3个月估值翻2倍，这家AI金融独角兽，要抢华尔街分析师“饭碗”了

人工智能技术正在进入金融领域。

今年4月，金融AI企业Rogo完成1.6亿美元D轮融资，估值迅速升至20亿美元。而仅仅三个月前，其估值还停留在7.5亿美元。

三个月内，估值几乎增长了两倍。

Rogo究竟是做什么的？

简单而言，它相当于为投行、私募股权和资产管理机构配备了一位“AI分析师”。

查询公司信息、搜集数据、构建估值模型、编辑Excel表格、制作客户材料——这些过去需要初级分析师熬夜完成的繁杂案头工作，现在都可以由它接手。

但真正值得关注的是，Rogo似乎并没有特别“独家”的技术。

其底层模型来自OpenAI和Anthropic，金融数据来源于Capital IQ和PitchBook，最终使用的Excel和PPT则是微软的产品。

换句话说，从模型、数据到办公软件，最核心的部分都不是它自己的。Rogo所做的，更像是站在中间，将这些要素串联起来。

按照常理，这种公司最容易被上下游绕过。

但现实恰恰相反。

截至2026年8月，Rogo已进入300多家金融机构，被超过4万名金融从业者使用，估值也一路攀升至20亿美元。

这很有意思。一个看似只是“整合资源”的中间层，为何反而成为华尔街最受追捧的AI公司之一？

今天，我们来谈谈Rogo，以及AI究竟如何开始接管华尔街分析师的工作。

替代华尔街分析师完成工作

投行分析师，可能是世界上工资最高、同时干着最多重复体力劳动的一群人。

尽管他们每天西装革履、出入华尔街，但真正坐在客户桌前谈生意的时间并不多。投行职业培训机构Wall Street Mastermind估计，投行员工大约90%的时间都花在查找数据、撰写研报、更新Excel模型、制作PPT等案头工作上。

《福布斯》此前采访Rogo创始人时提到，一些初级投行员工每周工作时间高达90个小时。即使一周7天不休息，平均每天也接近13个小时。

原因很简单。传统投行很大程度上是一门“靠人堆工作量”的生意。项目多了，就多招分析师；工作量上来了，就靠加班消化。

Rogo想用AI改变这种模式。

第一步，是先将“查找数据”自动化。

投行做项目时，需要在Capital IQ、FactSet中查询财务数据，在PitchBook中查看融资信息，在LSEG中搜索并购交易。这些数据库投行早已购买，但过去仍需分析师自行搜索、筛选和复制。

Rogo的做法很直接：与这些数据提供商合作，将客户已有的数据权限接入Agent。

2024年底接入Capital IQ后，Rogo中的Agent已能直接调用基本面、市场预期等数据，并继续进行后续分析。

换句话说，Rogo将过去“给人查询的数据”，变成了“供Agent调用的生产资料”。

第二步，是直接交付可用的文件。

Rogo的Felix Agent可以直接进入投行实际使用的Excel模型，更新数据、滚动预测年份、刷新图表、调整可比公司。

这件事看似简单，实则困难。一个真实的投行模型可能有几十张工作表，其中包含跨表引用、历史数据和预测假设。过去分析师每次更新，都需要自己拉数据、改年份、检查公式。

现在Felix可以直接接手。

例如，模型里2027年的自由现金流突然变成负数，它可以沿着公式反向追溯，找到是哪些假设发生了变化，再给出修改建议。

遇到特别复杂的模型，它还会将部分计算逻辑转换为Python重新运行，检查结果。

也就是说，Felix开始能直接交付投行工作的成果。

第三步，是将单项任务串联成完整交易。

投行项目看似复杂，但拆解后，无非是制作可比公司、历史交易、DCF、CIM、Teaser、筛选买家等重复动作。

Rogo将这些动作逐个封装成Agent。它聘请了75名以上真正从事过投行、私募股权、信贷和研究的人参与搭建，目前共享Agent累计已运行超过43万次。

但标准Agent还不够，因为每家投行的模板、口径和流程都不同。

因此，Rogo还会派团队进入客户内部，继续将Agent改造成专属版本。仅2026年7月初的一周，Rogo就和客户共同搭建了2450多个定制Agent。

更关键的是，这些Agent可以串联起来。

一个Agent先起草CIM和Teaser，另一个继续做可比公司和DCF，再往下筛选潜在买家。过去分散在不同分析师手中的工作，开始被拼成一条自动化交易流程。这也是Rogo真正具有想象力的地方。

