ChatGPT vs. Driven：通用 AI 已经很强，为什么还需要专门的投资 Agent？

到 2026 年，再把 ChatGPT 描述成一个只能依赖过时训练知识作答、无法联网、也不给出处的产品，已经不准确了。

ChatGPT 的 Deep Research 可以调用公开网络、上传的文件和已连接的应用。它会先提出研究计划，让用户调整信息源和研究方向，最终产出一份带引用、有据可查的报告。ChatGPT 还支持定时任务，可以定期推送简报或监控重要变化。通过应用和插件，它还能连接外部数据和办公系统。

更重要的是，ChatGPT 是一个高度灵活的通用工作台。它可以分析公告、阅读 PDF、处理表格、编写代码、制作演示文稿。对于懂得如何写提示词、也清楚自己信任哪些数据的用户来说，它可以成为一位出色的研究助手。

ChatGPT 的强项远不止于对话

它最重要的优势是通用推理能力。投资问题很少局限在一张财务报表之内。研究医药可能需要理解临床试验；研究半导体可能牵涉制造工艺、供应链和贸易政策。通用模型能够在这些领域之间自如切换，并按不同的专业深度把材料讲清楚。

Deep Research 又补上了证据收集和引用标注。用户可以上传会议纪要，指定 ChatGPT 参考一组自己信任的网站，并要求输出结构化报告。结果可以导出为 Markdown、Word 或 PDF，便于审阅和复用。

应用生态同样重要。ChatGPT 可以调用已授权的数据源和外部工具。例如 Fiscal.ai 就为 ChatGPT 和 Codex 提供了金融数据插件。一位熟练的用户，只要把合适的数据和指令组装到位，完全可以围绕 ChatGPT 搭出一个强大的投资研究环境。

ChatGPT 提供了极大的灵活性，但用户仍然需要自己挑选数据源、定义研究方法、设定组合规则、设计校验环节。Driven 的产品重心，是把这套金融专用的基础设施变成开箱即有的默认体验。

Driven 记录在册的数据接口有 245 个，覆盖 28 个类别，包括行情价格、财务报表、公告文件、机构持仓、内部人交易、技术指标、新闻和宏观数据。其中覆盖最深的是美股、港股和 A 股。针对 A 股，还额外包含资金流向、龙虎榜、融资融券、股东结构和股权质押等本地数据集。

这并不意味着 ChatGPT 拿不到金融数据。差别在执行层面。在 Driven 中，Agent 被设计为知道某个字段应该由哪个数据源提供，而 Skill 则规定了该看哪些数据、如何交叉验证、以及信息缺失时该怎么办。用户不必一上来就先挑插件、拼流程，再反复叮嘱模型不要凭记忆补空。

用通用 AI 做投资，难点往往不在单个答案的质量，而在于让方法在很多次回答中保持稳定。

Driven 的 Skill 保存的是一套可复用的流程。它可以要求估值必须用多种方法交叉验证、行业报告必须区分事实与观点、选股必须按固定因子排序，并要求每份输出都列明假设和缺失的数据。用户也可以创建自定义 Skill，把自己的模板或内部方法论固化下来。

Playbook 保存的则是组合层面的纪律。投资范围、仓位上限、风险偏好、业绩基准、买卖条件和再平衡规则，都归属于某个具体的组合。之后 Agent 研究一只股票时，判断的就不只是这家公司是否有吸引力，还包括它是否契合那套策略。

ChatGPT 同样有记忆、项目和可定制的工作流，高阶用户完全可以自行搭出类似的体系。Driven 的差别在于，它的核心对象本身就是按投资关系设计的：Agent、Skill、Playbook、投资组合、定时任务和模拟交易之间原生相连，不需要用户自己去拼装。

报告写完之后，ChatGPT 可以安排后续任务并监控变化。Driven 的定时任务同样可以生成盘前简报、财报监控、异常放量提醒和组合风险检查。区别在于，这些任务可以直接继承某个 Agent、组合和 Playbook 的上下文。

用户可以这样要求：「每周复查我成长组合里的公司，但只有在营收预期下调、某只持仓触及风险上限，或某个仓位超过最大权重时才通知我。」此时 Agent 不只是在检索新信息，而是在判断这些信息是否触发了该组合早已定义好的规则。

接下来，Driven 可以用真实市场数据发起模拟交易，跟踪委托、现金、持仓和业绩表现。真实交易仍被描述为未来能力，这条边界值得留意。即便如此，模拟交易也让研究有了报告之外可观测的结果。

如果工作横跨多个领域、需要灵活挑选工具、还包含文件创作或写代码，而用户也愿意自己配置金融数据和研究标准，那么 ChatGPT 很难被替代。它非常适合探索陌生问题和处理非结构化材料。

Driven 面向的是另一类用户：核心目标是把一套周期性的投研流程跑起来，并希望专业数据、金融专用 Skill、组合 Playbook、定时监控和模拟执行从一开始就到位。

准确的对比不是「ChatGPT 做不了投资研究」。它做得了，而且可以做得很好。Driven 的差异化在于，它把强大的通用模型放进了一个已经按投资者日常工作方式组织起来的系统里。

信息核对于 2026 年 7 月 22 日。产品能力可能变化。本文讨论的是研究工具，不构成投资建议。