国庆假期前的最后一个交易日，我被一组密集的消息砸中了。

9月29日到30日，48小时里，三家美国券商同时出手。Robinhood 发布代理交易工具 Robinhood Agents，Webull 官宣云端 MCP 接入，嘉信理财（Schwab）推出生成式客服 Charley。

国内也没闲着。我翻公开报道时看到，华泰证券的 AI 原生交易终端"AI涨乐"，自2025年10月上线以来累计下载已经突破500万次；9月7日，千问开放平台一口气上新十余家金融智能体，兴业证券、国泰海通等4家券商首批入驻。

一句话概括眼前的变化：AI 炒股、AI 投顾，正从"一家独有"走向"多平台跟进"。

但有个细节几乎被所有通稿放在同一位置，那就是人工确认。Robinhood 每笔交易要手动批准，Webull 每笔得客户单独确认，嘉信干脆不让 AI 碰交易。

这就有意思了。各家产品名字、形态差得很远，为什么偏偏在"最后一步"上齐刷刷踩了刹车？中外券商走的是同一条路吗？

这篇我想当一份发展报告来写，给你一把能反复用的尺子：先给 AI 投资助手分级，再分别盘美国和中国的玩家，最后讲清楚，到底是什么在给这门生意划线。

先给AI投资助手分个级

要看懂各家走到哪，得先有把尺子。海外行业研究 Kinetic Alpha 用一条"自主阶梯"给产品定位，从 L0 到 L4，我觉得这套最清楚，也搬给你。

• L0 静态规则。
   就是早年的智能投顾（robo-advisor），按你填的风险问卷，套用1950年代就有的投资组合理论，算出一篮子 ETF，到点再平衡、自动税损收割。全程确定性规则，没有推理、没有学习。
• L1 信息讲解。
   AI 帮你读文档、做摘要、回答研报问题，比如各类"组合洞察""文档助手"。人决定一切，AI 只负责把信息讲清楚。
• L2 给出建议。
   输出个性化、可执行的买卖建议，但由你亲手执行。到这一级，适当性、受托责任这些问题才真正冒出来。
• L3 围栏内执行。
   AI 在一圈硬约束里自己动手下单，比如专用的预注资账户、仓位和金额上限、独立熔断。这是2026年面向散户开放的最前沿。
• L4 全权委托。
   模型直接持有授权、自主管钱。目前只存在于有机构级风控的量化基金里，零售产品按现行规则还不允许。

记住这条阶梯，2026年绝大多数能规模化的产品，都挤在 L1 和 L2；面向散户的最前沿刚摸到 L3；L4 被关在机构的围墙内。

还有一条线我得先划清楚，自动化和智能是两回事。L0 那些 robo 看着"自动化"，其实是确定性规则引擎，跟 AI 不沾边。很多营销把前者包装成后者，美国证监会后来打的"AI 漂绿"官司，争的就是这层区别，因为它真的值钱。

美国：新势力激进开门，大行先武装顾问

拿着这把尺子再看美国那48小时，会发现玩家其实分两层，打法完全不同。

头一层是互联网新势力，激进，敢碰交易。

Robinhood 最猛，但扣扳机的还是人。 它其实在2026年5月27日就以测试版上线了代理交易（Agentic Trading）和代理信用卡，通过专门的 MCP 服务器把交易、银行接口开放给 AI，9月29日的 HOOD 峰会算是正式发布。据 Wisevoter 10月1日报道，约有15万客户开通了代理交易账户。

激进归激进，三道保险一道没少。每笔交易需手动批准；活动隔离在专用账户里，预算单独划出、和主账户隔开；随时可以断开。代理信用卡则是一张虚拟卡，带消费额度控制，也能选手动批准。

Webull（微牛）走的是另一条路，不自建 Agent，把接口开放出去。9月29日官宣的 Cloud MCP，让合格美国用户把 Claude、Perplexity、Grok 这些现成 AI 助手接进自己账户，做市场研究、组合分析、准备交易。但每一笔都必须客户单独确认才提交，另配订单预览、只读模式、标的范围和金额上限。

嘉信理财最保守。9月30日推出的 Charley 是个生成式客服，只回答余额、文档类问题，问答型，不执行交易，10月起向美国零售客户推广。作为传统大行，它把 AI 先放在信息服务层，交易执行碰都不碰。

