我之前做过一轮调研，结论是金融是 AI 应用渗透最深的行业之一。既然渗透深，说明数据基础好、玩家多、机会也可能多。这次我把问题拆成三个，用一套多代理深研管线跑了 97 分钟：金融行业需要实时追踪什么？哪些追踪和加工至今还是人工重复劳动？个人开发者或小团队能从哪切入？
先把方法论交代清楚，因为这篇里所有关键结论都经过三票对抗验证（三个独立核验代理各自尝试驳倒同一条结论，至少两票存活才算数），被驳倒的我也如实列出。共 114 个子代理、1,752 次工具调用，所有厂商定价均为 2026-09-16 当日快照。
一、金融行业在追踪什么，数据从哪来
追踪对象可以归成五类：公告与披露（财报、招股书、股东增减持、限售解禁）、监管动作（处罚、纪律处分、问询函）、持仓与交易动向（基金持仓、内幕交易、13F）、评级与观点（分析师评级、业绩会记录）、舆情与信用风险。每类的数据源在中国和海外是两套完全不同的格局。
中国市场：官方渠道比想象中开放，但加工层已被占住。
公告的权威源是巨潮资讯网（cninfo.com.cn）——证监会指定、深交所全资子公司深圳证券信息有限公司运营，覆盖沪深京三市加港股镜像、基金、债券。关键情报是它的官方 API 平台深证信数据服务平台（webapi.cninfo.com.cn）：公告查询接口实测可用（我这次深研里 9 月上半月港股公告拉到 7,694 条、深市 4,256 条），注册 token 即可调用，不必爬网页。
深证信本身就是一个 API 商城，2,466 个接口里已经有「股票智能摘要」「公告全文抽取」这类 AI 加工产物——但注意，2,466 个接口里 2,445 个标记为「内部接口」，智能摘要类产品走订制交付而非自助购买。也就是说，「公告→AI 摘要」在中国不是空白，而是官方已经商业化了，个人能自助买到的口径比目录显示的小得多。
一站式商业源是东方财富 Choice（quantapi.eastmoney.com，Python/MATLAB/R/C++/C#/Java 全套 SDK）。真正让我收起「舆情监控创业」念头的是：Choice 的舆情预警监测已经产品化——覆盖 200 万+企业、企业—集团—关联方三级穿透、多通道自动推送、联动信用评级和兑付进展。通用舆情监控这条赛道，巨头已经做完了。
监管侧反而是个痛点：上交所把监管措施分散在上市公司监管动态、发行上市审核、债券监管、交易监管、会员监管五个以上独立栏目，官网没有统一的「处罚公示」入口。追踪中介机构追责（保荐代表人、签字会计师、签字律师的监管警示）只能人肉盯多个页面——这类信息持续高频产出（最新一条是 2026-09-09），分散结构本身就是聚合工具的真实需求来源。
海外市场：红海，但定价分层清晰。
SEC EDGAR 免费且权威，但两条硬门槛：全局 10 请求/秒限速（多台机器合并计算），User-Agent 必须声明公司信息（不声明直接 403）。这两条就是免费官方源和付费商业 API 的价值分界线。
行情 API 端有个新闻级的情报：Polygon.io 已经改名成 Massive.com（全站 301 跳转，官方 SDK 自述 “formerly Polygon.io”）。个人档 $0 / $29 / $79 / $199 四档，付费档全部无限调用，差异在延迟和历史深度。
FMP（Financial Modeling Prep）把你能想到的追踪对象几乎全 API 化了：8-K、内幕交易、国会交易、13F 机构持仓、业绩会记录、分析师评级、新闻稿。免费档每天 250 次调用可以零成本验证。但业绩会记录（transcripts，覆盖 8,200 家公司、20 万+份全文）锁在 $99/月的 Ultimate 档——这条是 2-1 票通过的，厂商定价随时可能改。
