每年新年伊始，AI的飛速進(jìn)化總是給我們帶來新的驚喜和焦慮。2025年春節(jié)回來所有人都在學(xué)deepseek；2026年復(fù)工后都在問“如何養(yǎng)龍蝦（OpenClaw）”。
今年年初Agent的進(jìn)化，帶來了個(gè)人助理技術(shù)的無限可能。2026年的AI投研年度展望報(bào)告，我們將：梳理過去數(shù)月Agent進(jìn)化的核心脈絡(luò)、探討通用模型是否會(huì)吞噬垂直軟件、對(duì)2026年AI在投研能力進(jìn)化、人類研究與AI研究的前景做出展望。
本文一方面旨在提供一些Alpha派在Agent應(yīng)用一線研發(fā)的視角，另一方面也希望多少緩解大家的焦慮感，提供一些能見度更高的節(jié)奏感。
核心觀點(diǎn)
通用Agent進(jìn)化跨過可用門檻，日常信息處理開始進(jìn)入50分水平
垂類應(yīng)用的壁壘——Know-how-context，即把專業(yè)的數(shù)據(jù)、技巧以舒服的姿勢(shì)喂給AI
Skills機(jī)制是這一波最重要的范式變化，定義了未來專業(yè)工作者跟Agent怎么交互
行業(yè)軟件不會(huì)被通用模型直接吞噬，而是“消融”：有的向上突圍成為行業(yè)新入口,有的向后退化為API服務(wù)者
跑分奪冠≠實(shí)際投研能力，SOTA模型當(dāng)前不具備人類對(duì)于公司業(yè)務(wù)的精細(xì)理解、預(yù)測的能力，更多是形式上的厲害
2026年，可能是人機(jī)協(xié)同元年。人類先以合理的方式“培養(yǎng)”AI研究員，AI研究員會(huì)增強(qiáng)對(duì)人類研究工作的賦能
人類研究員的價(jià)值——養(yǎng)好AI研究員，回歸與人的交互，構(gòu)建差異化信息網(wǎng)絡(luò)，并在市場共識(shí)之上獨(dú)立推理非共識(shí)
01
通用模型和Agent進(jìn)化回顧
2025年下半年以來，通用模型的推理、工具調(diào)用與多模態(tài)處理持續(xù)增強(qiáng)，Agent從“能聊”走向“能干”。對(duì)投研而言，最直觀的變化是：通用Agent已經(jīng)能把一些簡單投研任務(wù)做到50分水平——不完美，但能節(jié)省大量重復(fù)勞動(dòng)。
從Manus觀測Agent進(jìn)化
Manus是2025年全球通用Agent產(chǎn)品的頂流。我們經(jīng)常把同樣的投研任務(wù)定期丟給Manus，看他隔一段時(shí)間能進(jìn)化到什么程度。
我們以“從上市公司年報(bào)中提取煤炭成本數(shù)據(jù)、搭建初級(jí)數(shù)據(jù)庫”為例跑了2次。2025年6月，Manus用了1小時(shí)，一家公司的數(shù)據(jù)都沒提出來，0分——核心原因：200頁左右的年報(bào)PDF讀取失敗。
2026年1月，同樣的任務(wù)，他25分鐘提了4家公司的成本數(shù)據(jù)，已經(jīng)有50分的水平。關(guān)鍵進(jìn)化點(diǎn)在于：知道200頁的年報(bào)PDF屬于特殊類型的長文本，需要coding與AI能力融合才能準(zhǔn)確地區(qū)數(shù)據(jù)。
任務(wù)運(yùn)行時(shí)間節(jié)省了60%，也進(jìn)一步體現(xiàn)Agent的任務(wù)規(guī)劃、工具調(diào)用和推理更加合理、高效。
國產(chǎn)模型在投研推理場景
與海外模型的差距
Alpha派有一個(gè)很考驗(yàn)邏輯水平的Agent：觀點(diǎn)Challenge——就是找文本/報(bào)告段落是否存在事實(shí)錯(cuò)誤、邏輯謬誤或者宏大敘事等“坑”。