专做专业交易员的盈透证券（Interactive Brokers）6月1日也宣布接入 AI，走企业级集成。AI 能访问持仓、未成交订单、交易历史、保证金和行情，但不向 AI 提供商共享密钥，也不在客户端电脑存凭证。

另一层是摩根士丹利、高盛、摩根大通这些全能大行，主战场在顾问端，先武装自己人。

摩根士丹利扎得最深。它和 OpenAI 合作多年，给约1.6万名财务顾问部署了 AI @ Morgan Stanley 助手，把10万多份研报和文档变成几秒钟就能问答的知识库；Debrief 工具自动生成客户会议纪要、跟进事项并归档到客户管理系统，据公司称每次会议能省约30分钟；AskResearchGPT 把回答典型客户问题的时间压到原来的约十分之一。公司披露，98%的顾问团队已经在用。

到2026年6月，摩根士丹利也迈出关键一步，宣布通过 MCP 向外部 AI Agent 开放股票计划平台（ShareWorks、Equity Edge），先小范围试用，次年再扩到约3400个管理客户，CNBC 称这是华尔街大行里最早的动作之一。

高盛把 GS AI 助手铺给了约4.6万名员工，摩根大通则有覆盖约450个用途的 LLM Suite，贝莱德的 Aladdin Copilot 让用户用大白话查询组合与风险。这些全能行有个共同脾气，AI 先给员工和顾问增效，交易的最后闸门握得很紧。

中国：头部券商直接做C端原生终端

把镜头转回国内，你会发现一个和美国不太一样的结构：头部券商没绕弯，直接面向散户做 AI 原生交易终端。

华泰证券的"AI涨乐"是境内首款人工智能原生交易终端。 它重构了"人、信息、交易"的关系，把客户的问题拆成选股逻辑，调用底层数据筛选，即时生成可视化股票池和策略回测报告；用户确认策略后，用自然语言就能下单，覆盖"发现机会、选股研究、交易执行、账户管理"全流程。前面提到，自2025年10月上线累计下载已破500万次。

华泰 CEO 周易有句话我觉得是全行业的潜台词，AI 不当"代决策者"，更像一个"专业智能投资伙伴"。

国泰海通的"灵犀"走全 AI App 路线。灵犀 App 已迭代到3.0，在2026世界人工智能大会上亮相，依托自研的"君弘灵犀"垂类大模型，做对话、直播、盯盘三大界面，智能盯盘能实时捕捉盘中秒级异动并生成看板和风险提示；4月它还率先推出"灵犀 Skills"，把查研报、查行情、筛股票等六项能力封装成可调用的技能。公司采取灵犀独立版和君弘升级版双 App 策略。

其他头部也各有切口。中金公司在探索"AI+买方投顾"；中信建投的"信谛听"1.5 做零代码量化，你用大白话描述投资逻辑，系统自动生成代码、纠错并回测，还开放了7000多篇脱敏研报和20TB历史数据，分析结论支持原文溯源；广发证券5月发布 Skill 矩阵；国信证券的"小信"能把一个概念板块自动聚合成"迷你行业速览"，追问个股时会结合估值、ROE 筛选并附风险提示。

中国市场还有一类美国对得不那么直接的玩家，金融信息商，B 端 C 端通吃。

同花顺最典型。 C 端的"问财"已从自然语言问答升级为智能投研 Agent，覆盖市场研究、盘中跟踪、盘后总结、公告解读、组合分析、选股诊股和回测；B 端则推出 iFinD MCP，通过标准化接口把投研数据接进客户自己的 AI 环境，还接入了 WorkBuddy、Trae Work 等外部 Agent 平台。业绩已经兑现，2026年上半年增值电信服务收入12.69亿元、同比增长约48%。

东方财富靠全自研的"妙想"金融大模型，从互联网券商往"AI 券商"转；恒生电子、恒生聚源则在 WorkBuddy 上架了10款投顾 Skills，涵盖基金筛选、板块诊断、大类资产配置。互联网大厂也在进场，阿里千问的财经分析接入了1.3万多只股票，Kimi 接了同花顺 iFinD，腾讯则在内测 AI 问股。

