Abstract
过去两年，随着生成式 AI 的爆发式增长，大语言模型（LLM）在金融领域的应用正从概念验证阶段快速迈入实际落地阶段。除了传统券商和数据终端通过集成 GPT 能力为既有产品赋能之外，一批创业团队开始脱离传统金融平台，直接面向个人投资者打造了以 LLM 为核心的投资决策支持产品——“独立 InvestGPT”。它们通常采用“大模型底座 + 实时行情 + 金融知识库”的技术架构，通过一次自然语言的交互，就能完成信息检索、财务分析、策略推荐甚至交易执行，将原本分散在终端、研报和交易操作之间的复杂流程压缩成一个流畅的对话式工作流。
尽管市场对这些独立产品的准确性、合规性和长期商业模式仍存争议，但得益于其轻量化的交互方式、高密度的信息输出和易用的用户体验，它们迅速在个人投资者和轻量级研究员中获得了广泛的关注和使用。
本文聚焦于这一新兴的“独立第三方 InvestGPT”赛道，首先将详细拆解其通用的技术架构与核心工作流，提炼 LLM 在投资场景下需要具备的七大核心能力，并分析当前仍存在的一些典型问题与不足。随后，将基于工具深度、用户定位和商业模式等维度对主流产品进行分类，重点选取 Kavout、FinChat、Magnifi 和 Incite AI 这四款代表性平台，结合真实的上手体验、功能截图及公开运营数据，进一步解析各自产品的特色、团队基因、订阅模式和增长情况。
希望通过本文的调研与梳理，为关注 AI 投资助手的产品经理、投资从业者以及技术研究者提供一次清晰而深入的视角，让读者快速洞察独立 InvestGPT 当前的发展现状、面临的挑战与未来的机遇。
大致产品架构
目前市面上的 InvestGPT 类产品主要架构:
大模型底座 + 金融数据库 + 实时行情搜索 + 工具调用 + 用户档案和持仓数据
┌────────┐│ 用户 │ ←─ text / voice└──┬──▲──┘│ │▼ │┌───────┐│ LLM │ ① 意图解析（Intents）+ 工具决策└┬──────┘│ ▲│ │ (2) 结构化批量写库│ ││ ┌──────────────────┐│ │ Financial DB │ ←─ 日/周级财报、估值、宏观│ └──────────────────┘│ REST/SQL ▲▼ │┌───────────────┐│ Real-Time Feed │ ←─ Kafka/WebSocket 推送行情/快讯└────┬──────────┘│ embeddings（秒级刷新）▼┌───────────┐│ 向量检索 │ ② Top-k 文档 & 最新行情切片└────┬──────┘│ docs / quotes(3) RAG：拼 Prompt▼┌───────────┐│ LLM 再生成 │ ③ 生成解释＋( 可选 )Function Call└────┬──────┘│ 信息咨询⬆️---------------------------------------------------------│ 交易执行⬇️(4) Tool Calls ──► Broker API/Alert API ④ 执行下单或设提醒│ result JSON▼┌───────────┐│ Portfolio │ ⑤ 更新持仓 / 风险画像 / 日志└───────────┘
注解索引
① 意图解析：判断是信息查询还是交易动作。
② 向量检索：只返回最相关文本块＋行情 JSON，控制上下文大小。
③ LLM 再生成：同时输出自然语言答案＋函数调用 JSON（若需动作）。
④ Tool Calls：真正 hitting 经纪商、告警、回测等接口。
⑤ Portfolio：写回后，下轮对话可引用最新仓位和收益情况。
核心工作流
交易咨询场景：
用户提问 → LLM 意图识别 → 工具规划 → 数据检索 → RAG → LLM → 回答用户 自然语言经 LLM 解析后，确定是否调用行情、抓研报或直接生成答案。
