我们从零构建并用强化学习训练了一个金融深度研究 Agent。相比于流水账式的步骤指南，本文更侧重于分享核心的设计理念、关键决策，以及我们在落地过程中积累的经验教训。代码与训练配置文件已在 AgentJet 全面开源。
1 引言
1.1 定义金融 Deep Research
想象你是一个金融分析师，收到这样一个需求：“分析近两年光伏行业的产能过剩情况，并评估其对头部企业盈利能力的实质影响。”
这类问题，难点从来不只是“写出来”，而是“研究清楚”。真实的投研工作通常不是直接动笔，而是先基于经验形成初步判断，理清研究主线与查证路径：要看哪些宏观指标，要比哪些公司财报，要补哪些行业资料，还要预判哪些结论可能被后续证据推翻。
接下来的过程，才是围绕这条主线不断展开：查数据、读财报、检索研报、交叉验证，并在新信息出现后持续修正原有假设与分析框架。金融 Deep Research Agent 的目标，正是把这套过程自动化：不是只生成一篇看起来像样的报告，而是在真实环境中，通过多轮规划、检索、验证和修正，最终产出一份论据扎实、逻辑严密的研究结果。
归根到底，金融 Deep Research 不是一次性的文本生成任务，而是在开放信息环境中持续推进的研究过程。
1.2 核心挑战：多维对齐目标的内在冲突
构建这样一个 Agent 的难点，在于我们需要在三个相互牵制的维度中寻找平衡：
- 证据可追溯（Evidence Traceability）：金融场景对幻觉零容忍。报告中的每一个核心数据和结论，都必须有明确的来源支撑。
- 分析充分性（Analytical Sufficiency）：研究不仅要完成信息检索和事实核对，还要能够识别关键矛盾、形成有解释力的分析框架，并在已有信息之上给出真正有价值的增量判断。
- 可读性与可用性（Readability & Usability）：最终产出必须具备极高的信息密度和清晰的结构，能够直接作为商业决策的参考。
问题在于，这三者并不是可以同时单调提升的指标，而更像一个彼此拉扯的三角形。过分强调事实性，模型容易变成“资料搬运工”：引用很多、态度谨慎，但缺少真正的分析推进；过分鼓励分析深度，又容易滑向看起来很有道理、却站不住脚的“精彩幻觉”；如果过于偏好规整结构和稳妥表达，模型则可能减少必要的外部探索和交叉验证，最后写出一篇形式完整、内容保守的报告。金融 Deep Research 的核心挑战，正是在这三者之间找到稳定的平衡。
1.3 现有范式的局限
面对这样的开放式、多目标任务，主流的解决方案很快就会触及天花板：
Workflow 的问题，在于流程太固定。 预先定义好的 Multi-Agent 编排和硬编码节点，适合边界清晰的任务，但很难应对真实投研中不断变化的问题空间。分析“毛利率变化趋势”和分析“地缘政治对供应链的冲击”，所需的检索路径、验证重点和分析框架可能完全不同，静态流程很难兼顾。
SFT（监督微调）的问题，在于它更容易学到语言风格，而非分析能力。 模型可以学会专业的语言风格和篇章结构，却很难从最终报告中学到其中隐含的分析路径：如何拆解问题、如何处理矛盾信息、如何回头查证并修正判断。于是，SFT生成的看起来像一篇像样的研究报告，但往往缺少真正的分析推进和自我验证能力。
1.4 我们的方案
当我们意识到 SFT 只能决定模型能力的下限，而无法教会模型真正的“研究策略”时，转向强化学习（RL）就成了一个必然的选择。
我们的核心思路实现了从“隐式行为模仿”到“显式目标优化”的范式转换：明确定义什么是高质量的金融研究，并让模型在真实的金融数据工具环境中，自主探索达成这一目标的最佳策略。
但要让这套 RL 飞轮真正转动起来，我们在落地过程中必须系统性地跨越三道屏障：
- 衡量“研究质量”的可靠标尺（Benchmarking）。 传统的金融 NLP 评测多聚焦于单轮、封闭式任务，无法评估多轮工具交互与长文本逻辑。在训练开始前，我们必须从零构建一个形式化的评估基准，将其作为整个项目的北极星指标。
- 突破训练数据的成本瓶颈（Training Data）。 让金融专家撰写成千上万份包含完整推理链的标杆研报，其成本是不可接受的，且专家水平会成为模型的“天花板”。我们需要一种范式，将对数据的需求从昂贵的“标准答案”降维到只需提供“高质量的设问”。
- 构建全链路的动态训练环境（Reward & Infrastructure）。 真实的金融环境充满噪音。这不仅要求我们设计一个防作弊（Reward Hacking）的多维 Reward 体系，更要求我们在底层基础设施上实现工程突破——搭建一套专为高并发、多轮次 RL 探索设计的工具缓存与容错架构。
本文将深入拆解我们从零训练这个金融 Deep Research Agent 的全过程。我们将按照上述脉络，分享我们在 Benchmark 体系搭建、Reward 权重博弈，以及底层训练工程化中积累的核心经验与反直觉教训。
2 为金融 Deep Research 定义评测标准
在金融 Deep Research 中，benchmark 不只是评测环节的一部分，它实际上决定了整个系统会朝什么方向演化。评测标准如果抓不住研究任务的本质，后续训练即使持续优化，也可能只是把模型推向更擅长组织表述、更熟悉评分偏好的方向，而不是真正提升研究能力。也正因为如此，在进入训练设计之前，我们先回到一个更基础的问题：什么样的任务能够代表真实的金融研究，什么样的输出才算一份扎实的研究结果，现有 benchmark 又遗漏了哪些关键能力。
2.1 现有Benchmark的局限性
现有金融 benchmark（如 FinBen[1]）大多面向单轮、短文本、封闭式任务，更适合评估知识提取，而不是研究执行。但 Deep Research Agent 的关键能力并不止于“知道答案”，而在于：
- 能否围绕未知问题主动规划工具调用；
- 能否在长上下文中组织证据并保持逻辑一致；
- 能否完成开放式分析，而不只是回答对错题。
这也是为什么我们最终没有直接复用现有基准，而是构建了更贴近真实研究任务的评测集。
2.2 Benchmark 概览
我们的 benchmark 覆盖五类典型金融研究任务：宏观分析、行业研究、事件解读、个股分析和公司研究。每个 domain 选取 6 个代表性 query，共 30 个样本。题目由有资深投研经验的专业人士挑选和设计，并提供参考答案或分析框架。之所以控制在这个规模内，一方面是因为这类题目的设计和标注本身就依赖高成本的专业人力，另一方面也是因为金融 Deep Research 的单样本评测成本并不低，往往需要真实工具调用和多维 judge 配合完成。
