同花顺：C 端流量之王的「数据 + 社区 + AI」三角飞轮

金融 AI 领域最独特的一家公司。5 亿+注册用户、月活 3000 万——整个行业没有任何一家机构拥有如此庞大的 C 端流量底池。但同花顺的野心不止于 C 端：iFinD 以 MCP 协议向机构开放专业数据能力，问财SkillHub 以「社区共创」模式孵化出 200+ 个金融 Skill，自研 HithinkGPT 金融大模型驱动全栈 AI，2025 Q2 上线付费订阅后 AI 收入占比已超 20%。当万得在机构端筑墙、东财在 C 端铺量、指南针在软件层深挖时，同花顺走出第四条路——用「数据 + 社区 + AI」三角飞轮，把金融 Skill 的供给端彻底打开。

一、机构画像：从「C 端流量之王」到「AI 金融生态平台」

同花顺（浙江核新同花顺网络信息股份有限公司，300033.SZ）是中国金融信息服务业中唯一一家同时拥有「亿级 C 端流量」和「机构级数据终端」的公司。它是国内最早一批互联网金融服务商，20 余年积累的投研工具使用习惯与开发者社区文化，让它与单纯依赖「券商牌照 + 基金销售」流量闭环的东方财富形成了截然不同的用户结构——同花顺的用户更「硬核」，更愿意为投研工具与 AI 能力付费。

1.1 关键指标与市场地位

这个身份决定了同花顺做 AI 的底层逻辑与万得、东财都不同。万得做 AI 是守机构数据霸权，东财做 AI 是给券商业务导流，而同花顺做 AI 是直接变现。2025 Q2，同花顺上线 AI 付费订阅服务，把 AI 能力从「免费增值」升级为独立营收线，目前 AI 收入占比已超过 20%——在金融信息服务行业中，这是少数已经落地的 AI 商业化数据。营收结构上，增值电信业务（含 AI 订阅与高级数据服务）、iFinD 机构终端、广告及基金销售相关业务构成三大支柱，而 AI 正在从边缘创新成长为新的收入核心。

1.2 战略定位：从「卖工具」到「卖 AI 时代的数据与技能」

同花顺的 AI 战略核心可以概括为「HithinkGPT 为引擎，问财为交互入口，iFinD + SkillHub 为双生态底盘」。2025 年以来，同花顺把 iFinD 的核心数据能力以 MCP（Model Context Protocol）协议标准化输出，使其无缝接入 Claude、ChatGPT、Cursor、OpenClaw 等第三方 AI Agent——这一步让 iFinD 从「数据终端」升级为「AI 时代的数据基础设施」；同时以问财SkillHub 开放平台承接社区共创的 200+ 金融 Skill，把商业模式从「卖工具」推向「卖 AI 时代的数据调用能力与技能生态」。它既是 C 端流量之王，又在机构端与生态侧同时下注，是金融数据商中战略纵深最广的一家。

二、AI 能力全景：HithinkGPT 引擎与产品矩阵

同花顺的 AI 布局可以概括为「一个引擎、四大产品」：以 HithinkGPT 金融大模型为统一引擎，向下连接 iFinD 全品类数据库与 5 亿 C 端用户行为数据，向上驱动问财、iFinD MCP、问财SkillHub、AI 投顾四类产品，分别覆盖 C 端交互、机构数据、开放生态与智能投顾四个场景。

2.1 Skill 矩阵一览

2.2 HithinkGPT：从「能问」到「能算、能判断」的金融垂类模型

同花顺 2023 年推出的 HithinkGPT 是国内最早一批金融垂类大模型。经过三年多持续迭代，其演进路径清晰可见：第一阶段解决「能问」——自然语言查行情、查财报、查公告，把问财从指令式搜索升级为对话式理解；第二阶段解决「能算」——数据查询 NL2SQL、指标计算、跨表关联分析，让模型直接完成复杂取数与计算；第三阶段解决「能判断」——研报解读、事件分析、风险预警，输出带逻辑的金融结论。

与通用大模型相比，HithinkGPT 的差异化在于训练数据。它基于同花顺 20 余年积累的用户查询日志、社区讨论、搜索行为与 iFinD 结构化金融语料训练，在「理解散户真正想问什么」这个维度上拥有独特优势——这是万得（机构视角）、东财（流量视角）都不具备的数据资产。同时，金融场景对数字错误零容忍，HithinkGPT 以「结构化数据 + 垂类模型」双底座把幻觉概率压到行业较低水平，这是其金融专业度的底线保障。

2.3 整体评价

同花顺的 Skill 战略与所有已调研机构的区别在于供给端逻辑。万得是自己造 37 个 MCP 工具、广发是自己建 8 个 C 端 Skill、东财是自己推 7 个全品类 Skill——它们都在比拼「我能做多少个 Skill」；而同花顺的思路是「我搭平台，让社区来做 Skill」，总量直接跃升到 200+。这不是数量级的差异，而是商业模式的差异。以下按五个维度逐一深度拆解两条核心产品线。

