北大經濟學院“金工首席談”系列講座第40講 | 安寧寧：OpenClaw多平臺部署與投研應用

來源：北京大學經濟學院

2026年3月11日，北京大學經濟學院和北京大學金融工程實驗室在經濟學院307學術報告廳聯合舉辦了“金工首席談”系列講座第40講。廣發證券金融工程首席安寧寧應邀發表題為“OpenClaw多平臺部署與投研應用”的專題報告。活動由北京大學金融工程實驗室黎新平博士主持，100余名師生到場參與了本次講座。

安寧寧作專題報告

安寧寧首先分享了智能體技術在金融行業的應用背景。他談道，自2023年大模型興起以來，利用Agent與大模型開展量化策略開發已在量化圈快速普及，而OpenClaw作為新興的開源智能體平臺，雖面世時間較短，卻已引發券商、基金、保險等頭部金融機構的高度關注。

安寧寧系統講解了OpenClaw與傳統智能體應用的核心區別。他表示，近兩年大模型技術迭代飛速，此前行業對大模型的投研應用多聚焦于知識庫搭建與提示詞優化，而OpenClaw實現了兩大核心突破：一是交互方式的革新，打破了傳統單一的問答式交互，可無縫接入飛書、QQ等主流軟件，極大拓展了應用邊界；二是構建了完善的skill（技能）體系，這也是其最核心的優勢。skill覆蓋了辦公文檔處理、網絡請求、金融數據對接、代碼開發等通用與專業場景，替代了傳統人工調試、手動操作的環節。而開源社區的持續貢獻讓skill生態快速豐富，相當于為用戶提供了大量可直接調用的標準化功能模塊，大幅降低了大模型落地實操的門檻。

隨后，安寧寧結合團隊實操經驗，分享了OpenClaw的部署關鍵要點。在模型配置上，他指出底層大模型的能力直接決定了OpenClaw的任務完成效果，復雜代碼開發、策略迭代等任務對模型能力要求較高，而簡單辦公自動化任務則可選擇成本更低的國內大模型。在skill管理方面，他介紹道，無論是命令行安裝還是自然語言對話安裝，均可快速完成skill的部署，用戶也可基于自身高頻需求自定義創建專屬skill，同時他也提醒師生，“有高頻、定期、規則性的任務需求再進行實操嘗試，無需為了技術而創造需求”。

安寧寧重點分享了OpenClaw在金融投研領域的豐富落地應用案例，全面展現了這一工具對投研效率的提升作用。在辦公自動化與基礎投研場景，OpenClaw可通過PDF解析等skill完成上市公司財報讀取、主營業務分析、經營數據可視化，自動生成標準化的財務分析報告；在數據獲取與資訊整理場景，其既可通過對應skill對接同花順、Wind API等金融數據庫，也可自動完成網頁數據爬取、海內外財經資訊采集；在量化投資核心場景，OpenClaw實現了投研模式的重要突破，借助這一工具，即便是不具備代碼編寫能力的基本面基金經理，也可通過自然語言描述策略思路，讓OpenClaw自動完成數據抓取、選股策略構建、歷史回測全流程，還能針對回測結果提出行業標準化、指標平滑、剔除異常值等優化方向，全程無需手動編寫代碼。

講座現場

在行業影響與職業發展方面，安寧寧談道，AI智能體的普及帶來了投研工作模式的顛覆性變化，其個人的策略開發效率實現了數倍提升，原本需要數天完成的策略驗證，如今數小時內即可完成迭代，極大地降低了量化投研的工程門檻。從行業格局來看，目前量化圈已快速普及智能體工具，而基本面行研領域的應用仍處于起步階段，多數機構仍受限于學習成本與安全風險顧慮。盡管智能體可替代大量重復性人力勞動，但行業競爭格局下，機構仍在持續擴充人才團隊，核心原因在于效率提升是全行業性的，人才的核心價值在于投研思路的把控、對業務的深度理解以及對智能體的精準調度與結果校驗。

在講座互動環節，與會師生圍繞Token經濟學、工具差異、投研邏輯可靠性、團隊管理、信息安全等熱點問題，與安寧寧展開了深入的交流探討。針對Token是否會成為廣義的大宗商品，安寧寧表示，OpenClaw等智能體應用預計將帶來約20%的算力需求提升，進而帶動電力等能源需求增長，這一趨勢已在資本市場有所體現。針對OpenClaw與Cursor等工具的差異，其指出后者聚焦于軟件工程與代碼開發領域，而OpenClaw憑借豐富的skill生態，覆蓋了辦公、數據處理、自動化執行等更廣泛的日常工作場景。講座尾聲，黎新平博士代表主辦方對主講嘉賓安寧寧的精彩分享表示感謝。

主講人簡介

安寧寧，廣發證券發展研究中心金融工程首席分析師，從業16年，先后任職于平安證券、鵬華基金，曾帶領團隊連續多年獲得新財富最佳分析師前三，研究領域主要包括資產配置、量化權益組合管理、CTA交易策略、機器學習及人工智能算法在量化投資應用等。

北京大學金融工程實驗室簡介

北京大學金融工程實驗室是依托北京大學經濟學院搭建的研究和教學平臺，致力于推動量化投資、金融工程、大數據金融以及金融科技方面的學術研究與實踐應用，實現學術界與金融業界良好的互動交流。

實驗室聚焦于運用數學建模、統計分析、計算金融、大數據以及機器學習方法進行量化金融的研究，以數理化方法探討金融市場的規律。實驗室的目標不僅僅是推動金融工程等學術領域的前沿研究，同時也推動量化金融技術在教學、投資實踐、金融監管以及金融政策等方面的實際應用。實驗室課題研究包括：量化基本面、金融科技及AI、市場交易行為、高頻數據、風險預警與管理。

供稿：北京大學金融工程實驗室

美編：初夏

責編：度量、雨禾、雨田