旧金山——OpenAI 于 9 月 10 日发布 ChatGPT for Financial Services，这是其企业产品 ChatGPT Work 的首个行业定制版本，目标直指华尔街几十年来由初级银行家承担的工作：研究公司、拆解财务数据、制作投行演示材料（pitchbook）。
这次发布的时机不难读。OpenAI 首席财务官 Sarah Friar 今年 8 月告诉投资者，公司企业业务收入已超过消费者业务；外界普遍预期 OpenAI 正在筹备一次大型 IPO。在企业市场，它需要正面对抗 Anthropic——后者去年就推出了面向华尔街的 Claude for Financial Services——以及谷歌。
[2][1]里面装了什么
根据 OpenAI 官方公告，新产品原生搭载 9 月 3 日刚上线的 GPT-6 Astra 模型，内置 Daloopa、PitchBook、LSEG News、Crunchbase 等付费金融数据集，涵盖财务报表、业绩电话会议纪要、公司基本面和私营企业信息。这些数据由 OpenAI 自行索引和托管，官方称这样可以提高检索精度并支持逐条溯源：每个数字和论断都可以追回到原始表格或段落。
对已经买了数据服务的机构，OpenAI 与标普 Capital IQ、LSEG、MSCI、道琼斯 Factiva、穆迪合作做统一登录和权限打通——ChatGPT 能识别用户身份，只放出该机构已订阅的数据。官方还称针对金融行业高频使用的 MCP 连接器（标普全球、FactSet）做了稳定性专项优化，连接器生态覆盖超过 50 款工具。
OpenAI 公告引用了一个基准数字：在测试模型从美国财政部公报中检索并分析复杂财务表格的 OfficeQA Pro 上，GPT-6 Astra 得分 69.9%，上一代 GPT-5.6 Sol 为 60.2%；OpenAI 自绘的对比图中还列出了 Anthropic Claude Fable 5.1 的 62.4%。需要说明，这是 OpenAI 自己公布、自己选集的博客数字，尚无第三方复现。
[1]演示与说辞
OpenAI 产品副总裁 Nick Turley 在简报会上演示了分析一个潜在并购标的的全过程：系统从行业数据源提取财务数字、挑选可比公司、把股价拉进电子表格、核对图表与数据一致性，最后按银行预设模板生成 PowerPoint。
「做一份看起来漂亮的幻灯片很容易，做一份真正讲得通的幻灯片难得多，」Turley 说，「为了做到这一点，ChatGPT 必须选出相关的可比公司，把价格拉进表格，核对图表和数据，还要解释那轮抛售和之后的反弹。」
[2]我们实际上是在教 ChatGPT 像分析师一样做研究，也像分析师一样为自己的结论提供依据。
初级银行家怎么办
被 CNBC 直接问到这款产品是否会减少投行招聘初级员工时，Turley 没有正面回答，而是给出了效率叙事：分析师每周工作 100 个小时，「就像微软 Excel 改变了这个行业、让人们更快做出更好的分析一样，这类技术也会起到同样的作用」。
Excel 的类比聪明，但不完整。高盛合伙人、负责该行旗舰 AI 项目之一的 Chris Churchman 上个月警告过另一面的风险：把那些用于训练初级银行家的任务自动化，可能造成下一代金融从业者的「认知萎缩」。「推理依然重要，」他说，「你仍然要对问题进行推理、把它组织成论证，而现在我们正在把推理外包出去。」
投行的学徒制靠的是新人在抄数字、搭模型、改材料的重复劳动里建立判断。如果第一版材料永远由机器交出，组织拿到了效率，新人失去的恰恰是犯错的机会。这是发布会没有回答的问题，可能也是这款产品真正的成本所在。
[2]治理、可用性与没说的话
安全与合规方面，OpenAI 称产品继承企业版能力：SAML 单点登录、SCIM 用户配置、基于角色的访问控制；企业数据默认不用于训练；传输与静态加密；管理员可配置留存策略，合规团队可导出工作区日志对接审计流程，还可以用多工作区做信息隔离。这些是企业采购的入场券，但不是监管认证——公开材料中没有 FINRA 或 SEC 层面的批准，也没有数据驻留清单和 SLA 细节。
产品目前面向符合资质的金融机构开放，需联系销售，无公开定价。初期聚焦投资银行与股票研究。Turley 称市场需求「非常旺盛」，但拒绝透露已签约的银行——摩根士丹利和 Evercore 的身份是「设计伙伴」，参与过产品打磨，这不等于公开的客户名单。OpenAI 还表示将为金融服务之外的「多个行业」推出定制方案。
溯源引用解决的是「能查回去」，不是「查得对」。模型可以引用真实的文件却读错会计期间，可以取到正确的数字却选错可比公司。对买家来说，这份发布证明了 OpenAI 能把数据许可、引用链和企业权限打包成产品；它还证明不了的，是这套系统在别人的交易材料上稳定到什么程度。
[1][2]