这样的设计主要基于两个考虑。第一，按 domain 拆分比只看综合分更有诊断价值。模型可能擅长宏观叙事，却在财务数据对齐上明显失误；只有分 domain 评估，才能看出短板具体出在哪里。第二，相比单纯扩大样本量，我们更看重 query 本身的代表性和区分度，希望有限的样本也能尽量覆盖真实投研中的关键能力。
2.3 评测重点：分析是否充分
一份好的研究报告通常同时要求事实准确、分析充分、表达清晰。 在这些维度中，我们最关注的是分析充分性：模型是否真正组织了证据，是否完成了有支撑的推导，而不是只给出表面上完整的结论。
为了更稳定地衡量这一点，我们没有采用绝对打分，而是使用 pairwise 评估：让 judge 将模型输出与专家参考报告进行对比。这样做有两个好处：一是相对比较通常比绝对评分更稳定；二是参考报告提供的是基线，而不是唯一标准答案，模型仍然可以探索不同但合理的研究路径。
2.4 评测指标与训练目标之间的差别
但这里也存在一个很关键的边界：适合做 evaluation 的指标，不一定适合直接做 RL reward。
如果只看“分析是否充分”，而不约束底层数据是否真实、引用是否可靠，模型就可能学会走捷径：跳过繁琐的工具调用，直接编造看似合理的数据和论证链条。 换句话说，benchmark 可以告诉我们“这篇报告看起来像不像一篇好研究”，但训练时还必须进一步约束“它是不是通过正确的方式完成的”。
这也是为什么在 benchmark 之外，我们还需要为训练单独设计更完整的 reward 体系。
3 设计训练方案
第二章讨论的是“什么样的研究结果更好”；但一旦进入强化学习，一个新的问题就出现了：适合做评测的指标，并不一定适合直接做训练信号。如果 reward 设计不当，模型学到的未必是更好的研究能力，而可能只是更高效的得分策略。
因此，这一章的核心问题不是如何定义“好报告”，而是如何把它转化为一个可优化、且不容易被钻空子的训练目标。
3.1 训练数据：从标准答案转向高质量问题
与监督微调不同，RL 并不依赖大量 (question, gold answer) 对，而更依赖高质量的 query 和合理的 reward。因此，我们将数据设计的重点放在 query 本身，而不是参考答案上。
训练集在分布上与 benchmark 保持一致，同样覆盖 5 个 domain，并与评测集严格隔离。为了让 RL 探索更有效，我们希望这些 query 同时满足几个条件：有一定难度差异、能够覆盖不同研究视角与工具组合、并且能够通过现有金融工具链得到可验证的结论。
基于这一原则，为达到目的，我们设计了专用于金融的问题合成策略。Agent 首先按数据混合比例，从丰富的金融问题类型中选择研究方向；进行头脑风暴，结合真实的金融工具收集有效信息，逐渐填补未知细节；然后，得到一个具有挑战性的金融问题，并将其以多种口吻表述，加入训练集合。最终，收集了约一千条高质量训练 Query。
3.2 奖励设计：从单一总分到多维 Reward
最初我们尝试过最直接的方案：把 benchmark 中的“分析充分性”得分直接作为 reward。但很快发现，这样做会把“写得像一篇完整研究”和“真的完成了一次扎实研究”混在一起。模型确实会朝着更会分析的方向优化，但也更容易走向两类偏差：一类是分析展开了，底层数据和引用却不够可靠；另一类是结构和语气越来越像正式研报，但分析推进本身并不充分。
3.2.1 核心目标与约束项
我们最终把 reward 明确拆成了 1 个核心目标 + 3 个约束项。核心目标是 分析充分性（rm reward），用来鼓励模型真正展开研究、组织证据并形成增量判断； 约束项包括 事实性（audit reward）、引用规范/可追溯性（grounding reward） 和 呈现质量（presentation reward）。 这样的设计对应的正是前面提到的几个关键目标：模型既要把研究做深，也不能脱离事实基础，不能丢掉引用约束，也不能把最终输出写成难以使用的草稿。
写成公式，就是：
我们有意把分析充分性放在最核心的位置，因为这才是金融 Deep Research 最想拉开的能力；而事实性、引用规范和呈现质量更多承担“约束”作用，防止模型沿着最容易得分的方向跑偏。
3.2.2 奖励计算：基于规则计分
确定了多维 reward 之后，下一个问题是怎么把它算得更稳定。如果让 Judge LLM 直接端到端输出总分，训练很容易受到打分波动的影响。对于 RL，尤其是 GRPO 这类方法来说，这种噪声会直接影响优势估计，进而影响策略更新。
因此，我们没有让 LLM 直接决定分数，而是把过程拆成两步：先抽取，再计分。LLM 先把报告中的关键信息、引用和证据关系提取出来，再由规则代码按照预定义逻辑计算各维度得分。
例如，模型写道：“根据 2024 年年报，公司毛利率由 18% 降至 12%。”
Judge LLM 只需要抽取出几个结果：有没有明确数据、有没有来源、数据和结论是否对齐。随后，规则代码再根据这些结果去计算 audit 和 grounding 分数，而不是让 LLM 直接拍脑袋给一个总分。
这样做的好处是两点：一是分数更稳定，二是更容易排查问题。分数异常时，我们可以更快判断，到底是信息抽取出了问题，还是计分规则本身需要调整。
3.2.3 正向奖励和负向惩罚相结合
除了正向奖励，我们也加入了一些简单的惩罚项，用来限制明显无效的策略。
例如，在金融研究任务里，如果模型在整轮 rollout 中几乎不调用工具，那么它大概率无法引入任何增量信息，不能构建有价值的完整推理链。对于这类行为，我们会施加明确的负向惩罚。 这类规则在训练初期可以引导策略奖励迅速提升：它们可以先排除最明显的错误方向，减少无意义的探索空间，把学习重点留给更有价值的行为差异。
3.3 预定义流程
即使 reward 设计合理，如果一开始就让模型在复杂工具环境中完全自由探索，效率通常也不会太高。
在我们的任务里，最常见的问题不是“不会调用工具”，而是“没有形成完整研究过程”：查到一个信息就立刻开始局部分析，最后报告结构松散，证据之间也缺少呼应。一篇像样的研究报告，通常需要先有基本的问题拆解，再围绕几个关键方向展开取证和分析，最后把这些观察收束到主结论上。
基于这个考虑，我们在训练初期给模型提供了一个简单的研究框架：先规划，再执行。模型先给出一个基本的分析提纲，再进入多轮工具交互和写作。这样做的目的，不是把研究路径写死，而是先让模型形成较稳定的研究展开方式，减少无效探索；之后再在训练中逐步调整，学习更适合自己的策略。
