金融垂直AI应用的定价模式、竞争分工与市场终局——Rogo联合创始人Gabe Stengel访谈要点梳理（Invest Like The Best，2026-09-22）
——据Invest Like The Best节目《Why OpenAI and Anthropic Won't Win Finance》（2026-09-22）整理
摘要：本文对Invest Like The Best节目主持人Patrick O'Shaughnessy与面向金融机构的AI平台Rogo联合创始人Gabe Stengel访谈的主要观点进行了梳理汇总（主持人为Rogo投资人，Rogo亦为本期赞助商之一）。本文梳理了Rogo产品代际与模型代际的对应关系及核心客群，介绍了其席位制定价现状、与OpenAI和Anthropic的分工逻辑以及融资与内部运营情况，并阐述了Stengel关于金融业创新者困境与私募市场交易终局的判断。据其介绍，Rogo在金融细分领域做深可实现50亿美元收入，这对正从1000亿美元收入迈向1万亿美元的Anthropic而言吸引力有限；Stengel还预期，十年后头部投资机构与投行90%的企业价值将由软件、数据与系统承载。
关键词：垂直应用；席位制定价；企业采用；前沿实验室；应用层护城河；Rogo；Anthropic；OpenAI
一、模型代际演进与产品定位
Rogo的产品演进与模型能力提升高度同步，核心客群集中于私募市场交易环节。
（一）产品代际与模型代际相对应
Stengel表示，Rogo在GPT-3发布之后、ChatGPT推出之前起步，早期演示效果不错，但没有一项功能真正好用。他将此后的产品代际与模型代际直接对应，并指出两个关键节点：一是o1 Pro，模型第一次可靠到让用户愿意交由其计算某家公司过去12个季度的某项财务指标；二是Opus 4.5，时间在2025年底至2026年初，用他的话说，只要给出正确的指令和上下文，模型“基本能做初级投资人员或初级银行家在做的任何事”。他同时承认应用层存在先发劣势，看准终局却在模型未到位时推出产品，用户试用一次即判定为“垃圾”；好处在于模型到位之际产品可立即投入使用。
据其介绍，典型用例是投行董事总经理（MD）将一份演示材料的批注通过邮件发给Rogo的AI分析师，20分钟即可拿回修改稿，此前交给人工分析师需要两天；系统同时通知该项目的初级分析师，并附上每处修改的完整可审计记录。这一入口专为十年未登录电脑、只在iPad上批注的金融从业者设计。
展望前沿方向，Stengel将Moltbook一类的多代理协作视为下一步重点：设想对冲基金每位投资经理（PM）手握1万个代理，彼此辩论、研读笔记，24小时后交出一个投资想法。他认为金融业能够支撑如此规模的token消耗，原因在于投资人愿意为一个好主意支付5万美元，其他行业少有此意愿。他表示，当前模型已比他认识的任何人都聪明，剩下的全部是“管道”问题，即把模型接入客户的上下文、投资论点与工作方式。
（二）核心客群聚焦做交易的机构
Stengel直觉上认为数据公开可得的公开市场适合AI，但Rogo的核心客群是“做交易的人”，即买卖公司、协调交易的投行与私募股权（PE）机构。产品覆盖交易全流程：一是准备和拆解数据室；二是协调与第三方讨论数据室的电话会议；三是推进从启动到交割的各个环节。例如，卖方将公司模型、客户结构材料、尽职调查问卷（DDQ）答案放入数据室，买方代理拆解相关数据，并对照基金的投资理念判断客户集中度是否越线。用户经邮件、聊天机器人与主动提醒进入产品，而Rogo有一半的产品面处于“冰山之下”，即随交易推进更新客户关系管理系统（CRM）、组合监控系统以及向有限合伙人（LP）分发信息的系统。
公开市场业务Rogo尚未涉足，理由是尚不了解公开市场投资人的工作方式，须先招募领域专家。对于董事会扩大理想客户画像（ICP）的建议，他的回应是交易这条线的潜在市场规模（TAM）足够深，且其终局是私募市场的交易基础设施，公开市场则早已有交易所存在。他由此总结，垂直AI的机会集中在管道尚未建成的行业，私募市场的协调、标准化、尽职调查与成交至今仍全部依赖人工完成。
二、定价模式与企业采用进展
Rogo现阶段沿用席位制定价，客户以大型银行为主，企业采用正由个人生产率向公司生产率转化。
（一）现阶段按席位定价
Stengel将Rogo定位为经典的企业软件公司，目前按席位定价，理由是买家习惯按席位付费，并将其归入彭博（Bloomberg）、慧甚（FactSet）、Capital IQ、PitchBook一类。每笔订单都需要客户经理（AE）、解决方案架构师与销售工程师上门沟通，难以签下用量自动增长百倍的合同。他以自身作对照：Anthropic向Rogo销售十分容易，Rogo支付给Anthropic的费用按token消耗计算，无需人工经手即呈指数上升；而在金融这类行业，依托token消耗自然增长做企业销售行不通，因此Rogo要以通常企业销售组织五倍的速度搭建市场体系。
