金融AI公司Rogo在三個月內估值接近翻兩倍，成為華爾街AI應用領域最受矚目的新星之一。今年4月，Rogo完成1.6億美元D輪融資，估值達到20億美元，而三個月前其估值僅為7.5億美元。這家公司為投行、私募股權和資產管理機構提供“AI分析師”，能夠自動完成查公司、找資料、搭建估值模型、修改Excel、製作客戶材料等初級分析師的大量案頭工作。截至2026年8月，Rogo已進入300多家金融機構，被超過4萬名金融從業者使用。

Rogo的底層模型來自OpenAI、Anthropic，金融資料來自Capital IQ、PitchBook，辦公軟體則依賴微軟的Excel和PPT。表面上看，它似乎只是將上下游資源“攢局”在一起，容易被繞開。但現實恰恰相反，Rogo反而成為華爾街追捧的AI公司之一。其關鍵在於，Rogo踩住了金融AI最重要的三個位置：合規、模型中立和深度整合。

在合規方面，Rogo成立後花了大量時間建立資料隔離、MNPI邏輯隔離、細粒度許可權和全流程審計，並陸續獲得SOC 2 Type I/II、ISO 27001以及2025年的ISO 42001 AI治理認證。這些工作雖不性感，卻讓金融機構敢於將資料交給AI。商業化啟動後，Rogo增長迅速：從零做到七位數ARR不到5個月，2025年收入已超過1500萬美元。

在模型層面，Rogo不押注單一模型，而是構建了Model Broker，同時接入OpenAI、Anthropic、Google等模型，根據不同金融任務自動選擇。Rogo用928個真實金融任務建立Big Finance Bench基準，發現GPT-5.5擅長資本結構和併購分析，Claude Sonnet 4.6更適合財報分析，Claude Opus 4.7在私募資本和預測上表現更好。僅按任務型別和資料來源做簡單路由，整體成績就能比最強單一模型高4.5個百分點。成本差異更大：同一任務，用頂級模型可能花費1.26美元，而換用更合適的輕量模型最低僅需0.02美元。這種架構意味著底層模型可以不斷更換，但客戶的資料、Agent和工作流都留在Rogo。

真正決定Rogo天花板的，是其向金融機構所有軟體中間層的滲透。投行工作流碎片化嚴重：資料在Capital IQ、PitchBook，內部檔案在SharePoint，客戶關係在Salesforce，郵件在Outlook，模型在Excel，交易底稿在Data Room。Rogo通過收購和整合，逐步將這些環節連線起來。2025年9月收購Subset，將Agent嵌入Excel，能修改複雜模型；今年3月收購Offset，為Agent補充“記憶”；今年8月收購Rivanna，將能力推進到併購盡調，可一次處理數萬份交易檔案並識別風險。同時，Rogo還接入了SharePoint、Outlook、Salesforce、Box和Intralinks。

Rogo的落地模式也頗為獨特。它按Seat收費，本質是SaaS，但實施方式很重——會派前銀行家和工程師進駐客戶內部，幫助搭建工作流、培訓、定製Agent。例如在Baird，Rogo上線約600個席位，通過現場培訓和持續跟進，幾個月後使用參與度達到95%，每週完成約1萬次自動化任務，累計超過25萬次。Rogo還組建了由75名以上前投行、PE、信貸和研究專業人士參與的團隊，共享Agent累計執行超過43萬次。僅2026年7月初的一週，Rogo就與客戶共同搭建了2450多個定製Agent。

從更廣的視角看，Rogo的崛起反映了AI在金融垂直領域的落地正在加速。投行分析師大量時間花在重複性案頭工作上，Rogo試圖用AI改變這種“靠人堆產能”的模式。如果這套模式跑通，未來同樣數量的人可以覆蓋更多專案。資本給予20億美元估值，看中的正是Rogo可能成為金融機構日常工作的入口——這已不僅是AI工具，而是華爾街的“作業系統”。當然，Rogo也面臨挑戰：上游模型廠商、下游資料商以及客戶自身都可能向前一步，壓縮其生存空間。但就目前而言，Rogo通過合規、模型中立和深度整合構建的壁壘，使其在華爾街AI競賽中佔據了獨特位置。