三、两条产品线五维度深度拆解

3.1 iFinD MCP：机构级数据的 MCP 化输出

3.2 问财SkillHub：社区共创的 200+ Skill 生态

四、大模型合作与开放生态：自研为主 + 平台开放的组合拳

同花顺的模型策略是「自研为主、外部补充、平台开放」的三层结构：以 HithinkGPT 自研金融大模型为核心底座，在特定技术领域（如多模态理解、通用知识增强）与国内领先大模型厂商保持合作接入其能力作为补充，同时通过 SkillHub 开放平台把 Skill/Agent 的供给侧开放给社区，构建开发者生态。

4.1 自研模型进展与外部合作

在自研侧，HithinkGPT 持续迭代，重点方向包括：模型参数规模与性能提升，特定金融任务（研报分析、事件解读、智能问答）准确率增强；探索面向量化、固收、宏观等细分领域的专用模型或微调版本；加强模型可解释性与安全性，满足金融监管要求。在外部合作侧，同花顺不排除在特定技术领域接入国内大模型厂商的 API 作为补充（多模态、通用知识等），合作模式以技术授权、联合研发为主。与万得「核心自研 + 外围协作 + 算力国产化」类似，同花顺同样重视信创合规与数据安全，金融数据的合规底线是自研路线的前提。

4.2 Skill/Agent/MCP 开放平台：从「自有产品」到「开发者生态」

问财SkillHub 的定位不仅是 Skill 仓库，更是一个完整的 AI 应用开发开放平台：Skill 层面，提供预训练的金融 AI Skill（行业分析 Agent、公告解读 Agent、量化策略 Agent 等），用户可按需订阅；Agent 层面，支持多个 Agent 协同完成复杂任务——一个负责数据采集、一个负责分析、一个负责生成报告；MCP 层面，iFinD 数据能力以标准化协议对外输出，任何 Agent 可直接调用。这套「Skill + Agent + MCP」三位一体的开放架构，是全行业把开放生态讲得最完整的打法之一，其网络效应一旦形成，将把同花顺从「数据与工具提供商」升级为「金融 AI 技能基础设施」。

4.3 与券商、基金、银行的纵深合作

• 券商：提供行情数据与交易接口（个人投资者可通过同花顺 App 交易多家券商账户）；向券商输出 AI 投顾工具、策略与内容，助力财富管理转型；向券商研究所、资管部、自营部销售 iFinD 终端；联合开展投资者教育与策略会
• 基金：同花顺基金销售平台（爱基金）与基金公司合作，提供数据支持与推广渠道；iFinD 终端覆盖基金公司投研与风控场景
• 银行与理财子：为银行理财子公司提供投研数据、风险评估模型、智能投顾解决方案；iFinD 在银行资管与固收团队渗透加深
• 其他机构：保险公司、信托、私募机构主要采购 iFinD 终端与定制化数据服务

这些合作沉淀下来的机构客户关系，与 C 端流量、社区生态一起，构成同花顺「机构 + C 端 + 开发者」三端联动的完整闭环。

五、竞品对比：数据商的「三国杀」与 C 端软件商的错位竞争

同花顺的竞品需要分两条线看：机构数据线对万得 Wind、C 端流量线对东方财富，此外还要面对指南针等在证券分析软件细分市场的错位竞争。这也正是同花顺「两条腿走路」的独特之处——它在多个市场同时与不同对手竞争。

5.1 同花顺 vs 万得：机构追赶者 + 社区颠覆者

关键判断：万得在机构数据市场的统治地位短期内难以撼动——90% 以上的机构覆盖率、20 年使用习惯、全行业最深的数据仓库，都是 iFinD 需要长期追赶的。但同花顺在三个维度建立了对万得的结构性优势：①C 端流量（5 亿 vs 极少）带来万得无法企及的另类数据来源与用户行为洞察；②社区共创模式下的 200+ Skill 在数量上碾压万得的 37 个 MCP 工具；③AI 商业化落地速度领先（20%+ 收入占比 vs 仍在兑现中的目标）。长期看，如果同花顺能把社区 Skill 的质量控制做到位，它将拥有全行业最大的金融 AI 技能库——这在 AI 时代的价值可能不亚于万得的数据库深度。

5.2 同花顺 vs 东方财富：两个 C 端流量之王的差异化路线

关键判断：同花顺和东财虽然都是 C 端流量大户，但路线截然不同。东财是「大众普惠」——7 个 Skill 覆盖基础需求、零配置安装、靠基金销售变现，追求让最多散户用上 AI；同花顺是「社区共创」——200+ Skill 覆盖全投研场景、开放平台吸引开发者、靠 AI 订阅直接变现，追求让最专业的投研场景被 Skill 覆盖。东财的安装体验更好（零配置），但同花顺的 Skill 深度与广度远超东财——一个量化开发者可以在 SkillHub 找到 20+ 个不同风格的选股 Skill，而东财只有一个「智能选股」。两者的核心分歧在于变现路径：东财的 AI 是「引流工具」，同花顺的 AI 是「独立产品」。在 AI 时代，后者的路径可能更具长期价值——当所有券商都提供免费 AI Skill 时，只有能直接通过 AI 赚钱的公司才有持续投入的动力。

