Perplexity 上線 Finance Search：單次呼叫打通即時金融資料與行內引用

做金融分析的人最怕什麼？怕 AI 張嘴就胡說八道，更怕它拿著過時的假資料頭頭是道地算估值。

做金融 Agent 的開發者更頭疼：既要接即時股價介面，又要買財報基本面資料，還得趴在網上爬電話會紀要。光是把這堆格式各異的資料介面串起來，就得脫一層皮。

Perplexity 最近在自家的 Agent API 裡推出了一個新工具，叫 Finance Search。說白了，它把即時行情、正規授權的專業金融資料庫，以及帶引用的公開網頁抓取，打包塞進了一次工具呼叫裡。

一次呼叫，把雜亂資料變成統一結構

以往讓大模型去找財報資料，通常是在公網網頁裡大海撈針。模型不僅讀得慢，token 消耗極大，還經常把往年的資料張冠李戴。

Finance Search 的做法是給 Agent 鋪了一條專線。開發者只要發起一次呼叫，Perplexity 就會在後臺自動路由到對應的授權資料來源，直接提取結構化的時效資訊。

無論是看最新的股票現價、查資產負債表與現金流變化，還是翻看剛剛結束的財報電話會高管發言，返回的結果都會統一成同一套結構規範。

更關鍵的是可追溯性。返回的每一組數字都帶行內引用，明確標註哪一條資料來自哪家供應商或哪個來源，不給模型憑空編造的機會。

官方還拿出了在收盤後評測基準 FinSearchComp T1 上的測試成績。因為直接檢索結構化資料，模型不用嚼大段冗餘的網頁文字，Finance Search 在測試組裡拿下了最高準確率，同時單次正確回答的 token 成本也是最低的。

這項底層能力並不是新畫的餅。Perplexity 自家的 Computer for Professional Finance 已經在用它，幫分析師自動生成公司簡況表和研究備忘錄。

為什麼重要

在很多通用任務上，AI 偶爾犯錯無傷大雅，但在金融場景裡，一個小數點標錯或者把去年的利潤當成今年，整個估值模型就全廢了。

對開發者和金融團隊來說，這個工具最大的價值在於省事和保真。以前要搭一個財報監控助手，團隊得分別找不同資料商談授權、對介面、洗資料；現在 Perplexity 替你把髒活累活包圓了，值不值得試？如果是做投研自動化或公司監控的開發者，現在就很值得拿測試配置跑一跑。

從行業競爭來看，Perplexity 這一步走得相當狡黠。它沒有停留在和對手拼通用網頁搜尋的階段，而是直接殺進彭博、FactSet 和高盛等專業機構盤踞的高價值領地。

不過我們認為，這種整合並非毫無隱患。把所有金融資料通路押在 Perplexity 一家身上，雖然開發門檻大降，但開發者也失去了對底層資料來源的議價權與深度控制；一旦上游資料商授權變動或介面限流，依賴它的金融 Agent 就可能直接停擺。