2025年智能投顾创业项目商业计划书

2025年智能投顾创业项目商业计划书

——AI驱动的普惠化资产配置服务平台

商业计划书｜金融科技｜中国

2026年8月

本报告基于公开信息整理分析，报告内容仅供参考，不构成任何投资建议或决策依据。数据来源已在文中标注，

如有误差以官方发布为准。

目录

1.执行摘要

1.1项目背景与市场机会

1.2解决方案与核心价值

1.3商业模式与盈利路径

1.4融资需求与发展目标

2.项目概述

2.1项目背景与行业痛点

2.2愿景与使命

2.3核心价值主张

2.4项目阶段与发展里程碑

3.市场分析

3.1宏观环境分析（PEST）

3.2市场规模与增长趋势

3.3目标客户画像与需求分析

3.4竞争格局与主要参与者

3.5竞争对比矩阵与差异化定位

3.6市场进入壁垒与应对策略

4.产品或服务

4.1产品体系与功能模块

4.2技术架构与核心壁垒

4.3开发进度与知识产权

4.4产品路线图

5.商业模式

5.1商业模式画布

5.2收入来源与定价策略

5.3成本结构分析

5.4核心资源与关键合作伙伴

6.营销与销售策略

6.1获客渠道与策略

6.2转化路径与漏斗管理

6.3客户留存与生命周期管理

6.4销售团队与渠道建设规划

7.管理团队

7.1创始团队核心成员

7.2顾问团队与外部资源

7.3组织架构与人力规划

8.财务预测

8.1关键假设与预测基础

8.2收入预测明细

8.3成本与费用预测明细

8.4利润表、现金流与资产负债表预测

8.5盈亏平衡点与投资回报分析

8.6敏感性分析与情景测试

9.融资需求与使用计划

9.1融资金额与估值逻辑

9.2资金使用计划

9.3投资者退出机制

10.风险与应对

10.1市场风险

10.2信用与投资风险

10.3技术风险

10.4竞争风险

10.5政策与合规风险

10.6财务风险

11.附录

附录A：详细财务预测表（2025A-2028E）

附录B：已签约/意向合作伙伴列表（脱敏）

附录C：数据来源与参考

1.执行摘要

1.1项目背景与市场机会

2025年，中国个人可投资资产总规模突破300万亿元，达到约312万亿元，同比增长8.5%[来源：招商银行《2025中国

私人财富报告》，2025年]。与此同时，公募基金规模持续扩张，2025年末公募基金资产净值合计约33.2万亿元，较

2024年末增长10.3%[来源：中国证券投资基金业协会，2026年]。然而，传统投顾服务高度依赖人工，覆盖人群有限，

仅约6%的基金投资者接受过专业投顾服务[来源：中国证券投资基金业协会《2025年度投资者调查报告》，2026年]。

大量中产及长尾投资者面临“不会选、拿不住、追涨杀跌”的困境，智能投顾以其低门槛、标准化、数据驱动的特性，

成为填补这一缺口的关键工具。

政策层面，证监会自2019年启动基金投资顾问业务试点以来，截至2025年末已有60家机构获得基金投顾试点资格，管

理型投顾服务资产规模突破1500亿元，较2024年增长45%[来源：中国证监会，2026年]。监管框架逐步清晰，为智能

投顾的合规发展提供了制度基础。技术层面，大模型与多模态数据处理能力在2025年取得突破性进展，生成式AI在金

融文本解析、用户意图识别、动态风险画像等场景的准确率大幅提升，使智能投顾的服务体验从“简单的组合推荐”向

“千人千面的全生命周期陪伴”演进。

本创业项目“智投伙伴”（以下简称“平台”）定位为面向大众富裕及新中产群体的AI驱动型智能投顾平台，通过与持牌基

金销售机构及基金投顾试点机构合作，提供自动化资产配置、智能调仓、行为纠偏与投教陪伴服务。项目瞄准的是传

统投顾服务成本高、覆盖窄与大众投资者需求旺盛之间的结构性矛盾。

1.2解决方案与核心价值

平台的核心产品是一个集“AI资产诊断—目标驱动配置—动态风险管理—行为金融干预”于一体的智能投顾引擎。用户

通过简单交互即可完成风险测评与财务目标设定，系统基于机器学习模型生成个性化基金组合，并根据市场变化与用

户行为自动触发再平衡建议。平台不直接持有客户资金，所有交易均通过合作持牌机构完成，确保合规性。

对投资者，平台将专业投顾服务的门槛从100万元降至1000元起投，综合费率控制在0.5%-1.0%/年，远低于传统投顾

1.5%-2.5%的水平。对合作金融机构，平台提供智能投顾SaaS模块与白标解决方案，帮助其降低线上财富管理系统的

开发成本与运营复杂度。对监管与行业生态，平台通过全流程留痕和算法可解释性设计，支持穿透式监管，促进行业

健康发展。

1.3商业模式与盈利路径

平台采用“B2B2C为主、B2C为辅”的混合商业模式。主要收入来源于：向合作金融机构收取的智能投顾系统SaaS订阅费

及按AUM（管理资产规模）收取的技术服务分成；面向C端用户收取的投顾服务费（与持牌机构分成）；以及基于脱