他将AI软件公司分为两类：一是传统企业销售叠加AI、做出百倍更好产品的公司；二是Cursor、Factory、Claude Code等面向习惯按用量采购部门的“token经纪商”，后者能够以更少人力走得更远。
（二）定价模式的演进设想
Stengel认为，每家公司都要经历两次定价变革，先转向用量制，再转向结果制，而他希望跳过用量制，直接按每个好的投资想法、每份发给LP的季报、每份银行家制作的SIM收费。理由在于token账单与价值难以对应：客户花费10万美元的token，说不清换回了什么；而一个好主意赚了多少钱、一份SIM对应多少出售公司的佣金，客户自己算得清楚。对于席位制下客户用量越大、Rogo成本越高的错配问题，他的回应是Rogo只走完了产品路线图的1%，资本市场99%的创新仍在前方，当前要务是做好客户AI战略的管家。
（三）客户结构与企业采用进展
Stengel表示，客户主要是大型银行，原因有二：一是银行是金融业的人才分发渠道；二是银行拥有的席位数量多得多，签下一家美国银行（Bank of America）触达的人数远超签下十位各带十人团队的基金经理。
关于企业采用曲线所处的位置，他认为多数机构已看到大量个人生产率提升，正在设法将其转化为可度量的公司生产率。他引述MD的说法，过去需要与分析师往返三天完成的五页材料，现在自己十分钟即可做完，而这些人已有20年未打开过Excel。值得注意的是，关键在于效率流向何处：一是是否赢下更多交易；二是是否服务了过去触达不到的市场。这实质是削减成本还是开拓新市场的战略选择。他以摩根大通（JPMorgan）刚宣布为中小企业开展更多并购业务为例，过去此类交易费率过低、难以配备人手，当一名银行家即可构成一支交易团队，进入这类市场便具备合理性。他认为瓶颈将落在客户想清楚自身需求上，正如明天新增一百位优秀投资人，如何分工与配置资金都需长时间思考。
三、与前沿实验室的竞争分工
Stengel认为，垂直应用商与前沿实验室分工清晰，Rogo着力于实验室不会为金融业搭建的合规管道、交易场所与记录系统。
（一）垂直分工的逻辑
对于如何与将金融列为重点行业的Anthropic和OpenAI竞争，Stengel的思路是做与实验室相互垂直的产品。为快速进入市场，Rogo有时会先推出聊天机器人，但表层之下有大量实验室不会为金融搭建的东西。他的测算逻辑是，金融业是众多细分领域的集合，各领域都有自己的数据、对“好”的定义与监管要求，Rogo可以依靠在这些领域做深、做记录系统，实现50亿美元收入；而对Anthropic而言，这相当于在从1000亿美元收入迈向1万亿美元的路上“停车捡一枚硬币”。
（二）合规管道与交易场所
Stengel列举的两项末端环节都在合规一侧：一是处理重大非公开信息（MNPI）时的可审计性，监管方检查时，每一步是否记录得像素级完整；二是大型上市公司之间的收购需要一个合规、安全并接入代理与工作流的数据室，而实验室无意涉足数据室业务。他认为，要成为高端金融与资本市场的交易所，除智能之外还须拥有交易场所、通信场所、工作流与全部数据输入。
在可审计性问题上，Stengel认为随着“幻觉”一词淡出讨论，可审计比准确更为重要：答案不准确但假设与数据来源一目了然，仍然可用且节省时间；答案准确但无法核查，用户便不敢使用。从“副驾驶”走向“自动驾驶”，即代理自行做出投资决策或发送邮件之后，必须能够回溯每项决定的成因；在受监管的市场中，讲不清决策依据难以立足。他还提到，若有一天特拉华州法院将AI输入与研究列为可取证材料，机构必须早已按信息隔离的方式记录完整的数据血统。
（三）模型运行框架与记忆压缩
主持人认为，harness（模型运行框架）与基础设施比数据和模型更重要。Stengel以Claude Code、Claude Cowork与ChatGPT的对比作答：模型能力相近，harness使模型发挥出长程能力，这解释了用量的跃升。他将Rogo的harness比作Max Levchin所说每年重写一遍的账本系统，由于模型变化太快，不能停留在局部优化。他认为模型当前欠缺、一旦具备将改变产品性质的能力是记忆压缩：一个代理与一个人对话一百次后，如何把应记住的内容压缩进可用的token中；当代理从一对一走向与整家公司一百人协作时，这一问题将呈指数级放大。
四、内部运营、融资历程与扩张策略
Rogo内部运营高度依赖AI工具，融资初期屡遭拒绝，目前正以激进节奏抢占市场。
（一）内部知识系统与AI工具使用
