万得×火山引擎：万得AI面向个人用户开放，真办事的金融AI来了

作为金融从业者，你一天的时间是怎么分配的？有多少时间消耗在扒财报、摘数据、整报表、写报告这些繁琐事情上？实际情况表明，通用AI助手在处理这些工作时，常常是“看着挺聪明，其实不好用”。

近期，万得推出了面向专业金融个人的AI原生工作平台——万得AI，首次将机构级专业金融AI能力全面开放给个人金融从业者。

你可以把它理解成能够辅助你的：一个投资团队、一个策略团队、一个研究团队、一个投行团队、一个理财团队、一个客户服务团队……全都浓缩进了一个万得AI个人版账号里。

在这背后，由豆包大模型提供坚实的技术支撑，让万得AI不止能“对话”，更能“真办事”。

它可以连接全球市场的大量专业数据、资讯、研究与金融工具，并围绕金融任务去组织分析与执行，调动数百个专业金融MCP工具和Agent，实时根据复杂任务或项目需求创造出多个专业Agent协作完成，把工作成果真正交到你手里。

一个账号，就是一支全建制的金融团队

为什么很多AI，一到金融问题就总“差一口气”？因为金融不是一个只靠语言能力就能打穿的领域。

万得AI和很多通用AI真正的差别在于：它能接入实时、专业、全面的数据，能理解金融任务与分析框架，能围绕任务目标去拆解分析，能查资料、调工具、做计算、跑流程、验结论、完成Excel/PPT/Word......它能把一系列的任务串起来，最后把结果真正交到你手里。

概括而言就是：智能内核、工具联动、技能分身。

万得AI采取由AI驱动的多Agent推理模式。可以理解成一个专业Agent的集群，由一个主智能体(Master Agent)，根据用户特定任务和需求实时创建与配置若干个专业领域的子智能体(Sub-Agent)，通过协同运转，来完成全流程金融工作闭环。

就像一个真正懂你、能干的AI团队：有人查数据，有人拉资料，有人做测算，有人搭框架，有人建模型，有人核来源，最终把结果组织成可交付的东西。

在豆包大模型2.0与万得本地精调模型协同配合下，结合万得近30年对于各项金融业务流程的深度理解，整个过程高效运转：

第一步，精准识别与拆解用户提出的复杂金融需求。
第二步，基于万得金融专业知识体系与投研范式，将任务拆解为一系列子任务，并分配给对应的子智能体。
第三步，精准驱动数据检索Agent、策略分析Agent、财务建模Agent、投研分析Agent、行业分析Agent、竞品对标Agent、财富管理Agent、图表生成Agent、PPT Agent等专业子智能体和专项MCP工具进行高效作业，无缝对接万得的权威数据与专业分析工具。
第四步，将子智能体的任务结果进行汇总整合，并做专业校验，全流程留痕可溯源，满足金融合规审计要求。

豆包大模型2.0在金融专业知识处理、分析师语境理解等方面表现突出。在实际应用评测中，豆包大模型2.0在内容忠实性、金融摘要能力、事实遵循能力、Agent规划与工具调用能力等维度均处于业界第一梯队水平，能够为金融这类对可靠性要求高的业务场景提供优质的模型能力支撑。

此外，火山引擎提供了弹性、高并发、低成本的AI算力支撑。面对海量个人用户同时发起复杂任务，云端算力可动态扩缩容，确保行情高峰期、报告密集期时系统保持低延迟、不卡顿。同时，火山引擎依托字节跳动大规模业务锤炼的工程化能力，在安全性、稳定性、防攻击、内容合规上形成严密防护，从底层杜绝数据泄露与模型滥用。

//场景一：评估新能源汽车（885431）市场，AI直接拉起一支“项目组”

当公司要判断一个新行业是否值得进入，问题往往不是单点的：市场空间有多大？有哪些可比公司？政策、竞争格局和风险怎么看？最后能不能形成一份董事会汇报材料？

万得AI可以把任务自动拆解给多个Agent协同完成：市场规模测算、可比公司分析、政策风险研究同步推进，最后汇总成一份完整的董事会汇报PPT，并配套生成Excel模型和分析报告。

原本需要团队分工几天完成的行业投资评估，现在可以通过一次自然语言任务，直接形成“市场空间—竞争格局—风险判断—进入策略—投资建议”的完整交付。

如果要系统分析一家上市公司，通常需要先写公司速览，再做财报点评，补充调研问题，最后整理成路演材料，流程长、环节多。

万得AI可以把这些任务串联起来：先生成“xx公司”一页纸投资报告，再输出最新季报点评，随后设计投资调研问卷，最后整合成一份可用于路演介绍的PPT。

你拿到的不只是单篇分析，而是一套从“公司研究—财报点评—调研准备—路演汇报”的完整工作流，帮助分析师更快完成从初步研究到正式汇报的交付闭环。

万得和火山引擎合作，把专业的金融数据、经验方法与先进的AI技术充分结合，让专业金融AI从机构场景走向更广泛的个人用户，真正实现“一个账号，就是一支全建制金融团队”。