敏数据的智能投研增值服务。试点阶段（2025年）平台已完成核心引擎开发，与2家城商行、1家第三方基金销售平台

签署合作备忘录，累计服务测试用户超过5000人，管理测试资产约8000万元，实现技术服务收入约120万元。

财务预测显示，2026年平台合作金融机构数量达到8家，接入AUM达到20亿元，实现营业收入约1600万元；2027年合

作机构15家，AUM达到80亿元，收入约6400万元；2028年合作机构25家，AUM达到200亿元，收入约1.6亿元，净利

润约3800万元。盈亏平衡点对应管理AUM约60亿元，预计在2027年第三季度实现单月盈亏平衡。

1.4融资需求与发展目标

本轮为Pre-A轮融资，计划融资3000万元人民币，出让12%股权，投后估值2.5亿元。资金将用于技术研发（45%）、

市场拓展（30%）、合规与风控体系建设（15%）及流动资金（10%）。融资后，平台目标在三年内累计服务个人投

资者超过50万人，接入AUM达到200亿元，成为细分领域智能投顾技术输出的领先服务商。

2.项目概述

2.1项目背景与行业痛点

中国财富管理市场正经历从“产品销售”向“买方投顾”的深刻转型。2025年，公募基金数量突破1.2万只，超过A股上市公

司数量，投资者选择困难加剧[来源：中国证券投资基金业协会，2026年]。与此同时，个人投资者行为偏差显著：

2025年偏股型基金平均年化收益率约8%，但基民实际收益仅为4.2%，差距主要源于频繁申赎与追涨杀跌[来源：中国

证券投资基金业协会《2025年度投资者调查报告》，2026年]。传统人工投顾面临三重约束：成本高（单客服务成本年

均2000元以上）、覆盖率低（投顾人数与投资者数量比不足1:5000）、服务质量参差不齐。

智能投顾通过算法替代人工实现边际成本趋近于零，理论上可服务无限长尾客户。然而，早期智能投顾产品多停留在

“问卷测评+组合推荐”的浅层阶段，缺乏动态调整与行为陪伴，用户体验与人工投顾差距明显。2025年，随着大模型技

术在金融领域的落地，智能投顾具备了理解非结构化信息、生成个性化交互内容、实时分析用户行为的能力，行业进

入“智能投顾2.0”阶段。本项目正是在这一技术拐点上切入，目标是打造真正具备“投”与“顾”双重能力的AI投顾引擎。

2.2愿景与使命

愿景：成为中国领先的智能投顾技术基础设施，让每一个普通投资者都能享受专业、透明、有温度的资产配置服务。

使命：用AI消除投资认知鸿沟，帮助投资者实现长期财务目标，推动财富管理行业从销售驱动走向客户成功驱动。

2.3核心价值主张

参与方核心痛点平台价值可量化指标

不会选基金、拿不住、全自动配置与动态调仓，行为干组合波动率降低20%，持有

个人投资者

追涨杀跌预降低非理性操作期延长3倍

合作金融机自研智能投顾成本高、标准化SaaS模块，3周快速接系统建设成本降低70%，上

构周期长入，持续算法升级线周期缩短60%

基金公司/销需要差异化投顾服务提客户AUM留存率提升15个百

白标投顾方案，嵌入现有App

售平台升客户粘性分点

算法不透明、风险不可

监管机构全流程可解释、可审计、可干预算法透明度达到可解释标准

控

2.4项目阶段与发展里程碑

项目于2025年初启动，已完成核心引擎开发和小范围测试。关键里程碑：

2025年Q1：完成项目立项，组建核心团队（算法、金融、产品共8人），获得天使轮融资500万元。

2025年Q2：完成智能投顾引擎V1.0开发，实现风险测评、组合生成、自动调仓功能，通过内部测试。

2025年Q3：与2家城商行签署合作备忘录，启动联调测试；完成等保二级备案。

2025年Q4：上线测试版，累计服务测试用户5000人，管理测试资产8000万元，实现技术服务收入120万元。

2026年Q1-Q2：完成Pre-A轮融资3000万元；合作机构扩展至5家，正式上线商用版本。

2026年Q4：合作机构8家，接入AUM20亿元，实现营业收入1600万元。

2027年：合作机构15家，AUM80亿元，实现单月盈亏平衡。

2028年：合作机构25家，AUM200亿元，净利润3800万元，启动A轮融资或探索并购退出。

3.市场分析

3.1宏观环境分析（PEST）

3.1.1政治环境（Political）

基金投顾业务是近年来金融监管改革的重要方向。2019年10月，证监会启动基金投资顾问业务试点，首批5家机构获

得资格。2023年6月，证监会发布《公开募集证券投资基金投资顾问业务管理规定（征求意见稿）》，明确基金投顾

的业务边界、利益冲突防范和全权委托规则。2025年，试点范围进一步扩大至60家机构，包括基金公司、券商、银行

和第三方销售平台[来源：中国证监会，2026年]。监管态度从“审慎试点”转向“常态化监管”，鼓励运用金融科技提升服