用户问题 → LLM 意图解析 / 风险检查 → 选择需要的检索工具 → 调用检索工具拉数据（行情 / 财报 / 研报） → RAG 把检索结果和问题拼 Prompt → LLM 生成回答（+ 可选 function_call 建议） → 返回给用户 (→ 记录此次对话 & 推荐是否被采纳 )
静态数据：从金融 DB 走 SQL/GraphQL。
实时数据：通过流式缓存或向量库。
交易执行场景：
用户确定执行 → 工具执行 → 反馈 Action Tools 把“买 100 股 AAPL”写入交易草单，执行结果与盈亏再回流给画像，形成闭环。
用户点击“采纳 / 下单” → Orchestrator 解析 LLM 的 function_call 参数 → 调用 API 真正下单 → API 返回成交结果 / 错误信息 → 写回 Portfolio（持仓、现金、日志） → 向用户确认执行结果 → 更新用户画像供下次对话使用
额外补充
补充层 | 缺它会出事的原因 | 常见做法 |
|---|---|---|
A. 合规与风控过滤层 | 对 C 端直接给投资建议触 SEC/FINRA/KYC；生成内容必须自动插入免责声明、过滤诱导词 | PII+ 禁语黑名单、正则 +LLM 双重审查 |
B. 日志与观测层 | 交易接口 /LLM 失误要可追溯；性能瓶颈定位 | OpenTelemetry + Grafana；细粒度 tracing ID |
主要能力
信息发现（多源数据检索、主题挖掘）
行情分析（财报 / 链上 / 量价因素解析）
信号提醒（价格、事件、情绪告警）
决策执行（一键下单、自动调仓）
持仓分析和风险管理（风险敞口、VaR、再平衡）
模拟复盘（回测、纸飞机账户）
新手教育（教材、案例）
（能自动执行策略交易 Agent （较少））
能力模块 | 常用场景 | 触发问题示例 |
|---|---|---|
信息发现 | 主题检索：用关键词快速锁定相关资产、基金或代币 | “人工智能概念股有哪些？” |
新资产发现：找最近 IPO / 新上币 / 新 ETF | “最近有哪些新上市的美股？” | |
行业动态速览：拉取指定板块或链生态的最新新闻 | “今天 Solana 生态有什么大新闻？” | |
多资产对比：跨股票 - 基金 - 加密资产的表现横评 | “比特币和黄金近五年的年化收益差多少？” | |
高维筛选：按市盈率、成交量、链上活跃地址等条件过滤 | “市盈率低于 15、股息率高于 4% 的美股有哪些？” | |
行情分析 | 实时行情可视化：K 线、深度、盘口 | “BTC 过去 1 小时的分时图情况怎样？” |
价格变动归因：解释单日 / 区间的涨跌原因 | “特斯拉昨天大跌是为什么？” | |
技术指标诊断：MACD、RSI、布林带 | “AAPL 的 30- 日 RSI 现在是多少？” | |
基本面快评：财报关键指标、估值倍数 | “微软最新季度的毛利率是多少？” | |
事件 - 因果分析：宏观数据、链上鲸鱼转账 | “上周 CPI 数据公布后 ETH 为何跳水？” | |
信号提醒 | 价格阈值告警 | “BTC 跌破 55,000 美元时提醒我。” |
波动率 / 成交量异常 | “哪只美股今天波动率突然飙升？” | |
大额链上转账监控 | “有鲸鱼把 ETH 转进交易所记得通知我。” | |
新闻 / 公告推送 | “特斯拉一有新品发布就给我推送。” | |
社媒情绪突变 | “DOGE 在 X 上热度激增时提醒我。” | |
决策执行 | 一键下单或批量调仓 | “帮我买入 100 股 NVDA 市价。” |
条件 / 限价委托 | “如果 BTC 跌到 52k 就自动买 0.2 枚。” | |
自动再平衡 | “把科技股仓位调回 40%。” | |
税务 / 费用优化交易 | “用最小税负方式卖出部分 TSLA。” | |
批量取消 / 修改订单 | “撤掉所有挂在 60k 的 BTC 卖单。” | |
持仓分析和风险管理 | 敞口与集中度监测 | “我对加密资产的敞口占比多少？” |
VaR / 最大回撤评估 | “按 95% 置信度算我的组合 VaR。” | |