我們用一個(gè)投研常見陷阱做測試：某機(jī)構(gòu)研究員以“25年1月同比景氣”來推薦金飾品公司（bug在于忽略了“春節(jié)錯(cuò)位”導(dǎo)致的基數(shù)效應(yīng)，即24年與25年春節(jié)月份不同，用1月同比直接推出景氣結(jié)論并不嚴(yán)謹(jǐn)）。
從幾個(gè)海外模型與國產(chǎn)模型的Challenge結(jié)果來看，海外SOTA模型通常能快速定位邏輯漏洞；國產(chǎn)模型在過去2-3個(gè)月的迭代后，對(duì)這類文字邏輯問題的定位能力明顯追上。
圖為最新的Doubao-Seed-2.0、智譜GLM-5.0與之前版本的Challenge案例比較
可以預(yù)見，在2026年，絕大部分日常的投研信息處理類需求，國產(chǎn)模型的文本推理能力足以勝任。
02
爆火的OpenClaw產(chǎn)品背后的技術(shù)脈絡(luò)
2026年伊始，Agent應(yīng)用領(lǐng)域迎來爆發(fā)，OpenClaw的爆火讓人興奮，也帶來一絲“不學(xué)習(xí)就被淘汰”的FOMO情緒。
那么，突飛猛進(jìn)的背后，除去基礎(chǔ)模型能力的進(jìn)步，還發(fā)生了什么？對(duì)未來投研工作流會(huì)產(chǎn)生什么影響？我們來系統(tǒng)化梳理一下。
Agent應(yīng)用的技術(shù)架構(gòu)
如果把個(gè)人工作助理型Agent的技術(shù)設(shè)計(jì)粗暴抽象一下，其實(shí)就三層：數(shù)據(jù)、Context（上下文）、交互。
數(shù)據(jù)層負(fù)責(zé)把公開數(shù)據(jù)和私域資料聯(lián)通起來；交互層是入口；真正最關(guān)鍵、也最難的還是Context層——把專業(yè)信息用舒服的姿勢(shì)喂給模型，里面既有工程化（壓縮、記憶、指令），也有專業(yè)化（Know-how）。對(duì)垂類軟件而言，真正的“卡位”多半就在Know-how-context，最近出圈的Skills，本質(zhì)也在這一層。
Skills：最重要的范式變化
在2026年初這波Agent熱潮的新概念中，我們認(rèn)為最為重要的創(chuàng)新是Skills機(jī)制的推出——它定義了未來專業(yè)工作者跟Agent怎么交互。
Skills并不是什么玄幻的概念，本質(zhì)就是一種更高級(jí)的prompt：用自然語言把自己的工作流寫成一個(gè)Agent也看得懂的“攻略”，在未來復(fù)雜的任務(wù)中，Agent可以自己判斷調(diào)用Skills并按步驟完成工作。它對(duì)投研工作未來產(chǎn)生的潛在影響包括三部分：
工作流復(fù)用：比如“寫業(yè)績點(diǎn)評(píng)/公司一頁紙/行業(yè)周報(bào)”等重復(fù)任務(wù)沉淀為可迭代的Skill.md文件，后續(xù)反復(fù)調(diào)用并持續(xù)調(diào)優(yōu)
上下文增強(qiáng)：技術(shù)上倡導(dǎo)“漸進(jìn)式披露（progressive disclosure）”，能按需調(diào)用，需要哪段資料就調(diào)哪段，省上下文，對(duì)投研這種token超長的活是利好
流通生態(tài)：Skills的本質(zhì)是將人類的知識(shí)、工作流程落筆為markdown文件，在可見的未來，各個(gè)細(xì)分行業(yè)內(nèi)的Skills也將逐漸被書寫和傳播甚至合理地定價(jià)
2026年，可能日常投研工作中會(huì)多一句話：
