过去一年间，随着生成式人工智能技术的爆发式发展，金融数据行业一度弥漫着紧张的空气——许多从业者担心，AI工具将取代人类分析师，甚至颠覆整个数据服务产业链。然而，近期市场调研与多家金融数据企业的财报及业务动态显示，这一担忧已基本被“辟谣”。行业不仅未出现大规模替代，反而在AI赋能下找到了新的增长点。但与此同时，一个更实际的账本问题浮出水面：当AI智能体的数据消耗量远超人类分析师时，谁来为这笔高昂的调用成本买单？
从“替代焦虑”到“共生共赢”
“去年这个时候，我们接到最多的投资者提问是：‘你们会不会被ChatGPT干掉？’现在，问题变成了：‘你们的数据够不够AI吃？’”某头部金融数据企业高管在近期交流中坦言。这种转变折射出行业认知的根本性修正。
最初市场普遍认为，大模型能够直接抓取公开信息并生成研究报告，金融数据中间商的角色将边缘化。但实际应用发现，AI在处理非结构化、实时性要求极高、且需要深度标注的金融数据时表现并不稳定。例如，财报电话会的关键语气变化、大宗交易中的隐性关联、政策文件的模糊表述等，仍需专业人工结合专属数据库进行解读。此外，金融数据企业长期积累的清洗、校验、合规流程，以及独家授权的交易所数据、另类数据源，构成了难以被通用模型替代的护城河。
数据显示，2024年第一季度，全球主要金融数据供应商（如Bloomberg、Refinitiv、FactSet等）的订阅收入同比增长均超过10%，且客户续约率创历史新高。更值得关注的是，这些企业竞相推出AI增强型产品——例如AI辅助查询、自动摘要生成、智能预警推送——反而提升了自身服务的黏性与单价。换言之，AI并没有“杀死”数据公司，而是成为其增值服务的一部分。
新痛点：数据调用量激增，成本谁来扛？
然而，行业刚走出旧焦虑，便迎来了新难题。随着金融机构大规模部署AI智能体——用于宏观分析、投研报告生成、风险监控、交易策略回测等——数据调用量呈现出指数级增长。传统上，一名人类分析师每天可能调用几十到几百次数据查询；而一个AI智能体在完成同一任务时，可能需要反复调取历史行情、财务指标、新闻情绪、产业链图谱等上百个维度的数据，且为优化生成质量，常常需要多次迭代请求。
这意味着，数据调用成本正在快速攀升。以某中型对冲基金为例，其引入AI投研助手后，月数据调用量从50万次飙升至2000万次，云端计算与API费用增加近15倍。而数据供应商的计费模式通常基于查询次数、数据量或带宽消耗，且多数采用阶梯定价。当AI成为“数据吞噬者”时，原有的成本结构面临崩塌。
目前市场主要存在三种主张：一是由金融机构承担全部成本，但这对中小机构构成巨大压力，可能加剧行业马太效应；二是由数据供应商提供AI专属折扣或订阅包，但供应商担心“卖得越多亏得越多”，因为AI调用无上限；三是由AI应用开发商（如大模型平台）统一付费后转嫁至用户，但这又会推高大模型调用费用，削弱价格竞争力。
行业尚未形成统一模式。部分数据企业开始尝试基于“结果计费”而非“查询计费”，例如按AI生成的报告数量或投资决策使用次数收费；另一些则与云服务商合作，推出按需付费的缓存优化方案，以减少重复调用。但根本问题在于：AI带来的效率提升究竟应视为成本节约，还是业务扩张的催化剂？如果AI让分析师效率翻倍，那么节省的人力成本是否足以覆盖新增的数据成本？
投资者视角：从担忧替代到追问账单
如今，在分析金融数据企业前景时，投资者更关注的是数据调用成本的分担机制。高盛近期研报指出，数据供应商的“单位客户价值”正在被重塑，能够有效管理AI调用计量、提供灵活定价方案的企业，将获得更高估值溢价。“谁掌握了AI时代的数据计费话语权，谁就掌握了下一个十年的利润分配权。”有科技券商分析师直言。
与此同时，监管层面亦在关注数据滥用与计费透明度问题。部分欧洲金融监管机构已开始要求金融数据企业披露API调用统计数据，防止“隐形涨价”或差异化歧视定价。可以预见，未来行业或将出现标准化的AI数据调用核算框架。
总结而言，金融数据行业在与AI的磨合中，已从“被替代恐惧”走向“共舞共生”。但新的账单分配博弈才刚刚开始。当AI智能体以远超人类的速度吞噬数据时，数据调用的成本最终由谁承担——将是决定下一阶段市场格局的关键变量。无论是数据商、金融机构还是AI平台，都需尽快找到平衡点，否则，繁荣的背后可能埋藏着成本失控的隐患。