeek-V4发布后多家头部券商已完成升级，覆盖智能问答、行业研究、投顾、风控和机构服务等 场景；华泰证券、国泰海通、广发证券、中金公司、招商证券等均已形成不同程度的部署和应用；建设银行也公开确认已完成基于DeepSeek-R1的内部金融大模型私有化部 署。

图表：通用大模型接入专业金融领域的应用路径

|B端vs C端——Agent应用的分化与融合|

|---|

• ➢ B 端金融 Agent 的核心逻辑是实现投研效能跃迁，金融机构在模型能力、数据安全与业务适配需求推动下，逐步构建从开源大模型到机构 Agent 本地化部署。 在金融机 构使用中，直接调用公有大模型接口难以兼顾成本、数据保密与业务适配的多重约束，开源大模型凭借低成本、支持私有化改造等优势，成为机构搭建智能化能力的重 要技术基础。同时，金融行业涉及大量持仓、尽调、风控指标等高度敏感内部数据，机构通常需要结合本地化部署方式保障数据安全与合规底线，将模型运行环境与内 部数据体系、业务系统进行融合，为后续 Agent 应用落地提供基础。
• ➢ 基于模型能力与部署基础，金融 Agent 进一步向产品化方向演进，逐步形成标准化 Agent 与定制化 Agent 两类发展路径。 标准化 Agent 主要面向金融机构共性需求，将 模型能力封装为可快速复制的智能工具，实现信息检索、数据分析、报告生成等高频任务自动化；定制化 Agent 则围绕机构自身业务流程、数据体系和专业需求进行深 度适配，针对投研、风控等复杂场景提供专属智能化解决方案。通过不同形态 Agent 在机构内部的应用，智能体能够承接重复性、机械性工作，释放分析师精力，使其 更多聚焦逻辑研判与投资决策，推动 B 端投研模式向智能化方向升级。

图表：B端金融 Agent 产品化与落地路径

标准化 Agent

通用能力快速复制，满足高 频共性需求

开源大模型 Agent产品化 机构本地化部署

开源、低成本、可私有化 模型能力封装，形成可调用智能体 数据安全与合规

定制化 Agent

深度适配机构流程与业务体 系

数据来源：中国信通院《企业级智能体技术与应用研究报告（2026年）》，东吴证券研究所

➢ Agent通过大模型、工具调用、任务规划、记忆四大核心模块协同，实现从对话式工具向任务自主执行的跃迁。大模型承担推理与内容生成，工具调用依托MCP、API

等标准化接口打通外部数据与业务服务，任务规划完成复杂目标拆解与执行步骤编排，记忆模块沉淀短期上下文与长期任务经验，支撑多轮任务持续迭代优化。四大模 块协同之下，Agent可自动完成数据检索、信息整理、对比制表、纪要撰写、报告输出部分工作。对于金融投研场景，这代表研究员大量机械重复的基础性工作可交由 智能体自动处理，人力得以释放，更多聚焦逻辑研判、观点输出与客户服务，推动机构投研工作模式发生重构。

➢ B端客户为效率付费的意愿强，但决策周期长。①效率提升带动付费意愿。Agent 能够将数据查询、资料梳理、报告编制等投研工作的耗时大幅压缩，机构相关预算充足，

愿意为智能体提升投研效率、降低重复性工作成本付费。②机构采购周期较长。机构采购通常需要经过合规审查、数据安全评估、内部系统对接等多道环节，单家机构

决策周期通常按季度计算，产品能否进入采购名单取决于数据质量、接口标准以及与现有系统的兼容性。B端Agent率先完成场景验证，进入机构采购清单的厂商，更易 取得先发优势。

大模型 （推理与生成）

图表：Agent核心逻辑——从对话工具到自主执行

工具调用 （MCP/API）

任务规划 （拆解与编排）

记忆 （短期与长期）

自主执行 （端到端闭环）

资料来源：阿里云官网，东吴证券研究所 31

➢ 同花顺以投研智能体提升研究流程效率，并通过 MCP+Skills 体系推动专业金融数据能力开放，构建可扩展的智能投研生态。

✓ 原生投研智能体提升机构研究效率。2026年1月，iFinD投研智能体已形成稳定的机构使用规模，日均使用人数约1,000人，覆盖130个细分行业、股债基等7大核心资产。 在实际投研工作中，借助智能体完成单家上市公司初步研究仅需15分钟，对比传统人工模式约3天的工作量，效率提升突出——原本需要研究员跨终端翻数据、写底稿的 重复劳动，被压缩为“自然语言指令+结构化结果交付”。

