Google把AI塞进财经搜索，但主角不是AI

Google宣布了一件事：AI驱动的Google Finance在欧洲上线，还带了一个叫Deep Search的深度搜索功能，支持多种本地语言[1]。在同一周，Anthropic正在考虑500亿美元融资，二级市场估值已跨越万亿美元；Cerebras的IPO因OpenAI一份算力采购协议超额认购20倍。在这种集体亢奋里，宣布一个把大模型套在金融数据上的产品，太容易了。容易到我们需要先把“改写格局”的叙事放一放，问几个产品博客没有回答的问题。

先拆开这个产品到底承诺了什么。Google的博客说得很克制，就是AI驱动的市场研究功能和深度搜索。但“市场研究”这个词在金融领域有严格定义，它意味着对公开信息的系统性收集、交叉验证和基于逻辑的分析判断。目前我们看到的是，Google把大模型接入了一个结构化金融数据管道，然后给它配了多步检索能力。工程上这是可行的——Google天然拥有Google Finance的结构化行情数据和Google Search的全网索引，再加上Gemini模型的推理能力，三层架构跑通没有问题。

但跑通和可靠之间，隔着一整套当前博客完全没有披露的技术细节。没有模型版本说明，不知道是Gemini的哪个变体在处理金融数据；没有针对金融领域的微调方案或RAG管道的技术参数；没有幻觉率基准测试，没有一个数字告诉你在财报解读场景下，AI给出的归因判断出错概率有多大。金融信息场景对错误的容忍度极低。一个错误解读的营收数据，被包装成“研究洞察”推给个人投资者，比没有解读更危险。它不一定是欺诈，但它制造的是看似精确的噪声。

Deep Search的命名暗示了深度，但技术实质更可能是多轮检索增强生成——用户提问，系统检索，模型生成子问题，再检索，循环几次后合成答案。这个架构在学术界不是新东西，Google自己的Deep Research产品也用过类似思路。工程挑战不在能不能做，而在做多少次循环能平衡覆盖率和延迟，每一步检索的召回质量是否稳定，以及当金融数据表格和长文档塞满上下文窗口时，token消耗会不会直线上升。博客对这些完全没有说明。我们只知道它叫Deep Search，不知道它的步数控制、超时策略、检索源权重。一个产品功能的描述，不能被当成技术实现的证据。

现在把这个产品放到Google更大的商业拼图里看，逻辑就会变得更清晰，但也更冷静。

Google不需要靠Google Finance向个人用户收订阅费。个人投资者对财经信息工具的付费意愿本来就很低，他们的预算流向的是交易佣金和理财产品，不是研究报告。Google真正在做的事，是把AI能力叠加到已有的搜索流量上，让金融类搜索query的广告点击更有价值。用户在深度搜索里看到更智能的摘要，点击更精准的广告，Google从金融广告主那里多收钱。这不是产品冷启动，是既有流量的能力升级。

但更深一层的商业账本不在消费者端，在企业端。Google控制着搜索入口，也控制着Gemini API、Google Cloud、广告网络这条完整管线。Google Finance的AI能力本质上是把Gemini模型处理复杂金融信息的能力，用产品化的方式展示给两类关键客户：金融机构和企业广告主。机构看到Google能做可信引用、处理多源金融数据后，更可能采购Gemini API做内部研究工具或风控应用；广告主看到用户在深度搜索里花更多时间、产生更细颗粒度的需求信号，就更愿意为金融关键词付高价。表面上是消费者业务，底层的商业路径是让Gemini在企业端完成付费闭环。

这个路径在成本结构上对竞争对手构成了真实的压力。Google给个人用户免费提供AI Finance的边际成本接近零——搜索流量已有，基础模型已有，embedding生成是Gemini生态内的免费能力。它不需要在用户端单独算ROI，只需要算整体广告收入增量是否覆盖研发投入。但那些依赖订阅收入的财经信息中间商——Morningstar、Yahoo Finance、Investing.com这类——需要为内容生产、模型调用、用户获取单独付费。平台方的定价权优势，不是技术能力的优势，是基础设施摊薄成本的优势。

但这不等于Google已经在金融信息服务领域赢了。有一个商业边界需要被严肃对待：金融信息服务对可信度、可追溯性、合规性的要求，远高于通用搜索。如果Google的深度搜索在一次财报解读中归因错误，导致个人投资者做出错误决策，法律责任在谁？博客里没有任何风险提示，没有合规免责框架，没有面向监管机构的承诺。对于机构采购方而言，这构成一个真实门槛——他们不会因为摘要免费，就把内部合规流程替换成Google的生成结果。组织惯性会很强。

还有一个反方意见需要被承认：金融信息场景里，用户粘性不像社交产品那么高。如果OpenAI在ChatGPT里引入更强的金融研究插件，如果Anthropic的Claude在合规研究领域建立口碑，用户是可以迁移的。Google的优势在分发渠道，但护城河不深——只要竞品能解决信息可靠性问题，就可以绕开Google的搜索入口优势。有初步迹象表明，部分用户搜索股市信息的第一站，已经开始从传统搜索引擎转向ChatGPT或Perplexity这类AI对话产品。这个风险不是理论上的，其早期信号正在出现。

