如果ChatGPT可以替你买股票

（图片说明）Scalable Capital创办团队于慕尼黑办公室合影。这家已取得欧洲央行银行牌照的数字券商，近日向ChatGPT、Claude与Grok开放证券帐户接口。

证券帐户多了一个新入口

德国数字银行Scalable Capital近日宣布，客户可以把自己的投资帐户接入ChatGPT、Claude、Grok等支援Model Context Protocol（MCP）的AI助手。据Scalable公开资料，完成授权后，AI可以读取投资组合、分析持仓、查询市场资料、建立价格提醒、准备储蓄计划，并协助建立或调整证券订单。

这项服务被Scalable称为Agentic Investing。它目前仍保留一个很重要的人类控制点：每笔证券交易在执行前，都需要客户本人确认；存款和提款也只能在Scalable自己的App或网站完成。

我更关心的正是这个边界。

Scalable并没有把证券帐户完全交给AI，但它已经让第三方AI助手进入原本由银行和券商独占的帐户界面。从这一刻开始，金融机构需要回答的问题不再只是AI能不能分析股票，而是当AI逐步介入资料读取、投资判断和交易准备时，金融服务的责任链应该如何重新划分。

过去十多年，金融科技的竞争主要发生在手机App上。 Robinhood、Revolut、Scalable以及一批数字券商，把银行柜台和交易终端搬进手机，降低了开户和交易门槛。如今，这个入口开始出现新的变化：使用者未必先打开券商App，他可能先打开一个AI助手，再由AI去调用银行或券商提供的服务。

这个改变看起来只是介面上的一步，实际上碰到了金融业最核心的资产之一：客户入口。

Scalable到底开放了什么？

要判断这件事的制度分量，首先要把产品本身说清楚。

据Scalable公开资料，公司成立于2014年，目前服务超过百万名客户，平台资产规模在欧洲数字券商中处于前列，并已取得欧洲央行授予的银行牌照，接受德国BaFin和德国央行监管。其业务涵盖股票、ETF、衍生品、数字资产、资产管理、储蓄及信贷等金融服务。

此次开放的核心是一套MCP和CLI接口。 MCP最初由Anthropic提出，可以理解为一套让AI模型在获得使用者授权后，与外部软件和资料源建立标准化连接的协议。

在传统情况下，一名投资者问ChatGPT「我的投资组合风险高不高」，模型并不知道使用者实际持有哪些资产。接入Scalable帐户后，AI可以在授权范围内看到相关持仓资料，分析行业与地域集中度、总结投资组合相关新闻、整理交易历史，也可以根据自然语言帮助使用者准备新的订单。

Scalable给出的使用场景相当具体。使用者可以要求AI每天早晨根据持仓生成新闻摘要，也可以让它比较自己的投资组合和某个模型组合，还可以要求它计算每月应投入多少资金，才能在若干年后达到某个资产目标。涉及正式交易时，系统仍会把订单资料和法定文件交回给使用者确认。

这个设计说明，Scalable目前开放的是分析与交易准备能力，而不是完全自主的资产管理权限。

（图片说明）Scalable Capital的Agentic Investing介面显示，使用者可用自然语言要求生成持仓树状图，第三方AI助手已进入原本由券商独占的帐户视图。

交易确认正在成为责任边界

Scalable在公开说明中强调，外部AI应用由第三方独立运作，AI产生的输出、建议和交易指令不代表Scalable本身提供的投资建议。这种安排的核心，是把银行自己的金融服务责任与第三方模型的输出区分开来。

在欧洲现行监管制度下，这个区分非常重要。

MiFID II对个人化投资建议有明确要求。当金融机构提供personal recommendation时，通常需要了解客户的投资经验、财务状况、承受损失能力、投资目标和风险偏好，再判断某项产品是否适合这个客户。

如果客户只是自行作出决策，再要求券商执行交易，监管义务会落在另一套框架中。某些产品和服务可能涉及appropriateness评估，部分execution-only交易则适用不同要求。

