非凸科技走进上交高金

以可信金融数据推动 AI 投研走向可核验

随着金融 MCP 与 AI 投研数据基础设施成为学术与行业社群关注的新议题，非凸科技的 FTShare 数据能力与 Agent 接入实践开始受到外部关注。2026年9月11日，非凸科技受邀参加贝塔说第五期「从数据到可核验研究」，并面向高金师生、校友与金融科技从业者完成 FTShare 的现场首演，系统展示可信金融数据如何进入 AI 投研工作流。活动于当日在上海交通大学上海高级金融学院徐汇校区举行，由上海交通大学上海高级金融学院MBA学联学术中心、校友会人工智能与数字金融专业委员会、MBA学联二级市场投资俱乐部、MBA学联量化投资俱乐部、SF贝塔社与非凸科技 FTShare 联合主办，围绕 AI 投研中的金融幻觉、可信数据调用与专业数据服务展开讨论。

房柯凡（26PTE）主持开场，介绍本期活动主题与分享嘉宾。

从“模型之外”审视 AI 投研

活动现场，SF贝塔社主理人许可从真实工作场景出发，讨论报告、PPT、可视化页面和策略研究等内容的可靠交付。分享指出，模型只是研究链路的一环，时间、主体、字段、范围与数据来源等基础条件如果没有提前定义，后续推理就可能建立在不一致甚至错误的输入上。通过多模型对照及指数调整公告案例，现场进一步展示了如何将研究问题拆解为可核对、可回查的字段与流程。

许可在现场与听众交流，围绕“模型之外”讨论AI投研的可信交付链路。

FTShare：为 AI Agent 提供可信金融数据

非凸科技 FTShare 金融数据产品负责人姜龙淞介绍了面向开发者与 AI Agent 的金融数据服务。FTShare将金融数据作为 AI 可靠上下文，覆盖基础金融数据、特色因子和实时分钟行情等场景。在 WorkBuddy 案例中，接入金融 MCP 后，系统可通过主营业务、公司画像、财务、估值与公告等接口获取结构化信息，再据此生成研究报告；相较于单纯依赖网络搜索，数据来源、更新时间与字段定义更便于回查。

非凸科技 FTShare金融数据产品负责人姜龙淞介绍金融数据服务与MCP接入方式。

从看板、研报到因子验证

围绕实际使用，姜龙淞现场演示了个人专属盯盘看板、可核验投研报告和因子构造三类应用：看板将问答、K线、市场信息与公司资料放在同一界面；研报案例展示了如何组织行情、公告、财务与风险信息；因子案例则从结构化 K 线形态识别返回研究候选。以 W 底形态为例，演示结果中的“置信度”仅代表形态识别信心，不等同于上涨概率，样本窗口、交易成本、缺失处理及更长周期表现仍需持续验证。

姜龙淞演示个人盯盘看板、可核验投研报告与因子构造等应用场景。

让数据质量成为 AI 投研的基础设施

在互动环节，现场围绕金融数据选型、MCP 架构、调用次数、并发与 Token 成本等问题展开交流。姜龙淞将金融 MCP 的评估归纳为数据覆盖、数据预处理和接口定义三条线，强调基础数据只是起点，预处理质量与工具描述同样会影响上下文成本和调用准确率。对非凸科技而言，FTShare的价值不仅在于提供数据，更在于帮助研究者把信息检索、数据分析与假设验证组织进同一工作流，在提升效率的同时保留必要的人工检查点。

现场围绕因子、金融MCP与研究验证展开互动交流。

现场提问围绕金融数据选型、Token成本、MCP接口与量化应用展开。

本次活动以学术交流与行业实践为纽带，呈现了 AI 投研从“生成内容”走向“验证研究”的关键路径。随着 AI 更深地进入金融场景，数据是否在当时可得、口径是否一致、接口是否被正确调用、结论能否回到原始来源，将成为衡量研究质量的重要标准。非凸科技 FTShare 将持续以结构化、可追溯的金融数据服务，支持更可靠的 AI 投研实践。

活动尾声，主办方代表向分享嘉宾颁发感谢状并合影留念。

注：本文内容用于学术交流与行业观察。嘉宾观点代表其个人看法，案例、产品信息和市场数据按现场口径整理，不构成投资建议、产品推介或收益承诺。