万得 (Wind)：金融数据龙头的 AI 转型样本——WindGPT 引擎与三线布局

金融数据领域的绝对龙头，服务 90% 以上的中国专业金融机构，年营收 60 亿+量级。当券商们把「App 里的功能搬进对话框」时，万得走了一条完全不同的路——以 WindGPT 金融大模型为引擎，用 WindClaw、AIFin Market、万得 AI (Wind Alice) 三条产品线同时锁定机构投研、开放生态、C 端个人三个市场，并在 2025 Q3 开放第三方 Skill 入驻，喊出「AI 服务收入占比 30%」的中期目标。这是全行业野心最大的一盘棋，也是理解金融数据商 AI 转型的最佳样本。

一、机构画像：从「数据终端」到「智能投研工作台」的龙头底色

要理解万得的 AI 布局，先要理解万得在中国金融业中的位置。万得（Wind）是国内金融数据与信息服务的绝对龙头，其 Wind 金融终端是券商研究所、公募私募基金、银行资管、保险资管的「标配工具」，覆盖了 90% 以上的中国专业金融机构，年营收规模已达 60 亿元量级。在专业投研这个战场上，同花顺 iFinD 和东方财富 Choice 是挑战者，而万得是那个被挑战的王者。

1.1 关键指标与市场地位

这个身份决定了万得做 AI 的底层逻辑与券商截然不同。券商做 Skill 的目的是获客——把 AI 当成开户导流的新入口；而万得做 AI 的目的是守住并扩大它的数据霸权。万得手里握着 A 股、港股、美股的全品类行情与财报，握着 ETF、基金、债券、指数、宏观的全维度数据库，握着数十万机构用户的深度使用习惯。它的 AI 战略本质上是一个问题：当投研工作从「人查数据」变成「AI 调数据」，万得如何确保那个 AI 调的仍然是万得的数据？

1.2 战略定位：从「卖终端」到「卖 AI 时代的数据调用」

更关键的信号出现在 2025 Q3：万得开放了第三方 Skill 入驻，允许外部开发者在其平台上构建并分发金融 Skill，并公开定下「AI 服务收入占比达到 30%」的中期目标。对一家年营收 60 亿、传统业务以数据终端订阅为主的公司而言，这意味着它不满足于「把 AI 当作卖终端的赠品」，而是要把 AI 服务做成一条独立的、能贡献近三分之一营收的主营业务线。这在整个金融数据行业都是激进的战略下注——万得正在把商业模式从「卖终端」升级为「卖 AI 时代的数据调用能力」。

二、AI 能力全景：WindGPT 引擎与三条产品线

万得的 AI 战略可以概括为「一个引擎、三条战线」：以 WindGPT 金融大模型为统一引擎，向下连接全品类数据库，向上驱动三条产品线分别覆盖机构、生态与 C 端。这也是目前唯一一家用三种产品形态覆盖三个市场的金融 AI 布局。

2.1 Skill 矩阵一览

2.2 WindGPT：从「问答与搜索」到「任务执行与流程自动化」

WindGPT 是万得 AI 转型的中枢。其演进路径清晰展示了万得的野心：第一阶段解决「能问」——智能问答、公告摘要、财报自动分析，替代终端里高频的检索动作；第二阶段解决「能干」——通过自然语言指令生成复杂 Excel 模型、一键生成路演 PPT 大纲、自动撰写数据点评与晨会纪要，把「问数据」升级为「交办任务」；第三阶段解决「能协同」——与 MCP 协议结合，让外部 Agent 也能通过 WindGPT 的调度能力调用万得数据，形成「模型 + 数据 + 工具」的完整闭环。

与通用大模型相比，WindGPT 的差异化在于数值准确性与逻辑推理能力。金融场景对数字的错误零容忍，通用大模型常见的「幻觉」在投研场景是不可接受的——这正是万得作为数据商做模型的独特优势：它拥有海量结构化金融语料与验证过的数据管线，可以用「数据 + 模型」双底座把幻觉概率压到行业最低。

2.3 整体评价

万得的 Skill 矩阵与所有券商都不同。广发是「8 个功能超市」、东财是「7 个 C 端全覆盖」、博众是「4 个闭环流水线」——它们本质上都在 C 端这一个战场里比拼 Skill 的数量与深度。而万得的三条线打的是三个不同的战场：WindClaw 打机构、AIFin Market 打开发者生态、Wind Alice 打 C 端。因此评价万得不能只数「几个 Skill」，而要看它是否在三个市场都建立了可防守的位置。以下按五个维度逐一深度拆解每条产品线。