对比下来，中外的结构性差异很清楚。美国全能行先武装顾问、由新势力券商去试 C 端交易；中国头部券商直接把 AI 原生终端交到散户手里，信息商在 B 端 C 端同时铺开。

两条路线：自建全托管，还是开放MCP

盘完玩家，会看到所有选择最终收敛成两条路线。

一条是自建 Agent、全托管，Robinhood Agents、华泰 AI涨乐、国泰海通灵犀都在这列。模型用自家或深度绑定的，体验由公司一手打包，用户只管开口。

另一条是开放协议、让用户自带模型，Webull 的 Cloud MCP、同花顺的 iFinD MCP、恒生聚源接入 WorkBuddy 都在这列。平台只提供"插座"，你想用 Claude、Grok 还是别的，自己决定。

这个"插座"有个共同的名字，MCP（模型上下文协议）。它本是把外部工具、数据标准化接给大模型的协议，2026年明显成了券商开放能力的通用接口。Robinhood 用 MCP 开放交易，摩根士丹利用 MCP 开放股票计划，同花顺用 MCP 卖数据。

两条路线争的是什么？是客户关系、数据和模型选择权到底归谁。自建路线体验统一、责任清晰，但模型和算力全得自己扛；开放路线更轻、生态更活，可平台对体验和风险的掌控力被摊薄。眼下没有谁压倒谁，多数头部其实两条腿走路，自建前台的同时也开放 MCP。

为什么扣扳机的必须是人

回到开头那个问题，形态差这么多，为什么最后一步齐刷刷刹车？我盘下来，是三道闸门共同作用。

头一道，信任。Vanguard 的调查很直接，80%到85%的投资者对 AI 执行金融操作感到不安；41%的受访客户反而认为 AI 抬高了人类顾问的价值；约三分之一的投资者已经用 AI 做过财务辅助。用来看的人多，敢让它下手的人少。

第二道，模型本身还不够可靠。Patronus AI 在 FinanceBench 上测过，给 GPT-4-Turbo 配上检索系统，面对真实的证监会申报文件问题，失败率仍高达81%；可一旦把包含答案的那一页直接喂给它，准确率就跳到85%。

这66个百分点的摆动，是整个 AI 财富管理里最要紧的一个数字。它说明控制点不在模型本身，在模型外围那套检索和验证架构。行业对个人理财问题的大模型错误率估计在约35%，再加上 AI 幻觉、版本迭代导致的"漂移"，同样的问题今天和明天可能给出两套答案。

第三道，也是最硬的一道，责任归属和监管。

国内的逻辑是"实质重于形式"。拟出台的《证券基金投资咨询业务管理办法》里，"程序化咨询"条款明确，只要实质在做自动化投资咨询，就得纳入投顾监管，不能套个"工具"的壳就绕过去。怎么区分？看输出的决定性。如果直接指向具体证券、直接给买卖结论，投资者不用再分析就能下单，那就是荐股，需要投顾牌照；如果只是行情展示、条件筛选、资讯聚合，结论由投资者自己下，才算工具。办法还在征求意见，但导向已经很清楚。

责任主体也明确。现有法律没给 AI 法律主体资格，它只是机构开展业务的技术手段，全部责任归运营机构。华东政法大学有位副教授讲得很到位，没有可核查的人工复核痕迹，AI 辅助就变成了业务外包，持牌监管的价值就落空了。所以持牌机构必须对 AI 输出做实质性专业复核、留下独立判断记录，这是底线；荐股软件类业务的营销、客服全过程还要留痕，档案自服务终止起至少存五年。

美国的思路是"技术中立、沿用现有规则"。FINRA 明确规则不管技术怎么变都适用，Reg BI（客户利益优先规则）和适当性规则要求 AI 建议和人类经纪人一样，把客户利益放在第一位；与客户的往来、甚至 prompt 和草稿都按17a-4规则作为记录保存。

值得玩味的是，美国证监会迄今的 AI 执法，Delphia、Global Predictions、Rimar 这几单，罚的都是"谎称自己用了 AI / AI 业绩造假"（AI 漂绿），AI 自己闯祸的案子反倒还没有。2026年8月还有一份规则请愿（编号4-921），探讨"合格 AI 系统"能不能凭能力、合规和问责拿到证券注册，而不是默认只有人能做。与此同时，行业普遍要为 AI 生成的结果承担严格责任。