真正复杂的情况出现在第三方AI加入之后。

假设一名客户要求Claude分析退休帐户，Claude读取持仓后建议减少科技ETF，并准备好卖出和买入两张订单。客户最后点击确认。

这个过程里，投资判断是由模型产生的，但交易是在受监管券商体系内完成的。 Scalable可以主张自己只是提供帐户和交易执行，模型公司则可能主张它提供的是通用AI工具，而使用者又是主动授权并亲自确认的一方。

在现有规则下，这些角色并不能简单套进一个单一分类。

我认为，这也是未来Agentic Finance最值得观察的制度问题之一：当investment advice、execution-only、appropriateness和discretionary portfolio management之间原本相对清楚的边界，被一个可以读取资料、生成建议又准备订单的AI助手穿过时，监管分类会如何适用。

自然语言带来新的交易风险

传统券商介面要求投资者按照金融市场的格式操作。

使用者需要选择资产、买卖方向、数量、订单类型，再确认价格和费用。这套流程虽然不够自然，却有一个好处：很多关键决策需要被明确输入。

AI Agent把这些操作重新翻译成人的自然语言。

「帮我把组合变得保守一些。」

对一个普通人来说，这句话很容易理解。对一个需要生成实际交易方案的系统来说，里面包含大量尚未被明确定义的判断：风险是指波动率、最大回撤、行业集中度还是单一股票暴露；应该降低多少；出售哪些资产；买入什么替代品；调整后的税务后果又该如何处理。

如果模型把一句模糊指令理解得过于激进，风险可能不再只是按错交易按钮，而是出现在语义层面。

这一点在AI金融里尤其值得重视。

金融市场本身充满模糊目标。有人希望「稳一点」，有人希望「不要错过科技股」，也有人希望「五年后能退休」。这些都不是简单的机器指令，而是需要把风险承受能力、时间期限和家庭财务状况一起考虑的投资目标。

Scalable目前要求客户对每一笔交易进行最终确认，实际上保留了一个重要的责任节点。只要这个确认仍然存在，使用者仍有机会在交易真正执行前重新检查AI对其意图的理解。

如果未来Agent获得更大的自主权，问题会变得不同。

（图片说明）投资者在笔记型电脑上使用ChatGPT。文章指出，未来客户未必先打开券商App，而可能先透过通用AI助手调用银行与券商服务。

投资资料开始流出券商围墙

交易责任之外，资料是另一个更早出现的制度问题。

投资帐户可以透露一个人的收入能力、财富规模、风险偏好、退休安排、公司持股和家庭财务状况。这些资讯过去主要留在银行和券商系统内。

当使用者主动授权第三方AI读取帐户后，数据流向开始变得更复杂。

Scalable控制证券帐户和交易系统，模型公司控制AI服务，使用者控制是否授权。至于在每一个具体资料处理环节中，谁是data controller、谁是processor，或者是否存在joint controller关系，取决于资料处理目的、合同安排和实际技术流程，不能一概而论。

GDPR提供的是一套已有制度框架。

它要求企业说明个人资料如何被处理、用于什么目的、保存多久，也对profiling和特定automated decision-making情形设置了额外要求。当一个AI助手同时掌握聊天记录、生活资讯和投资帐户资料时，金融资料可能被放进一个远比传统券商更完整的个人画像里。

这种能力既有价值，也提高了治理要求。

一名投资者可能希望AI知道自己的年龄、收入、退休时间和家庭负担，因为这样模型才能提供更有用的分析。但资料越完整，授权、保存、删除和再利用的责任也越需要清楚。

对金融服务而言，信任从来不只建立在「钱有没有被偷」这一个问题上，也包括最私人的财务资料被谁看见，以及它最后被拿去做了什么。

AI Act只是监管叠加层

欧盟AI Act为AI治理增加了一套新的法律框架，但它并没有重新定义全部金融服务责任。

AI Act把部分金融用途列为high-risk，例如某些信用评分，以及健康和人寿保险中的特定风险评估。证券投资建议并没有被简单地整体纳入同一类别。

因此，Agentic Investing目前首先仍然受到既有金融法律的约束。

MiFID II处理投资建议、交易执行和适当性问题；GDPR处理个人资料；金融机构原有的网络安全、业务持续、第三方风险管理和消费者保护要求仍然存在。 AI Act再在这些制度之上增加模型治理、透明度及其他义务。