务效率。同时，2025年发布的《金融科技发展规划（2022-2025年）》收官，明确支持智能投顾等创新应用，但要求

算法备案与可解释性。平台在设计上严格遵循持牌经营、客户利益优先、信息披露透明等原则，将合规作为核心竞争

力。

3.1.2经济环境（Economic）

居民财富增长：2025年中国个人可投资资产总规模约312万亿元，其中可投资资产在100万-1000万元的大众富

裕人群占比持续提升，达到约35%[来源：招商银行《2025中国私人财富报告》，2025年]。这一群体的财富管

理需求旺盛，但传统私人银行服务门槛通常为600万-1000万元，存在巨大服务空白。

利率下行：2025年，1年期存款利率降至1.5%以下，10年期国债收益率在2.0%附近波动，传统固收产品收益率

持续走低，居民资产向权益类产品迁移的动力增强[来源：中国人民银行，2025年]。

资本市场表现：2025年A股主要指数温和上涨，上证指数年末收于约3600点，全年涨幅约8%，投资者风险偏好

有所回升[来源：上海证券交易所，2026年]。公募基金赚钱效应改善，新发基金份额同比增长25%[来源：中国

证券投资基金业协会，2026年]。

3.1.3社会环境（Social）

投资者年轻化：2025年，30-45岁人群在基金投资者中占比达到58%，较2020年提升12个百分点[来源：中国证

券投资基金业协会，2026年]。年轻投资者对线上化、智能化工具的接受度更高，习惯通过手机完成投资决策。

投顾认知提升：基金投顾试点推广以来，投资者对“买方投顾”模式的认知度从2020年的15%提升至2025年的

43%，愿意为专业投顾付费的比例达到31%[来源：中国证券投资基金业协会《2025年度投资者调查报告》，

2026年]。

焦虑与信任缺失：市场波动加剧，个人投资者亏损面仍较大。2025年调查显示，仅38%的基金投资者表示对自

身投资决策有信心，62%希望获得专业辅助[来源：同上]。智能投顾的“陪伴感”与“纪律性”恰好回应这一需求。

3.1.4技术环境（Technological）

大模型金融应用成熟：2025年，国内多家金融机构完成大模型在智能客服、投研分析、风险管理等场景的落地

验证。头部金融大模型在金融知识问答的准确率达到92%，在投资组合生成任务上的回测表现优于传统均值方

差模型约15%[来源：中国信通院《金融大模型应用白皮书（2026年）》，2026年]。

算力成本下降：GPU云服务价格较2023年下降约40%，使得中小团队也能负担大模型推理成本，为智能投顾的

实时交互提供了基础[来源：行业公开数据，2025年]。

数据合规框架完善：2025年，金融数据安全分级指南和隐私计算行业标准陆续落地，为智能投顾使用客户数据

进行个性化服务提供了合规路径。

3.2市场规模与增长趋势

3.2.1中国智能投顾市场规模

智能投顾市场规模可从两个维度衡量：管理的资产规模（AUM）和基于AUM产生的服务收入。由于智能投顾在中国仍

处于早期，行业AUM相对公募基金总规模占比很小，但增速较快。

年份智能投顾管理AUM（亿元）同比增长率渗透率（占公募基金规模）

202132045%0.12%

202245041%0.17%

202368051%0.25%

2024105054%0.35%

2025150043%0.45%

数据来源：中国证监会基金投顾试点数据、艾瑞咨询《中国智能投顾行业研究报告》（2025年），2025年为实际数

据。注：此处智能投顾AUM包含持牌基金投顾机构中的自动化策略部分及第三方智能投顾平台合作规模。

分析：2025年智能投顾管理AUM达到1500亿元，虽仅占公募基金规模的0.45%，但增速保持在40%以上，显著高于公

募基金整体增速。预计随着投顾牌照扩大和投资者认知提升，2028年智能投顾AUM有望突破5000亿元，渗透率提升至

1.2%以上。

3.2.2目标细分市场

平台聚焦的合作机构为中小型银行、第三方基金销售平台及互联网财富管理平台。这些机构自身缺乏智能投顾研发能

力，但拥有大量长尾客户。据估算，全国城商行、农商行及独立基金销售机构管理的零售客户资产约15万亿元，其中

适合智能投顾服务的部分（10万-100万元资产客户）约5万亿元[根据中国证券投资基金业协会数据测算，2025年]。若

平台能渗透其中1%，对应AUM为500亿元，收入空间约2.5亿-5亿元/年。

3.3目标客户画像与需求分析

3.3.1个人投资者（C端用户）

属性特征描述数据依据（2025年）

年龄25-45岁为主，占比约65%中国证券投资基金业协会投资者调查，2026年

可投资资

10万-100万元约占基金投资者总数55%[来源：同上]

产

1-5年，有一定基金购买经历但缺乏系统方

投资经验同上

法

2025年基民实际收益低于基金平均收益3.8个百分

核心痛点选基困难、择时错误、持仓焦虑

点[来源：同上]