✓ MCP+Skills体系推动投研能力开放与生态扩展。2026年3月，同花顺正式发布iFinD MCP与配套Skills技能包，构建了面向AI Agent的标准化金融数据接口，目前已覆盖股 票、基金、债券、期货期权、港美股、宏观、指数板块、新闻公告八大类别，全面对接机构投资者日常投研、风控、舆情监测等场景。2026年8月，iFinD MCP先后在 TRAE Work、腾讯WorkBuddy等多家智能体工作台插件市场上架，使机构用户可在日常AI工作环境中直接调用iFinD专业金融数据资源，打破了“专业数据必须切换至专 业终端”的使用壁垒，将投研智能体的适用范围从iFinD终端内部拓展至更广泛的AI生态。

图表：同花顺投研智能体关键指标

图表：同花顺投研智能体发展时间线

2026年1月

2026年3月

2026年8月

2026年8月

iFind系列skill 上架WorkBuddy

iFinD投研智能体

iFinD MCP 与Skills推出

iFind MCP 上架Trae Work

数据来源：同花顺官网，同花顺公司公告，新浪财经，东吴证券研究所

➢ 恒生电子重点通过大模型能力提升投研流程中的信息处理与内容生成效率，并围绕核心业务场景构建智能化应用体系。

✓ 原生WarrenQ：B端智能投研落地最早案例之一。WarrenQ是恒生聚源2023年6月推出的智能投研平台，配套自研金融大模型LightGPT构建底层能力。2024年9月WarrenQ 2.0发

布，在Chat、ChatMiner、AI写作三大经典功能上精准度与完成度全面提升，并新增会议助手、脱水研报、政策比对三大新功能；2025年2月完成DeepSeek大模型全面接入。依

托恒生聚源覆盖股债基市场20余年的全量结构化数据，WarrenQ已与近百家金融机构建立合作、平台注册用户超10,000人，涵盖券商、银行、期货、基金、信托等全牌照机构。

✓ 大模型赋能投研效率跃迁。基于千亿级金融训练数据与DeepSeek深度推理能力，WarrenQ能够针对投研工作中信息提取、内容撰写等耗时环节形成有力支撑——演示场景下可 实现5分钟生成万字投研报告（含整体逻辑框架与分段撰写），10分钟完成多场长时会议要点梳理。智能化应用体系覆盖投研、投顾、投资三大核心业务场景，通过自动化处 理大量重复性事务，释放研究员精力聚焦深度研判，体现了B端投研Agent重塑传统投研工作模式的核心逻辑。

✓ 恒生“光子”系列生态延伸。恒生电子围绕LightGPT打造“光子”金融智能助手矩阵——光子·文曲（投顾）、光子·方圆（合规）、光子·善策（运营）、光子·慧营（交易） 等系列产品，与WarrenQ共同构成“底层大模型+垂直投研平台+业务场景助手”的三层AI赋能体系，覆盖金融机构前中后台的智能化升级需求。

图表：WarrenQ关键指标

图表：WarrenQ发展时间线

2023年6月

2024年9月

2025年2月

全面接入DeepSeek 与近百家机构合作、

全新升级的智能投研平台 WarrenQ与自研模型 LightGPT发布

数贸会发布升级版 WarrenQ 2.0

注册超1万人

数据来源：恒生聚源官网，中国证券网， 36 氪，东吴证券研究所

➢ Wind Alice依托万得金融数据底座，通过AI Agent提升复杂投研任务处理效率，推动传统投研工作模式重塑。

✓ 从对话助手到自主Agent的产品迭代。Wind Alice的演进路径清晰呈现金融AI从“单点问答”走向“复杂任务处理”的发展逻辑：2023年9月Alice正式上线完成终端原生AI能

力初步落地；2024年12月Alice Advisor推出，向投顾场景拓展；2025年7月Alice Agent正式发布，产品从“对话助手”升级为具备任务拆解能力的自主智能体；2026年3月

WindClaw与Alice27陆续发布强化工具调用与模型基础能力；2026年5月AIFin Market正式推出，万得首席战略官将此次升级定位为“从金融数据终端向所有Agent的能力底座 转型”——以MCP+Skills形式首次将26年金融数据底蕴面向所有AI开放。

✓ AI Agent重塑B端投研工作模式。依托万得海量标准化金融数据底座，Alice针对信用研究、深度行业研判等耗时长、重复性强的投研环节实现效率大幅优化。通过承接大量 机械性研究工作，让从业人员把更多精力投入到价值判断与深度逻辑推演之中，体现B端投研Agent重塑传统投研工作模式的核心逻辑。