这种叠加式监管会带来新的合规成本。

一笔看似简单的AI辅助交易，可能同时涉及模型输出、证券服务分类、客户资料、交易记录、外部科技供应商以及使用者授权。监管并没有消失，只是需要跨越更多技术和法律接口。

对大型银行而言，这也是为什么开放Agent接口可能比推出一个内部AI聊天机器人困难得多。

银行自己开发的AI工具，仍然可以完全留在自身治理框架里。第三方Agent一旦接入，责任就需要跨公司分配。

（图片说明）法兰克福德意志交易所交易大厅。即便订单由AI准备，证券交易仍须在受监管市场与券商执行体系内完成，并由客户本人确认。

美国的问题会更偏向券商责任

Scalable的案例发生在德国，但美国很可能面对同一类问题。

美国大量个人财富已经存在于数字化券商帐户中，包括401(k)、IRA、普通brokerage account以及各类退休资产。 Schwab、Fidelity、Robinhood、Interactive Brokers和大型银行都在使用不同形式的AI工具，只是开放程度并不相同。

如果未来这些机构允许第三方AI直接读取投资组合并准备交易，美国监管分析的起点很可能仍然是现有证券规则，而不是另外创造一套完全独立的AI制度。

FINRA在2024年就生成式AI使用提醒会员机构，既有监督、记录保存、对外沟通、准确性及合规义务仍然适用。这是一项一般性的监管原则，并非针对Scalable或Agentic Investing的专门规定，但它提供了一个相当清楚的方向：金融机构不能因为使用了AI，就把原有责任交给模型。

美国证券监管长期采取technology-neutral的思路。

如果AI由券商自己部署，责任相对容易追踪。

如果模型是由客户自己选择的第三方服务，问题则更复杂。券商可能只负责资料接口和交易执行，AI公司提供模型，客户则主动授权。谁在什么时候对哪一段流程负责，很可能要依靠具体事实和合同安排来判断。

这也是Scalable案例对美国市场具有参考价值的地方。

客户入口权开始变化

金融科技过去十多年的竞争，表面上集中在佣金、产品种类和App体验，更深一层其实一直围绕客户入口展开。

谁控制使用者每天打开的界面，谁就有机会向他提供更多金融产品。

Scalable此次选择开放Agent接口，相当于接受了一种新的可能：未来客户与金融机构之间的第一层互动，不一定发生在银行自己的App里。

这种入口转移在其他产业曾经出现过。

很多酒店仍然拥有客房和服务能力，但相当一部分客户关系由Booking和Expedia掌握；新闻机构仍然生产内容，但搜索和社交平台曾经长期控制流量入口。

底层服务提供者没有消失，但谁控制入口，会影响客户关系、分发权和定价能力。

金融业是否会走到同样的位置，目前还没有足够证据下结论。

但Scalable的动作至少表明，一部分金融机构已经愿意接受第三方AI站到自己和客户之间。

这是一个具有长期意义的战略选择。

MCP把银行变成可被调用的服务

Scalable没有只为某一个AI模型开发专用连接，而是采用了MCP这类标准化接口。

这一点可能比单一产品功能更重要。

如果金融机构把帐户查询、投资组合分析、订单准备等能力以标准接口方式提供，AI助手就可以在授权范围内调用这些功能，而不需要每一家金融机构都为每一家模型公司重新开发完整整合。

MCP最终能否成为金融业的主流标准，目前还太早。

但标准化接口本身会带来一种新的竞争。

金融机构未来可能不只需要把自己的App做好，还需要确保自己的产品和服务能够被AI助手正确理解和调用。

这会把银行和券商的一部分能力重新定义为基础设施。

使用者提出需求，AI负责组合理解，金融机构则负责提供受监管的帐户、产品和交易能力。

对GFM的Web4与RWA研究而言，这也是一个值得长期跟踪的方向：数字金融基础设施的竞争，正在由资产是否上链，延伸到Agent是否可以安全调用资产和帐户。

（图片说明）欧洲央行法兰克福总部。 Scalable的Agentic Investing并未脱离既有金融监管，MiFID II、GDPR与银行牌照义务仍构成责任划分的制度底层。