另类数据端 Quiver Quantitative 用 15+ 数据集（国会交易、游说、政府合同、专利、高管薪酬）锚定了 $30-$75/月的个人档定价，商用另议。
二、哪些活还是人在重复干
先坦白：这一块的判断主要靠间接证据（官方栏目的分散结构、Choice 的自动化产品反推、机构工作流没有一手访谈），可信度天然低于第一部分。
能确认的人工重灾区有三个：
- 监管动作聚合。五个栏目分散、无统一入口，做风控或做媒体的人只能人工轮巡。这从上交所官网结构就能直接看出来。
- 长尾信息的人工盯守。巨头产品覆盖的是上市公司和发债人这类「核心名单」，200 万企业之外的长尾（比如地方金融办盯辖区小贷公司、垂直行业盯自己的供应链企业）大概率还是人工。
- 最终签核。机构里 AI 生成摘要、人工审核签发这个流程依然普遍——AI 干了初筛，人干判断。这意味着「AI 产出→人工把关」的协作工具层有空间，但纯全自动卖结论在国内机构侧推不动。
三、个人开发者可以从哪切入
结合竞品密度和空白点，我自己的排序是：
机会一：监管处罚聚合管线（中国，空白最确定）。 证监会处罚库、上交所/深交所纪律处分、NFRA 罚单、中基协 AMAC 处分，全部分散且无聚合产品。做成「监管雷达」日更推送，卖订阅。风险：本次深研证实上交所实际抓取难度高于表面判断（详见下文被驳倒清单），动手前必须逐站实测反爬；以及合规天花板未知（见机会四）。
机会二：垂直行业舆情监控（差异化唯一出路）。 通用监控被 Choice 做完了，但「只盯某个垂直行业、行业术语识别准、推送给不看 Wind 的中小客户」还有缝隙。本质是做巨头的长尾补集。
机会三：海外垂直聚合与加工层。 数据 API 本身是红海（FMP/Massive/Quiver 分层清晰），但「EDGAR 免费源 + AI 摘要 + 垂直场景」的组合还有空间——比如只服务某类投资者、只加工某一类文件。数据成本起点 $0（EDGAR）到 $29/月（Massive Starter）。
机会四（其实是雷区）：合规。 向客户提供 A 股/港股数据是否需要数据商备案或持牌？转售 Choice/深证信数据的授权边界在哪？这两问本次深研没有拿到可靠答案（Grok 对合规话题拒答，一手源也没查到明确规定）。我的态度：在中国做面向公众的金融数据产品之前，这个问题必须先花法律咨询费搞清楚，它直接决定上面三个机会的可行性排序。海外厂商普遍区分个人/商用授权，转售边界也要逐家确认。
四、被对抗验证驳倒的说法（如实披露）
这套深研最值钱的部分往往是「什么被证伪了」：
- 「上交所监管栏目是服务端渲染 HTML、无 JS 即可抓取、爬虫难度低」——0 票对 3 票被驳倒。 实际抓取难度比表面高（反爬/动态渲染）。想做聚合管线的，实测先行，别信「官方栏目都好爬」。
- 「FMP 全家桶可低于 $100/月」——1 票对 2 票被驳倒。 transcripts 只在 $99/月 Ultimate 档且按年计费（约 $1,188/年），「百美元内配齐全家桶」不成立。
另有几个明确的未验证缺口：港交所披露易（hkexnews.hk）、证监会处罚库（csrc.gov.cn）、NFRA、中基协 AMAC 的结构化获取成本，以及中国 AI 研究助手竞品（问财、妙想的可信度较高，Wind「问数」、慧博智研未经官方页面核实）——这些是下一轮深研的题目。
尾声
这次跑下来我的整体感受：金融 AI 的「数据获取层」和「通用加工层」在两个市场都已被占满，真正的缝隙在聚合分散信息和垂直化加工这两层——恰好都是个人开发者的体力优势区。中国侧最大的不确定项不是技术，是合规；海外侧最大的成本项不是数据费，是想清楚垂直在哪。
完整研究过程（含全部来源链接与逐条验证记录）存了档，需要原始报告可以找我。