✓ 多入口矩阵与个人版开放。万得围绕Wind Alice构建多入口产品矩阵——Wind Alice（旗舰Agent）/ WindClaw（极客产品）/ AB1（年轻人投资）/ AIFin Market（Agent数据 服务），所有入口共用统一积分系统。AIFin Market首批严选Skills覆盖DCF估值模型、季度财报点评、盘后复盘、个股投资逻辑、巴菲特价值投资框架、上市公司一页纸报 告、信用分析、可比公司分析等完整投研工作流。2026年3月Wind Alice个人版首次将机构级能力开放给个人用户，并接入微信ClawBot与WorkBuddy等智能体工作台，使专 业金融数据能力触达更广泛用户群体，“数据平权”理念加速落地。

图表：Alice 关键指标

图表：Alice 发展时间线

2023年9月

2024年12月

2025年7月

2026年3月

2026年3月 2026年5月

Alice Agent 推出

WindClaw 推出

Alice27推出 AIFin Market 推出

Alice Advisor推出

Wind Alice 正式上线

数据来源：wind官网，wind官方网易号，经济参考网，东吴证券研究所

• ➢ C端Agent化的本质，是投资服务的下沉与普惠。从“信息获取”到“决策辅助”再到“自主陪伴”，散户不再需要自己懂财务、看K线、盯盘，Agent代劳。信息获取 环节，智能体可以简化查询流程，只需要和智能体对话就可以得到专业流程化的数据查询。决策辅助环节，AI诊股、选股、盯盘把专业投研能力以极低边际成本向个人 开放。自主陪伴环节，可成长Agent与硬件终端提供全天候服务，一个有专业投研能力的智能体是每个人都可以拥有的资产。
• ➢ C端付费意愿弱但用户基数大，商业模式的关键在于通过“免费引流→增值转化”实现用户规模与商业价值的结合。①免费基础能力扩大用户规模。 与 B 端为效率付费 不同，C 端的用户规模决定 C 端的商业模式，用户基数广阔，但普遍付费意愿偏弱，纯付费会员模式难以快速规模化。因此 C 端商业化可行路径核心在于以基础免费能 力作为流量入口完成大众用户引流，降低普通投资者的使用门槛，持续培育用户使用习惯。②分层增值服务推动付费转化。 在基础免费能力之上搭建分层增值服务体系， 依托高阶数据权限、复杂量化测算、深度研究智能体、专业报告生成等差异化功能实现付费转化。依靠免费应用扩大用户规模，再通过需求分层精准挖掘高价值专业个 人投资者，完成流量向收入的持续转化，构成当前金融智能体 C 端商业模式的核心逻辑。

图表：C端Agent演进路径——从信息获取到自主陪伴

信息获取（工具化）

问财智能体：自然语言选股、诊股、策略验证

决策辅助（产品化）

AI股票机、Lumi等：诊股、选股、盯盘、学习

自主陪伴（智能化）

可成长Agent与硬件终端：智能体协同、全天候陪伴

数据来源：同花顺公司公告，问财官网，九方智投控股官网，东吴证券研究所

➢ 同花顺：依托自身海量C端用户基础，以问财大模型为核心持续迭代金融AI能力，推动产品从通用大模型向金融智能Agent演进。

✓ 从HithinkGPT到金融智能体的产品迭代。同花顺自2019年启动“ALL IN AI”战略，2024年初推出金融垂类大模型HithinkGPT搭建基座，初步落地AI投研问答；2025年完成

多模态基座升级与智能体架构优化，拓展图文理解、复杂任务拆解能力；2026年问财升级为金融智能体，搭载Omni端到端交互、全双工实时响应对话能力，强化自然语言深 度理解与投资决策逻辑推理，覆盖选股、诊股、资产配置等全投资生命周期。2026年公司进一步推出问财可成长Agent，标志着从“工具型产品”向“能够自主规划、执行 投研任务的智能体”方向迭代。

✓ C端用户生态推动普惠投研与商业转化。同花顺依托庞大C端用户基础，以免费AI投研服务承接广泛普通投资者，将机构端的选股、回测、风控能力向C端用户开放——为后

续增值付费转化奠定流量基础。问财能力完整覆盖选股、诊股、策略验证、组合分析、风险管理等投资全链路，配套SuperMind量化平台与量化实验室把高门槛量化策略工

具开放给个人。平台依靠免费AI工具完成用户引流、通过高阶增值服务实现商业转化，验证大模型赋能C端普惠投研的路径。C端问财AI已开始阶梯收费，标志着AI变现路 径正式打通。

