Concitech AI · 深度长文
2026/09/11 07:55
ChatGPT 金融版登场，华尔街软件迎来入口战争
OpenAI 发布 ChatGPT for Financial Services。授权数据、GPT-6 Astra、Office 模板和合规控制组成一套工作台。金融数据商、Office 软件、分析岗位与机构治理面临新的价值分配。
OpenAI 的产品演示出现一条任务。
任务要求一份 Huron Consulting 公司概览，场景对应客户会面准备。
Financial data 菜单提供财务指标、电话会、投资者演示、市场价格、分析师预测、公司新闻、持仓信息和基金信件。
ChatGPT 调取材料，生成公司概览，标注引用，绘制股价图表。PowerPoint 列入产出。
一条提示词，几个交付物。
投行分析师熟悉这组工作。公司资料散落于数据终端、公告、研报、电话会纪要、Excel 和 PowerPoint。人的时间消耗来自资料搜索、数字核对、格式整理和模板套用。
一个窗口容纳这些环节。
产品名称是 ChatGPT for Financial Services。它隶属于 ChatGPT Work。GPT-6 Astra 承担推理，金融数据承担事实基础，Office 模板承担成果交付，企业控制承担合规边界。
我的判断是一句话。
OpenAI 兼具两种身份。一个身份是模型供应商，一个身份是金融工作入口。
金融行业购买 AI 的逻辑发生变化。模型分数属于一张门票。数据授权、证据引用、模板标准和权限治理组成整套产品。
这件事的影响超出金融 Prompt 包。
OpenAI 选择了一条重资产路线。
ChatGPT for Financial Services 内置 Daloopa、PitchBook、LSEG News 和 Crunchbase 数据。覆盖范围包含财报、电话会记录、公司基本面和私营公司信息。OpenAI 索引并托管这些数据。
这个设计减少合同谈判和连接器配置。团队使用内置数据。稳定检索结构和细粒度引用进入产品。数字和观点对应具体表格或段落，证据接受人工复核。
金融 AI 的第一难题是数字来源。
文笔排名靠后。
一家公司的调整后 EBITDA 包含哪些剔除项。某个季度收入采用什么口径。股价序列使用哪个交易日。分析师预测属于哪一版共识。错误答案配得上流畅文风。错误数字毁掉估值。
OpenAI 的官方案例聚焦 P&L normalization。分析师检查调整后 EBITDA 的对账过程和注释，判断成本剔除项，决定估值口径。ChatGPT 承担材料组织。分析师承担口径判断。
这条边界属于金融工作流。
图一 ChatGPT 生成公司概览、引用与股价图表，画面来源 OpenAI 官方演示
内置数据属于第一层。
大量机构拥有 S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva 和 Moody’s 订阅。OpenAI 设计共享登录和权益识别。ChatGPT 识别用户原有数据权限，数据商保留授权关系，用户保留工作入口。
连接器构成第三类来源。OpenAI 宣布的生态包含五十多个连接器，Datasite、Box、Preqin 和 Intapp 位列其中。MCP 性能优化承担连接稳定性。
三种数据模式构成一张拼图。
OpenAI 提供一部分内置数据，接入客户购买的另一部分数据，连接机构内部材料。GPT-6 Astra 位于三类数据上方。研究报告、模型、图表和 Pitchbook 位于推理层下方。
图二 数据、推理、成果与治理组成五层结构
这套结构近似金融终端、研究助手和 Office 套件的合体。
这句话容易制造一个误解。Bloomberg、FactSet、Capital IQ 的死亡判断缺少依据。
金融数据的价值包含采集、清洗、许可、标识体系、历史连续性和客户信任。这些基础资产来自数据商。OpenAI 的发布名单说明数据商的必要性。Daloopa、PitchBook、LSEG 和 Crunchbase 成为产品底座。
数据商获得新分发入口，承担品牌退居后台的风险。用户问题起点变成 ChatGPT。答案页面决定引用曝光。数据商产品界面的停留时间承受压力。授权费、引用规则和权益认证获得议价权。
一层价值消失，另一层价值增厚。
