北京熵简科技最近完成 C 轮融资，蚂蚁集团领投，东方国信与乔贝资本跟投。蚂蚁同时宣布，将和熵简在 AI 金融智能体研发、金融垂域模型训练上深度合作。

这家公司做什么？给金融资管行业提供数据智能，核心产品叫 AlphaEngine，覆盖 9000 余家机构、十万余名机构投资者。

但就在它融资的同一年，行业里有个判断被反复提起：数据本身，已经不算太大的壁垒了。

如果这句话成立，那蚂蚁投的到底是什么？

一、Agent 正在拆掉金融终端

过去二十多年，金融信息服务这个生意，核心是抢一个东西：终端席位。

基金经理打开万得，投资者打开同花顺，股民浏览东方财富。数据、资讯、研究工具、分析框架，全被封装在同一个入口里。谁占住这个入口，谁就掌握了定价权。

这套模式运行了二十多年，直到 Agent 出现。

用户开始通过 Agent 查数据、读公告、筛股票、分析基金。数据、工具、分析框架，甚至投资方法论，都从终端里被拆了出来，以 MCP、Skill 的形式进入新的生态。

于是三家头部公司，在 2026 年做了一件以前不会做的事：把封装在终端里的能力，对外开放。

同花顺 3 月推出 iFinD MCP，官方说法很直白—— " 给每一只龙虾配上一座专业金融数据库 "。东方财富同一天上线 Skills 体系，把资讯搜索、金融数据查询、智能选股封成可调用的模块。万得最晚，5 月下旬才发布 AIFin Market，向外部 Agent 开放数据、工具和研究能力。

但三家开放的顺序和保留的东西，各不相同。

万得最犹豫，因为它最舍不得。它的护城河从来不是数据，是机构客户沉淀在终端里的工作流——分析师每天在里面找数据、做模型、写报告，这套习惯就是它的城墙。所以它一边开放 MCP，一边在终端里继续加 AI 产品，两条腿走路。

同花顺最开放。它的用户是海量个人投资者，2025 年证券类 App 平均月活 3549 万，稳坐第一。对它来说，用户从哪里问问题不重要，重要的是 " 答案生成的时候，调的是不是我的数据 "。

东方财富守得更靠后。它九成以上的收入来自证券服务和基金代销，资讯、股吧、天天基金、券商牌照，串成一条 " 从看到信息到完成交易 " 的路径。Agent 能帮用户读资讯、筛基金，但没法天然拥有交易牌照。

万得守工作流，同花顺守数据，东方财富守交易。

那么，一家既没有终端、没有流量、也没有牌照的公司，还能守什么？

要回答这个问题，得先看清一件事：这个行业的价盘，正在两头受压。

先看高的一端。万得终端一个基础账户年费 3.98 万元，如果把 EDB、AMS 这些功能都配上，一年可能超过 10 万元。这是二十年来行业的 " 锚点 "。

但 2024 年，万得做过一次 " 下探 " ——新增终端的年费低到 680 元、880 元、1280 元。同花顺 iFinD 标准账号 1.4 万元 / 年，东方财富 Choice 1.8 万元 / 年，还常配 " 买一送二 " 之类的促销。

更要紧的是，东方财富 Choice 启用 " 妙想 "AI 功能的账户，报价 2.9 万元 / 年。

一个普通账户 1.8 万，加 AI 功能 2.9 万—— AI 一年值 1.1 万元。这个数字很关键：AI 不是白送的，它能单独卖钱；但它也没有把终端的价格推高一个量级，只是加了一档。

再看供给的一端。四家头部公司的 AI 产品，路线已经很清楚了：同花顺自研 " 问财 HithinkGPT"，2025 年 7 月升级成能 " 边想、边查、边搜 " 的自主规划智能体；东方财富自研 " 妙想 "，做投研助理覆盖完整工作流；万得自研 Wind Alice，做写作和事实核验；大智慧干脆接 DeepSeek，做零代码量化。

四家全部自研或接入了大模型，全部在做 Agent。

而且最狠的是，同花顺已经把 AI 卖到了别人的场子里——它的 iFinD+AI 参与过国泰海通 " 灵犀 "、广发证券 " 易小淘 Plus" 这类券商 App 的研发。

这句话翻译过来就是：熵简的客户（券商研究所、资管机构），同花顺也在卖。

于是那句判断就变得很刺眼了：数据本身，已经不算太大的壁垒。数据可以买、可以接、可以开放成 MCP；大模型可以自研、也可以接。那么一家做 " 金融数据智能 " 的公司，护城河到底在哪？

三、它守的其实是 " 交付 "

