Anthropic再“上新”，剑指金融行业。日前美国人工智能公司Anthropic开源了一套Claude金融服务AI插件，覆盖投行、PE、财富管理和股权研究等常用金融工作场景。
业内人士指出，这可能是目前功能最完整的金融AI工具集。有金融大V点评称：“Anthropic将AI智能体与投资银行、人力资源工具相链接。结束了。五年内将有一半的分析师席位消失。”
值得注意的是，就在2月初，Anthropic发布一款企业法务AI插件后，包括微软、甲骨文等在内的多家全球软件巨头股价大幅下挫，曾引发“AI杀死SaaS”的恐慌。
这一次，AI是否“杀死”了比赛？分析师能否被AI所替代？
一个对话框打通研究全流程？
记者了解到，对比目前多数金融垂类AI工具停留于投资决策信息支持或研报撰写等单一功能，Claude金融插件试图切入金融从业者最核心的工作场景——从挖掘数据、搭建模型，到撰写研报、制作路演PPT，打通完整工作流。
据Anthropic官方披露的信息，该套件通过五个高度专业化的插件，覆盖了券商投行、研究及财富管理等核心业务场景。
其中，最为核心的是“金融分析”（financial-analysis）插件，它集成了市场研究、财务建模乃至PPT自动化生成等基础且高频的功能。
另外四个插件则更专注于细分场景：
“股权研究”（equity-research）插件能够协助处理财报解析、模型更新与研报起草等工作；
“私募股权”（private-equity）插件则专注于尽职调查、场景建模与投资机会评分等业务；
“投资银行”（investment-banking）插件可高效完成交易文件审查、公司对比分析等工作；
“财富管理”（wealth-management）插件则提供税务规划、客户会议准备等服务。
简单来说，这套工具试图打通一条生产线：过去需要人工在不同软件、不同平台间来回切换才能完成的金融工作，现在可以在Claude的对话框里一站完成。
另一个值得关注的亮点是，这套工具并不满足于成为一个通用AI产品，而是能够“学习”机构的内部流程。
据Anthropic介绍，这套Claude插件通过MCP协议连接外部金融数据源和工具，用户可以根据自身的分析框架、数据来源和工作流程对Claude进行“调教”。
比如，在PPT插件中导入公司的品牌模板，AI生成的交付物就能自动符合团队的合规要求和风格偏好；机构还可以设定特定的分析路径，让AI按照团队惯用的方法论处理工作流。
“真正的力量来自于您为您的公司定制它们——您的模型、您的模板、您的流程，”Anthropic在产品介绍中写道，“使Claude像是为您的团队打造的。”
对于长期被数据处理、格式调整等琐碎工作消耗精力的金融从业者而言，这无疑是一个诱人的前景。
但在实际使用中，这套看似全能的工具表现如何？
实测“翻车”：AI难过“数据”关
记者收集多则用户反馈发现，目前来看，Claude金融插件的确具备操作门槛低、功能全面的特点，但仍然未能绕开AI工具在金融场景中的那道“坎”：数据问题。
第一个问题是，所采用的数据是否真实准确？
“好消息是，报告做得有模有样；坏消息是，也就只是有模有样。”有用户在使用该插件做了一份研究报告后，给出了这样的评价。
从呈现效果来看，Claude生成的报表图表精美、格式规范，乍一看与券商研究所出品的正式研报并无二致。但一旦将AI生成的内容与上市公司真实财报进行逐项比对，上述用户就发现，报告中出现了多处数据错漏。
最典型的问题就是AI“自己编数据”，比如混淆不同年份的财务数据，甚至凭空捏造分红历史等。
此外，还有用户反馈，在财务建模中，对于WACC等关键假设参数，该插件的处理也出现了一定的设定和计算错误。
对金融工作来说，这样的问题无疑是致命的。
既然数据质量是一个比较明显的短板，那么能否通过接入高质量的数据源来弥补？但随之而来的第二个问题是，高质量的数据要从哪里来？
据Anthropic官方介绍，这套插件共接入了11个MCP数据源，但数据需要从各个机构获取，用户需要为此支付相应的数据源订阅费用。而彭博、汤森路透等专业金融数据资讯机构的终端订阅费用动辄数万美元一年，绝非小数。
这意味着，即便Claude本身降低了工具的使用门槛，但想要让它真正产出可靠的分析结果，用户仍需为高质量数据付出不菲的成本。
此次Claude金融服务插件的上线，也在资本市场上掀起了一番波澜。
