Rogo AI

Rogo 是一款专为投资银行、私募股权和机构金融工作流打造的企业级 AI 平台。该公司由 Gabriel Stengel 和 John Willett 于 2021 年创立，其灵感直接源于 Stengel 在 Lazard 担任分析师的经历——他目睹了许多能力出众的初级银行家在繁重的信息处理工作中精疲力竭。Rogo 使用经过专业标注的金融数据对大型语言模型进行微调，并将其部署在单租户云实例中，以满足一级机构的安全和监管要求。截至 2026 年 5 月，来自 250 多家机构的 35,000 多名金融专业人士每天都在使用该平台，其中包括 Lazard、Rothschild and Co、Jefferies、Moelis、Nomura 和 Baird。

该平台可运行完整的投资银行任务栈：自动化的可比公司分析、财务模型构建、推介材料准备、财报综合分析、尽职调查备忘录起草以及交易筛选。Rogo 连接了包括 LSEG、FactSet、Capital IQ、PitchBook、Preqin、Quartr、Dow Jones 和 Third Bridge 在内的领先金融数据提供商，同时还能索引存储在 SharePoint、OneDrive 和 OneNote 中的公司内部文档。其最新推出的核心功能是 Felix，这是一个代理式系统，可通过电子邮件接受任务委托，自主执行多步骤的金融工作流，并返回格式化的 Excel、PowerPoint 和 Word 交付物。该平台采用与模型无关的架构，同时运行 Anthropic 的 Claude（包括 Opus）和 OpenAI 的 o1，在 FinanceBench 金融任务评估中，其准确率比 ChatGPT 高出 2.42 倍。

Rogo AI 在 2026 年 5 月的实际功能

Rogo 的核心界面是一个类似 ChatGPT 的查询层，由金融数据和公司内部内容提供支持。但在 2025 年和 2026 年，更重要的发展是向代理式执行的转变。该平台预置的工作流库涵盖了消耗分析师大量时间的重复性任务：财报可比分析、上市公司剥离概况、财务赞助商概览、会议准备、二级市场买家概览、新闻追踪以及演示文稿校对等。这些并非仍需手动输入数据的模板。Rogo 会从公司获得许可的数据源中提取实时数据，以公司标准格式填充输出，并返回一份可供分析师直接审查的文档。

在 2026 年 2 月隆重推出并成为 2026 年 4 月 D 轮融资公告核心的 Felix，将这一功能推向了新的高度。银行家可以像给第一年入职的分析师发邮件一样，通过电子邮件向 Felix 委派任务：“为董事会演示文稿整理并购可比数据”或“为 XYZ 流程准备买家名单”。Felix 会根据银行家回复的反馈对交付物进行迭代，并全天候运行。早期部署的用户形容它在实际工作中“完成了 90% 的进度”，并称其为“少数几个真正契合银行家思维方式和输出结构的工具之一”。2026 年 2 月的产品更新还为 Excel 添加了由 Python 驱动的代码解释器，从而能够准确分析包含多个选项卡、公式繁多的财务模型，而基础的 LLM 解析往往难以处理这些模型。

合规性是该市场中一个真正的差异化优势。单租户部署意味着客户数据永远不会接触共享基础设施。Rogo 在合同中承诺不会使用客户数据进行模型训练。该平台拥有 SOC2、ISO 27001、GDPR、CCPA 和 EU AI Act 认证。对于运行敏感并购流程的公司来说，这些不仅仅是走过场的检查项，而是真正的评估标准。

“我们的研究分析师使用 Rogo 进行深入挖掘，发现有助于客户投资流程的见解。Rogo 不仅仅是一个生产力工具，它还让我们的分析师能够调查复杂问题，并满足让他们变得卓越的好奇心。” - Craig Kennison，Baird Equity Research 高级分析师兼研究运营总监（Baird 客户案例研究，2025 年）

Rogo 与 Hebbia 和 AlphaSense 的定位对比

在金融 AI 领域，有三个平台竞争最为激烈：Rogo、Hebbia 和 AlphaSense。它们拥有截然不同的架构，服务于重叠但又各有侧重的用例。

Rogo 与 Hebbia：Hebbia 使用专门的子代理架构，将检索与输出格式化分离开来，其数据网格界面中的每个单元格都链接到句子级别的来源引用。Hebbia 擅长同时综合处理海量文档集，这也是为什么律师事务所、咨询公司和私募股权尽职调查团队青睐将其用于数据室分析的原因。但 Hebbia 并不原生生成投行（IB）格式的交付物。它的界面中没有内置推介材料自动化、可比公司工作流或财报剥离功能。而 Rogo 的输出则是投资银行格式的：采用公司模板的 Excel 模型、PowerPoint 幻灯片、Word 备忘录，这些都是通过根据投行惯例校准的工作流交付的。对于准备客户材料的交易团队来说，Rogo 完成了 Hebbia 未曾设计去完成的工作。

Rogo 与 AlphaSense：AlphaSense 在一个关键维度上是一款截然不同的工具：专有内容。AlphaSense 建立了一个包含超过 4.5 亿份优质外部文档的库，包括其涵盖 1,000 多个卖方来源的 Wall Street Insights 经纪商研究聚合器、240,000 多份专家电话访谈记录以及 4,500 多个自动更新的财务模型。这是 Rogo 所不具备的专有数据。Rogo 的外部内容覆盖范围取决于机构已经持有的数据许可：FactSet、Capital IQ、PitchBook 等。如果您的主要研究任务是市场情报、财报电话会议的情感分析，或在分析师报告中追踪竞争对手的主题，AlphaSense 的内容库具有结构性优势。Rogo 在投行工作流执行和交易交付物输出方面胜出。AlphaSense 则在研究深度和现有内容广度上占优。这两种工具服务于不同的主要买家：AlphaSense 针对战略、投资者关系（IR）和研究团队；Rogo 则针对交易团队和银行家。