现在回到产品本身，必须面对一个更基础的问题：我们实际上没有足够的数据来评估这个产品的影响。Google Finance的AI版本刚刚宣布登陆欧洲，我们能拿到的一手材料只有官方博客公告。公告能告诉你功能描述、覆盖市场、支持语言，但无法告诉你任何用户行为数据。这是一个零用户状态的样本——我们知道产品长什么样，不知道人怎么用它。任何关于“改变个人投资者信息获取方式”的推断，都属于观察假设，不是已验证趋势。

更麻烦的是指标口径问题。“更全面理解金融信息”是不可测量的。什么叫更全面？是搜索结果召回率提升？用户在金融搜索session里停留时间变长？用户后续交易决策的错误率降低？不同口径会导致完全不同的结论。如果指标是“AI总结了10-K财报的核心风险提示”，衡量的是信息提取效率；如果指标是“用户看完AI总结后的选股决策跑赢基准”，衡量的是投资辅助效能。前者可验证，后者在现阶段几乎不可验证，因为决策质量受太多混杂变量影响。没有口径的数字只会制造精确的错觉，而这块产品目前连数字都没给。

不过，这不是说无从参照。Google在2023年和2024年分批扩展了AI Overviews功能，覆盖100多个市场、10亿月活，这个时间序列可以作为近端参照[2]。AI Overviews的核心动作，是把搜索结果的点击决策转移到生成式摘要上的信息获取。如果这个行为模式成立，Google Finance做的是同类动作，只是把场景限缩到金融搜索。更稳妥的读法不是“Google要改变金融终端市场”，而是“Google在验证AI Overviews的垂直行业可复制性”。金融是被选中的那个信息密度高、容错率低的压力测试场。替代解释是：它可能不是战略转向，而是系列A/B测试中的一环。跟2015年Google Finance改版相比，这次多了LLM层，但底层产品逻辑——聚合、结构化、降低信息不对称——没有根本变化。把这解读为对Bloomberg Terminal的替代，是一个危险的类比跳跃。样本不足时，这个跳跃不能成立。

Google Finance自2006年上线以来，一直是一个实验性存在，经常被用户遗忘，也经常被重新改造。这次加了AI，可能确实让普通用户觉得比以前好用了，但拿它跟彭博终端或专业级API对比，差距大到不容忽视。把界面上的进步描述为范式的转移，要么是没做过横向比较，要么是模糊了比较的基准。

还有一条线索值得放进追踪清单：数据源的时效性问题。博客没有说明Google Finance的欧洲版本使用的是交易所直连数据还是延时快照。如果数据本身延迟15分钟，所谓的深度搜索不过是在滞后信息上添加了语言模型的修辞层，甚至可能因为模型对实时性的误判制造出假性洞察。欧洲中小盘股的流动性本来就低于大盘，延迟数据叠加AI解读，对决策的价值需要严肃质疑。

多语言支持也有类似问题。博客提到支持多种欧洲本地语言，翻译层技术上不复杂，但金融术语在不同语言里有很强的本地化差异。德语“Umsatz”可以是营收也可以是销售额，法语“résultat net”的精确口径取决于上下文。如果没有术语对齐机制或本地化微调，通用模型的多语言能力难以保证金融语义的准确性。

综合来看，目前能下的最诚实的判断是：Google正在把AI搜索总结能力垂直部署到金融场景，这是对AI Overviews产品逻辑的行业化延伸。这个方向的架构合理性高，Google的数据基础和分发优势让它在起跑线上占了便宜。但“AI研究”这个严肃承诺被产品博客过度使用了——目前公开的技术细节不足以支撑这个定义，商业边界的验证也远未完成。

真正值得追踪的不是功能有没有上线，而是几组会决定性影响这个产品走向的指标。第一，深度搜索的引用来源是否可追溯，引用链是否完整——这会决定它在金融信息可信度的第一道门槛上站不站得住。第二，数据更新延迟是否低于市场变化速度，在重大事件窗口期AI摘要的时效性能否达到人工研究员的水平。第三，是否有明确的误差率公开，或者至少在产品使用条款里有风险提示和责任界定。第四，Google Finance AI在欧洲主要市场会不会带来可量化的搜索广告点击率提升——这会验证其商业逻辑能否闭环。第五，金融机构是否会因为这个消费者产品而主动接触Gemini API团队——这是企业端付费路径是否成立的关键信号。

如果这些指标在未来12个月内出现正向信号，那Google确实在金融信息服务价值链里占了一个强位置。如果缺席，这一切就只是产品功能升级，不是产业商业化拐点。目前，把一次区域化功能上线包装成产业拐点的叙事，证据链没有跟上。

边界与反对意见

核心判断是Google Finance的AI化目前只是一次产品升级，而非产业拐点。但有一条平行解释必须被保留：金融信息服务的价值正在从“信息获取”向“信息处理”迁移，而AI压低信息处理边际成本这件事本身，确实会对依赖人工研究收费的中间商构成长期压力。这个结构性变化真实存在，即使Google Finance这个具体产品短期内达不到“改写格局”的高度。反对意见认为，对产品长期影响的判断过于保守，可能低估了Google通过免费策略重塑用户行为习惯的能力。这一分歧的核心在于对“拐点”的定义不同——需要看到用户行为数据和产业收入结构出现可测量的变化，还是认为价值链重构的长期趋势已经确立即可。两条解释都未被证伪，后续指标将决定哪一方获得更多证据支撑。