熵简科技走的路，和上面四家都不太一样。

创始人费斌杰在嘉实基金做过三年 TMT 分析师。2017 年，25 岁的他创业，方向很具体：投研不是通用知识问答，一个 " 裸奔 " 的 Agent 框架，没法替代一个真正懂投研、有数据、能自主执行的 AI 分析师。

所以熵简过去四五年做的事，不是抢终端，是给头部资管机构建投研数据中心——中金、嘉实、华夏、博时这些名字，都是它的客户。

这件事的性质，值得说清楚：它不是卖一份现成的数据，而是把一家机构散落在各处的研报、纪要、公告、专家访谈，治理成结构化、可检索、能喂给模型的东西，再装进这家机构自己的系统里。

这是驻场活、项目活、一家一家做的活。

而这恰恰是万得、同花顺、东方财富不愿意干的活。它们卖的是标准化终端、云端 API、可复制的软件产品；它们不会派一个团队去某家公募基金待半年，帮它治理私域数据。

有了这块底子，2026 年 3 月熵简推出 AlphaClaw ——一个开箱即用的投研 Agent，内置的研报、点评、资讯每天更新近万篇，另配海量会议纪要、专家访谈库。9 月又推出机构版，用的是本地优先架构：个人知识库在本地做向量化，用户沉淀的投资逻辑只在本地运行，物理隔绝云端。

这个 " 本地优先 "，才是它和四强真正错开的地方。万得和同花顺是把能力开放到公有云的生态里，熵简是把能力装进客户的机房里。

有意思的是，万得的 WindClaw、同花顺的 iFinD Claw、熵简的 AlphaClaw ——名字里都带 "Claw"，因为这些 Agent 大多脱胎于一个叫 OpenClaw 的开源框架，圈里管它叫 " 龙虾 "。框架是开源的、免费的、人人可得的。所以 " 做一个投研 Agent" 这件事，本身没有任何壁垒。

壁垒只能在两处：喂给它的数据，和它被允许进入的场景。

而 " 数据不算壁垒 " 这句话，已经把第一处削掉了一半。剩下的，是第二处——有些机构的数据，就是不能出机房。

银行理财子、保险资管、公募基金，对数据合规的要求高到近乎苛刻。它们可以买一个云端的 API，但核心投研数据、内部纪要、投资逻辑，不会交给任何一个外部模型去训练。这不是技术问题，是监管问题。

熵简真正卖的，是 " 让智能进入一个数据不能出门的地方 " 的能力。

这也解释了蚂蚁为什么要投它。蚂蚁有 C 端流量、有支付和财富的入口、有自己的大模型。它缺的正是这块：B 端专业投研的场景，和 " 能进客户机房 " 的交付能力。合作的措辞也不是财务投资，而是 "AI 金融智能体研发、金融垂域模型训练 " ——蚂蚁要的是模型落地的 B 端场景，熵简要的是蚂蚁的模型能力和更大的客户网。

四、这门生意的天花板

但 " 交付 " 这两个字，也框住了它的上限。

第一，项目制。每进一家机构，都要单独治理数据、单独部署、单独运维。收入更接近项目款，而不是订阅费；增长是线性的，人力是密集的。这跟卖软件的估值逻辑完全不同。

第二，中立性。拿了蚂蚁的钱，还能不能中立地卖给别人？熵简的客户里有不少，本身就和蚂蚁在财富管理上有竞争。本地部署可以缓解这个担忧——数据不出客户机房，熵简拿不到数据，也就不存在 " 把数据交给股东 "。这可能也是它坚持本地优先的另一个原因，不只是为了合规。

第三，也是最重要的一条：如果 " 数据不是壁垒 " 这个趋势继续走下去，那 " 交付 " 的价值也会被稀释。因为一旦金融数据接口都被标准化成 MCP，Agent 可以随便调用，那 " 治理私域数据 " 的必要性就下降了。

熵简押的，是相反的判断：核心投研数据永远不会被标准化，因为它太私密、太值钱、太不合规。

这个判断对不对，决定了它是 " 金融 AI 的基础设施 "，还是 " 一个做定制化项目的服务商 "。

蚂蚁领投，表面上是给一家金融数据公司加了背书。往深一层看，它标记的是一个行业转折：金融信息服务争夺了二十多年的 " 终端席位 "，正在被 Agent 拆成数据、工具、技能、场景这几个零件，重新分配。

万得要保住工作流，同花顺要保住数据入口，东方财富要保住交易路径。而熵简科技没有终端可保，它守着的是四五年里一家一家建起来的数据中心，和一套 " 能进客户机房 " 的交付能力。

这门生意增长不快，干的都是苦活累活。可偏偏在一个人人都想把能力搬到云上的行业里，公开数据在贬值，" 核心数据不出门 " 反而成了最稀缺的需求。