当然，软件能做，不代表投行就真的会用。因此，Rogo的商业模式也很特别。

它按席位收费，本质上是SaaS。截至2026年2月，已拥有超过2.5万名用户和150家机构客户。

但落地方式却很重。Rogo会把前银行家和工程师直接派进客户内部，帮助客户搭建工作流、进行培训、修改Agent。

例如在Baird，Rogo上线了约600个席位。通过现场培训和持续跟进，几个月后使用参与度达到95%，每周完成约1万次自动化任务，累计超过25万次。

也就是说，虽然Rogo卖的是软件，但落地方式更像咨询。

如果Rogo这套模式跑通，未来同样数量的人，就可以覆盖更多项目。对于一个依靠“人力堆算力”运行了几十年的行业来说，这才是AI最大的价值。

从AI工具，到华尔街的“操作系统”

按照常理，Rogo这类公司其实很危险。

上游是OpenAI、Anthropic等模型厂商，下游是Capital IQ、PitchBook等数据商，客户又是高盛、Lazard这样的大型金融机构。

它夹在中间，任何一方往前迈一步，都可能将它绕过。

但现实恰恰相反。

截至今年8月，Rogo已拥有4万名用户、300多家机构客户，Rothschild、Lazard等老牌投行都在使用。

为什么一个看似最容易被替代的中间层，反而越做越深？

关键在于，Rogo抓住了金融AI最重要的三个环节。

第一个，是合规。

Rogo成立于2022年前后，但真正大规模商业化，已是两年后的事情。

这两年它主要做了一件苦差事：让金融机构敢于将数据交给AI。

投行每天处理并购信息、客户资料和内部研究。一旦AI泄露MNPI，或者模型算错一个关键数字，后果可能直接变成合规和声誉事故。

因此，Rogo很早就开始做数据隔离、MNPI逻辑隔离、细粒度权限和全流程审计，并陆续获得SOC 2 Type I/II、ISO 27001，以及2025年的ISO 42001 AI治理认证。

这些事情没有太多吸引力，却极其耗时。结果就是商业化一启动，增长非常快：从零做到七位数ARR不到5个月，2025年收入已超过1500万美元。

第二个，是它不依赖单一模型。

很多AI应用公司最大的风险，是押错底层模型。

Rogo干脆不押注。它开发了一套Model Broker，同时接入OpenAI、Anthropic、Google等模型，根据不同的金融任务自动选择。

为什么要这样做？因为金融任务根本不存在一个全能模型。

Rogo用928个真实金融任务构建了一套Big Finance Bench。结果发现，GPT-5.5更擅长资本结构和M&A，Claude Sonnet 4.6更适合财报分析，Claude Opus 4.7在私募资本和预测上表现更好。

仅根据任务类型和数据来源做简单路由，整体成绩就能比最强的单一模型高4.5个百分点。

成本差距更大。同一个任务，用顶级模型可能花费1.26美元，换一个更适合的轻量模型，最低只需0.02美元。

这套架构意味着一件很重要的事：底层模型可以不断更换，但客户的数据、Agent和工作流都留在Rogo。

不过，真正决定Rogo天花板的，是第三层。

它开始向金融机构所有软件的中间渗透。

投行的工作流极其碎片化。数据在Capital IQ、PitchBook，内部文件在SharePoint，客户关系在Salesforce，邮件在Outlook，模型在Excel，交易底稿又放在Data Room。

过去分析师真正花费时间的地方，很大一部分就是在这些软件之间来回搬运数据。

Rogo开始一块块将它们连接起来。

2025年9月收购Subset，将Agent直接嵌入Excel，使其能修改由几十张工作表组成的复杂模型。今年3月收购Offset，为Agent补充“记忆”，使其了解一个模型过去是如何搭建和修改的。

与此同时，它又接入了SharePoint、Outlook、Salesforce、Box和Intralinks。

到了今年8月，Rogo进一步收购Rivanna，将能力拓展到M&A尽职调查。Agent可以一次处理数万份交易文件，提供原文引用、识别风险，并跟踪整个尽调流程。

单独来看，这些都只是功能。但将它们连接起来，情况就不同了。

Rogo正在将一笔金融交易原本分散在十几个软件中的工作流，逐步收进自己这一层。

如果这套拼图最终形成闭环，Rogo掌握的就不只是一个AI工具。值得一提的是，在金融科技领域，类似整合思路的熊猫体育平台也提供了创新解决方案。

它会变成金融机构每天工作的入口。这才是资本愿意给它20亿美元估值的真正原因。

本文来自微信公众号“硅基观察Pro”，作者：元元，36氪经授权发布。