4 训练基建
在推理场景里，工具系统的目标通常是“把信息取回来”；但在强化学习里，工具系统本身就成了训练环境的一部分。模型看到的不再只是数据，而是一个会直接影响 Reward、进而影响梯度更新的外部世界。于是，很多在推理阶段还能容忍的小问题——例如偶发超时、接口抖动、返回不稳定——到了训练阶段，都会被大规模并行 rollout 成倍放大。
因此，训练基础设施的核心目标，不是把工具接进来，而是把环境约束住：让模型面对的是一个可调用、可追溯、可重复的研究环境，而不是一个每次运行都略有不同的黑箱。
4.1 从“能用的工具”到“可训练的环境”
对金融 Deep Research 来说，模型需要的是高信噪比的结构化信息，而不是搜索结果里零散的网页片段。像财务数据、行情数据、公告信息、宏观指标这类内容，最好一开始就以可计算、可引用的形式提供给模型。
基于这个考虑，我们把工具系统统一封装成了 Finance-MCP，并已经开源。它把金融研究中常用的数据获取、网页抓取和搜索能力收在同一个 MCP 接口下，既方便 agent 调用，也方便后续训练时做环境管理。
除了结构化接口，我们还专门把同花顺网页内容抓了下来。原因很实际：很多研究所需的信息并不天然存在于标准化表格里，而是散落在公司页、行业页、事件页这类半结构化网页中。如果每次 rollout 都实时访问网页，一方面成本高，另一方面返回结果也容易随时间波动。把这部分页面内容预先抓取和缓存下来，一是能保留同花顺页面里更丰富的上下文信息，二是能让训练时面对的环境更稳定，减少外部网页变化对 reward 的干扰。
在这个基础上，MCP 的价值提现在把不同来源的数据收束到统一接口下，同时保留完整的调用记录。这样，模型后面写进报告里的数据、引用和结论，才能更自然地沿着工具调用链回溯到原始环境反馈，为事实性检查和 reward 计算提供依据。
4.2 训练环境的三个问题，以及我们的处理方式
真正进入训练后，工具环境会立刻遇到三个问题：成本、确定性和鲁棒性。
第一个问题是成本。GRPO 的 group rollout 会让同一个 query 生成多条轨迹，这些轨迹经常会重复调用同样的工具、查询同样的参数。如果每次都真正请求一次外部服务，训练成本会很快失控。我们的做法是把工具执行从训练进程中解耦出来，单独做成 EnvService，再在这一层之上加 MongoDB 缓存。这样，同一个 (tool_name, arguments) 只会真正执行一次，之后直接复用结果。这个设计一方面显著降低了调用成本，另一方面也把外部环境的波动隔离在训练主循环之外。
第二个问题是确定性。训练时最怕同样的动作在不同时间得到不同结果，否则 reward 的变化就很难解释。缓存除了省成本，也顺带解决了这个问题：只要输入相同，返回结果就相同，实验的可复现性也会高很多。
第三个问题是鲁棒性。真实工具环境总会有各种边角问题：API 超时、限流、返回格式异常、JSON 解析失败，甚至 judge LLM 自身也可能抖动。我们的原则很简单：单点失败不能拖垮整条训练链路。为此，我们在几个层次都做了兜底：工具调用失败时重试并返回错误信息；结构化解析阶段做容错修复；评分阶段如果 grader 失败就返回 score=0 并记录日志，而不是直接抛异常中断 batch；judge LLM 侧也配了重试和降级策略。这样做的代价是少量样本会以低分结束，但整个训练过程能继续跑下去，后续再根据日志回头修 grader 的边界情况。
这套基础设施本身并不会直接提高模型上限，但它决定了 reward 能不能稳定、实验能不能复现、训练能不能长期跑通。对 RL 来说，这些往往不是“工程细节”，而是训练能否成立的前提。
5 实验结果
我们从训练曲线和外部 benchmark 两个角度，观察 RL 训练后策略的变化。
延续前面的设计，最终 reward 由 1 个核心目标和 3 个约束项 组成：
rm 对应分析充分性，audit 对应事实性，grounding 对应引用规范，presentation 对应呈现质量。
其中，每个维度都是0-1的分数。
5.1 训练动态：主要提升来自分析能力
从训练曲线看，final_reward_mean 从约 0.54 持续提升到 0.75 左右，整体优化过程比较稳定。拆开来看，提升最明显的是 rm_raw_mean，大约从 0.30 增长到 0.60+，说明这一轮 RL 的主要收益确实来自分析充分性的提升。 与此同时，几个约束相关指标整体保持稳定：presentation 大部分时间维持在 0.95 以上，grounding 基本稳定在 0.90–0.95 区间，audit_raw_mean 也从约 0.60 缓慢提升到 0.73 左右。换句话说，这轮训练并不是靠牺牲事实性、引用规范或呈现质量来换取更高分，而是在守住这些约束的前提下，把主要增益集中在“研究是否做得更充分”这一核心目标上。
5.2 外部评测：提升不只局限于金融任务
我们进一步在 DeepResearch Bench[2] 上进行了 zero-shot 测试。结果显示，我们的方法在 overall score 上达到 0.476，高于 base30b (0.127)、tongyidr (0.277)，也高于表中的 claude3.7 (0.422)。
| model | finance | others | overall | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| comprehensiveness | insight | instruction_following | readability | overall_score | comprehensiveness | insight | instruction_following | readability | overall_score | comprehensiveness | insight | instruction_following | readability | overall_score | |
| Qwen3-30B-A3B-Instruct-2507 | 0.181 | 0.169 | 0.191 | 0.211 | 0.184 | 0.112 | 0.111 | 0.117 | 0.137 | 0.118 | 0.122 | 0.119 | 0.128 | 0.148 | 0.127 |