你的拆模型/寫點(diǎn)評(píng)/整理日?qǐng)?bào)/算彈性的skills是怎么寫的？
狂奔的“龍蝦（OpenClaw）”
先說Anthropic更早發(fā)布的Claude Cowork。
本質(zhì)上講，Claude Cowork和OpenClaw都是一類產(chǎn)品——“個(gè)人桌面AI助手”。
近期Agent產(chǎn)品的爆發(fā)，本質(zhì)是AI Coding（及背后的大模型、Agent技術(shù)）的能力外溢。正如Anthropic官方所說，因?yàn)榘l(fā)現(xiàn)大量用戶在用Claude Code處理“清理郵箱、制定旅行計(jì)劃”等非編程任務(wù)，才促使他們將Coding Agent的能力外化為這款人人可用的桌面端應(yīng)用。
相比于（我們定義為個(gè)人云端助理的）Manus，Claude Cowork發(fā)布時(shí)最大的獨(dú)特性在于：可無縫讀取用戶電腦磁盤文件、可應(yīng)用Skills。它不僅支持用戶主動(dòng)聲明創(chuàng)建并修改Skills，還支持Agent自動(dòng)化地判定是否需要加載Skills完成任務(wù)。正是這種能力，讓它一經(jīng)推出便迅速出圈。
再說投資圈最火爆的OpenClaw。
公眾注意力容易被“Mac Mini賣斷貨”“養(yǎng)蝦”這類博眼球的帶偏。事實(shí)上，我們認(rèn)為OpenClaw仍然沒有偏離“個(gè)人桌面助理”的主線。龍蝦的出圈因?yàn)槠錆M足了以下幾個(gè)核心要素：
能聯(lián)通用戶本地、可定義和應(yīng)用Skills（并內(nèi)置了大量社區(qū)流行的通用Skills）
可在用戶本地額外的一臺(tái)設(shè)備中部署Agent，不和用戶搶電腦、可以24小時(shí)工作、可以同步讀取用戶私域文件
打通了IM工具，讓用戶可以通過即時(shí)通訊軟件（Whatsapp、Discord、飛書、釘釘?shù)龋┖虯I交流，隨時(shí)派活
主動(dòng)發(fā)言機(jī)制：Agent會(huì)主動(dòng)報(bào)備、推送可能重要的信息，“活人感”十足
也就是說，OpenClaw的成功，是源于其精巧的工程化設(shè)計(jì)，他整合了當(dāng)下所有前沿Agent能力和最新成果，用活人感最強(qiáng)的方式推向了全球用戶；他并不是大模型自身的進(jìn)步，也不必一定綁定MacMini或者NAS系統(tǒng)。
Q需要自己搭一個(gè)“龍蝦”嗎
我們的答案是不必因?yàn)榻箲]而投入精力。“龍蝦”終究是一款個(gè)體開發(fā)的開源軟件，其在Agent優(yōu)化、工具調(diào)用（尤其涉及投研常見的瀏覽器工具、寫作工具、數(shù)據(jù)分析工具等）能力甚至顯著弱于Manus、Kimi等商業(yè)Agent應(yīng)用。對(duì)于一個(gè)非編程背景的研究員來說，通常需要5-10個(gè)小時(shí)不等去部署、啟動(dòng)，且絕大部分任務(wù)無法得到60分以上的結(jié)果。因此我們認(rèn)為此時(shí)并不需要因?yàn)?ldquo;FOMO”而占用精力。
03
模型會(huì)吞噬垂直軟件嗎？
——Alpha派的思考
應(yīng)用消融（Melting Away）
近期市場對(duì)“通用模型擊穿軟件壁壘”的擔(dān)憂升溫，我們認(rèn)為：軟件應(yīng)用不會(huì)因?yàn)榇竽Ｐ偷倪M(jìn)化而消亡，更合理的表述，是OpenClaw作者在博客中提出的“消融（Melting Away）”。
消融這個(gè)詞可謂精準(zhǔn)，將未來垂直軟件應(yīng)用劃分為三種命運(yùn)歸宿：