✓ 产品矩阵与开放生态。2026年同花顺AI布局加速：①推出问财SkillHub（AISkills社区），提供专业级金融Skills供投资者与开发者即插即用；②与阿里千问合作打造“千问财 经AI分析师”，接入超1.3万只股票分钟级实时行情数据，整合约100万份上市公司财报/公告/权威机构研报；③iFinD MCP为OpenClaw等智能体匹配专业金融数据；④推出同

创智能体平台（Agent Studio），以低代码方式帮助机构客户高效落地AI能力。形成“通用大模型+金融垂类基座+多场景Agent”的三层AI赋能体系。

图表：同花顺C端产品核心指标

图表：同花顺C端产品发展时间线

2024年

2025年

2026年

2026年

HithinkGPT发布， 问财大模型基座

同花顺问财 可成长Agent

问财多模态基座+ 智能体架构优化

问财升级为金融智能体 （Omni交互）

数据来源：易观千帆，同花顺公司公告，新浪财经，问财官网，SuperMind官网，东吴证券研究所

➢ 九方智投控股：C端金融AI的核心逻辑在于投资平权与普惠，将机构级投研工具下沉至个人投资者，硬件终端是落地该逻辑的重要载体。

✓ AI股票机成为C端智能投研服务的重要载体。九方智投以AI股票机作为C端硬件入口，历经两年三度迭代构建完整进化：2024年7月业内首款AI股票机“易知股道”启航版 发布，开创国内AI投顾硬件全新品类；2025年迭代AI灵犀V3.0大模型助手，搭建配套大模型服务；2026年7月AI股票机累计销量突破20万台，同期发布“智航版”——搭载

自研九章证券大模型+DeepSeek双模型驱动，将AI诊股/AI筛选/AI盯盘/AI学练/AI问答/AI语音助手六大核心功能整合为覆盖全链路的投资辅助系统。

✓ 硬件终端推动机构化投研能力向C端普惠输出。依托硬件载体，普通投资者得以低成本获取AI辅助选股/诊股/盯盘/学练/分析等能力，实现机构化投研能力向C端用户的普惠 输出。

✓ 全栈AI体系支撑产品持续迭代。九方智投已搭建“基础设施—AI产品服务—用户终端”三层全栈AI体系——底层为自研九章证券大模型+高质量金融数据基座（决定AI能力 高度与深度），中层以“小九管家+灵犀Claw”智能体为统一服务入口，顶层即AI股票机硬件终端。在用户认可度上，2025年AI终端产品收入约2.4亿元，2024年付费用户 同比增长149.4%，2025年同比增长59.5%——“硬件终端+大模型+系统化投教+全天候陪伴”全闭环智能投顾体系持续验证商业化路径。

图表：九方智投控股AI产品核心指标

图表：九方智投控股AI产品发展时间线

2024年7月

2025年

2026年7月

累计销量突破20万台，

AI股票机首发

AI灵犀V3.0， 服务2258万次

智航版发布（六大AI能力）

数据来源：九方智投公司官网，中国证券网，新浪财经，九方智投公司公告，东吴证券研究所

➢ 财富趋势：通过开放用户自建Agent生态，降低个人投资者搭建智能体门槛，推动C端投资工具向普惠化与智能化方向演进。

✓ 从问小达到智能体广场的产品迭代。通达信的AI演进路径清晰呈现“对话助手→数据接口→Agent平台”的完整链路：2024年自研TendencyGPT金融大模型完成网信备案， 上线C端对话AI产品问小达V2.0，夯实AI底层能力；2026年6月智能体广场正式上线，面向个人投资者提供Agent投研平台；同月开放MCP金融数据通道并接入WorkBuddy智 能投研助手，金融数据与智能体生态的连接能力进一步延展。

✓ 开放Agent创建能力，降低个人用户搭建门槛。平台以MCP底座承载10项金融数据工具，上线10个官方Agent——覆盖选股、诊股、资金追踪、热点捕捉、技术分析、估值评 估、风控预警等全链路投研场景；同时支持普通C端用户自主创建智能体，将行情、K线、公告、研报等专业能力封装为可复用模块，个人用户无需编程基础即可搭建专属 投研智能体，实现从“信息获取”到“AI辅助投资决策”的能力升级。依托通达信30年金融数据积累，AI产出与终端行情同源同步，保障投研结论的时效性与可靠性。