三、三条产品线五维度深度拆解

3.1 WindClaw（龙虾）：机构投研的 AI 副驾驶

3.2 AIFin Market：金融数据的 MCP 开放平台

3.3 万得 AI (Wind Alice)：C 端的全链路投研助手

四、大模型合作与生态布局：自研 + 开放的双轨策略

万得的模型策略是「自研金融大模型 + 开源/商业模型微调」的双轨制：自研底座保证数据安全与专业深度，外部基座模型提供通用能力，两者通过 LoRA 等微调方式与 Wind 私有数据结合。这套策略在金融行业中属于保守而务实的选择——它不追求「全自研」的炫技，而是把模型当作数据变现的工具。

4.1 自研金融大模型与外部算力合作

在自研侧，万得基于海量金融语料训练金融垂类大模型（WindGPT 底座），2025 年以来的重点在于提升逻辑推理能力与数值准确性，专门解决通用大模型在金融计算中的幻觉问题。在外部合作侧，万得与智谱 AI (GLM)、阿里云（通义千问）等国内大模型厂商保持合作，利用通用基座模型的能力结合 Wind 私有数据进行微调；算力层面则与华为昇腾等国产算力厂商推进适配，确保金融数据安全与信创合规。这种「核心自研、外围协作、算力国产化」的组合，与华泰证券的「大模型教、小模型用」、国泰海通的千亿参数自研路线形成三种不同范式的对照。

4.2 第三方 Skill 入驻：从「工具集」到「双向生态」

2025 Q3 开放第三方 Skill 入驻，是万得生态战略的分水岭。在此之前，AIFin Market 是万得单向输出数据能力的「工具集」；在此之后，它变成了外部开发者可以入驻、构建、分发金融 Skill 的「双向生态」。对开发者而言，万得的数据底座 + MCP 标准化协议 + 开放入驻，意味着一个可以「站在数据巨头肩膀上做金融 AI 应用」的平台；对万得而言，生态越繁荣，越多的 AI Agent 底层依赖万得数据，其「金融数据基础设施」的地位就越稳固。

4.3 机构、高校与云厂商的纵深合作

• 券商与基金：与头部机构共建「AI 联合实验室」，定制化开发智能投顾与风控工具；深度介入银行理财子公司的净值化转型数据处理与估值系统
• 高校与人才：「Wind 终端进校园」持续扩大在 985/211 高校的装机量，培养一代金融从业者的使用习惯（User Lock-in）；通过举办 AI 投研大赛推广 WindGPT
• 云厂商：与腾讯云、AWS 等合作提供 SaaS 化的数据订阅服务，降低中小机构的使用门槛
• 信创与出海：加速金融数据与大模型框架的国产化适配（麒麟系统、达梦数据库等）；依托香港、新加坡布局，向东南亚财富管理市场输出「中国资产数据 + AI 分析」方案

五、竞品对比：Wind vs iFinD vs Choice 的「三国杀」

万得的核心竞品不是券商，而是同为金融数据服务商的同花顺 iFinD与东方财富 Choice。三者构成了中国金融数据「三国杀」，而 AI 时代的竞争，本质是三大数据库谁能率先把数据霸权延续到 AI 调用层。

5.1 万得 Wind vs 同花顺 iFinD：全品类底座 vs C 端流量惯性

关键判断：同花顺的强项是 C 端流量惯性与开发者社区（问财 Python 回测吸引了大量量化爱好者），但其机构渗透率与数据全品类深度不及万得。万得的 MCP 开放策略在生态开放度上明显领先。两者的分野在于：同花顺从 C 端向机构上攻，万得从机构向 C 端下沉与向生态横向扩张——万得的护城河更深，但 C 端是它必须补的短板。

5.2 万得 Wind vs 东方财富 Choice：专业纵深 vs 大众普惠

关键判断：东财走的是「大众普惠」路线——零配置、全覆盖、亿级流量，追求让最多散户用上 AI；万得走的是「专业纵深」路线——数据最全、能力最深、合规最硬，追求让专业用户离不开。在 C 端，东财的流量与体验优势短期内万得无法撼动；但在机构端与开放生态上，万得的护城河是东财难以逾越的。Wind Alice 与妙想的正面交锋，将是「机构能力下沉」与「大众流量上探」两条路线的直接碰撞。