三道闸门合起来，自主程度的上限就被锁死了。业内成熟的做法其实是从电子交易那里借来的老办法，随机的模型负责提议，确定性的一层负责处置。

2012年 Knight Capital 因为软件故障，45分钟里亏掉4.6亿美元，随后落地的市场准入规则（15c3-5）立下了模板，硬性的事前风控、独立于被控制系统的熔断路径。放到 AI 投资助手上，就是仓位和集中度上限、标的黑名单、金额与亏损阈值在下单前硬拦，无论这单是谁、因为什么生成的。AI 可以很聪明，但围栏是确定性的，熔断开关还不能长在 AI 自己身上。

冷思考：上一轮robo是怎么栽的

热闹归热闹，我反而想先泼一点冷水，因为这门生意几年前、十几年前都演过类似的剧本。

其一，robo 的纯独立玩法，经济学上大多没跑通。它把费率从人类顾问约1%（100个基点）压到约0.25%（25个基点），压费的速度远快于造利润的速度。结果是高盛把 Marcus Invest 卖给了 Betterment，摩根大通、瑞银、美国银行陆续关停自家 robo，贝莱德停掉 FutureAdvisor；坚持上市的 Wealthfront，招股书也披露约四分之三收入靠现金管理的利差，而不是顾问费。

这一轮 AI 会不会重演？至少有两个信号要盯。下载量是一回事，留存和付费是另一回事，AI涨乐的500万下载、Robinhood 的15万账户，口径其实不同，一个是累计下载、一个是开通账户，不能直接比。F2 Strategy 的2026年调查还提到，约64%的财富公司没有统一数据层，AI 的投入产出比仍然"难以捉摸"。

其二，收费模式会反过来影响建议的中立性。按资产管理规模收费，和按交易流量、按佣金收费，给 AI 的激励完全两样。有法律学者建议，必须在收费结构和投资建议独立性之间建强制披露和防火墙，否则"为了佣金多推交易"的冲动会被算法放大。

其三，是更宏观的系统性风险。英格兰银行副行长 Sarah Breeden 在6月提到，约一半金融公司已经在跑代理式 AI，而"我们的框架不是为自主 Agent 设计的"，对每一个动作都人工把关"不太现实"，控制必须结构化。监管真正担心的，是大量 Agent 在机器速度下形成同向操作、集体踩踏，所以连市场级熔断都被摆上了桌面。

怎么看一个AI投资助手

报告写到最后，我把这套能复用的判断方法留给你。以后再遇到任何"AI 炒股""AI 投顾"产品，按下面五条过一遍，基本不会被话术带偏。

1. 先问它在 L 几。 只讲信息（L1）、给建议（L2），还是已经能围栏内下单（L3）？营销说"全自动"，往往实际还在 L2。 2. 看人工确认和确定性围栏。 最后一步要不要你拍板？有没有仓位、金额、亏损的硬上限？熔断开关在谁手里，是否独立于 AI？ 3. 看牌照、留痕和数据溯源。 提供方有没有投顾资质？结论能不能追溯到原始研报和数据？过程有没有留痕？直接给买卖结论又拿不出牌照的，风险最高。 4. 看收费模式与独立性。 按规模还是按交易收费？会不会因为佣金偏向多推交易？ 5. 别信未经审计的胜率。 "70%胜率""躺赚按钮"这类说法，行业研究反复证明大多不可审计、不含交易成本，把它当研究和提醒工具就好，别当印钞机。

回到最初那48小时。我的整体判断是，券商 AI 的竞赛确实开场了，AI 投资助手也实实在在地从"会聊天"爬到了"能办事"。

但第一轮卷的，从来不是谁更自动，而是谁把两件事讲得更清楚，人在哪一步拍板，出了事谁来负责。

技术还会继续往上爬，L3 之后总会有人试探 L4。可在信任、责任和牌照这三件事谈拢之前，每一个想替你管钱的 AI，都得先学会在围栏里办事，把扣扳机的那根手指，留给你自己。

本文为产业观察与科普，不构成任何投资建议；文中产品多数面向特定市场，数据均标注了公开来源与口径。