有垂直行業(yè)深厚的數(shù)據(jù)和邏輯壁壘，通用Agent無法進(jìn)入，從而向上突圍成為行業(yè)新入口
掌握了垂直行業(yè)的核心工作流和數(shù)據(jù)，但是入口被通用個(gè)人助理型Agent占據(jù)，向后退化為API服務(wù)者（被動(dòng)與AI融合，也即“消融”）
行業(yè)內(nèi)提供局部工具的膠水型應(yīng)用，最容易被“消滅”
模型跑分≠實(shí)際投研能力
2月6日，Anthropic稱Claude Opus 4.6在Finance Agent Benchmark跑分登頂，引發(fā)美股金融信息服務(wù)類軟件股價(jià)一度暴跌10%以上，也加劇了從業(yè)者的焦慮。實(shí)際上，這個(gè)開源評(píng)測集大多是數(shù)據(jù)查詢、信息檢索題，對(duì)于投研任務(wù)來說，還是過于簡單了。
因此Claude Opus 4.6的Finance跑分很強(qiáng)，并不意味著他可以超越垂直金融Agent甚至人類研究員的能力，甚至還差很遠(yuǎn)。舉個(gè)例子：
案例：做一份英偉達(dá)的估值模型Excel。
最終生成的Excel文件么……說他差，確實(shí)像模像樣，格式、公式都很像投行分析師的作品；說他好——他的基本假設(shè)頁的拆分實(shí)在是過于簡單：僅把英偉達(dá)公司的核心業(yè)務(wù)拆分為DC、Gaming、Automobile等就草草了事。這樣的結(jié)果相信在任何一家投研機(jī)構(gòu)都沒辦法給及格。
對(duì)于英偉達(dá)，哪怕是初級(jí)人類分析師，也會(huì)將公司的GPU（數(shù)據(jù)中心）業(yè)務(wù)進(jìn)一步拆分為A、H、B、Rubin和其他衍生收入的細(xì)項(xiàng)，并針對(duì)B卡帶來的隱含銷售收入（如機(jī)柜、Grace CPU等）做出測算。
從Claude模型的表現(xiàn)看，SOTA模型當(dāng)前可能還不具備人類對(duì)于公司業(yè)務(wù)的精細(xì)理解、預(yù)測的能力，更多還是形式上的厲害。
投研Agent的壁壘在哪里
隨著大模型的推理能力加速進(jìn)化，對(duì)于垂直行業(yè)AI應(yīng)用來說，最核心的卡位在于通用大模型無法輕易直連的“行業(yè)內(nèi)環(huán)境”，也即圈內(nèi)數(shù)據(jù)、工具和工作方法。
在2025年，Alpha派秉承“完成用戶1000件小事”的理念，創(chuàng)新性推出了一系列投研工作流專用Agent：公司一頁紙、調(diào)研大綱、可比公司、畫圖等；投研問答助手PaiPai，也在年末推出了Pro思考模式，達(dá)到了投研領(lǐng)域SOTA水平。
其中，公司一頁紙累計(jì)幫助用戶完成超5000家新公司（含港美股）的入門學(xué)習(xí)，廣泛應(yīng)用的本質(zhì)，是Alpha派研發(fā)團(tuán)隊(duì)編排了一種工作流，用中國投資者快速學(xué)習(xí)新公司的框架，“教會(huì)”了模型如何學(xué)習(xí)關(guān)于公司的資料并寫出長度、深度和數(shù)據(jù)準(zhǔn)確合理的作文。
一頁紙的開篇段落即為“公司核心邏輯”和“近期催化”（而非傳統(tǒng)的公司簡介）。從用戶的使用數(shù)據(jù)看，超過40%的用戶在讀完核心邏輯和催化部分后就離開了一頁紙，這也驗(yàn)證了其核心訴求就是“快速了解新公司的短期邏輯”。這種精細(xì)的段落次序，通用模型是很難深入理解并完成的。
另一個(gè)典型案例是AI會(huì)議紀(jì)要，2025年Q4，我們推出了語音轉(zhuǎn)寫Pro模型，一舉將會(huì)議中晦澀技術(shù)名詞、環(huán)境嘈雜、中英夾雜等疑難問題單篇轉(zhuǎn)寫錯(cuò)誤率降低到2%以下（傳統(tǒng)ASR模型為近30%，Alpha派上一代模型約5%）。