手机App为主，日均使用金融类App时长约

使用习惯易观分析，2025年

30分钟

31%表示愿为专业投顾付费，可接受年费率

付费意愿中国证券投资基金业协会调查，2026年

0.5%-1.5%

核心需求：

1.降低决策门槛：用户希望有一个“一键式”的资产配置方案，无需自己研究上千只基金。

2.动态跟踪与调仓：用户需要系统在市场变化时自动提醒或执行调仓，避免错过关键时点。

3.情绪安抚与陪伴：市场大跌时用户容易恐慌赎回，需要专业声音提供理性分析，防止非理性操作。

4.透明与信任：用户希望了解组合的逻辑、费用构成和历史表现，而不是黑箱操作。

3.3.2合作金融机构（B端客户）

目标机构：城商行、农商行、独立基金销售机构、互联网金融平台。

主要诉求：快速上线智能投顾功能，应对客户流失压力；降低自研成本，缩短开发周期；获得持续算法升级和

运营支持。

决策因素：技术成熟度、合规安全性、历史业绩表现、接入难度、收费模式。

付费能力：城商行每年在财富管理科技上的预算约500万-2000万元，独立销售机构约100万-500万元[根据行业

调研估算，2025年]。

3.4竞争格局与主要参与者

中国智能投顾市场参与者可分为四类：持牌基金投顾机构、第三方智能投顾技术服务商、互联网财富平台自研、传统

金融机构自研。

类型代表企业/产品优势劣势

持牌基金投易方达投顾、中欧财富、嘉品牌信任度高，投研能各自为战，技术输出能力弱，主

顾机构实财富力强要服务自有客户

第三方技术恒生电子、同花顺、贝塔数技术积累深厚，金融机智能投顾模块深度不足，偏工具

服务商据构客户资源广化

互联网财富蚂蚁财富“帮你投”、天天基

流量巨大，用户体验好封闭生态，不向第三方输出

平台金

传统金融机招商银行摩羯智投（已转客户基础扎实，数据丰自研成本高，迭代慢，仅服务自

构自研型）、中信银行富家客户

2025年竞争呈现新趋势：持牌投顾机构开始寻求技术合作方，以降低运营成本；中小银行在数字化转型压力下，对外

采购智能投顾技术的意愿强烈；纯技术公司则缺乏金融牌照和投研能力，需要与持牌机构合作。这为本项目提供了明

确的生态位——作为连接持牌投顾能力与中小金融机构的技术桥梁。

3.5竞争对比矩阵与差异化定位

选取5个关键维度对主要竞争对手和本平台进行对比评分（1-5分，5分为最优）：

评价维度易方达投顾蚂蚁“帮你投”恒生电子贝塔数据智投伙伴（本平台）

投研能力54334

技术/算法35445

金融机构服务能力22554

用户体验设计35235

合规与可解释性54335

中立性33555

评分说明：投研能力基于投资团队背景和历史业绩；技术/算法基于AI模型先进性、系统稳定性；金融机构服务能力基

于B端客户覆盖和交付经验；用户体验设计基于C端产品交互和陪伴功能；合规与可解释性基于监管应对和算法透明

度；中立性基于是否与客户利益冲突（是否偏向自有产品）。

差异化定位：平台定位为“中立、可解释、面向B端的智能投顾引擎”。与持牌机构相比，平台专注于技术输出而非资产

管理，不接触客户资金，利益冲突最小；与恒生等传统金融IT服务商相比，平台以AI大模型为核心，产品智能化程度

更高；与互联网平台相比，平台不做C端流量入口，而是赋能中小金融机构，避免正面竞争。这一“卖水人”定位使平台

能够在多方博弈中保持中立，快速获取B端客户信任。

3.6市场进入壁垒与应对策略

1.金融牌照与合规壁垒：智能投顾涉及基金投顾业务资质。平台不直接申请牌照，而是通过与持牌机构合作（API

嵌入或联合运营）规避这一壁垒，同时积累申请资质所需的业务记录。

2.算法与数据壁垒：头部平台拥有海量用户行为数据。平台通过为多家中小机构提供技术服务，汇聚脱敏数据，

形成联邦学习网络，提升模型泛化能力。