5.3 同花顺 vs 指南针：证券软件的错位竞争

关键判断：指南针在证券分析软件这一细分市场拥有一定技术派用户认可度，并借收购网信证券向财富管理转型，但与同花顺的体量、生态与 AI 布局不在同一量级。指南针的威胁更多体现在「错位竞争」——在特定用户群（如技术派散户）中分流部分 C 端用户；对同花顺而言，真正的对手仍是万得（机构端）与东财（C 端流量）。四者对比之下，同花顺是唯一同时具备「C 端流量 + 机构终端 + 开放生态」三张牌的数据商。

六、结论与行业启示：平台型公司的三重验证

同花顺是目前金融 AI 领域最具「平台型公司」潜力的玩家。它不是简单地把 AI 当作产品的附属功能，而是围绕 HithinkGPT + iFinD + SkillHub 构建了一个开放的金融 AI 生态。5 亿用户提供了数据飞轮的燃料，200+ 社区 Skill 证明了供给侧开放的有效性，AI 收入占比超 20% 验证了独立商业化的可行性——这三重验证在同业中找不到第二个例子。

6.1 三个结构性优势

1. 「数据 + 社区 + AI」三角飞轮难以复制：数据让 AI 更准确，AI 让社区 Skill 更智能，社区 Skill 吸引更多用户产生更多数据。万得有数据但缺 C 端社区，东财有 C 端流量但缺开发者生态——三角齐备的只有同花顺。
2. 社区共创是打破 Skill 供给侧瓶颈的唯一解：任何一家机构的自研 Skill 团队规模都有限（广发 8 个、东财 7 个、万得 37 个），而同花顺用 200+ Skill 证明开放社区可以无限扩展。这套模式一旦形成网络效应，任何「自研模式」都无法在 Skill 规模上与之竞争。
3. AI 独立商业化建立可持续投入的正向现金流：当 AI 只被定位为「引流工具」时，投入必然受限于「引流效果」；同花顺把 AI 做成独立付费产品，等于为 AI 持续迭代建立了不依赖「开户转化率」的资金来源——2025 Q2 上线订阅、收入占比超 20% 的落地数据，是全行业 AI 变现最快的样本。

6.2 三个需要警惕的短板

1. 社区 Skill 质量控制是最大隐患：200+ Skill 中必然有一部分金融逻辑不严谨、数据更新不及时、甚至存在误导性输出。若用户因低质量 Skill 做出错误决策，舆论风险会波及整个 SkillHub 品牌。建议尽快建立「官方认证 Skill」体系，从 200+ 中精选 20–30 个严格审核的「精品 Skill」给予流量入口与品牌背书。
2. 机构端渗透与数据权威性是长期短板：iFinD 在券商研究所、公募等核心机构领域仍落后于万得，机构用户对同花顺数据的权威性认可需要时间积累；在「数据即资产」的机构市场，同花顺的 C 端优势并不能直接转化为机构信任。
3. 金融 AI 合规风险与监管不确定性：AI 投顾、智能问答涉及投资建议合规边界，监管对金融 AI 大模型应用的要求日益严格；2025–2026 年若出台更细的合规指引，同花顺的 AI 产品迭代节奏与商业化路径可能受到约束。

6.3 2025–2026 年的三个观察点

• SkillHub 会否推出「官方认证 + 精品区」？质量分层是同花顺从「Skill 数量第一」走向「Skill 质量第一」的关键一跃。若认证体系落地，社区共创的规模优势将转化为可持续的质量优势；2026 年认证 Skill 的数量与使用占比是核心观察指标。
• iFinD 对万得机构份额的侵蚀速度？iFinD 凭借性价比与本土化服务，正在中小券商、基金及银行理财子渗透。若 iFinD MCP 的机构调用量与第三方 Agent 集成数持续增长，数据商的「三国杀」格局将真正松动。
• AI 收入占比能否从 20% 继续上台阶？付费订阅 + 机构 AI 服务双轮驱动下，AI 收入占比的持续提升将验证「金融 AI 独立商业化」的行业命题。若 2026 年 AI 收入占比突破 25%–30%，同花顺将彻底改变金融信息服务行业的变现叙事。

对整个行业，同花顺的案例提供了三条启示：

1. 供给端开放是 Skill 生态的终极答案：与其纠结「自研几个 Skill」，不如思考「如何让一千个开发者帮你做 Skill」。同花顺证明了在金融垂类场景中，社区共创不仅可行，而且是规模化的唯一出路。
2. 数据商的 AI 战略要「以数据换生态」：iFinD 通过 MCP 开放数据能力，短期可能让渡部分终端收入，但换来的是「AI 调用层」的先发卡位——当 AI Agent 默认调用 iFinD 数据时，同花顺就从「终端供应商」变成了「AI 时代的数据基础设施」。
3. 「流量 × 生态 × 商业化」三者缺一不可：同花顺的三重验证（5 亿流量、200+ Skill、20% AI 收入）说明，金融 AI 平台的竞争是系统战：只有流量没有生态会被工具化，只有生态没有商业化不可持续，只有商业化没有流量则没有生态可养。三者齐备，才可能成为平台。