## 01 触发事件 2026 年 5 月 5 日，Bloomberg 报道 Anthropic 推出一组面向金融服务任务的 AI agents，目标很明确：拿下华尔街场景。 原文给的信息不长，但已经足够关键：这不是单一模型升级，也不是泛泛而谈的 enterprise AI，而是直接把金融服务作为垂直战场切进去。 真正值得盯住的是 “a broader mix of financial services tasks” 这句。 这意味着 Anthropic 不是只想卖一个更聪明的 Claude 变体，而是在包装可执行、可交付、可进入采购流程的 agent 产品。我没在内部跑过这套金融 agents，所以对其真实 task coverage 可能判断偏乐观；但从产品命名和 Bloomberg 的 framing 看，这显然不是一次普通 API 宣发。 Anthropic PBC unveiled a set of new artificial intelligence agents designed to handle a broader mix of financial services tasks, part of the company’s push to win over Wall Street. 这句话里，真正重要的词不是 agents，而是 financial services tasks 和 win over Wall Street。 前者是 workflow 指向，后者是 distribution 指向。 ## 02 这事的真正含义 表面上看，这是 Anthropic 发布了一个新 vertical agent 包。 但这才是 Anthropic 在说的事：基础模型能力正在越来越难以单独定价，真正会被定价的是“谁能把模型嵌进高价值 workflow，并承担行业特定风险”。 金融服务不是一个普通行业。 它的特点是高 ACV、高合规成本、高错误代价、长采购周期，以及极强的 incumbent software 控制力。也因此，一旦打进去，switching cost 远高于通用 chatbot 或普通 copilot 场景。 问题不在 Anthropic 能不能做 agent，而在它为什么挑金融先打。 答案大概率有三层。 第一层，金融是最适合闭源模型厂证明 enterprise monetization 的垂直场景之一。因为这里客户不买 “AI 很强”，客户买的是 research workflow、投研辅助、报告生成、客服自动化、合规支持、内部知识检索这些可落地任务。 第二层，agent 这件事正在从模型能力竞争，转向“产品封装 + 风控边界 + 系统集成”。如果你只是卖 token，采购方会压价；如果你卖的是可审计、可控、可接现有系统的 agent，定价权就不一样。 第三层，这也是闭源厂对开源的一种防守姿态。开源模型可以迅速压缩“原始 intelligence”的价格，但很难在短期内复制行业级 distribution、法务背书、品牌信任和 enterprise support。至少在金融这个赛道，我可能低估了客户对开源私部署的偏好，但多数大行真正采购时，买的从来不只是 weights。 换句话说，Anthropic 正在把竞争坐标从 benchmark 拉到 workflow。 这很像云计算当年从卖裸算力，演进到卖数据库、数据仓库、身份管理、行业解决方案。底层能力会商品化，但更靠近业务结果的那层，不会那么快。 对 API 消费者来说，这也是一个不舒服的信号。 因为一旦模型厂自己下场做 vertical agents，它和上层 startup 的关系就不再只是 supplier，而开始变成 partner、渠道，或者直接 competitor。很多 founder 还把 Anthropic、OpenAI、Google 视为中立 model provider；这个前提正在变得不稳定。 ## 03 历史类比 / 结构对照 这件事更像 2014 年后的 AWS，而不是 2022 年的 ChatGPT。 2022 年 ChatGPT 的意义是把能力显性化：用户第一次大规模感知到大模型能做什么。 而 2014 年后的 AWS，则是把基础设施抽象成更高层服务：不是只卖 EC2，而是卖 RDS、Redshift、Lambda，逐步吃掉上层软件栈的一部分利润池。 Anthropic 面向金融推出 agents，本质上也在做同样的跃迁：从“模型 API 提供商”向“行业工作流平台的一部分”移动。 这里有一个很 Stratechery 的结构点：aggregation 的力量，不一定只发生在消费互联网，也发生在 AI stack。谁掌握用户入口、workflow 和 usage data，谁就更有机会重新分配利润。 如果模型厂掌握了最上游 intelligence，又开始拿下最下游 workflow，那么中间层很多“套壳但有一点产品体验”的公司，利润空间会被快速压缩。 这和 2007 年 iPhone 后移动互联网格局也有一点像。 不是说 Anthropic 像苹果，而是说平台能力一旦足够强，原本由外围软件厂商提供的能力，就会被平台 owner 逐步内生化。