金融AI公司 Rogo 完成 1.6 億美元 D 輪融資，估值從 7.5 億美元飆升至 20 億美元，僅用三個月接近翻兩倍。Rogo 定位為投行、PE 和資管機構的 AI 分析師，可完成查公司、找數據、搭估值模型、製作客戶材料等工作。公司通過整合 OpenAI、Anthropic 等底層模型和 Capital IQ、PitchBook 等金融數據，並接入 Excel、PPT 等辦公軟體，將分散在各系統的任務串成自動化流程。截至 2026 年 8 月，Rogo 已進入 300 多家金融機構，擁有 4 萬名用戶。其核心競爭力在於合規建設、模型中立和生態整合，正在成為金融機構的工作入口。

文章作者、來源：华尔街见闻

AI 終於殺進華爾街了。

今年4月，金融AI公司Rogo完成1.6億美元D輪融資，估值直接衝到20億美元。而就在三個月前，它的估值還只有7.5億美元。

Three months, almost doubled nearly twice.

Rogo 到底是幹什麼的？

簡單來說，就是為投資銀行、私募股權和資產管理機構配備一位「AI 分析師」。

查公司、找數據、搭估值模型、改 Excel、做客戶材料，過去需要初級分析師熬夜完成的大量案頭工作，它都能接過去幹。

但真正有意思的地方在於，Rogo 看起來並沒有什麼特別「獨家」的東西。

底層模型使用的是 OpenAI、Anthropic，金融數據來自 Capital IQ、PitchBook，最終使用的 Excel、PPT 又是微軟的。

換句話說，從模型、數據到辦公軟體，最核心的東西都不是它自己的。Rogo 所做的事情，更像是站在中間，把這些東西全部串聯起來。

按常理說，這種公司最容易被上下游繞過去。

但現實恰恰相反。

As of August 2026, Rogo has been adopted by over 300 financial institutions and is used by more than 40,000 financial professionals, with its valuation rising to US$2 billion.

這就有趣了。一個看起來只是「攢局」的中間層，為何反而成了華爾街最受追捧的 AI 公司之一？

今天，硅基君就來說說 Rogo，以及 AI 究竟是怎麼開始接走華爾街分析師工作的。

為華爾街分析師「交作業」

投資銀行分析師，可能是這個世界上薪資最高、同時從事最多重複體力勞動的一群人。

別以為他們每天穿著西裝、出入華爾街，實際上與客戶面對面談生意的時間其實不多。投行職業培訓機構 Wall Street Mastermind 評估，投行員工約 90% 的時間都花在尋找數據、撰寫研究報告、更新 Excel 模型和製作 PPT 等案頭工作上。

《福布斯》此前在採訪 Rogo 創始人時提到，一些初級投行員工每周工作時間高達 90 個小時。哪怕一周 7 天不休，平均每天也接近 13 個小時。

原因很簡單。傳統投資銀行在很大程度上是一門「靠人堆產能」的生意。項目多了，就多招分析師；工作量上來了，就靠加班消化。

Rogo 想用 AI 改掉這套模式。

第一步，是先把「找數據」自動化。

投資銀行從事項目時，需在 Capital IQ、FactSet 查詢財務數據，在 PitchBook 查看融資資訊，在 LSEG 檢索併購交易。這些資料庫投資銀行早已購入，但過去仍需分析師自行搜尋、篩選和複製。

Rogo 的做法很直接，就是與這些數據商合作，將客戶已有的數據權限授予 Agent。

在 2024 年底接入 Capital IQ 後，Rogo 中的 Agent 已可直接調用基本面、市場預期等數據，並繼續往下分析。

換句話說，Rogo 將過去「給人查的數據」轉變為「給 Agent 調用的生產資料」。

第二步，是直接交付可用的檔案。

Rogo 的 Felix Agent 可直接進入投資銀行真實使用的 Excel 模型，更新數據、滾動預測年份、刷新圖表、調整可比公司。

這件事看起來簡單，實際很難。一個真實的投資銀行模型可能有幾十張工作表，裡面全是跨表引用、歷史數據和預測假設。過去分析師每次更新都要自己拉數據、改年份、查公式。

Felix 現在可以直接接手。

例如，當模型中2027年的自由現金流突然變為負數時，它可以沿著公式回溯，找出是哪些假設發生了變化，並提供修改建議。

當遇到特別複雜的模型時，它還會將部分計算邏輯轉換為 Python 重新執行一遍以檢查結果。

也就是說，Felix 開始能直接交付投資銀行工作的結果。

第三步，是把單項任務串成整筆交易。

投資銀行項目看起來複雜，但拆解後，無非是進行可比公司、歷史交易、DCF、CIM、Teaser、篩選買家這些重複性操作。

Rogo 將這些動作逐一封裝成 Agent。它邀請了 75 名以上曾實際從事投行業務、私募股權、信貸和研究的人參與搭建，目前共享的 Agent 累計已運行超過 43 萬次。

但標準 Agent 還不夠，因為每家投資銀行的模板、口徑和流程都不同。

因此，Rogo 仍會派遣團隊進駐客戶內部，持續將 Agent 改為專屬版本。僅在 2026 年 7 月初的一週內，Rogo 就與客戶共同搭建了 2450 個以上的定制 Agent。