2月25日，美股多只Anthropic的金融数据服务商合作伙伴股价应声上涨。其中，汤森路透涨10.31%，慧甚涨2.55%，赛富时涨3.41%。
此前，Anthropic曾先后上线法律工具和代码安全工具，分别引发了美股软件和网络安全板块的“崩盘”，也引起了“AI杀死SaaS”等讨论。
类似的论调在Anthropic此次“上新”后也传播颇广。金融大V Geiger Capital点评称：“Anthropic将AI智能体与投资银行、人力资源工具相链接。结束了。五年内将有一半的分析师席位消失。”
不过，Anthropic企业产品负责人Scott White则表示，Claude的目标是为客户带来更好的结果，而非取代他们。
取代还是赋能？
从目前的实践来看，“AI取代分析师”是否可能成为现实？
“未来10到15年，AI不会真正替代分析师，只会替代初级分析师的重复性工作，推动行业岗位结构性收缩与能力升级。”中央财经大学中国金融科技研究中心主任张宁给出了相对理性的判断。
张宁向记者分析指出，Claude金融插件等AI工具擅长建模、底稿、数据整合等标准化流程，能显著压缩人力成本，但无法替代深度判断、产业认知与极端风险决策等工作。
进门CEO程建辉也持有类似观点。不过，他同时提醒，对于初级研究人员或分析师来说，职业危机确实正在逼近——“基础性的数据整理、数据结构化等工作AI会越做越好。”但对于高水平的分析师，模型在思维推导能力上则还有相当差距。
既然AI短期内难以撼动高级分析师的位置，它的局限性究竟在哪里？
程建辉指出，目前，AI还存在幻觉问题、思维推导能力不足等技术层面的“硬伤”。从更根本的层面看，在深度思考、从0到1的创新以及存在数据孤岛的领域，AI很难替代人类。
张宁则据中国金融科技研究中心关于人工智能金融融合的最新研究指出，目前AI金融融合还面临着三大问题：一是缺乏因果推理与反事实判断，对黑天鹅事件、政策突变、人性博弈解读失真；二是合规与责任边界模糊，投资建议无法承担法律与声誉问责；三是脱离商业信任场景，路演、谈判、尽调中的人际洞察与资源链接难以复制。
尽管仍存在种种局限，但AI对投研工作的赋能价值已经得到业内的广泛认可。
“AI过去学了那么多东西，需要人去激发，”程建辉表示，“同时AI也可能给人带来灵感。”在他看来，未来的典型场景可能是：一位人类分析师指挥着多个“数字分析师”，每个数字分析师处理一类事务，人类负责整体调度，共同完成研究工作。
实际上，在国内，不少公司已经展开了探索。
例如，东方财富推出的“妙想投研助理”，旨在覆盖完整投研工作流，能够实现分钟级生成个股深度报告、行业竞争格局分析，并支持路演实时转写与纪要生成。值得注意的是，在大模型底层技术上，妙想强调“遵循行业专家级别的投研路径”。
进门AI进宝上线的“投研大脑”，则内置了多种思维链技能包，同时还支持用户自定义思维链，能够将自己的投研方法论、分析框架设置成可重复调用的Skill，以满足更加个性化的投研需求。
“用AI发现信号，再让平台变成研究员、分析师的数字员工，帮他们干活。”程建辉这样总结。
券商机构内部同样在加速布局。
据21世纪经济报道记者此前消息，中信证券的“超级研究员”数字员工已经可以达到3至5年经验的分析师水平。
招商证券更是剑指“AI研究所”，打造“一站式智能研究工作台”，覆盖分析师研究的“搜、读、写、审”全流程，据披露AI点评报告采用率达73%。
机构：转向价值判断与信任枢纽
在“战略性重视”之外，面对来势汹汹的AI浪潮，专业金融从业者和机构应该如何挖掘自身的价值？
对于个体而言，张宁指出，“在未来的10到15年中，投研将是‘AI做执行、人做决策’，被淘汰的不是分析师，而是不会用AI的分析师。”
程建辉则引入了一个有趣的概念——“AI化率”。“AI化率越高的人可能会越‘牛’，一个人能顶过去两三个人。时代发展太快，每个人都要快速武装自己，学会用AI解决问题。”
对于券商机构，张宁认为，专业金融机构应从数据加工者转向价值判断与信任枢纽，守住AI无法替代的三大核心优势：
一是，深耕产业与监管壁垒，把行业资源、政策理解、项目渠道转化为AI无法学习的私有知识；
二是，强化复杂风险定价与长期资本配置能力，在跨周期、跨资产、跨境场景中提供机器不具备的稳健决策；
三是，打造合规与信任体系，承担AI无法履行的受托责任、声誉约束与法律兜底。
“机构应把AI变成基础设施，聚焦高附加值环节，用‘人机协同’提升研究精度与服务温度，以专业壁垒对抗技术同质化。”张宁总结道。