將語音轉(zhuǎn)寫正確率提升至接近99%，正是將更加正確的語義（Context）喂給模型的關(guān)鍵要素，也正是我們對(duì)于垂直領(lǐng)域應(yīng)用壁壘在數(shù)據(jù)和Know-how-context的實(shí)踐。在2026年，Alpha派還會(huì)將更多“小事”、專業(yè)的投研工作流程完成到95分，做到讓用戶拿來即用。
04
AI與投研生態(tài)展望
未來的AI投研知識(shí)庫
從2025年初，個(gè)人知識(shí)庫就是AI產(chǎn)品的熱門分支。但去年并沒有真正跑出在垂直行業(yè)內(nèi)可信任、可迭代的產(chǎn)品。2026年隨著Agent更完善、桌面?zhèn)€人AI助手興起，聯(lián)通個(gè)人知識(shí)框架（私域數(shù)據(jù)+Skills）的路徑已經(jīng)通暢。
我們認(rèn)為2026年的投研Agent可能會(huì)有如下發(fā)展趨勢(shì)：
每個(gè)研究員/基金經(jīng)理都能有自己的Agent和工作流（不再是每個(gè)人運(yùn)行Alpha派定義好的一頁紙）
Agent開始有“記憶”，能在你的個(gè)人知識(shí)空間里干活（可能需要機(jī)構(gòu)系統(tǒng)配合）
不再只被call才回答，而是7*24幫你盯信息、提示變化
當(dāng)然，從通用問答走向個(gè)人助理，算力與存儲(chǔ)成本會(huì)成倍上升，垂直軟件的商業(yè)模式也會(huì)被迫進(jìn)化。
AI研究員的能力進(jìn)化節(jié)奏
我們維持2025年做出的AI研究員進(jìn)化時(shí)間表的判斷：
2023-2024：實(shí)習(xí)生水平
2025-2027：研究員水平（初級(jí)-中級(jí)-高級(jí)）
2028-未來：基助水平
2026年全球Agent能力進(jìn)化的節(jié)奏，讓我們看到了AI走向中級(jí)研究水平的曙光。但是完整打造一個(gè)AI研究員的時(shí)間，依然還需要2年甚至更久，有更多的數(shù)據(jù)、Know-How需要讓模型學(xué)習(xí)。而且這種能力也不是均等分發(fā)的，你的Agent強(qiáng)不強(qiáng)，很大程度取決于你的心態(tài)和跟他的交互深度：你教他越多，他進(jìn)步越快。
7-2-1分化定律
2025年，我們提出了一個(gè)投研行業(yè)內(nèi)人群分化定律：
10%的從業(yè)者受益于AI，完成能力拓圈和職業(yè)生涯躍升
70%的從業(yè)者受益于AI，（或被動(dòng)地）大幅提升了工作效率
20%的從業(yè)者的工作內(nèi)容被AI替代
研究發(fā)現(xiàn)，95%左右的用戶向AI提出的，都是簡單的事實(shí)核查、信息檢索的“小秘書”型問題，只有不到10%的用戶，會(huì)嘗試將自己的工作流梳理出來，寫成工整、清晰的prompt（未來可能演化為Skills）。
這10%的高門檻在于，他們知道AI不只是秘書，是可以被培養(yǎng)的；同時(shí)也能接受他不完美，在交付不及格時(shí)陪伴共同迭代。
對(duì)于最后的20%——我們?nèi)哉J(rèn)為從業(yè)者不會(huì)被替代。事實(shí)上到今天AI的替代更多是“橫向”而非“縱向”，即把聽會(huì)、調(diào)研等局部環(huán)節(jié)提效，但知識(shí)密集型領(lǐng)域還沒出現(xiàn)某個(gè)職能的整套工作流全部消失。
人機(jī)協(xié)同