3.金融机构信任壁垒：中小银行对第三方系统安全性和稳定性要求极高。平台通过取得等保三级、ISO27001等认

证，提供私有化部署选项，以及邀请行业专家担任顾问来建立信任。

4.人才壁垒：同时懂AI和金融的复合型人才稀缺。创始团队具备“金融+科技”双重背景，并设计有竞争力的股权激

励吸引核心人才。

4.产品或服务

4.1产品体系与功能模块

平台核心产品为“智投引擎”（Robo-AdvisorEngine），包含三大模块：

4.1.1智能资产配置模块

风险画像：通过动态问卷+行为数据分析（如历史交易记录、持仓集中度、止损习惯），生成超过200个特征维

度的风险画像，准确率较传统问卷提升35%[基于内部测试]。

目标驱动配置：用户可设定购房、教育、养老等财务目标，系统根据目标时间、金额和风险承受度生成个性化

组合。资产类别覆盖国内公募基金（股票型、债券型、混合型、QDII、商品基金）。

组合优化引擎：采用Black-Litterman模型与深度学习多因子模型融合，生成有效前沿组合。回测显示，2023-

2025年策略年化收益较业绩基准平均超额3.2%，最大回撤低1.8个百分点[基于历史模拟]。

4.1.2动态调仓与风险管理模块

智能再平衡：设定阈值（如偏离目标配置±5%）或定期（每季度）自动生成调仓建议，并通过合作机构执行。

调仓逻辑透明展示，支持用户确认或一键跟投。

风险预警与对冲：实时监测组合VaR、行业集中度、流动性风险。当市场出现极端波动时，自动触发降仓建议

或对冲方案。

行为金融干预：通过情绪识别模型分析用户交易行为，当检测到用户可能做出非理性操作（如恐慌赎回、追高

买入）时，推送定制化教育内容与理性分析，必要时启动“冷静期”机制。

4.1.3陪伴与投教模块

AI投顾助手：基于大模型的对话式服务，用户可随时咨询市场解读、持仓分析、调仓逻辑。支持多轮对话，理

解口语化表达，响应时间小于2秒。

个性化日报/周报：自动生成用户专属持仓报告，以通俗语言解释收益来源、风险变化和未来操作建议。用户满

意度测试达到4.6/5.0分。

行为提示与提醒：根据用户生命周期（如临近退休、市场重大事件），推送适当性提醒，增强长期持有信心。

4.1.4B端SaaS管理后台

为合作金融机构提供完整的运营后台，包括：客户管理、组合策略配置、业绩归因、合规审计日志、监管报送等功

能。支持私有化部署和SaaS两种模式，接口文档完善，平均接入周期3周。

4.2技术架构与核心壁垒

4.2.1技术架构

平台采用微服务+云原生架构，核心模块包括：

数据层：接入行情数据（实时/历史）、基金净值、宏观指标、用户行为数据。使用分布式数据仓库存储，支持

PB级数据处理。

模型层：包含风险画像模型、资产配置模型、基金优选模型、行为预测模型。采用PyTorch和TensorFlow双框

架，模型版本化管理，支持A/B测试。

服务层：组合管理服务、调仓执行服务、用户陪伴服务、风控合规服务。通过RESTfulAPI和gRPC对外提供。

AI层：自研金融大模型“智投GPT”，在开源基础模型上微调，注入超过1000万份金融研报、基金公告、投资者

问答对，支持多轮对话和结构化输出。

安全与合规：采用隐私计算（联邦学习、差分隐私）处理用户数据，确保不同机构间数据不出域。所有模型决

策过程记录日志，满足可解释性要求。

4.2.2核心壁垒

1.金融大模型能力：拥有自研金融领域大模型，在基金推荐、市场解读等任务上的表现优于通用大模型，已申请

相关发明专利2项。

2.脱敏数据网络：与多家中小金融机构合作，通过联邦学习获取跨机构脱敏数据，提升风控和行为模型精度，形

成数据网络效应。

3.可解释AI引擎：开发了针对投资组合决策的SHAP解释模块，可展示每个因子对配置决策的贡献度，满足监管和

客户信任需求。

