Perplexity Finance vs. Driven：拿到答案之后呢？

Perplexity Finance 是面向大众市场的 AI 原生金融终端中最清晰的样本之一。它把实时行情、SEC 文件、财报电话会、机构数据集和开放网络汇入同一个对话式界面。到 2026 年，这款产品早已超出了报价和新闻摘要的范畴：美国和加拿大的用户可以连接券商账户、针对自己的真实持仓提问，并通过 Finance Computer 调用 40 多种金融工具。系统还能把研究成果转化为报告、财务模型、表格和演示文稿，并保留回溯到原始材料的追溯层。

这解决了投资研究中一个真实的痛点：证据是碎片化的。分析师为了回答一个问题，可能要在 EDGAR、投资者关系页面、新闻服务、会议纪要和行情数据产品之间来回切换。有了 Perplexity，用户可以直接问「亚马逊过去八个季度的利润率为何变化」，由产品去查找、整理并标注相关证据。

对于刚进入陌生行业、或者想核实某个市场叙事是否有最新信息支撑的投资者来说，这种「检索 + 综合」的体验非常好用。

Perplexity Finance 的过人之处

第一，检索体验强。Perplexity 起家于答案引擎，非常擅长把开放网络的发现能力与结构化金融信息结合起来。用户在提问之前，不需要知道答案藏在哪个数据库里。

第二，它认真对待可追溯性。Finance 的输出可以回溯审计到公告、纪要或数据集。当研究需要同事复核、或用于面向客户的交付物时，这一点很关键。

第三，Perplexity 能产出成品。Computer 不止于给出一段对话回复，还能生成投资备忘录、Excel 模型、客户简报或演示文稿。它尤其擅长缩短从「帮我看懂这家公司」到「给我一份能直接用的东西」之间的路径。

Driven 围绕另一种工作单元来设计

Driven 同样做多源研究，但产品出发点不同。Perplexity 是一个强大的研究入口；Driven 的设计目标，是帮助投资者把一套方法长期跑下去。

Driven 的每个 Agent 都有自己的研究历史、常驻指令、投资组合、定时任务和沟通渠道。每个组合还可以携带一份 Playbook，保存它的投资范围、风险上限、仓位规则、筛选标准和买卖纪律。因此，一个新问题会被放在既有策略的语境中评估，而不是被当作一次孤立的请求。

假设用户问：「接下来我该研究哪只软件股？」通用研究系统可以给出一份不错的候选名单。Driven 则可以接着用组合自己的规则去检验这份名单：这个标的会不会加剧行业集中度？它是否满足该组合的估值标准？新建仓位会不会突破 10% 的仓位上限？什么样的证据会推翻这个投资逻辑？

结论随后可以用真实市场数据加入模拟组合。定时任务则继续跟踪这家公司、它的财报，以及写进 Playbook 的各项条件。

这正是 Driven 强调的工作流：答案会成为一个有规则、有仓位、有后续动作的流程的一部分。

Skill 让研究方法可复用

Perplexity 在按问题动态选择工具方面能力很强。Driven 则另有侧重：投资方法本身的一致性。

Driven 的 Skill 会在工作开始之前就定义好分析框架、所需数据、执行顺序、输出结构和质量检查。一套估值流程可以稳定地用 DCF、反向 DCF、市盈率、EV/EBITDA 和自由现金流收益率做交叉验证；一套选股流程可以反复按估值、盈利能力、成长性、动量和安全性打分。用户也可以为自己每周重复的研究流程搭建专属 Skill。

好处不只是输出格式统一，更是决策过程更稳定。两次分析之所以可比，是因为底层方法不会随着提示词的措辞悄悄改变。对管理真实组合的投资者来说，可复用和可审计往往比一次漂亮的回答更重要。

哪款产品适合哪类工作？

如果核心需求是快速发现最新信息、大范围扫描开放网络，并把结果转成精致的报告、模型或演示文稿，Perplexity Finance 是很强的选择。它的检索能力、信息源覆盖和成品生成能力都已相当完备。

Driven 面向的是这样一类投资者：希望 AI 系统记住自己的投资纪律、套用既定的 Skill、在组合语境中评估研究结论、持续跟踪投资逻辑，并通过模拟交易验证决策。它更像一个长期存在的投资工作台，而不是一次性的查询界面。

两者也可以配合使用。Perplexity 加速发现、拓宽证据面；Driven 用一致的方法论重新评估这些发现，把它们接到组合上，并安排后续检查。真正的差别不在于谁能回答更多问题，而在于答案是否成为一个持续运转的投资流程的一部分。

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。