✓ 从信息服务向AI自主陪伴演进。通达信C端用户基础为智能体广泛触达提供支撑，平台依托免费Agent能力完成用户引流，再通过积分套餐与高阶功能实现增值转化；配合

TdxClaw桌面投研工具与Skills广场，构建“对话助手—智能体广场—MCP开放—桌面Agent”完整产品矩阵，探索从信息服务向AI自主陪伴演进的产品逻辑。

图表：通达信Agent广场核心指标

图表：通达信Agent广场发展时间线

2024年

2026年6月

2026年6月

TendencyGPT 金融大模型 完成网信备案，问小达 V2.0 上线

通达信智能体广场正式 上线（三层架构）

MCP数据通道开放， 接入WorkBuddy智能投 研助手

数据来源：通达信官网，财富趋势公司公告，新浪财经，东吴证券研究所

4.3 融合趋势：数据底座统一+场景分化

• ➢ 虽然B端与C端场景存在差异，但MCP与Skills已逐步成为连接数据、工具能力与垂类Agent的通用标准。 ①MCP与Skills推动金融能力从封闭终端向开放生态迁移。MCP与 Skills本质是将金融数据、模型能力和业务工具封装为标准化接口，使不同Agent能够按需调用金融能力。各类数据拥有者加速推进接口开放：2026年3月同花顺推出iFinD MCP，东方财富发布妙想Skills，5月万得AIFin Market对外开放，6月通达信上线MCP数据通道，行情查询、投研分析等能力逐步通过标准接口向外部Agent开放。同花顺通 过iFinD MCP服务B+C端，打通金融智能体服务链路，推动金融数据标准化开放。②统一数据底座推动通用能力向垂类Agent演进。MCP/Skills解决的是数据与工具的调用问 题，投研、投顾、风控等垂类Agent则在此之上将通用能力转化为具体业务价值，二者分工明确、相互依存。
• ➢ B端卖效率、C端卖体验两条路径逐渐清晰，长期B端和C端形成数据飞轮协同发展。 ①B端Agent提升效率。面向机构客户，投研、风控、量化等垂类Agent能够承接资料整 理、数据回测、报告生成等重复性工作，提高研究效率并降低运营成本，且因机构具备专业数据积累和明确业务需求，B端Agent更强调场景深度与业务闭环。②C端Agent 卖体验。面向个人投资者，智能选股、投资问答、行情解读等应用通过降低专业工具使用门槛，扩大AI投资服务覆盖范围；由于C端用户规模大但付费意愿相对较弱，商业 模式更依赖免费能力引流，再通过高阶功能实现增值转化。③B端与C端形成数据飞轮，推动Agent能力持续迭代。C端用户行为数据反哺模型训练，使智能助手更贴近用户 需求；B端机构客户沉淀的专业数据和业务反馈则进一步提升垂类Agent能力，两端数据相互增强，推动金融Agent从单一工具向智能服务体系演进。

