5月6日消息,Perplexity 上线 Computer for Professional Finance,把通用 agent 框架向金融垂直深度推进。新版本支持金融团队接入 Morningstar、PitchBook、Daloopa、Carbon Arc 四家持牌数据提供商,直接在 Computer 界面里调用授权数据,同时内置 35 个针对金融分析师高频重复任务的专用 workflow。 整套产品采用"用户自带 license"(bring your own license)模式,客户使用自己已有的数据订阅在 Perplexity 体系内调用,形成"分析师工作流引擎 + 客户已有数据栈"的拼接结构。Computer for Professional Finance 的发布距离 Perplexity 上月推出 Computer for Enterprise 仅一个多月,延续了 Perplexity 把通用 agent 拆向行业垂直的节奏。
数据接入 + Workflow 模板,瞄准分析师每周重复的高频劳动
Computer for Professional Finance 的产品形态可以理解为一个针对金融分析师设计的 agent 工作台,核心组件分三层。最底层是数据接入,Morningstar 提供基金、ETF、股票分析数据,PitchBook 在 Morningstar 旗下专攻一级市场私募融资与并购数据库,Daloopa 提供公司财务模型与历史数据,Carbon Arc 切碳排放与可持续金融数据。这四家组合起来基本覆盖二级市场公开股票、一级市场私募交易、公司基本面建模、ESG 维度四大主线,客户接入自己已有的订阅后无需再单独购买 Perplexity 数据包。
中间层是 35 个预置 workflow,瞄准分析师每周高频重复的任务——tearsheet 生成、带注释的股票走势图、equity research 跨标的对比、行业比较、估值倍数提取、季报关键数据汇总等。每条 workflow 把 prompt、上下文、输出格式打包成可一键启动的入口,团队成员可以共享、定制、调度、异步运行,启动任务的人离开后 agent 仍在后台跑。在此之前 Perplexity 通用版 Computer 已经在维护超过 70 个 workflow 库,金融垂直版相当于在通用库上叠加了一层行业专属定制。
最上层是输出形态。Computer for Professional Finance 可生成 tearsheet、带标注的股价图、equity research 横向对比表,每一个数据点都附带回链至原始数据源,符合卖方研究和买方决策端对数据可追溯性的硬性要求。产品同步支持在 Excel 内运行,直接嵌入分析师已经在用的财务建模主战场,而非要求他们切到一个独立 web 界面工作。Perplexity 此前披露 75% 用户每月会问金融相关问题,这一数据某种程度上解释了金融为什么会成为 Computer 第一个落地的专业垂直。
Anthropic、Bloomberg、Hebbia 同步卡位,金融 agent 进入正面竞争阶段
Perplexity 这次发布的时间点几乎与 Anthropic 推出 10 个金融服务专用 agent 完全重合,两家头部 AI 公司在金融 agent 这条赛道上的正面竞争已经全面展开。Anthropic 的策略是封闭生态——基于 Claude for Financial Services,推出针对银行、保险、资管、金融科技的 10 个开箱即用 agent,深度集成到 Office、Cowork、Claude Code 等自家产品体系,目标是把 agent 嵌进金融机构现有 productivity stack。Perplexity 的策略反向——做开放工作台,客户保留自己的数据订阅与外部工具栈,Perplexity 提供 agent 编排能力作为粘合层。 更广义的竞品图谱里,Bloomberg Terminal 仍然是金融数据 + 工作流的事实标准,但其 AI 化进度受限于自身平台节奏;Hebbia、Rogo、Finster、Model ML 等专精金融 AI 的初创公司过去两年累积了大量华尔街客户,但缺乏 Perplexity 这一档的通用 agent 编排能力;Writer、AI21 等企业 AI 平台也在金融垂直布局,深度通常落后于专精玩家。Perplexity 的差异化在三点:Computer 通用 agent 框架的复用、答案引擎自带的搜索 + 引用基因、用户自带 license 这一中性的数据接入哲学。
值得一提的是 Perplexity 与 PitchBook 的合作并非首次。今年 3 月双方已上线 PitchBook Essential MCP server,允许 Perplexity 用户通过对话界面访问 PitchBook 数据。本次 Computer for Professional Finance 的发布把这一合作从单点数据接入升级为完整 agentic 工作流嵌入,可以视为 PitchBook 自身 AI 战略的延伸——PitchBook 同期已与 Anthropic、OpenAI、Hebbia、Rogo、Writer 等 8 家头部 AI 玩家建立合作,母公司 Morningstar 显然在押注"数据中立性"——把数据卖给所有 AI 平台,而不是绑定其中某一家。
局限:金融合规、数据 license 边界与 agent 可靠性仍需检验
Computer for Professional Finance 的真实落地仍面临几道难关。第一道是合规与审计。金融场景对每一个数据点的可追溯性、模型输出的可解释性、操作日志的完整性要求极高,即便 Perplexity 强调每一项数据都有 source 链接,实际投行、私募、资管在引入 AI 工具时仍需要走完整的合规评审流程,这一过程通常以季度甚至年为单位。Perplexity 已具备 SOC 2 Type II 合规、SAML SSO、审计日志、沙箱化查询执行等企业级安全能力,但这只是入门门槛,各家机构内部 InfoSec 还会有更严格的定制要求。
第二道是数据 license 边界。BYOL 模式听起来灵活,实际操作中 Morningstar、PitchBook、Daloopa、Carbon Arc 各自的订阅条款对"在第三方 AI 平台内消费数据"的合法性认定不一,部分提供商会要求加价或单独签 API 协议。Perplexity 与 PitchBook 的 MCP 集成已是预先谈妥,但其他三家在用户层面的 license 兼容性仍需逐项验证,这会直接影响金融客户接入的实际摩擦。
第三道是 agent 可靠性。Perplexity 此前披露的 16000 query 内部 benchmark 显示 Computer 在节省人工成本方面有显著效果——按其测算可帮助节省 160 万美元劳动成本、把 3.25 年工作压缩到 4 周——但这仍是 Perplexity 自报数据,真实金融场景下的错误率、幻觉率、复杂建模任务的稳定性仍需第三方独立评测。对成都、北京等中国 AI 工具用户而言,Perplexity Computer 短期内仍以英文金融数据为主,接入 A 股、港股、Wind/Choice 等本土数据源的可能性,会是国产同类工具(如 OpenBB、Rogo 中国版)能否切到一块蛋糕的关键变量。
AI 速览
