加载中...
本报告系统梳理了2025年前后大语言模型与Agent化在主动投研全流程的应用演进,比较了通用大模型(豆包、千问、腾讯元宝、Kimi)与专业投研智能体(Wind Alice、AlphaEngine、WarrenQ、AI小财神)在Deep Research、知识库、PPT生成与任务型Agent能力方面的差异,并提出基于知识库+Agent的投研效率优化路径与实践方案
| 项目 | 秘塔AI | 腾讯ima |
|---|---|---|
| 免费/容量 | 积分机制(免费额度有限,上传/搜索需消耗积分) | 50GB(含赠送20GB)免费容量 |
| 研究模式 | 多模式(深度研究、先想后搜、先搜后扩);文献/论文库丰富 | 对话/任务模式(含DeepSeek系列、混元模型);任务模式可深度梳理知识库 |
| 额外功能 | 知识岛共享、PPT生成功能、文献分类(北大核心等) | 文档翻译、思维导图、会议纪要、录音转写(免费) |
元数据与概览(引言与报告概览)
逐节深度解读
一、通用大模型应用产品功能对比(章节摘要与表格解析)
图表与可视化深度解读(通用产品表格)
二、Kimi 的 OK Computer(Agent)测评与案例分析
三、Deep Research 与投研 Agent 专用产品(Wind Alice、AlphaEngine、WarrenQ、AI小财神)
四、知识库产品迭代与比较(秘塔AI、腾讯ima)
五、投研PPT制作的新方案(问题、两条技术路径与产品评测)
六、文献综述、文档翻译、思维导图、会议纪要的工具推荐与解析
估值分析(报告中关于估值方法的陈述)
风险因素评估(作者识别的风险与潜在影响)
批判性视角与细微差别(审慎评价)
结论性综合(综合要点与建议)
(完)
主动投研智能化2.0——AI投研应用全流程的迭代升级.pdf