| Tongyi DeepResearch | 0.291 | 0.282 | 0.316 | 0.313 | 0.296 | 0.270 | 0.260 | 0.289 | 0.290 | 0.274 | 0.273 | 0.263 | 0.293 | 0.293 | 0.277 |
| Claude 3.7 | 0.404 | 0.398 | 0.465 | 0.416 | 0.417 | 0.412 | 0.406 | 0.462 | 0.417 | 0.423 | 0.411 | 0.405 | 0.462 | 0.417 | 0.422 |
| Ours | 0.476 | 0.472 | 0.488 | 0.487 | 0.479 | 0.470 | 0.470 | 0.485 | 0.484 | 0.475 | 0.471 | 0.471 | 0.485 | 0.484 | 0.476 |
这种提升不仅体现在 finance 子集上，也体现在 others 子集上：我们的 finance overall score 为 0.479，others overall score 为 0.475，两者都明显高于对应基线。并且，这一优势并不是来自单一指标，而是同时体现在 comprehensiveness、insight、instruction following 和 readability 等多个维度上。
整体来看，这些结果说明，RL 训练带来的提升并不只是对金融任务风格的适配，而更像是在强化一种可迁移的研究过程。
5.3 案例分析
为了更直观地看 RL 带来的变化，我们选取同一道开放式研究task作为案例：“国内通过品牌拓展实现产品型出海的代表性企业深度研究”。
训练前
# 国内通过品牌拓展实现产品型出海的代表性企业深度研究报告 ## 摘要 1. 中国涌现出一批以产品创新为核心驱动力、成功实现品牌出海的代表性企业，涵盖消费电子、汽车零部件、高端白酒等多个领域。 2. **长盈精密**（300115）通过深度绑定苹果、小米、华为等头部科技品牌，向人形机器人、AI服务器、新能源汽车等高增长赛道拓展，已形成“技术+品牌”双轮驱动的全球化布局。 3. **星宇股份**（601799）作为全球车灯龙头，在汽车电子、无人驾驶、人形机器人等前沿领域持续领先，2025年在细分行业中各项核心指标均排名第一，彰显其强大的品牌溢价与技术壁垒。 4. **贵州茅台**（600519）作为中国超级品牌，其“国酒”形象已深度融入全球高端消费文化，通过品牌价值实现产品溢价，是“文化出海”与“品牌出海”结合的典范。 5. 2024年中国跨境电商出口规模达2.15万亿元，同比增长16.9%，产品创新与品牌建设已成为企业出海的核心竞争力[1]。 ## 一、企业核心画像与出海战略 ### 1. 长盈精密（300115）：从“代工厂”到“全球智能硬件核心供应商” - **核心定位**：全球领先的消费电子精密零组件及新能源产品零组件制造商。 - **出海战略**：以“产品+技术”为核心，深度嵌入全球科技巨头供应链，逐步从被动代工转向主动定义产品标准。 - **关键举措**： - **技术先行**：布局人形机器人“小脑”控制系统、高速连接器（支持PCIe Gen5/Gen6）、AI服务器铜缆连接等前沿技术[2]。 - **客户多元化**：客户覆盖苹果、华为、小米、三星、特斯拉、英伟达（未合作）等全球头部科技企业[2]。 - **全球化布局**：在消费电子、新能源、人形机器人三大领域同步推进，2025年前三季度人形机器人相关产品交付价值超8000万元[2]。 ### 2. 星宇股份（601799）：以“技术品牌”引领汽车智能化浪潮 - **核心定位**：全球领先的汽车照明与智能座舱系统解决方案提供商。 - **出海战略**：以“技术品牌”为护城河，从传统车灯制造商转型为智能汽车生态的核心参与者。 - **关键举措**： - **技术领先**：发布全球速度最快的小型六轴工业机器人TR8，布局人形机器人[3]。 - **生态协同**：与华为、特斯拉等企业建立深度合作关系，产品应用于智能驾驶（毫米波雷达）、智能座舱、无人驾驶等领域[3]。 - **市场扩张**：2025年荣登“全球开放式创新百强榜单”，彰显其在技术创新与生态协同方面的全球影响力[3]。 ### 3. 贵州茅台（600519）：以“文化品牌”实现高端产品全球渗透 - **核心定位**：中国白酒的超级品牌，世界三大蒸馏名酒之一。 - **出海战略**：以“国酒”文化为载体，通过品牌价值实现产品溢价，构建全球高端消费市场。 - **关键举措**： - **品牌护城河**：拥有八项国家级非物质文化遗产认证，品牌历史可追溯至汉代，具备不可复制的文化底蕴[4]。 - **高端定位**：产品定位超高端，如2025年推出的“巴拿马”酒售价11000元/瓶，首日销量破万瓶[4]。 - **全球布局**：产品远销全球150多个国家和地区，是“中国名片”出海的典范[4]。 ## 二、财务与行业地位分析 ### 1. 长盈精密（300115）：成长性承压，但技术布局领先 - **财务表现**（2025年三季报）： - 营业收入同比增长11.68%，但净利润同比下降21.25%，净利率从5.29%降至3.88%[5]。 - 现金流净额同比下降40.97%，销售现金比率从6.22%降至3.29%[5]。 - **行业地位**：在“消费电子零部件及组装”细分行业中，各项核心指标（营收、利润、资产、净资产收益率）均位列第36名，处于行业中上游水平[6]。 ### 2. 星宇股份（601799）：全面领先，行业龙头地位稳固 - **财务表现**（2025年三季报）： - 营业收入同比增长16.09%，净利润同比增长16.76%，盈利能力持续增强[7]。 - 现金流表现优异，净利润现金含量高达155.19%，远超行业平均水平[7]。 - **行业地位**：在“汽车零部件-车身附件及饰件”细分行业中，所有核心财务指标（每股收益、净利润、净资产收益率、毛利率等）均排名第一，是无可争议的行业龙头[8]。 ### 3. 贵州茅台（600519）：绝对霸主，盈利能力与资产质量双优 - **财务表现**（2025年三季报）： - 营业收入同比增长6.36%，净利润同比增长6.25%，增长虽放缓但依然稳健[9]。 - 销售毛利率高达91.29%，净资产收益率为24.64%，均处于行业绝对领先地位[9]。 - **行业地位**：在“白酒Ⅲ”细分行业中，所有核心财务指标（营收、利润、资产、毛利率、股东权益比率）均排名第一，是行业无可争议的“一哥”[10]。 ## 三、核心概念与市场认知 | 企业 | 核心概念 | 市场认知 | |------|----------|----------| | 长盈精密 | 人形机器人、苹果概念、小米概念、华为概念、AI PC、5G、新能源汽车 | 作为“科技巨头的隐形冠军”，是AI、机器人、新能源等高增长赛道的核心受益者[2]。 | | 星宇股份 | 人形机器人、华为汽车、无人驾驶、智能座舱、毫米波雷达 | 以“技术品牌”著称，是智能汽车产业链中不可或缺的“关键零部件供应商”[3]。 | | 贵州茅台 | 超级品牌、白酒概念、老字号、国企改革 | 代表中国高端消费文化，是“国酒”与“文化出海”的象征[4]。 | ## 结论与建议 1. **出海模式分化**：中国企业的出海路径已从早期的“代工出海”演变为“品牌出海”与“技术出海”并行。长盈精密代表“技术驱动型”，星宇股份代表“品牌技术融合型”，茅台代表“文化品牌型”。 2. **未来趋势**：产品创新与品牌建设是企业出海的核心竞争力。2024年，中国出海新锐消费品牌在产品创新力方面表现突出，研发投入占成本支出约15%[1]。 3. **投资建议**： - **长期持有**：贵州茅台凭借其不可复制的品牌护城河，是长期配置的优质资产。 - **关注成长**：星宇股份在智能汽车与人形机器人领域布局领先，具备高成长潜力。 - **风险提示**：长盈精密当前盈利能力承压，需密切关注其在人形机器人等新业务上的转化效率。 ## References [1] 2024中国出海新锐消费品牌榜单:透视出海新趋势与品牌成长路径,工具: dashscope_search,参数:query=2024年中国出海品牌 产品创新 电商销售增长,数据日期/报告期:2025-07-01,来源 - https://www.sohu.com/a/842844447_121850782 [2] 长盈精密：公司开发的应用于服务器、工作站内部高速背板连接器产品已给国内头部客户送样验证,工具: crawl_ths_news,参数:code=300115,数据日期/报告期:2025-12-19,来源 - http://news.10jqka.com.cn/field/20251219/673349415.shtml [3] 星宇股份荣登 “2025全球开放式创新百强榜单”,工具: crawl_ths_news,参数:code=601799,数据日期/报告期:2025-12-12,来源 - http://news.10jqka.com.cn/field/20251212/673165980.shtml [4] 茅台“跳水”跌破官方指导价！高端白酒难言价格见底,工具: crawl_ths_news,参数:code=600519,数据日期/报告期:2025-12-12,来源 - http://news.10jqka.com.cn/field/20251212/673179092.shtml [5] 长盈精密：本期净利润增长率：-21.25%，去年同期为38159.10%，企业成长潜力停止扩张转入收缩,工具: crawl_ths_finance,参数:code=300115,数据日期/报告期:2025-09-30,来源 - https://basic.10jqka.com.cn/300115/finance.html#stockpage [6] 长盈精密在“消费电子零部件及组装”细分行业中，各项核心指标均位列第36名,工具: crawl_ths_field,参数:code=300115,数据日期/报告期:2025-09-30,来源 - https://basic.10jqka.com.cn/300115/field.html#stockpage [7] 星宇股份：净利润同比增长16.76%，净利润现金含量高达155.19%,工具: crawl_ths_finance,参数:code=601799,数据日期/报告期:2025-09-30,来源 - https://basic.10jqka.com.cn/601799/finance.html#stockpage [8] 星宇股份在“汽车零部件-车身附件及饰件”细分行业中，所有核心财务指标均排名第一,工具: crawl_ths_field,参数:code=601799,数据日期/报告期:2025-09-30,来源 - https://basic.10jqka.com.cn/601799/field.html#stockpage [9] 贵州茅台：销售毛利率高达91.29%，净资产收益率为24.64%,工具: crawl_ths_finance,参数:code=600519,数据日期/报告期:2025-09-30,来源 - https://basic.10jqka.com.cn/600519/finance.html#stockpage [10] 贵州茅台在“白酒Ⅲ”细分行业中，所有核心财务指标均排名第一,工具: crawl_ths_field,参数:code=600519,数据日期/报告期:2025-09-30,来源 - https://basic.10jqka.com.cn/600519/field.html#stockpage --- *本报告基于公开信息整理分析，仅供参考，不构成投资建议。投资有风险，入市需谨慎。* [TASK_COMPLETED]训练后
# 国内通过品牌拓展实现产品型出海的代表性企业深度研究报告 ## 摘要 本报告聚焦于中国通过品牌化战略实现产品型出海的代表性企业，基于多维度数据与公开信息，系统分析了安克创新、乐歌股份、傲基科技、致欧科技等企业在品牌出海路径、财务表现、市场布局及战略动向上的核心特征。研究发现，以安克创新为代表的消费电子品牌，通过“多品牌+跨境电商+本地化渠道”三位一体战略，已在全球180多个国家建立品牌认知，2025年营收预测达321亿元，净利润超26亿元，ROE高达20.27%。家居品类企业则呈现“OEM转型品牌+跨境电商+海外仓布局”模式，如致欧科技、乐歌股份等在欧洲、北美市场实现高速增长。整体来看，中国品牌出海已从“代工出海”迈向“品牌出海”新阶段，技术、供应链与本地化运营能力成为核心竞争力。 ## 一、核心出海企业识别与分类 ### 1. 消费电子领域：安克创新（300866.SZ）——全球消费电子品牌出海典范 安克创新（Anker）是中国品牌出海的标杆企业，成立于2011年，以充电宝切入市场，通过亚马逊等电商平台迅速打开北美、欧洲等海外市场，现已发展为覆盖智能充电、音频、智能家居、创新硬件的多品牌矩阵。其核心出海模式为“自主品牌+跨境电商平台+线下渠道拓展+本地化运营”[1]。 - **品牌矩阵**：旗下拥有Anker（充电）、Soundcore（音频）、Eufy（智能家居）、Nebula（投影）等六大品牌，产品销往全球180多个国家及地区[2]。 - **市场覆盖**：2024年底，公司全年营收达247.1亿元，服务超1.4亿用户，境外营收占比超95%[3]。 - **渠道布局**：线上依托亚马逊、eBay、独立站；线下成功进入沃尔玛、塔吉特、百思买、好市多、MediaMarkt等全球主流零售网络[4]。 ### 2. 家居用品领域：多企业并行，形成“三足鼎立”格局 中国家居品类出海企业呈现多元化发展路径，主要可分为三类： #### （1）跨境电商平台主导型 - **致欧科技**：通过亚马逊、ManoMano、eBay等平台销售，2024年上半年营收同比增长41.22%，欧洲市场营收占比高达62.06%[5]。 - **傲基科技**：旗下拥有ALLEWIE、IRONCK、LIKIMIO等多个家居品牌，2023年已有11个品牌GMV超1亿元，是中国家居B2C海外电商的领先企业[6]。 #### （2）品牌+海外仓+本地化运营型 - **乐歌股份**（300729.SZ）：从代工起家，2009年注册“乐歌”商标，成功上市。其智能调节桌等产品在海外市场持续热销，2025年前三季度营收48.46亿元，净利润1.69亿元[7]。 - **梦百合**：通过收购西班牙床垫品牌思梦、美国家具零售企业MOR等，实现品牌与渠道的双重本地化[8]。 #### （3）重资产生产基地+自主品牌出海型 - **顾家家居**：在印尼、越南、墨西哥、美国等地布局生产基地，以自有品牌KUKA HOME在60多个国家开设门店，2024年上半年海外营收达38.87亿元，同比增长12.59%[9]。 - **欧派家居**：已在60多个国家与地区开设100多家品牌门店，定制家居产品出口至128个国家和地区，2023年海外渠道营收3.2亿元，同比增长46.5%[10]。 ## 二、核心企业财务与经营分析 ### 1. 安克创新（300866.SZ）：高成长、高盈利，但现金流承压 #### （1）盈利能力与成长性 - **毛利率**：2025年前三季度为44.68%，同比提升0.4个百分点，主营获利能力稳定[11]。 - **净利率**：9.37%，同比提升0.07个百分点，经营效益提高[11]。 - **净资产收益率（ROE）**：20.27%，远高于行业平均水平，回报股东能力显著增强[11]。 - **净利润增长率**：2025年前三季度达31.34%，成长潜力增强[11]。 #### （2）市场与行业地位 - 在“品牌消费电子”细分领域（共10家）中，安克创新在净利润、营收、ROE、毛利率等核心指标上均排名第一[12]。 - 在“消费电子”大类（共102家）中，ROE、毛利率、净利润等指标均位列前茅，是行业龙头[12]。 #### （3）现金流与风险 - **销售现金比率**：-4.11%，去年同期为10.04%，销售占用资金局面未改[11]。 - **净利润现金含量**：-44.75%，去年同期为112.21%，销售回款能力恶化[11]。 - **现金营运指数**：-0.53，去年同期为0.81，收益质量下降[11]。 - **结论**：尽管盈利强劲，但经营性现金流为负，对投资支出的现金支持能力被严重削弱，可持续经营能力面临压力[11]。 ### 2. 乐歌股份（300729.SZ）：稳健增长，但盈利能力有待提升 #### （1）财务表现 - **毛利率**：26.07%，同比下降3.77个百分点，主营获利能力削弱[13]。 - **净利率**：3.49%，同比下降3.19个百分点，经营效益大幅下降[13]。 - **ROE**：4.68%，同比下降3.87个百分点，回报股东能力变弱[13]。 - **净利润增长率**：-36.33%，企业成长潜力重回升势[13]。 #### （2）行业地位 - 在“其他家居用品”（共29家）中，乐歌股份在净利润、营收、ROE、毛利率等指标上均排名第9位[14]。 - 在“家居用品”大类（共81家）中，排名同样为第23位，处于行业中游水平[14]。 #### （3）市场前景 - 2025年机构预测其净利润均值为3.05亿元，EPS为0.89元，2026年净利润预测为3.82亿元，显示未来增长预期[15]。 ## 三、品牌出海战略与核心驱动力分析 ### 1. 安克创新：从“产品出海”到“品牌出海”的战略跃迁 安克创新的成功源于其系统性的品牌出海战略： - **技术驱动**：坚持“技术立企”，研发占比从2022年的7.6%提升至2025年前三季度的9.3%。在氮化镓（GaN）技术领域，率先实现商业化普及，解决高频开关下的电磁干扰与散热难题[16]。 - **多品牌矩阵**：通过Anker、Soundcore、Eufy等品牌，覆盖充电、音频、智能家居等多场景，降低单一品类风险[17]。 - **本地化运营**：针对不同市场推出定制化产品，如日本市场推出迷你化、樱花色系产品；在YouTube开设官方教学频道，累计订阅超300万，建立用户情感连接[18]。 - **渠道多元化**：线上以亚马逊为主，同时大力发展独立站（收入增速超100%）；线下进入沃尔玛、百思买等全球零售巨头，实现全渠道覆盖[19]。 ### 2. 家居品类企业：从“代工”到“品牌”的转型路径 家居品类企业的出海路径呈现“三步走”特征： 1. **OEM/ODM起家**：早期以代工模式为主，积累供应链与制造经验。 2. **品牌化转型**：注册自有品牌，如乐歌股份的“乐歌”、致欧科技的“JOLI”。 3. **全球化布局**：通过跨境电商平台销售，同时自建海外仓，实现“本地化”运营，提升物流效率与客户体验。 ## 四、行业趋势与未来展望 ### 1. 行业发展趋势 - **从“渠道出海”到“品牌出海”**：企业不再满足于通过亚马逊等平台销售，而是致力于打造全球知名品牌，提升溢价能力。 - **从“单一品类”到“多品类矩阵”**：安克创新、乐歌股份等企业已从单一产品（如充电宝、升降桌）拓展至多品类，构建生态壁垒。 - **从“依赖平台”到“渠道多元化”**：为降低对亚马逊等第三方平台的依赖，企业正大力发展独立站、线下渠道及新兴社交电商（如TikTok Shop）[20]。 - **从“中国制造”到“中国智造”**：技术投入成为核心竞争力，如安克创新在GaN、AI、物联网等领域的布局[21]。 ### 2. 未来投资机会 - **高研发投入、技术壁垒高的企业**：如安克创新、大疆等，具备长期增长潜力。 - **拥有自主品牌与全球渠道网络的企业**：如乐歌股份、顾家家居，具备抗风险能力。 - **在新兴市场（东南亚、南美、中东）布局深入的企业**：如致欧科技、恒林股份，有望享受高增长红利。 ## 五、结论与建议 ### 1. 核心结论 - **安克创新**是消费电子领域品牌出海的绝对龙头，凭借技术、品牌与渠道优势，已构建全球竞争力，但需警惕现金流风险。 - **家居品类企业**正加速从“代工”向“品牌”转型，形成以致欧科技、乐歌股份、顾家家居为代表的多元化格局。 - 中国品牌出海已进入“品牌化、技术化、本地化”新阶段，未来竞争将聚焦于品牌价值、技术创新与全球运营能力。 ### 2. 投资建议 - **长期持有**：安克创新（300866.SZ）具备强大的品牌护城河和增长潜力，建议长期持有，但需密切关注其现金流改善情况。 - **关注转型**：乐歌股份（300729.SZ）作为家居出海的代表，若能提升盈利能力，有望迎来估值修复。 - **布局新兴市场**：关注在东南亚、南美等新兴市场布局深入的企业，如恒林股份、匠心家居等，享受高增长红利。 ## References [1] 安克创新品牌出海路径分析, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [2] 安克创新全球市场布局, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [3] 安克创新2024年营收与用户数据, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [4] 安克创新线下渠道布局, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [5] 致欧科技2024年营收增长, 工具: dashscope_search, 参数: query=中国家居品牌出海 代表企业 市场份额, 数据日期/报告期: 2025-12-30, 来源 - https://www.sohu.com/a/960292040_121851694 [6] 傲基科技品牌布局, 工具: dashscope_search, 参数: query=中国家居品牌出海 代表企业 市场份额, 数据日期/报告期: 2025-12-30, 来源 - https://www.sohu.com/a/960292040_121851694 [7] 乐歌股份2025年三季报财务数据, 工具: crawl_ths_finance, 参数: code=300729, 数据日期/报告期: 2025-09-30, 来源 - https://basic.10jqka.com.cn/300729/finance.html#stockpage [8] 梦百合海外收购案例, 工具: dashscope_search, 参数: query=中国家居品牌出海 代表企业 市场份额, 数据日期/报告期: 2025-12-30, 来源 - https://www.sohu.com/a/960292040_121851694 [9] 顾家家居2024年海外营收, 工具: dashscope_search, 参数: query=中国家居品牌出海 代表企业 市场份额, 数据日期/报告期: 2025-12-30, 来源 - https://www.sohu.com/a/960292040_121851694 [10] 欧派家居海外渠道营收, 工具: dashscope_search, 参数: query=中国家居品牌出海 代表企业 市场份额, 数据日期/报告期: 2025-12-30, 来源 - https://www.sohu.com/a/960292040_121851694 [11] 安克创新2025年三季报财务指标, 工具: crawl_ths_finance, 参数: code=300866, 数据日期/报告期: 2025-09-30, 来源 - https://basic.10jqka.com.cn/300866/finance.html#stockpage [12] 安克创新行业排名与竞品对比, 工具: crawl_ths_field, 参数: code=300866, 数据日期/报告期: 2025-09-30, 来源 - https://basic.10jqka.com.cn/300866/field.html#stockpage [13] 乐歌股份2025年三季报财务指标, 工具: crawl_ths_finance, 参数: code=300729, 数据日期/报告期: 2025-09-30, 来源 - https://basic.10jqka.com.cn/300729/finance.html#stockpage [14] 乐歌股份行业排名与竞品对比, 工具: crawl_ths_field, 参数: code=300729, 数据日期/报告期: 2025-09-30, 来源 - https://basic.10jqka.com.cn/300729/field.html#stockpage [15] 乐歌股份未来三年盈利预测, 工具: crawl_ths_worth, 参数: code=300729, 数据日期/报告期: 2025-12-27, 来源 - https://basic.10jqka.com.cn/300729/worth.html#stockpage [16] 安克创新研发投入与GaN技术, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [17] 安克创新多品牌矩阵, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [18] 