今天的 agent，也在经历类似过程：最初是 demo，接着是 SDK，再接着就是 vertical package。 我没看到 Bloomberg 原文列出具体客户名单或部署规模，所以还不能把这定义成金融 AI 的 iPhone moment。但它至少像一个 Grove 式 inflection signal：当模型厂不再满足于当 engine provider，而开始直接争夺行业任务，整个生态的生存假设就该更新了。 ## 04 对 AI builder 意味着什么 如果你是 AI builder，这周和这个月需要调整的，不是提示词，而是站位。 第一，不要把“接 Anthropic API”误认为 moat。 如果你的产品价值主要来自调用 Claude，再包一层适合金融从业者的 UI，那么今天这条新闻就是警报。因为 Anthropic 已经明确告诉市场：它愿意自己做这层，至少在高价值行业愿意。 第二，重新审视你到底卖什么。 可持续的价值，大概率要落在以下几类之一：独家数据、深度 system of record 集成、明确责任归属、审计能力、合规流程、跨模型 routing、或者能够压低单位任务成本的 execution layer。 尤其是 routing。 当各家模型厂都开始做 vertical solution，builder 的一个现实出路反而是退一步，成为 model-neutral orchestration layer。不是押注单一闭源模型，而是围绕 latency、cost、quality、jurisdiction、fallback 策略做动态 routing。这个位置不 glamorous，但更接近真实 moat。我没法断言所有客户都会接受多模型架构，尤其在金融里 vendor risk 审查会更复杂，但单模型绑定的风险已经明显上升。 第三，金融方向创业者要更早进入“谁拥有 distribution”这个问题。 在华尔街，真正稀缺的不是又一个 smarter agent，而是进入现有采购名单、通过 security review、嵌进 Bloomberg Terminal、CRM、研究系统、内部文档系统、工单流和审批链的能力。 也就是说，今天做金融 AI，不该先问模型够不够强，而该先问你的分发路径是卖给分析师、卖给部门主管，还是卖给 CIO/CTO/COO。三种路径决定的是完全不同的产品形态。 第四，API 买方应该预期 pricing 逻辑会继续分层。 纯 token pricing 只是底座。上面会叠加行业 agent premium、托管执行、审计日志、定制连接器、SLA 乃至结果导向定价。对 opcx.ai 这类网关视角看，这意味着未来比价不再只是每百万 token 成本，而是每完成一次任务的总成本和可控性。 第五，如果你做 developer tooling，这也是信号。 下一波 tooling 不是帮助开发者“更方便地调用模型”，而是帮助团队“更快地验证一个 workflow 是否会被模型厂原生吃掉”。换句话说，builder 需要的不是更多 prompt playground，而是更强的 eval、observability、cost attribution、policy enforcement、MCP connector 管理。 ## 05 反方观点 / 风险 我可能错在把一次 PR 级别发布，读成了结构性转向。 Bloomberg 这条信息目前非常短，没有披露收入、客户数量、部署深度、具体任务成功率，也没有说这些 agents 究竟是标准产品、定制方案，还是联合交付项目。没有这些硬数据，任何“Anthropic 将统治金融 agent”的判断都站不住。 第二个反方观点是：vertical agent 未必是模型厂的优势区。 模型厂强在 intelligence 供给，不一定强在行业交付、售前、集成、变更管理和长期客户成功。历史上很多平台公司在垂直场景里也会碰壁，因为最后决定成交的不是能力上限，而是 implementation burden。我没参与过 Anthropic 的 enterprise rollout，所以这点我可能低估了服务复杂度。 第三，金融客户未必想把关键 workflow 交给单一闭源供应商。 越高价值、越敏感的任务，客户越可能倾向 hybrid stack：部分闭源、部分开源、部分 on-prem、部分 VPC 托管。尤其如果 Qwen、DeepSeek、Mistral 这类开源/开放权重模型继续改进，很多机构会更愿意自己掌握可迁移性，而不是把核心流程锁死在 Anthropic。 第四，真正的护城河也许不在 agent，而在 data exhaust。 如果 Anthropic 无法持续获得足够多的真实金融 workflow 数据做迭代，它的 vertical product 可能很快退化为“一个更贵的通用模型包装”。而这恰恰给行业 startup 留了空间：谁离真实用户更近，谁更有机会积累任务反馈、错误模式和 domain adaptation 数据。 所以我的核心判断不是 “Anthropic 会赢下金融 AI”。 而是更窄的一句：从这一刻开始，任何建立在“模型厂只做底层、不碰上层”的创业假设，都该打折。