图表：B+C端数据飞轮

图表：MCP/Skills连接金融能力与Agent应用

C端用户行为数据

训练与优化模型

金融数据、工具能力 接口 金融场景Agent

B端Agent更智能 投研/风控/舆情提效

C端体验更好

B+C

问财/AI股票机等

同花顺iFinD MCP

数据飞轮

• B端：投研/风控/舆情
• C端：问财/AI股票机 办公与终端场景

MCP/Skills

万得AIFin Market 通达信MCP 东方财富妙想Skills

通用接口标准

机构客户反哺数据 沉淀专业语料

数据来源： Wind官方网易号，通达信官网，同花顺官网，东方财富官网，新浪财经，东吴证券研究所整理

|Agent时代竞争格局——四类玩家的资源禀赋对比|

|---|

5.1. 数据拥有者：同花顺/万得/东方财富的MCP开放之争

• ➢ 数据是Agent的基础，数据拥有者之间的竞争已从终端内的封闭服务转向生态的开放服务，2026年以来三家数据巨头几乎同步把数据能力封装为MCP/Skills标准接口， 金融数据以标准接口对外开放已成为行业标配。①同花顺率先推动数据能力开放。 同花顺于 2026 年 3 月推出 iFinD MCP 并上架 Trae 插件市场，背后是 C 端流量与 B 端数 据双轮驱动。2026年1月问财以 3875 万月活位居证券类 App 第一，截至2026年1月iFinD 投研智能体日均约 1000 名投研人员使用，15 分钟即可完成一家公司初研。②万得 依托成熟机构工作流推进生态开放。 万得先强化终端、再开放，从 2024 年 8 月 Alice 上线，到 2026 年 3 月发布 Wind Alice 个人版，经过两年的终端强化，2026 年 5 月 AIFin Market 以 MCP+Skills 面向开发者开放，守的是一套成熟的机构工作流。③东方财富通过 Skills 补充分析到决策链路。 东方财富开放妙想 Skills，2025 年 3 月妙想大 模型向所有用户开放，2026 年 3 月将机构投资者高频的六大核心场景封装为开箱即用的专业技能，补充分析到决策的断层，守的是“认知与交易之间的连接”。
• ➢ 数据壁垒决定下限，开放策略决定上限。①数据底座构成核心竞争壁垒。 扎实的金融数据底座构成核心底层壁垒，完整、高质量的行情、公告、研报、基本面数据集，是 金融 Agent 输出可靠结果的基础，决定产品能力的底线。②开放生态释放数据价值。 仅依靠数据资源不足以释放全部价值，开放策略则打开成长天花板。通过 MCP 这类 标准化协议向外输出数据工具，对内赋能自有 C 端智能体平台，对外对接外部大模型与 Agent 生态，把静态数据转化为可被各类智能体调用的动态能力。手握数据的机构， 既需要守住数据质量的基本盘，也需要选择合适的开放模式，才能把数据资源转化为投研 Agent 时代的竞争优势。

图表：三大数据公司的MCP开放对比

数据来源：wind官网，同花顺官网，新浪财经，东方财富官网，东吴证券研究所 41

5.2. 场景拥有者：九方智投控股/财富趋势的Agent落地之争

➢ 九方智投与财富趋势代表 C 端金融 Agent 两条差异化落地路径。九方智投采用硬件 + SaaS 模式，截至2026年7月AI 股票机累计销量达 20 万台，依托硬件入口带动云端

AI 灵犀服务，2025年累计交互 2258 万次，2026 年 7 月智航版完成六大 AI 能力升级，形成硬件载体叠加投顾服务的业务闭环。财富趋势立足于成熟金融终端，上线智能 体广场，推出 10 个官方 Agent 与多套数据工具，接入 WorkBuddy 智能投研生态，依靠长期沉淀的行情数据底座与机构客户资源构建自身竞争优势。

➢ 场景渗透深度决定 Agent 落地效果，不同数据拥有者基于自身资源禀赋形成差异化发展路径。 ①九方智投采用“硬件+SaaS”模式。以 AI 股票机作为用户触达入口，将

AI 灵犀 SaaS 服务与硬件载体结合，把智能投研能力嵌入用户日常投资场景，形成硬件入口与云端服务协同的业务闭环。②财富趋势则依托成熟金融终端体系。围绕智能 体广场布局官方 Agent 与数据工具，通过长期沉淀的行情数据底座和机构客户资源，将智能化能力融入原有金融终端生态。两家公司分别基于硬件入口与金融终端生态推 进 Agent 落地，探索数据资源向智能服务能力转化的不同路径。

图表：九方智投控股AI应用核心指标（万台/百万次） 图表：两家场景拥有者对比

数据来源： 九方智投控股官网，财富趋势公司官网，通达信智能体广场，中国证券网，东吴证券研究所 42

5.3. 模型拥有者：通用大模型（豆包/DeepSeek/通义/智谱）的金融化之路

• ➢ 通用大模型依托海量用户基础、模型能力与开放生态，加速向金融场景渗透，但不同商业模式决定其用户结构与金融化路径。 豆包、通义千问、DeepSeek月活人数分别达到 3.82 亿、1.67 亿、1.30 亿（ 2026 年 6 月），用户规模显著高于金融垂类应用，对比同花顺 3868万月活（ 2026 年 7 月）存在明显量级差距。通用大模型凭借强大的 C 端触达 能力，能够快速积累用户规模，但其天然缺少行情、研报、交易等金融专业数据，自身难以独立完成金融 Agent 闭环。2026年6月智谱清言月活约 0.05 亿，主要由于其商业模 式更偏向 B 端企业服务，通过向机构提供模型能力、技术服务和行业解决方案实现商业化，而非依赖 C 端用户规模。
• ➢ 不同模型拥有者依托自身资源禀赋，形成差异化金融化路径。①DeepSeek： 凭借开源、低成本优势，成为金融机构本地化部署的重要选择，满足数据安全与合规要求，推动 银行、券商等机构探索投研、知识库等内部应用，恒生聚源 WarrenQ 已完成接入。②通义千问： 依托阿里云生态和企业服务能力，通过云服务输出大模型能力，与金融机构 共建垂直场景，参与建设中国银联金融支付领域大模型，工商银行、建设银行等机构接入阿里云 AI。③智谱： 聚焦企业级模型服务，通过 GLM 系列模型能力输出与金融机 构合作探索行业应用，与邮储银行围绕风险管理、营销运营、客户服务等领域推进大模型应用落地。④豆包： 依托字节跳动生态和庞大 C 端用户基础，通过 AI 助手入口触达 大众用户，并逐步向金融问答、信息服务等场景延伸，探索流量向金融服务价值转化。
• ➢ 通用模型不会取代金融垂类，但会分流C端浅层需求。模型拥有者提供的是底层能力而不是解决方案，模型能力再强也缺少专业数据，通过MCP接入金融数据是必然路径，与 数据、场景拥有者的协同深度将决定其金融化上限。