更重要的是，這些 Agent 可以串聯起來。

一個 Agent 先起草 CIM 和 Teaser，另一個則繼續進行可比公司和 DCF 分析，再進一步篩選潛在買家。過去分散在不同分析師手中的工作，開始被整合成一條自動化的交易流程。這也正是 Rogo 最具想像力之處。

當然，軟體能做，不代表投行就真的會用。所以，Rogo 的商業模式也很特別。

它按 Seat 收費，本質上是 SaaS。截至 2026 年 2 月，已擁有超過 2.5 萬名用戶和 150 家機構客戶。

但落地方式卻很重。Rogo 會把前銀行家和工程師直接派進客戶內部，幫客戶搭工作流、做培訓、改 Agent。

例如，在 Baird，Rogo 上線了約 600 個席位。通過現場培訓和持續跟進，幾個月後使用參與度達到 95%，每周完成約 1 萬次自動化任務，累計超過 25 萬次。

也就是說，雖然 Rogo 販售的是軟體，但實際落實更像諮詢。

如果 Rogo 這套模式跑通，未來同樣數量的人，就可以覆蓋更多項目。對於一個靠「人肉堆算力」運行了幾十年的行業來說，這才是 AI 最大的價值。

按常理說，Rogo 這種公司其實很危險。

上方是 OpenAI、Anthropic 等模型廠商，下方是 Capital IQ、PitchBook 等數據商，客戶則是高盛、Lazard 等大型金融機構。

它夾在中間，任何一邊往前走一步，都可能把它繞過去。

但現實恰恰相反。

截至今年8月，Rogo 已擁有 4 萬名用戶、300 多家機構客戶，Rothschild、Lazard 等老牌投行都在使用。

為什麼一個看起來最易被替代的中間層，反而越做越深？

關鍵在於，Rogo 把住了金融 AI 最重要的三個位置。

第一個，是合規。

Rogo 成立於 2022 年前後，但真正大規模商業化，已是兩年後的事情。

這兩年它主要做了一件苦差事：讓金融機構敢把數據交給 AI。

投資銀行每天處理併購資訊、客戶資料和內部研究。一旦AI洩露MNPI，或模型算錯一個關鍵數字，後果可能直接導致合規與聲譽事故。

因此，Rogo 很早就實施了數據隔離、MNPI 邏輯隔離、細粒度權限和全流程審計，並陸續取得 SOC 2 Type I/II、ISO 27001，以及 2025 年的 ISO 42001 AI 治理認證。

這些事情毫無吸引力，卻極其耗時。結果就是商業化一啟動，增長就非常迅速：從0到七位數的ARR不到5個月，2025年的收入已超過1500萬美元。

第二，它不賭模型。

許多 AI 應用公司最大的風險，是押錯底層模型。

Rogo 索性不押注。它打造了一套 Model Broker，同時接入 OpenAI、Anthropic、Google 等模型，並根據不同的金融任務自動選擇。

為什麼要這樣做？因為金融任務根本不存在一個全能模型。

Rogo 使用 928 個真實金融任務構建了一套 Big Finance Bench。結果發現，GPT-5.5 更擅長資本結構和併購，Claude Sonnet 4.6 更適合財報分析，Claude Opus 4.7 在私募資本和預測上表現更佳。

僅根據任務類型和數據來源進行簡單路由，整體成績就能比最強的單一模型高出 4.5 個百分點。

成本差距更大。同一個任務，使用頂級模型可能花費 1.26 美元，換用更合適的輕量模型，最低只需 0.02 美元。

這套架構意味著一件很重要的事：底層模型可以不斷更換，但客戶的數據、Agent 和工作流程都會保留在 Rogo。

不過，真正決定 Rogo 天花板的，是第三層。

它開始擠入金融機構所有軟體的中間。

投資銀行的工作流程極其碎片化。數據分散在 Capital IQ、PitchBook，內部文件存於 SharePoint，客戶關係管理在 Salesforce，郵件在 Outlook，模型在 Excel，而交易底稿則存放於 Data Room。

過去分析師真正花時間的地方，很大一部分就是在這些軟體之間來回搬運東西。

Rogo 開始一塊一塊地將它們連接起來。

2025 年 9 月收購 Subset，將 Agent 直接嵌入 Excel，讓它能修改由數十張工作表組成的複雜模型。今年 3 月收購 Offset，為 Agent 補上「記憶」，讓它知道一個模型過去是如何搭建和修改的。

同時，它已整合 SharePoint、Outlook、Salesforce、Box 和 Intralinks。

到今年8月，Rogo進一步收購了Rivanna，將能力推進至M&A盡職調查。Agent可一次處理數萬份交易文件，提供原文引用、識別風險，並追蹤整個盡職調查流程。

單獨來看，這些都只是功能。但將它們連接起來，情況就不一樣了。

Rogo 正在將一筆金融交易原本分散在十幾個軟體中的工作流程，一點點收攏到自己這一層。

如果這套拼圖最終閉環，Rogo 掌握的就不只是一個 AI 工具。

它將成為金融機構每日運作的入口。這才是資本願意給它20億美元估值的真正原因。