下一步是授权，而不只是交易

目前Scalable仍要求投资者确认每一笔交易。

这个安排能够把很多责任保留在传统金融框架内。

Agent技术如果继续发展，未来真正棘手的问题会落在持续授权上。

例如，一名使用者可能要求AI在未来六个月内，只要科技股比例超过40%，就自动调整回35%；或者授权AI根据退休计划管理帐户，只要单笔交易不超过某个金额，就不需要再次确认。

这种安排在传统金融里并非完全陌生。

portfolio manager、discretionary account和算法交易本来就涉及持续授权。不同之处在于，通用AI Agent可能把原本主要提供给专业投资管理客户的能力，带到规模更大的普通投资者市场。

到了这一步，金融制度需要处理的核心将是permission architecture。

授权需要明确到什么程度？哪些资产可以交易？单笔和每日限额是多少？什么情况下必须重新征得确认？模型更换后原授权是否继续有效？如果帐户主人去世、失去行为能力或帐户被盗，Agent权限如何立即终止？

这些问题比「AI能不能选股」更接近金融基础设施。

我认为，真正决定Agentic Finance能否进入大规模个人财富管理的，很可能就是这一层。

AI降低门槛，也放大误判

AI进入投资帐户，对普通家庭具有实际价值。

一个过去看不懂基金费用、久期或资产配置的人，可以直接用自然语言询问；一名美国投资者可以问自己的401(k)是否过度集中在科技股，也可以让AI整理IRA中的资产配置，或者分析哪些股票可能适合做tax-loss harvesting。

这种能力有可能降低金融知识门槛。

同时，它也带来新的风险。

一名年轻投资者看到AI写下「风险适中」，未必知道模型采用了什么假设；一名退休人士看到一份语言流畅的资产配置方案，也可能把它理解成具有专业责任的投资建议。

语言模型非常擅长把复杂事情讲得清楚，但金融市场中大量问题本来就没有确定答案。

模型可以分析历史资料，可以计算波动率，可以整理公司财报，却不能保证未来市场结果。

因此，AI降低操作门槛之后，金融素养并不会变得不重要。

相反，投资者更需要理解模型的能力边界。

Scalable选择把AI放到围墙之外

Scalable此前已经在自己的平台中加入AI功能。此次开放MCP接口，代表公司选择让外部AI助手在授权范围内直接接入金融服务，而不是把所有AI能力限制在自己的App里。

这是一个具有代表性的战略选择。

大型金融机构未来未必会采取完全相同的方式。部分银行可能开放更多接口，部分机构则可能只允许自家AI系统处理高风险金融操作。

现实更可能是一种混合模式。

低风险的查询、分析和资料整理可以向外部Agent开放；交易、提款、信贷和其他高风险行为则保留更多内部控制。

不同金融机构开放到哪一步，可能成为未来几年的重要竞争差异。

Scalable的价值在于，它把这个问题提前放到了市场面前。

金融入口的一次小幅移动

网上交易把证券市场搬到电脑，智能手机又把券商放进口袋。 Agentic Investing带来的变化更微妙，它让金融系统开始接受自然语言作为新的操作入口。

Scalable目前仍然掌握帐户、托管、交易执行和监管责任，使用者也必须确认每一笔交易。第三方AI得到的只是一组有限权限。

但入口一旦开始开放，金融机构与AI平台之间的角色就会逐步需要重新定义。

对银行和券商来说，未来最重要的问题之一，可能不再只是怎样把自己的App做得更好，而是哪些金融能力可以开放给Agent，哪些必须留在受控环境内，以及在开放之后如何保持客户关系和法律责任的清晰。

对投资者而言，问题则更加直接。

当一个AI可以读取你的退休账户、分析你的投资组合，并替你准备下一张订单时，便利性已经很容易理解。

接下来真正需要制度回答的，是权限、责任、数据和信任。

如果有一天那一下“确认”不再需要人亲自点击，金融市场就必须提前知道，责任究竟落在哪里。

免责声明

本文依据公开资料进行财经与制度研究，仅供资讯参考，不构成任何投资、法律或交易建议；相关功能、监管责任及风险边界应以官方规则与服务条款为准。