①在2026外滩大会上，界面财联社旗下财跃星辰发布金融智能体产品矩阵；与中泰证券共建多智能体投研平台；联合上海交通大学开源Alpha-R1金融推理模型。
②商业落地层面，财跃星辰与中泰证券的合作，标志着垂类金融智能体正式进入券商投研核心链路。

《科创板日报》9月10日讯（记者 黄心怡） 2026 Inclusion·外滩大会“AI重塑金融范式：可信AI与金融智能体前沿论坛”上，界面财联社与阶跃星辰联合孵化的金融垂类大模型公司财跃星辰（FinStep）集中落地三大关键布局：正式发布金融智能体产品矩阵、与中泰证券共建多智能体投研平台、联合上海交通大学开源Alpha-R1金融推理模型。

从C端产品验证到B端机构渗透，再到底层技术能力开放，财跃星辰已搭建起覆盖“应用-落地-底座”的金融AI全栈版图，推动行业从“大模型接入金融”向“智能体融入核心业务”进阶。

▍智能体产品矩阵：C端验证反哺B端 锚定“可信可控”

在本次外滩大会上，财跃星辰首次完整披露金融智能体产品矩阵，涵盖面向个人用户的“小财神”智能资讯助手、CashClaw场景化智能工具，以及面向金融机构的Finwork投顾展业助手等系列产品。

财联社副总裁、财跃星辰CEO贾宝龙在论坛圆桌对话中表示，金融智能体正处于从个人辅助工具向机构级生产能力跃迁的关键节点。

“我们先在C端打磨了产品形态与用户价值，验证了‘可信信源、可控输出’的可行性，这些能力正在反向赋能B端金融机构，让智能体真正嵌入业务流程而非停留在工具层面。”

依托财联社的金融内容与数据底座，财跃星辰智能体的核心差异在于金融垂类数据的准确性与输出结果的可控性——这也是金融机构落地AI的核心前提。目前其产品已在资讯解读、行情跟踪、投研辅助、客户服务等多个场景实现规模化验证。

▍携手中泰证券共建“星璇”：垂类智能体切入投研核心流程

商业落地层面，财跃星辰与中泰证券的合作，标志着垂类金融智能体正式进入券商投研核心链路。

今年7月，中泰证券科技研发部发起“多智能体技术在投资研究领域的应用研究”课题，与财跃星辰联合打造“星璇智能体平台”。

该平台将财跃星辰旗下“小财神”智能资讯、Finwork投顾助手等垂类能力嵌入中泰证券投研工作流，并通过Skill Hub技能库对接整合中泰现有投研工具系统。双方将围绕技术攻关、场景落地、成果转化、人才联合培养四大维度展开深度合作。

值得关注的是，当前券商AI落地已分化出两条清晰路径：一条是以广发证券等为代表，接入腾讯WorkBuddy等通用智能体，聚焦办公协同、流程提效等通用场景；另一条则是以中泰证券为代表，选择财跃星辰等金融垂类智能体，深度切入投研、投顾等核心业务场景。

业内分析人士指出，两条路径并非替代关系，而是定位不同：通用智能体解决的是“效率问题”，覆盖广、上手快，但金融专业深度有限；垂类金融智能体解决的是“专业生产力问题”。虽然场景更聚焦，但对信源可信度、逻辑严谨性、数据精准度要求更高，能够直接服务于投资决策等核心环节。

中泰证券选择垂类路线，本质上是对投研业务专业性的优先考量。

▍联合上海交大开源Alpha-R1：让资产配置跟上市场节奏

技术底座层面，财跃星辰联合上海交通大学安泰经济与管理学院花成副教授团队，正式开源Alpha-R1——一套以强化学习大语言模型推理为核心的动态资产配置推理框架。直击资产配置实践中长期存在的“配置思路易过期、调整靠拍脑袋”痛点。

传统方法多依赖对历史数据做相关性拟合，看不懂每条配置思路背后的经济逻辑：去年管用的思路，今年市场风格一切换就可能失灵，却说不清它为何有效、何时会失效。

Alpha-R1的核心突破在于，将大语言模型的逻辑推理能力与强化学习的动态优化能力相结合，先实时读懂当前市场环境，再从成百上千条候选配置思路中，动态挑出经济逻辑与当下行情相吻合的少数几条，让资产配置始终跟得上市场节奏。

在训练中完全未见过的行情上进行样本外实测显示：Alpha-R1在沪深300上实现风险调整后收益（夏普比率）2.23、最大回撤6.58%；在训练中从未见过的中证1000配置域上，风险调整后收益达2.80、模拟年化收益73.52%，表现显著优于传统统计与机器学习方法及通用推理大模型，展现出强劲的跨市场泛化能力。

据介绍，Alpha-R1与此前发布的Fin-R1共同构成财跃星辰金融推理模型矩阵：Fin-R1面向通用金融推理场景，Alpha-R1聚焦智能资产配置这一垂直高难度领域，形成分层覆盖的技术底座。

此次开源也意味着财跃星辰将底层推理能力向行业开放，推动资产配置研究的技术共建。

▍“产品端-业务端-技术端”三层布局 金融AI垂类价值加速凸显

从外滩大会的产品矩阵发布，到券商投研场景的商业落地，再到底层推理模型的开源共享，财跃星辰在短时间内完成了“产品端-业务端-技术端”的三层布局集中释放。

这一系列动作背后，是金融AI行业的整体拐点：当大模型的技术普惠红利逐步消退，行业竞争的核心正从“参数规模”转向“业务深度”，从“工具调用”转向“流程渗透”。

通用大模型解决了“有没有”的问题，而垂类金融AI要解决的是“好不好用、能不能进核心流程”的问题。

正如行业观察所言，金融AI的终局不是替代人，而是把人从信息密集型的重复性工作中解放出来，聚焦于判断与决策。而要实现这一点，可信的信源、可控的输出、垂直的专业能力，三者缺一不可。

财跃星辰的这三步，也正是金融AI从尝鲜走向规模化落地的典型缩影。