图表：三大模型金融化路径对比

图表：AI原生App月活对比（2026年6月，亿人）

|3.82

1.67

1.3

0.05 0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

豆包 通义千问 Deepseek 智谱清言|

|---|

数据来源： QuestMobile《2026年AI应用市场发展半年报》 ，财联社，东吴证券研究所

5.4. 平台拥有者：WorkBuddy等通用Agent平台的金融能力集成

• ➢ 平台拥有者不做数据与模型，而是把金融能力集成进通用Agent生态，实现一次接入、全网分发，金融能力提供方无需自建用户入口，即可触达办公、手机与智能硬件 等广泛场景。WorkBuddy已接入通达信、同花顺、恒生聚源三家MCP，成为“金融能力超市”，与通达信打通11项金融数据工具，AI不会乱编数据只使用终端数据， 用户无需打开多个金融APP，在一个Agent平台内即可完成全部投研操作。
• ➢ 平台型Agent是数据拥有者的最大客户，也是最大威胁。①平台型 Agent 打开数据商业化新场景。 平台型 Agent 生态打开了全新的数据调用场景，智能体大量的查询、 计算、筛选需求，会直接拉动数据接口的调用量，为同花顺、恒生聚源这类数据厂商带来新的商业化出口，拓展额外的收入来源。②平台型 Agent 可能削弱传统金融终端 优势。 当 MCP 协议实现标准化之后，平台 Agent 可以同时接入多家不同厂商的 MCP 数据源，用户不再需要打开各家独立终端完成投研工作，传统金融终端的用户粘性

会被显著削弱。数据厂商可能被压缩成单纯的数据供给方，只保留底层数据库价值，面向终端用户的产品话语权、流量入口将被平台型 Agent 抢夺，厂商容易变为背后的

底层供应商，失去直面 C 端、机构终端用户的能力。

图表：金融能力的集成与分发链路

金融能力提供方

同花顺iFinD MCP、通达信MCP、恒生聚源MCP

分发平台 WorkBuddy

终端用户 办公、手机、智能硬件

图表：金融数据MCP接入时间

2026年3月

2026年6月

2026年7月

同花顺iFinD MCP

通达信MCP

恒生聚源MCP

数据来源：同花顺官网，通达信官网，恒生聚源官网，财富趋势公司公告，东吴证券研究所 44

|投资建议|

|---|

• ➢ 金融Agent发展推动数据、场景、平台与生态多维价值释放。①数据拥有者：同花顺依托iFinD金融数据积累，通过MCP等方式开放金融数据能力，推动数据资源向Agent 应用延伸；东方财富基于Choice金融数据体系，通过妙想Skills探索数据与投研能力开放，为金融智能体应用提供数据支撑。②场景拥有者：九方智投控股围绕AI股票机 与投顾服务场景，将AI能力与硬件终端、SaaS服务结合，持续拓展智能化投资服务；同花顺依托问财等投资服务入口，将AI能力应用于选股、投研分析等场景；指南针 结合证券服务经验，探索AI工具在投资服务中的应用。③平台受益者：同花顺依托金融终端和用户服务体系，推动数据、工具与AI应用连接；东方财富基于金融服务入 口，持续推进AI功能与业务场景结合；财富趋势依托通达信终端体系，探索Agent能力在金融终端中的应用。④生态参与者：同花顺通过开放数据接口和工具能力，推动 金融AI应用生态建设；东方财富依托妙想Skills等能力开放方式，促进金融能力向更多应用场景延伸；指南针结合自身投顾服务体系，探索AI能力与金融服务生态融合。
• ➢ 我们认为，具备较大金融数据基础、较好应用场景入口与较成熟AI技术运用经验的金融科技企业将持续受益。 此类公司已积累覆盖行情/财务/公告/研报的多维金融数据 底座，构建了高粘性C端用户入口与B端机构服务能力，并通过MCP/Skills等标准接口将数据与工具能力向Agent应用开放，数据、场景与技术形成正向循环。我们推荐 【同花顺】（依托iFinD金融数据与问财用户入口，推动MCP开放与智能体广场建设，数据+场景+生态三重禀赋）、【东方财富】（基于Choice金融数据体系，通过妙想 Skills探索数据与投研能力开放，连接证券与基金业务生态）。
• ➢ 我们认为，业务延伸与流量变现路径清晰、AI技术研发投入充分、用户体量与质量兼具、业务毛利率较高且具可持续性的新星互联网金融企业，有望在业务阶段推进后 构建业务闭环，业绩表现预计持续向好。 此类企业围绕垂直场景（投顾、量化、工具型服务等）形成差异化壁垒，依托AI能力与硬件/终端载体打通投研-决策-陪伴-交易 的服务闭环，盈利质量与用户黏性持续提升。我们推荐【九方智投控股】（以AI股票机硬件入口+SaaS投顾服务构建差异化能力，AI灵犀服务量与付费用户高速增长）、 【指南针】（依托题材/盘口/资金等特色工具与麦高证券协同，投顾服务场景AI化），建议关注【财富趋势】（依托通达信终端生态与智能体广场，推动MCP对外开放， 从数据终端向Agent能力提供方演进）。