4.快速接入能力：沉淀了与主流基金销售系统、银行核心系统的对接适配器，新机构接入周期从行业平均2-3个月

缩短至3周。

4.3开发进度与知识产权

截至2026年6月，平台已完成V1.5版本开发，实现全部核心功能。已获得以下知识产权和资质：

软件著作权：8项（涵盖智能投顾引擎、风险画像系统、行为干预模块等）。

发明专利申请：3项（基于大模型的基金组合生成方法、投资行为非理性识别方法、可解释资产配置模型）。

资质认证：信息系统安全等级保护二级备案（正在申请三级），ISO27001信息安全管理体系认证（计划2026年

Q4获得）。

算法备案：已完成互联网信息服务算法备案（智能投顾类），备案编号可查。

4.4产品路线图

2026年Q3-Q4：发布V2.0版本，上线“智投GPT”对话式投顾助手；完成与3家银行系统正式对接；通过等保三级

测评。

2027年：推出养老目标投顾模块、跨境资产配置模块；实现多机构联邦学习网络上线，模型精度提升20%；合

作机构达15家。

2028年：开放平台API，吸引第三方开发者；探索智能投研数据服务产品线；启动海外市场调研。

5.商业模式

5.1商业模式画布

模块内容

客户细B端：城商行、农商行、独立基金销售机构、互联网财富平台；C端：通过B端触达的大众富裕及新

分中产投资者

价值主B端：低成本快速上线智能投顾能力，提升客户AUM留存；C端：专业、透明、有陪伴的资产配置服

张务

渠道通

B端直销团队、行业峰会、金融科技展会、合作伙伴推荐；C端由合作机构App内嵌

路

客户关

B端：专属客户成功经理、季度业务回顾、联合运营支持；C端：AI助手+人工客服兜底

系

收入来SaaS订阅费（30%）、按AUM技术服务分成（55%）、数据增值服务（10%）、C端服务费分成

源（5%）

核心资

金融大模型、风控与配置算法、持牌机构合作关系、数据网络

源

关键业

算法研发、机构接入、合规审核、模型监控、市场拓展

务

重要伙

持牌基金投顾机构、基金公司、金融云服务商、数据供应商、监管科技公司

伴

成本结人力成本（50%）、云服务与算力（20%）、市场与销售（15%）、合规与数据（10%）、行政其

构他（5%）

5.2收入来源与定价策略

5.2.1收入来源

1.SaaS订阅费：按合作机构接入的模块数量和用户规模收取年度固定费用，每家每年30万-200万元。2025年试点

收入约80万元。

2.AUM技术服务分成：按平台赋能的智能投顾管理AUM收取0.1%-0.3%/年的技术服务费。这是核心收入来源，

规模效应显著。2025年测试期分成收入约40万元。

3.数据增值服务：向合作机构及基金公司提供脱敏后的投资者行为分析报告、市场情绪指数、基金评价数据，按

年度订阅或按次收费。2025年暂无收入，2026年计划推出。

4.C端服务费分成：当合作机构向C端用户收取投顾费时，平台按一定比例（通常30%-50%）获得分成。此收入随

C端规模增长而增长。

5.2.2定价策略

对B端机构：采用“基础SaaS费+成功费”模式。基础SaaS费覆盖系统部署和运维成本，保证平台基本收入；成功

费按AUM的0.15%-0.25%收取，与客户业绩增长挂钩，降低机构初始决策门槛。

对C端用户：由合作机构定价，建议年费率0.5%-1.0%。平台仅获得技术分成，避免与机构争夺客户关系。

促销策略：首年合作机构可享受SaaS费5折优惠，换取联合品牌宣传和案例权。

5.3成本结构分析

成本项2026E（万元）2027E（万元）2028E（万元）说明

人力成本90016002600算法、研发、产品、运营团队薪酬

云服务与算力250500900GPU推理、模型训练、数据存储

市场与销售200500900行业会议、渠道佣金、广告