收益 - 因子归因 | “过去 3 个月组合超额收益主要来自哪里？” | |
资产相关性 & 对冲建议 | “有哪些资产与我的特斯拉仓位负相关？” | |
动态止盈 / 止损提示 | “BTC 跌 10% 或涨 15% 时提醒。” | |
模拟复盘 | 历史回测：策略在不同周期的表现 | “如果我 2018 年起每月买 BTC 会怎样？” |
纸上交易 / 虚拟账户 | “用 10 万虚拟资金测试这套择时策略。” | |
蒙特卡洛压力测试 | “对我的组合做 1,000 次随机路径模拟。” | |
绩效对比 & 复盘报告 | “生成上季度的交易复盘并与纳指对比。” | |
新手教育 | 基础术语解释 | “什么是市盈率？” |
分级课程 / 任务制学习 | “我想从零开始学基金投资，有推荐的学习路线吗？” | |
操作演示 & 交互指南 | “教我在软件里设定止盈单。” | |
小测验 / 闯关 | “来一道关于区块链共识机制的选择题。” | |
场景化案例教学 | “举例说明熊市定投的效果。” |
产品存在形态
InvestGPT 类产品根据其依托的平台或服务场景，可以大致分为以下三类：
1. 独立的投资助手平台
这类产品以独立创业平台的形式存在，通常具备自有品牌、独立的用户注册系统和订阅收费模式。它们专注于投资决策辅助，产品设计紧密围绕金融场景进行优化，深度整合金融数据库、实时行情和用户投资数据，提供专业的市场分析、投资策略推荐和组合管理等服务。
代表产品包括：Magnifi、FinChat（现 Fiscal.ai）、Kavout、Incite AI 等。
2. 现存交易平台的辅助助手
该类产品通常由已有的金融服务商（如券商、交易所、财经数据终端）开发和提供，内置于其现有交易或资讯平台内，以增强用户对市场数据和资讯的获取效率、提升用户体验和交易活跃度。其特点是与母平台的业务流程深度集成，用户无需单独注册或下载额外应用即可使用。
代表产品包括：BloombergGPT（彭博终端内置）、TigerGPT（老虎证券交易 App 内置）、Crypto.com Amy（Crypto.com 交易平台内置），腾讯理财通内置 GPT 等。
3. 通用 AI 产品的衍生能力
此类产品并非专门针对金融或投资领域开发，而是以通用大语言模型为基础，提供覆盖广泛话题领域的智能问答能力。用户可通过通用 AI 产品进行基本的金融信息查询、新闻摘要或分析师观点整合，但缺乏对金融数据、投资账户或交易行为的深度集成与分析能力。
代表产品包括：ChatGPT（OpenAI）、Claude（Anthropic）、Perplexity 等。
核心产品体验
内容形式：纯文本 vs. 结构化文本 + 图表
AI 的回复内容一般分为两种主要形式：
纯文本形式：类似于 ChatGPT 的交互体验，以自然语言描述为主，适用于基础的信息咨询和教育场景；
结构化文本 + 图表形式：除了文字说明，还搭配了资产价格图表、量价关系、技术指标等内容块，并对数据进行结构化的处理（如以表格呈现），这种形式更能体现金融领域的专业性与信息准确性，也是区分通用型 AI 与专业金融平台的重要差异点之一。
当前，专业投资平台通常会在回复内容中包含资产量价图表，以直观体现数据支持的分析结论。
2. 分析方法：网络文章观点汇总 vs. 结合量价数据分析
AI 对金融内容的分析方式通常包括以下两种：
网络观点汇总型：以 ChatGPT、Perplexity 等通用 AI 工具为代表，这类平台通过对网络上的分析师观点、财经新闻进行检索和整合，但不会结合实际金融数据展开深度分析，侧重信息的广度；
量价数据分析型：以 FinChat.io、Magnifi 等专业金融平台为代表，这类工具除了汇总市场上的分析观点外，还会结合资产的具体财务数据、蜡烛图、技术指标等金融数据，从技术面和基本面进行更深层次的综合分析，侧重信息的深度和实操价值。
相比之下，基于量价数据的专业分析，能提供更具体、更精准的决策支持，有效提升投资者的使用体验和决策效率。
