执中创始人李淼：让金融服务从“给数据”到“给结果”

【导读】执中创始人李淼：让金融服务从“给数据”到“给结果”

中国基金报记者 莫琳

2026年，AI Agent正从演示走进真实工作流，金融是被改造最深的行业之一。

量化交易接管了市场大半成交量，券商App里的AI助手替散户读公告、写复盘、诊断仓位，银行把智能客服、反欺诈和信贷审批搬进模型，研报摘要、保险核保、账单催收也在陆续自动化。这些场景共享一个前提：数据天生数字化——行情每秒跳动，财报格式统一，交易流水连续可查，机器读起来毫不费力。连大模型公司亲自下场做应用，最先接住的也是同花顺们的二级市场数据。

但金融体系还有另一半世界。一家企业被并购、一只基金募集、一笔S份额转让，关键信息散落在商业计划书、尽调报告、微信消息和饭局的口口相传里；银行客户经理拿到集成电路或生物医药企业的贷款申请，看不懂技术，只能退回抵押和担保的老路；省级国资平台的七个投委，常常在没人完整见过项目的情况下就要对齐意见。

这个连着十几万亿元私募股权存量、背后站着几百万亿元不动产和基础设施的非标世界，长期是AI照不进的角落。今天，我们采访的是一位正在用AI改造金融市场的执中创始人李淼女士。

她创立的执中，从私募股权这个AI最难啃的非标市场切入，重新定义了金融机构的工作流；接下来，她要把执中建成全金融市场的AI决策基础设施——一个金融领域的“世界模型”。

把“非结构化”变成“结构化”

2018年，李淼辞去Markit公司职务，放弃数百万年薪，带着“中国另类资产市场的路透金融终端”的梦想，创立了执中。

启示来自她曾任职的Markit公司——在彭博和路透庞大到无人能撼动的年代，这家公司专挑巨头看不上的非标资产下手——私募信贷、私募股权、银团贷款，在做了非标准资产的数据及平台后再加入标准资产数据，最终以约440亿美元被并入标普。这给她的启示是：搞刻画实体经济的数据。

这条路没有捷径，执中一走就是7年。但7年沉淀下来的，不只是数据的存量，更是一套能持续生产垂类资产数据的模型和底座：把散落在新闻、公告、招投标、工商变更、各种母基金招募公告等非结构化、各种文本里的非标信息转化为结构化数据的能力，是7年积累训练出来的一套模型体系，别人既拿不走存量，更抄不走产能。

从“给数据”到“给结果”

底座有了，李淼没有止步于此。

AI Agent兴起后，行业涌入大批通用工作台。但李淼认为，金融AI的真正门槛，不只在于交互与通用模型，更在于能否理解实体经济与金融体系的真实运行，并将数据、专业 Know-how 和业务流程组织成可执行、可反馈的闭环。

这正是执中欧拉Euler的核心所在：以执中持续生产刻画实体经济、金融市场的数据，以及长期沉淀的业务场景工具和模型为底座，由专业Skills与Agents完成分析、推演和决策支持，再通过面向金融业务的Harness工程编排模型、数据、工具和业务系统，将判断转化为行动，以执行结果反哺数据与模型，形成数据与决策飞轮。

7月23日，执中金融AI产品“欧拉”在深圳首次发布。欧拉，正是以海量金融数据加专业模型打造的金融AI工作台。底层数据持续生产，上层模型直接出结果。用李淼的话说，过去7年交付SaaS平台，“我只是把数据给了你，活还是你自己干”；现在，欧拉替客户把活干完。

发布会现场，李淼拿一个真实客户需求做了测试：广州一家国资背景的投资平台负责人发来一条微信，大意是要找智能制造方向、最好是具身智能的并购标的。

李淼把这段话原封不动输入欧拉，没有加任何引导词。欧拉给出的核心结论包括：近期机器人领域发生16笔并购、高端装备9笔、机械设备9笔；并购模型从500家有效企业候选标的企业中筛选20家潜在并购标的，并给出每家的推荐理由——每家是干什么的以及为什么匹配。她在中午12点左右将结果推给客户，下午对方回复：“这几家我们想去谈，帮忙拓展。”

这是欧拉上线四周里反复演示的一类场景：客户要的不再是一个数据账号，而是一个可以直接拿去行动的结果。

支撑这类结果的，是执中过去几年训练的一批预测模型。在一场小范围闭门交流中，李淼披露了模型的“成绩单”：预测一家企业能否融到下一轮的模型，在现实中的复现率为95.29%。

这个模型对银行的科技金融业务尤其有价值。科创企业往往没有抵押物，还款来源主要依赖下一轮融资——能不能融到下一轮，直接决定了信贷的风险敞口。因此，科创企业融资能力的预测，对银行开展科创信贷业务有着实实在在的指导意义。

截至目前，已经有至少10家银行将这个预测模型运用到对科技企业评估或者作为筛选优质科创企业的标准。

另一个与银行联合拟合的模型，预测未来12个月哪些赛道变热、哪些变冷。李淼称，中国的细分赛道切换频次远高于海外，他们把一级和二级市场的逻辑打通后重新定义“热度”——过去上市的是茅台，现在上市的是“硬科技”公司，一级和二级市场的逻辑已经打通——模型在现实中的拟合度可以提前12个月判断赛道冷热。

还有两个模型，因为准确率“只有80%”和“不到80%”，至今没有外放给任何客户。一个预测B轮企业能否走到辅导备案阶段，方法是用“哪家机构命中上市公司的概率更高”反向穿透；另一个预测企业到了辅导备案后被证监会否决的概率。“我预测的不是‘通过’概率，是‘否决’概率。每个赛道被否的企业都有理由，把这些理由训练叠加起来，就能告诉企业，哪里该改，有可能就上了。”

一笔关键性融资

不久前，执中完成了A轮系列融资，由湖南省属国资平台兴湘资本战略领投，财信中金、溥泓资本等联合参投。之后，欧拉启动灰度测试，8月13日正式独立上线。

接下来，李淼的目标是将模型和数据最终嵌入更多的客户业务流程。目前看来，形势喜人。据了解，一家央企券商正在接入执中MCP，并部署执中的AI并购撮合Agent，该央企集团层面的AI数智化项目已进入POC测试——而几年前，执中在这家集团每年只卖几个SaaS账号，合同额仅9万元；一家股份行北京分行现场演示后，分行决定全员开通欧拉。

交付方式也在分层：客户可以直接买标准版欧拉（9800元/年，含12万积分），也可以买MCP接口加技能和智能体、部署进自己的系统。执中还在与火山引擎、阿里、腾讯合作，把能力嵌进AI工作台的生态。

李淼把2026年春节称为公司的“二次创业”起点。回到公司后，她告诉全员，执中要做一个全新的物种。欧拉已经构建起一个能够交付结果的金融AI工作台，而它的下一程，是沿着数据与决策的飞轮继续向前，向金融机构的AI决策基础设施演进。

校对：王玥

制作：小茉

审核：木鱼