第三个值得注意的比较点是：如果用户在金融工作流之外，主要还需要企业文档知识管理，那么也应该考虑 Glean，它能跨工具索引所有公司内部数据，但缺乏 Rogo 提供的特定于金融的工作流执行能力。

“Rogo 使我们的团队能够以前所未有的速度和精度分析市场数据并识别机会，同时让我们的银行家能够更深入地专注于客户关系和战略咨询。” - Patrice Maffre，Nomura 投资银行国际主管（Rogo B 轮融资公告，2025 年 4 月）

代理工作流的实际情况

“7x24 小时在线的 AI 分析师”这一营销愿景在某些方面是真实的，但需要对实际工作交接的情况进行校准。Baird 的部署是记录最详尽的公开案例：100 多名活跃用户，85% 的周活跃使用率，70% 的日活跃使用率。那里的分析师在财报季使用 Rogo 将文字记录的处理时间从数小时压缩到数分钟，将实际数据与模型和共识预期进行基准对比，从而构建研究报告的骨架。这部分工作流是行之有效的。

更残酷的事实是，来自包括 Lazard 和 Moelis 在内的客户公司分析师的论坛反馈描绘了一幅更为复杂的画面。2025 年 Wall Street Oasis 上的帖子中，有人将早期版本的 Rogo 描述为“平庸且令人失望”，其输出“无法生成任何未经审查就能提交给客户或合伙人的内容”。最近的评论承认了它的进步（“它有了极大的改善”），但潜在的矛盾依然存在：一份能为分析师节省两小时的草稿，与一份能直接提交给合伙人的草稿之间的差距，正是 Rogo 仍在努力弥合的地方。

Felix 代理试图通过改变交互模式来解决这个问题。银行家不再是提出问题并评判答案，而是委派任务并通过电子邮件对输出进行迭代。这种心智模型更接近于管理一名初级分析师，而不是向搜索引擎输入提示词，这种框架似乎通过设定更清晰的期望来减少了挫败感。对于采用该工作流的团队来说，据报道生产力的提升是显著的。而对于那些期望无需审查就能获得可直接交付给客户的成品的团队来说，差距依然存在。

数据覆盖范围在这里也很重要。Rogo 的 AI Table 和分析能力取决于公司引入平台的数据许可。拥有 Capital IQ 和 FactSet 合同的机构从 Rogo 中获得的价值，要比仅依赖公开数据源的机构多得多。这并非对 Rogo 独有的批评，但这意味着其价值主张会随着机构已有的数据基础设施而扩展。

Rogo 是为谁打造的

Rogo 真正是为投资银行家和机构投资者打造的，这些机构的规模足以谈判企业软件合同、维护专用 IT 基础设施并满足单租户部署要求。其最佳适用对象是进行全公司部署的中端市场到大型投行（Rogo 的部署模式假定为机构级推广，而非个人席位）、拥有活跃交易流的私募股权和成长型股权公司，以及大型经纪商的股票研究团队。Baird 记录在案的部署（拥有 100 多名用户和极高的日参与度）是展示该工具最佳运作方式的参考实施案例。

对于经常在大型数据室中运行尽职调查流程的团队来说，Rogo 的自动化尽职调查工作流（集成了私有数据室、生成问题清单并起草备忘录）据报道每周可为分析师节省长达 10 小时的时间。对于准备推介材料和机密信息备忘录（CIM）的交易团队来说，Felix 的电子邮件委派模式可以显著压缩准备时间。

该工具还连接到更广泛的 AI 基础设施工作流。在 Rogo 的数据和模型层之上构建定制金融应用程序的团队，可以使用 API 将功能扩展到专有工具中。对于那些对相邻方法感兴趣的人来说，AnythingLLM 和 Snowflake Cortex 值得研究，对于具备数据工程能力的团队而言，它们可以作为补充或部分复制 Rogo 式文档智能的组件。

Rogo 不是什么

Rogo 不是一款自助服务工具。它没有免费试用，没有免费增值层，也没有个人注册。每次部署都要经过销售流程和机构合同。这意味着，在尚未获得 Rogo 许可的公司中，初级分析师无法独立对其进行评估，而缺乏单租户部署 IT 基础设施的精品投行或家族办公室实际上被排除在了客户群之外。

它不是 AlphaSense 意义上的市场情报平台。主要需要监控竞争对手新闻稿、财报电话会议情感趋势或获取卖方研究的用户，会发现专有内容方面的差距非常明显。Rogo 没有专家电话会议记录网络，没有专有的经纪商研究聚合，也没有 AlphaSense 在 15 年间积累的长尾内容广度。

它不是成品生成器。输出结果在提交给客户或合伙人之前，需要分析师进行审查和判断。期望将 AI 输出直接发送给高级管理层审查而无需分析师把关的团队将会感到失望。该工具被正确定位为分析师生产力的倍增器，而不是最终判断决策的替代品。

同样值得注意的是，该公司的融资轨迹——从 2024 年 10 月的 1850 万美元 A 轮融资，到 2025 年 4 月的 5000 万美元 B 轮融资，再到 2026 年 4 月的 1.6 亿美元 D 轮融资——更多地反映了投资者的信念，而非市场的证明。在较小基数上实现 27 倍的年度经常性收入（ARR）增长令人印象深刻，但绝对的 ARR 数字并未公开披露。在总融资额超过 3 亿美元所隐含的投后估值下，Rogo 在结果尘埃落定之前，就已经被定价为该领域的赢家。