主要产品一览
独立 InvestGPT 产品对比一览
纬度 / 产品 | Kavout | Fiscal.ai（原 FinChat） | Magnifi（TIFIN） | Incite AI |
|---|---|---|---|---|
团队背景 | 2015 年创立，Kavout 隶属于 Kavout Algo Financial（总部西雅图），由前微软、谷歌和百度工程高管 Alex Lu 联合创立； | 2022 年创立，原名 FinChat，后更名 Fiscal.ai。由化工出身的投资播客主播 Braden Dennis（CEO）等 4 位联合创始人发起。包括全栈工程师 Ryan White、欧洲的内容产品经理 Kevin Bojan 和注会出身的财务运营专家 Adrian Iwanicki 组成的跨学科远程团队创建，。公司起步于多伦多，在 TinySeed 加速器支持下成长 | Magnifi 为 TIFIN 公司旗下产品。TIFIN 成立于 2018 年，创始人 Vinay Nair 为前沃顿商学院教授。总部设于科罗拉多博尔德和纽约，在财富科技领域经验丰富，拥有跨国团队和多条产品线（包括 Magnifi 投资助手） | Incite AI 于 2024 年初成立，总部位于洛杉矶。创始人兼 CEO 为 Nicolli Massachi（曾任对冲基金经理），小团队专注于实时数据与 AI 结合的创新。Tracxn 资料显示 Incite 为独立创业公司，尚处于早期阶段 |
用户规模与资产连接 | 注册用户应在 20–30 万 区间。 | 拥有超过 35 万注册用户。通过其 API，Fiscal.ai 的技术还嵌入多个金融平台，为数百万终端用户提供数据服务。 | 估算 50 万 + 注册用户（截至 2022 年底 17.5 万 +）。支持用户链接超过 20 亿美元的个人投资账户资产（2024 年中数据）用于分析。 | 约 14–18 万注册。暂未提供账户连结功能，但侧重于实时市场信息和智能提醒来辅助用户决策 |
估值与融资 | $780 万（2017 年获得 A 轮融资）。投资方包括 FinCon、China Growth Capital、Glory Ventures 等。此后未见新的公开融资信息，公司运营资金主要来自早期融资和业务收入（Tracxn 将其列为无后续公开融资） | $1.5 百万种子轮（2022 年 TinySeed 等），$1000 万 A 轮（2023 年 6 月，由 Portage 领投，Social Leverage 和 VanEck 等跟投）。VanEck 还于 2024 年底追加战略投资 $150 万用于合作。未披露估值，但凭快速增长获得多方资本青睐 | 母公司 TIFIN 累计融资约 $2.17 亿，在 2022 年 D 轮融资 $1.09 亿，估值达 $8.42 亿。投资方包括摩根大通、富兰克林邓普顿、晨星等知名机构。Magnifi 作为核心产品受益于 TIFIN 雄厚资金支持，研发和市场扩张资源充足 | 无公开融资，迄今未披露任何风投资金（被视为自筹或孵化项目）。因此暂无估值参考。目前主要依靠创始团队资源推动产品开发和推广 |
ARR 及增长 | 约 8000 订阅用户， $120 万美金年收入（估算）。 | 约 8000 订阅用户，$250 万美金 年经常性收入（2025 年 2 月）； | 约 40k 订阅用户，680 万美元年收入（估算）。母公司 TIFIN 在 2022 年年化收入约 $3000 万 | 1,100 付费订阅用户，14 万美金年收入（截止到 2025 年 2 月数据） |
