同花顺AI与问财大模型加速落地，金融信息商的大模型竞争策略

金融信息服务的竞争正在从“谁有模型”转向“谁的数据和工具能被真正调用”。同花顺近期的两端动作颇具代表性：一边把 i 问财从问答工具升级为金融智能体，一边把 iFinD 的数据能力包装成 MCP 服务开放给本地智能体。对同花顺而言，机构客户与个人投资者并不是同一套产品逻辑，这背后是金融信息商在大模型时代重新定义入口与护城河的尝试。

C 端做任务闭环，B 端做工作流嵌入

个人投资者一侧，问财的升级方向不是继续增加回答问题的种类，而是让 AI 具备更强的任务规划和连续执行能力。同花顺在互动平台披露的信息显示，i 问财依托 Hithink 金融大模型升级为金融智能体，搭载端到端交互与全双工实时响应能力，能够进行跨轮对话和投资决策逻辑推理。公开报道中，问财也被描述为日活超过 500 万的金融顾问。

这说明同花顺在 C 端真正看重的，不是对话本身，而是高频使用形成的反馈闭环。用户每一次自然语言选股、诊股或热点追问，既是场景消费，也为金融语义理解、数据需求判断和模型迭代提供输入。对大模型产品而言，入口的优势只有在使用频率足够高时才会转化为数据优势。

机构客户一侧，iFinD 的重心则明显不同。它不再强调独立的 AI 对话窗口，而是把金融数据变成可被第三方智能体调用的标准化能力。iFinD MCP 直接集成同花顺核心数据库，支持自然语言识别股票别名、行业分类、主题概念、指数成分股等维度，并提供标准接入和高级本地部署两种形式。对机构用户来说，金融数据只有嵌入已有投研工作流，才能真正影响决策效率。同花顺的终端覆盖和机构工作流理解，使它能够把接口放在离研究员更近的位置。

竞争焦点从模型能力转向数据与工具调用

东吴证券在一份行业报告中判断，AI 与金融的结合已经进入智能体阶段，竞争重点由模型能力转向专业数据、工具调用、场景渗透与持续使用。2026 年二季度以来，MCP、Skills 等标准接口集中落地，同花顺 iFinD MCP、万得 AIFinMarket、东方财富妙想 Skills、通达信 MCP、恒生聚源 MCP 先后开放。金融数据正从封闭终端走向可被 Agent 调用的标准化能力。

这一变化的含义是，金融信息商在通用大模型参数上的差距，已经不再是最主要的胜负手。更关键的是谁能够提供稳定更新的数据、符合机构工作流的工具，以及足够深的使用场景。同花顺与阿里千问的合作提供了一个典型样本：千问负责通用深度研究入口，同花顺提供超过 1.3 万只股票的分钟级实时行情数据，以及约 100 万份上市公司财报、公告和机构研报。通用大模型获得金融数据能力，垂直厂商获得更广的入口分发。

但这种合作也带来新的问题。当通用大模型把财经分析免费开放给所有用户时，个人投资者是否还会回到同花顺自有的问财？这正是入口博弈中最微妙的部分。同花顺不能只满足于成为数据提供商，还必须让自有入口提供比通用入口更强的任务闭环，否则流量和数据回路可能被通用平台截断。

护城河不只是数据，而是入口与反馈回路

与纯 AI 厂商相比，同花顺的特殊之处在于同时掌握个人端高频入口和机构端工作流入口。C 端产生大量真实问题和交互反馈，B 端形成付费集成与数据调用需求。两者之间并非彼此独立：用户在问财中的表达可以优化金融语义理解，机构端 MCP 调用所暴露的数据需求，又反过来推动产品能力迭代。

东吴证券将 B 端智能体壁垒概括为“资源稀缺性乘以工作流渗透深度，再乘以产品迭代能力”，C 端则强调用户入口、场景深度与业务闭环。这个判断可以理解为：数据是原材料，入口决定数据从哪里来，工作流决定数据能否被持续调用。缺少任何一环，金融信息商都容易被通用大模型或数据服务商替代。

对产业分析者来说，下一阶段的观察点不应停留在模型升级或功能数量，而应看向使用深度。金融机构是否把某个 MCP 接口纳入日常投研流程，个人用户是否在通用大模型免费入口之外仍然保留问财的使用理由，才是判断护城河是否成立的关键。同花顺目前的双线卡位优势明显，但真正的检验来自接口开放之后，谁的工作流被更频繁、更深度地嵌入。