10 月 29 日，万得宣布旗下金融 AI 品牌万得艾思（Wind Alice）正式独立运营，独立官网同步亮相。独立公司早在 2026 年 7 月 27 日就已成立。

这条新闻在中文科技媒体上热度不高，但它提供了一个罕见的样本：一家垂直数据商，怎么把自己的专业能力改造成 agent 可调用的商品，并给两种完全不同的客户定两套价。

对做 AI 工作流的人，这比多数模型发布更有参考价值。

三年半，从工号到一个品牌

时间线有点意思：2023 年 3 月 18 日，Alice 以工号 23318 在万得内部启动——不是项目代号，是真的给了个员工编号。

三年多之后，2026 年 7 月 27 日成立独立公司，10 月 29 日独立品牌。万得继续提供金融数据、专业产品与客户服务；万得艾思用更开放、更敏捷的 AI 原生方式，探索新形态、新场景、新市场。

给一个 AI 产品发工号这件事，说明万得内部从一开始就把它当"同事"而非"功能"——这和后面对外讲的三阶段路线是同一个思路。

三款产品，切三种人

三款产品的分界线很清楚：Wind Alice 卖给人，Alice Market 卖给 agent，Alice Feed 卖给系统。 同一个底层能力，三种包装、三个渠道、三种计费逻辑。

这在垂直数据行业是第一次做得这么明。

Alice Market 的技术细节值得逐条看

这是整条新闻里最有料的部分。

统一 MCP 入口：一个 MCP 连上 Wind 金融能力，然后由万得自研模型按任务发现、匹配工具。官方给的理由很实在——减少逐项接入和预加载大量工具的工作。

这句描述解决的是 MCP 落地最大的工程痛点。当你有 50 个 MCP server、几百个 tool，全量塞进上下文窗口会直接吃掉模型的注意力预算。让一个轻量路由器按任务挑工具，等于在协议之上加了一层"工具检索"。这和 DeepSeek 昨天讲的 Router 层是同一个思路，只是发生在工具维度。

官方 Skill：把研究方法、操作步骤和模板封装好，嵌进已有工作流。定位不是"教你用数据"，是"让 AI 按专业方法完成任务"。这是把方法论而非数据做成商品。

专家 Agent：六类——市场监测、宏观经济研究、行业研究、个股研究、财富管理、会议。承接多步骤任务，返回专业结果，企业系统可以通过 A2A 协议调用。

A2A 这个词出现在金融数据商的官宣里，说明 agent 之间的通信已经不是实验室话题了。

定时任务 + 条件提醒：每天收盘后整理市场动态、设置条件触发通知。这是把 agent 从"你问我答"变成"到点自己干"，也正好是订阅制最需要的粘性来源。

覆盖的数据范围包括股票、债券、基金、期货、期权、外汇、指数、宏观和企业数据，以及公告、新闻等财经资料，支持实时与历史查询。官方特意强调：来源、时点和指标口径可核对。

在一个 agent 会编数据的年代，"可核对"这三个字是专业数据商唯一还剩下的护城河。

定价暴露的真实分层

万得同步做了一个促销，叫「Alice 红炉之约」，赠的是积分权益，2027 年 1 月 31 日前购买享加赠：

• 企业员工接入版（A）：买 5 万送 10 万。员工在 WorkBuddy、豆包、千问等客户端使用。
• 企业系统集成版（B）：买 10 万送 5 万。企业内部自建的 AI 系统，调用万得的 MCP / Skill / Agent。

这两档的设计比折扣本身有意思得多。

A 档是"人 + 通用客户端"，走的是员工席位加用量的路子，AI 助手是现成的（WorkBuddy/豆包/千问），万得只供数据和能力。赠送比例更高，因为要拉的是使用习惯。

B 档是"系统 + 自建"，走的是调用量，客户自己有工程团队、自己编排 agent，万得只当能力供应方。赠送比例低，因为需求更刚性。

翻过来就是一句判断：未来的 AI 工作市场会分成"卖给人"和"卖给 agent"两条曲线，而且后者的定价权更稳。 员工席位会被办公套件吃掉，系统集成不会。

三阶段路线：AI 同事 → AI 团队 → AI 原生组织

万得给的规划是三步：

1. AI 同事：让每个金融从业者拥有一个 AI 同事
2. AI 团队：人和 AI、AI 和 AI 协同完成复杂工作
3. AI 原生组织：智能体参与业务流程和任务执行

理由说得挺准：金融行业信息供给已经很充分，关键不再是"有没有信息"，而是能不能把信息转化为专业判断和工作成果。

这三步和腾讯 10 月底提的"能对话 → 能干活 → 能上岗"几乎同构，和 DeepSeek 讲的"人从执行细节上移到决策与验收"也是同一件事。2026 年下半年，行业对 agent 的想象力已经从"更强的工具"收敛到"组织形态"了。

值得关注的原因

第一，垂直数据商的角色被重新定义了。 过去卖终端席位（人看得懂），现在卖 agent 可调用的能力（agent 调得动）。数据本身不稀缺，结构化的、口径可核对的、被 agent 正确调用的能力才稀缺。

第二，计费方式直接反映了客户结构。 看到"买 X 送 Y 积分"就明白：这家公司已经在按 token 或按调用粒度计费了。用量计费是 agent 商业化的必经之路——10 月底微软不再披露 Copilot 席位数、改 CSP 默认用量计费，是同一件事的另一面。

第三，风险也写在产品里了。 当 agent 调用专业金融数据生成结论，"数据来源、时点、口径可核对"从卖点变成审计要求。一旦 agent 把口径用错，责任在数据商、在 agent 平台、还是在拍板的人？这个问题现在没有答案。

对做企业 AI 的人

三个可以直接用的判断：

• 能力市场（capability marketplace）是 MCP 之后的新一层。 MCP 解决"怎么连"，能力市场解决"连什么、谁的专业方法更好"。垂直行业的 MCP 市场会一个一个冒出来，法律、医疗、工业、财税各一个。
• 工具发现比工具数量重要。 接了几百个 tool 不是成绩，能让模型在正确时机挑对那一个才是。万得把"自研模型按任务匹配工具"写进产品说明，说明这事已经工程化了。
• 混合计费（席位 + 用量）会是 2027 年的默认形态。 纯席位撑不住 agent 的边际成本，纯用量又卖不进大企业采购流程。两档定价、两个渠道，可能是最现实的解。