5.3 三家差异化定位总览

六、结论与行业启示：数据霸权的 AI 时代延伸

万得是目前金融数据商中 AI 转型最彻底、野心最大的一家。它没有把 AI 当成锦上添花的功能，而是围绕自身数据霸权重构了一整套战略：WindGPT 引擎统一底座、WindClaw 守机构、AIFin Market 建生态、Wind Alice 下沉 C 端，并以「AI 服务收入占比 30%」为目标，把 AI 从成本项转变为独立营收线。

6.1 三个结构性优势

1. 机构级数据与合规底座是 AI 时代最稀缺的燃料：AI 的竞争本质是数据燃料的竞争，万得拥有全行业最全的机构级数据库与验证过的数据管线。WindClaw 的审计日志、来源可追溯能力，把机构投研对「结论从哪来」的合规要求转化为产品力——这是同花顺、东财短期内难以复制的门槛。
2. MCP 开放是先发卡位：37 个专业 MCP 工具 + 第三方 Skill 入驻，让万得成为金融数据商中最早把「数据能力标准化输出」做成产品的一批。当行业还在争论要不要开放时，万得已经定义了「金融数据 MCP」的形态。
3. 三线并进的战略纵深：WindClaw 的机构存量、AIFin Market 的开发者生态、Wind Alice 的 C 端触达，三条线各自对应一类数据变现路径。这种「数据卖给机构、卖给开发者、也直达散户」的布局，是任何单一形态的竞品都不具备的。

6.2 三个需要警惕的短板

1. C 端是万得最陌生的战场：缺少同花顺、东财的亿级流量入口与散户心智，Wind Alice 的获客成本与转化路径是最大挑战。机构能力下沉的叙事很性感，但 C 端产品需要的是运营与流量能力，而非数据能力。
2. MCP 开放与订阅制存在左右手互搏：对外开放数据能力，可能侵蚀传统终端订阅收入；定价策略若失衡，开发者生态与机构付费两头都讨不到好。这需要万得在「开放红利」与「存量收入」之间找到精细的平衡。
3. 生态冷启动的不确定性：「AI 服务收入占比 30%」的目标，依赖第三方开发者与调用方的活跃度。若冷启动阶段「有平台没生态」，先发优势就会被 MCP 的标准化红利稀释——毕竟协议是开放的，数据商之间的工具差异最终要靠数据质量说话。

6.3 2025–2026 年的三个观察点

• WindGPT 会否从「工具引擎」进化成「开放平台」？如果 WindGPT 的调度能力与 MCP 协议深度绑定，第三方 Agent 将不仅是「调数据」，而是「调用万得的分析与判断能力」——这是从数据商到智能服务商的质变。
• 第三方 Skill 入驻能否形成网络效应？2025 Q3 的开放只是起点，真正的考验是：有没有足够多的高质量开发者入驻、有没有外部 Agent 生态愿意默认接入万得数据。2026 年入驻 Skill 的数量与活跃度是核心观察指标。
• 「AI 服务收入占比 30%」如何兑现？这个目标若达成，万得将彻底改变金融数据行业的商业模式叙事——从「卖终端授权」到「卖 AI 调用」。机构商业化（AIFin Market 向券商基金收费）与 C 端订阅（Wind Alice 会员）的双轮能否跑通，决定万得 AI 转型的成色。

对整个行业，万得的案例提供了三条启示：

1. 数据龙头的 AI 战略是「防守型进攻」：万得做 AI 的核心不是获客，而是确保「AI 调的数据仍然是我的数据」。对任何拥有数据资产的机构而言，AI 时代的第一命题是守住数据被调用的入口，而非急于做前端应用。
2. MCP 开放是数据商延续霸权的最优解：与其被动等待 AI Agent 绕过自己，不如主动以标准化协议开放数据，成为生态的底层。开放不是让渡护城河，而是把护城河从「终端锁定」升级为「协议标准」。
3. 三线并进考验的是组织能力而非产品能力：同时打机构、生态、C 端三个战场，对研发、销售、合规、运营的组织协同是巨大挑战。万得的最大风险不在于某个产品做不好，而在于三线资源分散、C 端短板拖累整体节奏。能否把「战略野心」转化为「执行落地」，是万得这盘大棋成败的真正胜负手。