商业模式与收入结构 | Freemium 订阅制 + 数据服务，收入主要来自订阅费。提供免费基础版和 $20/ 月的专业版订阅给个人投资者，涵盖 InvestGPT 问答、AI 选股等高级功能。同时，Kavout 亦将其 AI 选股信号（如“Kai Score”评级）授权给对冲基金和资产管理机构，收取数据 / 技术服务费（B2B 模式） | 混合模式（订阅 +API）：针对个人投资者提供免费有限查询，并设高级订阅（Plus 约 $24/ 月、Pro 约 $64/ 月）获取无限问答、财报分析等功能。此外通过 API 和企业授权将其金融数据和 AI 能力卖给机构：例如与 YCharts 合作提供公司关键指标数据，接受 VanEck 等金融机构内部部署其平台。收入来源包括个人订阅费和 B2B 服务费两块，ARR 结构多元 | 订阅制服务：提供基础免费功能并引导用户升级付费版（Magnifi Personal，$14/ 月起）享受 24/7 AI 投顾助手、资产监控、定制报告等高级功能。平台内置零佣金交易功能但不以佣金盈利（无订单流收入），主要靠订阅费变现。针对顾问等专业用户亦有高级套餐，但总体上收入模式以 C 端订阅为主 | 免费 + 预订阅模式：当前对用户免费开放核心功能，通过降低门槛迅速获取用户和反馈。计划后续推出订阅付费（例如无限询问、半自动观察名单等仅订阅者可用功能）来变现。短期内暂无广告或交易分成收入，营收来自高级订阅费 |
产品特色 | Kavout 以“Kai Score”量化评分和 AI 选股见长，为用户提供类似对冲基金的选股参考 | Fiscal.ai 突出对财务报表数据和文件的深度解析，将金融数据库与对话式 AI 结合，方便用户提问获取公司关键指标和分析结论 | Magnifi 定位为全方位投资助手，强调投资组合健康检查和个性化建议，支持账户联通、语音提问等，力图成为个人的智能理财顾问 | Incite AI 主打实时决策型 AI，声称通过自研算法结合大模型（ChatGPT）提供高达 95% 准确率的选股判断，并拓展至加密货币乃至体育等领域，实现跨市场的智能决策支持 |
其他 | 截至目前 Kavout 主要服务全球个人投资者和部分机构客户，其平台覆盖美股、ETF 和加密货币市场，提供对 7,600 多只股票的 AI 分析。用户可以使用 Kavout 提供的 InvestGPT 助手和 Kai 评分等工具自行研究投资，但没有直接账户资产绑定功能 | 用户以股票研究者为主，无直接交易账户托管，但其终端和 API 可连接第三方数据源；2023 年与 YCharts 等金融数据商合作共享关键财务指标 | Magnifi 提供券商账户整合和投资组合监测，用户可绑定多家券商和 401k 账户获取整体投资洞见 | 暂未提供账户连结功能，但侧重于实时市场信息和智能提醒来辅助用户决策 |
kavout.com
fiscal.ai (ex- finchat.io )
magnifi.com
inciteai.com
CryptoGPT
alva.xyz
minara.ai
现存交易平台的辅助助手
TigerGPT
结语
InvestGPT 的快速兴起，代表着金融领域又一次重要的技术与产品范式变迁。从传统的终端与研究报告，到现在的一条对话式互动，AI 投顾正在重新定义个人投资者与市场信息交互的方式。本文从架构设计、核心能力，到代表性产品的深度测评与对比，展现了独立 InvestGPT 赛道充满潜力但也面临诸多挑战的现状。
尽管当前的产品仍在探索精准性、合规性和长期商业模式的最优解，但无论是技术驱动的 Kavout、以财务深度见长的 Fiscal.ai，还是致力于资产管理与个性化体验的 Magnifi，以及主打实时决策的 Incite AI，它们都在不同维度展现了大语言模型与投资领域深度融合的可能性。
在可以预见的未来，投资 GPT 产品势必将继续演化，推动市场向更加智能、实时且个性化的投资服务迈进。对于投资者来说，掌握 AI 工具并利用好技术红利，将成为未来投资成功的重要竞争力之一。而对于从业者和创业者而言，如何平衡技术创新、用户需求和监管挑战，将决定他们能否在新一轮的金融科技革命中立于潮头。
希望本文的梳理与分析，能为你在理解、应用甚至参与到 InvestGPT 的浪潮中提供一些启发和帮助。
【免责声明】市场有风险，投资需谨慎。本文不构成投资建议，用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