“養(yǎng)龍蝦（與OpenClaw的Agent交互）”是時(shí)下流行的概念。2026年，可能是人類研究員和AI研究員真正協(xié)同的元年。人類先以合理的方式“培養(yǎng)”AI研究員，AI研究員會(huì)逐漸開始增強(qiáng)對(duì)人類研究工作的賦能。
說白了，無論是Prompt、Skills還是個(gè)人知識(shí)庫，交給AI按照既定指令把任務(wù)跑完，就是在培養(yǎng)AI研究員，2026年Agent的加速進(jìn)化，讓培養(yǎng)的重復(fù)動(dòng)作更少，拿到正反饋更快，體驗(yàn)更加絲滑。
一個(gè)人類研究員可以“養(yǎng)”多個(gè)AI研究員，如果愿意，每家公司都能配一個(gè)專用Agent盯指標(biāo)、盯變量；每類任務(wù)也能寫一套對(duì)應(yīng)的Skills。
相應(yīng)的，人與人的研究協(xié)同方式也可能發(fā)生進(jìn)一步的變化。從前拓圈看新行業(yè)需要找相熟研究員要壓縮包研讀、緩慢上手，未來可能你只需要去問問他培養(yǎng)的AI研究員就好了。
機(jī)構(gòu)內(nèi)部也一樣，同一個(gè)團(tuán)隊(duì)的隊(duì)友們也可以與一個(gè)標(biāo)的下的Agent協(xié)作，這可能會(huì)把投研系統(tǒng)的建設(shè)思路從“搭功能頁面”推向“把工作流做成Agent協(xié)作系統(tǒng)”。
Q人類研究的價(jià)值在哪？
投研工作的本質(zhì)是在和市場的所有環(huán)境要素交互，包含各個(gè)參與主體（機(jī)構(gòu)、上市公司、交易所、監(jiān)管等）和主體中的人（董秘、分析師、銷售、領(lǐng)導(dǎo)、同事等），還有這個(gè)市場中的數(shù)據(jù)要素（結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化文本、視頻等）。
中長期看，與市場環(huán)境要素交互的工作，會(huì)成為AI研究員的主場，哪個(gè)Agent能把信息以最佳姿勢(shì)喂給模型，哪個(gè)就能在競爭中勝出。在這一層次，人類的職責(zé)就是養(yǎng)好你的AI，讓他能處理市場中的數(shù)據(jù)（信息）要素，幫你構(gòu)建市場共識(shí)。
當(dāng)信息處理被AI接管后，真正留給人類研究的工作，就回歸到了與市場中另一部分主體——人的交互。與產(chǎn)業(yè)、上市公司、同業(yè)伙伴的網(wǎng)絡(luò)和圈層壁壘，可能因此變得更加堅(jiān)實(shí)。多年后，人類研究的核心價(jià)值可能會(huì)逐漸演化為：
與AI交互，構(gòu)建最高效的信息處理智能體
與人交互，構(gòu)建信息網(wǎng)絡(luò)優(yōu)勢(shì)
獨(dú)立決策，在市場共識(shí)的基礎(chǔ)上推理非共識(shí)
我們始終將以Alpha派為代表的投研Agent產(chǎn)品定義為“AI研究員”，是因?yàn)橘Y產(chǎn)定價(jià)的決定因素是個(gè)人腦都不足以完全覆蓋處理的超級(jí)復(fù)雜系統(tǒng)。最終的預(yù)測、推薦和交易行為，還是要由人來完成。
寫在最后
時(shí)代的車輪不會(huì)停步。Alpha派已和大家共度了三載春秋。我們將在2026年將繼續(xù)陪伴左右，努力突破自我，為大家的業(yè)績提供更好的AI杠桿，助力每一個(gè)有志立于時(shí)代潮頭的朋友成為那top level的10%。
2026年，預(yù)祝大家事業(yè)興旺，馬到成功，業(yè)績長虹！
——予淳
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