据Stengel介绍，培训与反复再培训是制约Rogo增长的核心问题。公司内部每一场对话都会被录下，新人入职即被告知Granola一类的会议记录工具会持续运行，所有信息汇入一个名为Shrek的公司大脑。Shrek接入全部系统，并被告知公司目标与北极星指标，其功能有二：一是被动回答，例如如何向大型机构阐述模型路由的价值主张；二是主动推送，例如员工周四要拜访私募信贷公司，即推送相关用例与过往客户关注的投资回报（ROI）指标。他每月收到一份全公司AI工具使用报告，各部门使用量前五名与后五名被公示，垫底者的打印件戴上“傻瓜帽”贴满办公室；他承认公司变大后，不认识他的员工确实会因此害怕。
（二）融资经历与行业壁垒
Stengel回忆，A轮融资时David Tisch引荐的40家机构全部拒绝，红杉资本（Sequoia）、凯鹏华盈（Kleiner Perkins）、Benchmark、Thrive均在其列；一个月后Keith Rabois入场，称这算不上逆向押注，就是“金融版的Harvey”。他总结被拒原因有三：一是硅谷低估了金融业的潜在市场规模，因为Ion、彭博、标普（S&P）、慧甚、PitchBook、晨星（Morningstar）都没有风投背景；二是产品当时有一半时间给出错误结果，投资人亲自试用后即断言做不成；三是没人相信他能把产品迭代出来。
对于可信的金融AI竞争者为何不多，他认为原因在于：一是分发难以突破，本质上取决于能否与机构建立信任的人；二是工程门槛同样很高。据其介绍，Rogo早期雇员多来自高盛（Goldman Sachs）、花旗（Citi）、杰富瑞（Jefferies）、阿波罗（Apollo）、阿瑞斯（Ares）、黑石（Blackstone），团队中有超过一百人曾在投行或投资机构任职。他表示领域知识与产品直觉的价值在上升，团队中表现突出者多为前创业者，Rogo已收购了六家处于起步阶段的金融AI初创公司。
（三）扩张节奏与目标
Stengel转述了红杉资本的Pat Grady在周三董事会上的推理：如果金融业每个人都会在未来18个月内做出AI采购决定，并且无论Rogo是否参与都一定会购买，那么关键就在于尽快覆盖全市场、确保自身在场；据此，原本已较为激进的年度计划被判定仍不够激进。Stengel表示，风投支持的公司要加厚结果分布的两条尾部，失败概率增加30%、换取成为千亿美元公司的概率增加20%是可以接受的，他向人才阐述的目标是5000亿美元规模。
五、金融业创新者困境与资本市场终局
Stengel认为，金融业正面临长期以来第一次创新者困境，私募市场有望演变为面向非标准化资产的交易所。
（一）在位机构面临的挑战
Stengel指出，过去一二十年资本配置业务利润丰厚，私募机构一只基金接一只基金地募集，具有自然惯性，从未经历过迫使每家机构重思商业模式的冲击；如今，成百上千家AI原生的投资机构与投行将冲击现有模式。他向在位机构提出两个问题：一是若今天90%的企业价值在人身上，而十年后头部投资机构与投行90%的企业价值将由软件、数据与系统承载，当下应当如何应对，他的答案是把顶尖人才头脑中的隐性知识装进机构自有并自主运行的系统；二是拆开交易生命周期的每一个环节，逐一判断自身拥有的是他人不具备的关系或上下文，还是仅仅自认为更聪明、读得更多，后者将被AI抹平。他举例称，一位Moelis联合创始人两年前就要求为顶尖银行家制作数字分身，代其出席电话会议，并让每位初级员工都能即时调用其经验与关系。
（二）资本市场终局设想
Stengel描绘的终局对标彭博的发展路径：先以少量数据切入，再铺开分析与工作流，进而提供交易与通信平台。Rogo的版本分三步：一是以少量AI能力切入；二是从副驾驶做到自动驾驶，确保投资委员会（IC）备忘录与DDQ百分之百准确；三是提供交易对手之间的通信渠道，区别在于这条渠道供代理之间交易使用。他设想大型PE机构放心让代理代为谈判、与盈利质量（QoE）顾问和法律顾问往来，并主持一场多家PE投资方竞价的拍卖，终局形态类似一个面向非标准化资产的交易所。
他援引抵押贷款的先例，目前40%至50%的按揭贷款通过Rocket Mortgage一类平台线上完成。基于此，他预期：一是企业融资与举债将像在Robinhood上点击买入股票一样便捷；二是KKR判断能否将一家组合公司出售给另一家PE投资方只需五分钟，资产定价时间缩短一个数量级；三是30万家不了解高盛业务的美国企业能够接入资本市场。
（三）尚存的不确定性
Stengel坦言有两件事难以判断：一是私募市场标准化的速度，私募市场因数据非结构化而长期未能标准化，AI应能补上这一短板，但是否有监管或市场力量推动超出其掌控；二是人际关系中还剩多少超额收益（alpha），经营了二十年的业主在微型并购中大概率仍要当面握手成交，而PE投资方持有的公司、私募信贷与GP/LP二级交易则可以完全自动化，长尾中小企业何时愿意通过点击按钮出售公司，他尚无答案。
总的看，Stengel认为模型能力已跨过承担初级金融工作的门槛，竞争重心落在实验室不会搭建的合规管道、交易场所与懂金融的团队上；Rogo现阶段以席位制切入大型银行，长期以私募市场交易基础设施为终局，与此同时，私募市场标准化的速度与人际关系的剩余价值仍难以判断。