金融软件公司面对另一种压力。
单点能力构成研究工具的旧产品形态。文档搜索是一件产品，财务建模是一件产品，图表是一件产品，Pitchbook 是另一件产品。ChatGPT for Financial Services 连接了任务链。
任务链掌握入口。入口掌握用户意图。用户意图产生工作流数据。工作流数据反哺产品设计。
这个飞轮是 OpenAI 想要的东西。
Anthropic 和 Microsoft 位于竞争场内。
Claude for Financial Services 的发布日期是 2025 年。产品包含金融数据连接器、企业平台和原始材料链接。Microsoft 的 Copilot in Excel 接入 LSEG、Moody’s、Daloopa、FactSet、Morningstar、PitchBook 和 S&P Global。Microsoft 提供变更计划、单元格追踪和修改记录。
OpenAI 的优势来自 ChatGPT 入口、GPT-6 Astra 和跨文档成果生成。Microsoft 的优势来自 Excel 原生位置和 Microsoft 365 权限图谱。Anthropic 的优势来自 Claude、Claude Code 和既有金融连接器生态。
金融 AI 竞争进入垂直产品阶段。
模型排名保留作用。行业胜负增加四张考卷，授权数据、工作流深度、审计能力、组织分发。
OpenAI 给出一项 OfficeQA Pro 成绩。GPT-6 Astra 得分为 69.9%，GPT-5.6 Sol 得分为 60.2%。这个测试要求系统阅读美国财政部公报中的表格、图表和脚注。
两款模型的差距为 9.7 个百分点。测试对象是检索和解释能力。投资收益、交易完成率、合规结论和客户认可属于测试范围之外。
一项评测回答一类问题。
金融机构关心另一张表。错误率是多少，引用覆盖率是多少，权限泄漏率是多少，模型修改了哪些单元格，谁批准了关键假设，审计复盘完整度是多少。
OpenAI 对这张表给出了一组产品答案。
ChatGPT for Financial Services 继承 SAML SSO、SCIM 和角色权限。OpenAI 的默认政策排除企业数据训练。数据获得静态加密和传输加密。管理员配置工作区留存。合规团队导出工作区日志。多工作区设计提供信息隔离。应用读写权限接受角色控制。
这些功能缺少 GPT-6 Astra 的性感。
金融机构的钱流向这些地方。
一个研究结论产生损失，责任链成为机构调查目标。一个模型读取了限制名单，访问路径成为机构调查目标。一个团队使用客户机密，信息墙有效性成为机构举证目标。
金融 AI 的护城河含有大量无聊工程。
无聊工程决定采购结果。
图三 四类参与者承担不同价值变化
分析岗位的变化引发最大焦虑。
这款产品压缩材料搬运工作。公司概览、历史数字整理、估值底稿、图表制作和演示文稿初稿属于明显目标。
岗位消失速度缺少公开证据。公开信息呈现任务重心变化。
材料拼装构成初级分析师的行业感觉训练。机器接管拼装工作。训练路径出现缺口。新人承担来源理解、口径检查、假设挑战和遗漏识别。机构承担培养方式重构。
高级人员面对另一种变化。团队产出增加，审核负担增加。每份模型对应一名假设责任人。每份客户材料对应一名事实责任人。生产速度增加，错误扩散速度拥有相同方向。
AI 提高产能。人承担问责。
产品的适用对象是合格金融机构。销售团队掌握入口。公开价格处于空白。数据覆盖、地区许可、延迟水平和复杂模型可靠性缺少完整公开说明。
金融终端替代论缺少证据。
入口战争成立。
OpenAI 的产品路线给整个企业软件市场一个信号。通用聊天框吸收垂直数据、行业评测、标准模板和治理控制。模型公司进入应用层。数据公司进入模型供应链。Office 软件守住成果载体。金融机构掌握责任边界。
四股力量争夺同一个位置。
那个位置超出聊天窗口。
它是工作入口。
一句会前准备任务构成 OpenAI 演示的起点。答案穿过数据、图表、引用和 PowerPoint。这个路径暴露了 ChatGPT for Financial Services 的野心。
金融行业的奖励对象是具备核对链的数字、具备责任人的假设、支持复用的模板和支持审计的过程。
ChatGPT 金融版拿到了一张新考卷。
OpenAI、Microsoft 和 Anthropic 面对同一张考卷。