图表：五家公司盈利预测表（截至2026年8月27日收盘）

资料来源：Wind，东吴证券研究所 注：表中所用东方财富、同花顺、指南针、九方智投控股所用预期值均为东吴证券研究所非银组预测值；财富趋势所用预期值为Wind2026年8月27日一致预期； 九方智投控股总市值、收盘价单位为港元， EPS单位为港元/股，若无特殊注明，相关数据货币单位均为人民币，截至2026年8月27日港元汇率为0.87。

|风险提示|

|---|

7. 风险提示

• 1. 监管环境趋严：投顾行业合规监管收紧，可能影响Agent产品推广节奏。
• 2. 技术迭代不及预期：Agent自主执行能力仍有限，复杂金融任务可能需要较长时间才能成熟。
• 3. 数据安全风险：MCP开放数据接口可能带来数据泄露和滥用风险。
• 4. 权益市场波动：市场交投活跃度直接影响C端agent使用频次和B端付费意愿。
• 5. 商业化进度不及预期：Agent产品大多处于免费体验阶段，付费转化路径尚不清晰。

免责声明

东吴证券股份有限公司(以下简称“本公司”)经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

本研究报告仅供符合中国证监会《证券期货投资者适当性管理办法》规定的专业投资者使用，且接收人须为本公司认定并建立服务关系的专业机构投资者使用，本公司不会因接收人收到本报告而视其为客户。在任何情况下，本报告 中的信息或所表述的意见并不构成对任何人的投资建议，本公司及作者不对任何人因使用本报告中的内容所导致的任何后果负任何责任。本报告不面向普通投资者发布或传播。任何非专业机构投资者收到本报告后，应立即退回并销 毁，不得依据本报告内容做出任何投资决策。

在法律许可的情况下，东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。 市场有风险，投资需谨慎。本报告是基于本公司分析师认为可靠且已公开的信息，本公司力求但不保证这些信息的准确性和完整性，也不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、

意见及推测不一致的报告。

本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。经授权刊载、转发本报告或者摘要的，应当注明出处为东吴证券研究所，并注明本报告发布人和发布日期，提示使用本报告的风

险，且不得对本报告进行有悖原意的引用、删节和修改。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。 东吴证券投资评级标准

投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力相对基准表现的预期（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数，新三板基准指数为三板成指（针对协议 转让标的）或三板做市指数（针对做市转让标的），北交所基准指数为北证50指数），具体如下： 公司投资评级： 买入：预期未来6个月个股涨跌幅相对基准在15%以上；

增持：预期未来6个月个股涨跌幅相对基准介于5%与15%之间；

中性：预期未来 6个月个股涨跌幅相对基准介于-5%与5%之间； 减持：预期未来 6个月个股涨跌幅相对基准介于-15%与-5%之间； 卖出：预期未来 6个月个股涨跌幅相对基准在-15%以下。 行业投资评级： 增持： 预期未来6个月内，行业指数相对强于基准5%以上；

中性： 预期未来6个月内，行业指数相对基准-5%与5%；

减持： 预期未来6个月内，行业指数相对弱于基准5%以上。

我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议。投资者买入或者卖出证券的决定应当充分考虑自身特定状况，如具体投资目的、财务状况以及特定 需求等，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。

东吴证券研究所 苏州工业园区星阳街5号 邮政编码：215021 传真：（0512）62938527 公司网址： http://www.dwzq.com.cn

东吴证券 财富家园