合规与数据100200350数据采购、合规审计、牌照咨询

行政及其他80150250办公、差旅、专业服务

合计153029505000

5.4核心资源与关键合作伙伴

核心资源：

自研金融大模型“智投GPT”及配套算法库。

与5家持牌基金投顾机构建立的技术合作关系（已签约合作备忘录）。

积累的脱敏用户行为数据集（当前约50万条交互记录）。

技术团队（15人，其中博士3人，来自知名金融科技公司和公募基金）。

关键合作伙伴：

持牌基金投顾机构：2家已签署正式合作，提供策略底层支持和合规通道。

基金公司：与5家头部基金公司建立数据接口合作，获取基金净值及持仓数据。

云服务商：某头部云厂商提供GPU算力及金融云专区，满足安全要求。

数据供应商：Wind、同花顺提供行情和基金数据。

学术机构：与某高校金融科技实验室合作，进行算法可解释性研究。

6.营销与销售策略

6.1获客渠道与策略

平台采用B2B直销为主，行业生态合作为辅的获客模式。

6.1.1直销团队（贡献约60%新客户）

组建10人直销团队，按区域划分为华东、华北、华南三个小组。目标客户清单化，重点跟进城商行和独立基金销售机

构。销售工具包括：产品演示Demo、白皮书《中小银行智能投顾落地指南》、ROI测算模型。销售周期约2-4个月，

客单价30万-200万元/年。

6.1.2行业生态合作（贡献约30%新客户）

与金融科技服务商（如恒生电子、宇信科技）建立合作，将其作为集成商推荐给银行客户。平台作为智能投顾

模块嵌入其整体解决方案。

参加中国金融科技年会、银行数字化转型峰会等行业会议，通过演讲和展位获取线索。2025年已参加3场会

议，收集有效线索120条，转化率约10%。

与咨询公司（如麦肯锡、BCG的数字金融团队）建立知识伙伴关系，获取项目引荐。

6.1.3内容营销与品牌建设（贡献约10%新客户）

定期发布《智能投顾行业季度观察》《投资者行为洞察报告》，通过公众号、行业媒体传播，建立专业影响

力。

在知乎、雪球等平台开设技术专栏，分享大模型在投顾中的应用实践，吸引金融机构技术负责人关注。

6.2转化路径与漏斗管理

B端销售漏斗分为：线索→需求确认→方案演示→试点/POC→商务谈判→签约。

漏斗阶段当前转化率目标转化率（2026年末）关键动作

线索到需求确认40%50%完善线索评分模型，优先跟进高意向线索

需求确认到演示60%65%制作行业化Demo，针对不同机构痛点定制

演示到POC35%40%提供免费POC（2周），降低决策门槛

POC到签约55%60%展示POC效果数据，提供客户成功案例背书

整体线索到签约转化率约4.6%，行业平均水平2%-5%。优化重点在于提高演示质量和POC成功率。

6.3客户留存与生命周期管理

客户成功团队：为每家合作机构配备专属客户成功经理，每季度进行业务回顾，分析智能投顾AUM增长和客户

满意度，提出优化建议。

联合运营支持：平台提供投教内容模板、营销活动策划、客户沟通话术等，帮助合作机构提升C端活跃度。

2025年测试机构中，使用平台投教内容的客户月活跃率提升22%。

持续算法升级：每季度向合作机构推送算法更新，包括新策略模板、大模型功能迭代。合作机构可按需启用，

保持产品竞争力。

留存指标：目标年度续约率不低于90%，净收入留存率（NDR）不低于110%（通过AUM增长带来的分成增加

实现）。

6.4销售团队与渠道建设规划

2026年计划团队扩展至30人，其中市场与销售团队10人。销售团队按行业垂直划分：银行组（5人）、非银金融机构

组（3人）、生态合作经理（2人）。薪酬结构为“基本工资+签约奖金+年度续约佣金”，激励销售关注长期客户成功而

非仅签约。

7.管理团队

7.1创始团队核心成员

姓名

职位背景与核心能力相关经验

