来源：北京大学经济学院
2026年3月11日，北京大学经济学院和北京大学金融工程实验室在经济学院307学术报告厅联合举办了“金工首席谈”系列讲座第40讲。广发证券金融工程首席安宁宁应邀发表题为“OpenClaw多平台部署与投研应用”的专题报告。活动由北京大学金融工程实验室黎新平博士主持，100余名师生到场参与了本次讲座。
安宁宁作专题报告
安宁宁首先分享了智能体技术在金融行业的应用背景。他谈道，自2023年大模型兴起以来，利用Agent与大模型开展量化策略开发已在量化圈快速普及，而OpenClaw作为新兴的开源智能体平台，虽面世时间较短，却已引发券商、基金、保险等头部金融机构的高度关注。
安宁宁系统讲解了OpenClaw与传统智能体应用的核心区别。他表示，近两年大模型技术迭代飞速，此前行业对大模型的投研应用多聚焦于知识库搭建与提示词优化，而OpenClaw实现了两大核心突破：一是交互方式的革新，打破了传统单一的问答式交互，可无缝接入飞书、QQ等主流软件，极大拓展了应用边界；二是构建了完善的skill（技能）体系，这也是其最核心的优势。skill覆盖了办公文档处理、网络请求、金融数据对接、代码开发等通用与专业场景，替代了传统人工调试、手动操作的环节。而开源社区的持续贡献让skill生态快速丰富，相当于为用户提供了大量可直接调用的标准化功能模块，大幅降低了大模型落地实操的门槛。
随后，安宁宁结合团队实操经验，分享了OpenClaw的部署关键要点。在模型配置上，他指出底层大模型的能力直接决定了OpenClaw的任务完成效果，复杂代码开发、策略迭代等任务对模型能力要求较高，而简单办公自动化任务则可选择成本更低的国内大模型。在skill管理方面，他介绍道，无论是命令行安装还是自然语言对话安装，均可快速完成skill的部署，用户也可基于自身高频需求自定义创建专属skill，同时他也提醒师生，“有高频、定期、规则性的任务需求再进行实操尝试，无需为了技术而创造需求”。
安宁宁重点分享了OpenClaw在金融投研领域的丰富落地应用案例，全面展现了这一工具对投研效率的提升作用。在办公自动化与基础投研场景，OpenClaw可通过PDF解析等skill完成上市公司财报读取、主营业务分析、经营数据可视化，自动生成标准化的财务分析报告；在数据获取与资讯整理场景，其既可通过对应skill对接同花顺、Wind API等金融数据库，也可自动完成网页数据爬取、海内外财经资讯采集；在量化投资核心场景，OpenClaw实现了投研模式的重要突破，借助这一工具，即便是不具备代码编写能力的基本面基金经理，也可通过自然语言描述策略思路，让OpenClaw自动完成数据抓取、选股策略构建、历史回测全流程，还能针对回测结果提出行业标准化、指标平滑、剔除异常值等优化方向，全程无需手动编写代码。
讲座现场
在行业影响与职业发展方面，安宁宁谈道，AI智能体的普及带来了投研工作模式的颠覆性变化，其个人的策略开发效率实现了数倍提升，原本需要数天完成的策略验证，如今数小时内即可完成迭代，极大地降低了量化投研的工程门槛。从行业格局来看，目前量化圈已快速普及智能体工具，而基本面行研领域的应用仍处于起步阶段，多数机构仍受限于学习成本与安全风险顾虑。尽管智能体可替代大量重复性人力劳动，但行业竞争格局下，机构仍在持续扩充人才团队，核心原因在于效率提升是全行业性的，人才的核心价值在于投研思路的把控、对业务的深度理解以及对智能体的精准调度与结果校验。
在讲座互动环节，与会师生围绕Token经济学、工具差异、投研逻辑可靠性、团队管理、信息安全等热点问题，与安宁宁展开了深入的交流探讨。针对Token是否会成为广义的大宗商品，安宁宁表示，OpenClaw等智能体应用预计将带来约20%的算力需求提升，进而带动电力等能源需求增长，这一趋势已在资本市场有所体现。针对OpenClaw与Cursor等工具的差异，其指出后者聚焦于软件工程与代码开发领域，而OpenClaw凭借丰富的skill生态，覆盖了办公、数据处理、自动化执行等更广泛的日常工作场景。讲座尾声，黎新平博士代表主办方对主讲嘉宾安宁宁的精彩分享表示感谢。
主讲人简介
安宁宁，广发证券发展研究中心金融工程首席分析师，从业16年，先后任职于平安证券、鹏华基金，曾带领团队连续多年获得新财富最佳分析师前三，研究领域主要包括资产配置、量化权益组合管理、CTA交易策略、机器学习及人工智能算法在量化投资应用等。
北京大学金融工程实验室简介
北京大学金融工程实验室是依托北京大学经济学院搭建的研究和教学平台，致力于推动量化投资、金融工程、大数据金融以及金融科技方面的学术研究与实践应用，实现学术界与金融业界良好的互动交流。
实验室聚焦于运用数学建模、统计分析、计算金融、大数据以及机器学习方法进行量化金融的研究，以数理化方法探讨金融市场的规律。实验室的目标不仅仅是推动金融工程等学术领域的前沿研究，同时也推动量化金融技术在教学、投资实践、金融监管以及金融政策等方面的实际应用。实验室课题研究包括：量化基本面、金融科技及AI、市场交易行为、高频数据、风险预警与管理。
供稿：北京大学金融工程实验室
美编：初夏
责编：度量、雨禾、雨田
热门跟贴