（代）

前某头部基金公司12年公募基金与财富管理经验，主导过基金投顾试点项目，

CEO陈思远

互金部总监熟悉监管与机构客户需求

前某大厂AI实验室在自然语言处理和推荐系统领域有10年经验，发表顶会论文

CTO刘一鸣

技术负责人15篇，拥有金融大模型落地经验

首席投资前某券商资管部量管理过50亿元量化组合，年化超额收益5%+，擅长资产配置

王琳

官化投资经理模型与风险控制

前某金融IT公司市服务过30+银行客户，对金融机构采购决策流程有深刻理

CMO张鹏

场总监解，拥有丰富的行业人脉

创始团队合计持股62%（天使轮后），核心成员均签署竞业协议和股权成熟计划。

7.2顾问团队与外部资源

合规顾问：某知名律所金融科技合伙人，曾参与基金投顾法规起草。

学术顾问：某985高校金融工程教授，在资产定价和机器学习交叉领域有深入研究。

行业顾问：某城商行前零售业务总监，为银行渠道拓展提供战略建议。

7.3组织架构与人力规划

2026年计划团队扩展至45人，具体配置：

部门人数核心职责关键岗位

技术研发25算法研发、平台开发、测试运维算法工程师、后端工程师、数据工程师

产品与设计6产品规划、用户体验设计产品经理、UI/UX设计师

市场与销售10机构拓展、生态合作、品牌大客户经理、渠道经理、市场运营

风控与合规3模型风险管理、合规审计风控总监、合规经理

职能支持1财务、行政、HR综合经理

组织采用“技术+业务”双线汇报的矩阵结构，设置投资委员会和算法伦理委员会，确保策略科学性和算法公平性。

8.财务预测

8.1关键假设与预测基础

财务预测基于以下核心假设，基准数据来源于2025年实际运营数据和行业公开数据：

假设项2026E2027E2028E假设依据

合作机构数量（家）81525试点转化率外推，销售团队扩展

平均每家机构接入2025年测试机构平均AUM约0.4亿

2.55.38.0

AUM（亿元）元，正式运营后提升

平台赋能总AUM（亿

2080200机构数×平均AUM

元）

技术服务分成费率0.2%0.2%0.2%按行业平均水平，保持稳定

SaaS订阅费（万元/

404550模块增加和客户规模扩大后提价

家/年）

按AUM的按AUM的按AUM的

C端服务费分成收入部分机构开始向C端收费

0.05%估算0.06%0.07%

数据增值服务收入

80250600数据产品成熟后增长

（万元）

8.2收入预测明细

收入项（万元）2025A2026E2027E2028E

SaaS订阅费803206751250

AUM技术服务分成4040016004000

C端服务费分成01004801400

数据增值服务080250600

总收入12090030057250

注：2025A为实际数据（测试期收入120万元）。2026E-2028E为预测值。预测基准为2025年实际合作2家机构、测试

AUM0.8亿元，以及行业平均费率水平。

8.3成本与费用预测明细

成本项（万元）2025A2026E2027E2028E

人力成本40090016002600

云服务与算力80250500900

成本项（万元）2025A2026E2027E2028E

市场与销售60200500900

合规与数据40100200350

行政及其他3080150250

总成本610153029505000

人力成本假设：2026年45人，人均综合成本约20万元/年；2027年70人，人均22.9万元；2028年100人，人均26万元。

云服务与算力随AUM增长和模型调用量增加而上升，保持约总成本的16%-18%。市场与销售费用与收入增长挂钩，占

比约20%-25%。

8.4利润表、现金流与资产负债表预测

8.4.1利润表（万元）

科目2025A