安克创新本地化运营与用户互动, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [19] 安克创新渠道多元化战略, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [20] 安克创新TikTok Shop布局, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc [21] 安克创新AI与物联网布局, 工具: dashscope_search, 参数: query=安克创新 品牌出海 战略 跨境电商 本地化, 数据日期/报告期: 2025-12-30, 来源 - https://baijiahao.baidu.com/s?id=1848648133881226973&wfr=spider&for=pc --- [TASK_COMPLETED]训练前的报告已经有了完整的研报形式，但题目抓得还不够准，研究对象和主线都有些发散。训练后，最明显的变化不是文风，而是先把对象选对，再把证据接上来。一方面，企业选择更贴近“品牌出海”这个主题；另一方面，引用和数据支撑明显更充分，财务表现、行业位置、渠道布局和本地化策略能够互相对上，不再只是零散材料的拼接。
| 维度 | 训练前 | 训练后 |
|---|---|---|
| 对象选择 | 选了长盈精密、星宇股份、贵州茅台，和“品牌拓展实现产品型出海”的贴合度有限 | 聚焦安克创新、致欧科技、乐歌股份、傲基科技等，更接近题目本身 |
| 证据与引用 | 有引用，但数量较少，主要服务于个别公司材料补充 | 引用明显变多，从 10 条增加到 21 条，财务、行业、渠道和战略信息更完整 |
| 分析组织 | 更像把几家公司的材料并排展开，主线不够稳 | 先识别企业类型，再按出海路径、渠道、本地化和财务表现展开，结构更清楚 |
| 结论质量 | 能形成结论，但更多停留在总结层面 | 能把个案往上收，归纳出“代工出海走向品牌出海”的共性路径 |
这个例子比较能说明，RL 带来的提升不只是把报告写得更像样，而是让模型在选对象、补证据、搭框架、收结论这几个关键环节上，离真实研究过程更近了一步。
6 踩坑与反思：RL 训练的工程现实
回看整个金融 Deep Research Agent 的训练过程，最大的挑战并不主要来自算法本身，而是如何为 RL 提供一个足够稳定的环境和评估基座。对这类多轮工具调用任务来说，训练效果往往取决于三件事：环境是否稳定、训练过程是否允许合理探索、评测信号是否足够可靠。
6.1 环境不稳定，会放大“走捷径”的倾向
在真实金融 API 环境中，限流、超时和偶发抖动很难完全避免。我们在早期实验中很快发现：如果把这些不稳定因素直接暴露给模型，策略会倾向于规避真实工具调用，转而用更冒险但更“省事”的方式完成任务，例如直接编造数据来拼接报告。
这也是为什么训练侧的缓存、状态冻结和错误隔离不只是工程优化，而是训练设计的一部分。它们的作用并不只是省成本、提吞吐，更重要的是减少环境噪声对策略学习的干扰，避免模型因为外部不稳定而学到错误的行为。
6.2 不同能力的提升通常不同步
多维 reward 下，模型各项能力的变化往往并不同步。训练中更常见的情况是：某些容易优化的部分先提升，而另一些更依赖综合能力的维度提升较慢。 这在我们的实验里也有所体现：分析充分性是最终收益的主要来源，而事实性、引用规范和写作质量更多表现为在波动中逐步稳定。
这意味着，训练过程中出现局部波动并不罕见。只要整体趋势没有失稳，通常不需要过早因为短期起伏而频繁调整 reward 权重。相比不断“追着曲线调参数”，更重要的是先确认方向是否正确，再给策略一定的收敛空间。
6.3 评测信号的稳定性，往往比想象中更重要
在 RL 尤其是 GRPO 这类方法中，奖励信号的方差会直接影响优势估计的质量。如果评测过程本身波动很大，那么策略更新很容易被噪声带偏。 因此，我们最终更倾向于把“理解”与“打分”拆开：让 LLM 负责语义判断和结构化抽取，而把最终分值尽量交给确定性的规则计算。这样做未必最灵活，但在训练阶段通常更稳定，也更容易定位问题。
从工程角度看，一个足够稳定的评测系统，很多时候比更复杂的训练技巧更重要。
最小复现关键点
如果要复现这类多轮 Tool-use RL 范式，我们认为至少需要以下几个部分：
| 核心模块 | 最低要求 |
|---|---|
| Foundation Model | 具备基础多轮工具调用能力，或已通过 SFT 对齐到可用起点 |
| Data Engine | 少量但具备多样性的 seed queries，不依赖标准答案 |
| Tool Execution | 统一的结构化工具接口，支持调用链路追踪 |
| Reward Design | 以分析充分性为核心，同时保留事实性、引用和呈现质量等约束 |
| Evaluation Infra | 语义抽取与规则算分结合的稳定评测流程 |
| Training Infra | 能隔离环境噪声、缓存重复调用，并对边缘异常做安全降级 |
整体上，这次实践给我们的最大体会是：对金融 Deep Research 这类任务来说，RL 的难点往往不在“如何更新模型”，而在“如何让模型面对一个值得学习的环境”。
一句话总结
训练金融 Deep Research Agent，本质上不是教模型生成一篇篇看起来更完整的报告，而是定义什么是好的研究，并把它转化为可评估、可反馈、可优化的训练信号；当这套机制足够清晰稳定，模型才有可能逐步学会真正有效的研究策略。
参考链接
- Finance-MCP 金融工具：https://github.com/flowllm-ai/finance-mcp
- 金融workflow：https://github.com/cuiyuebing/agentscope-samples/blob/dev_open_alias_all/alias/docs/financial_analysis.md
- Agentscope：https://github.com/agentscope-ai/agentscope
- Agentscope-Samples：https://github.com/agentscope-ai/agentscope-samples
- AgentJet：https://github.com/modelscope/AgentJet
引用文献
- Xie, Q., Han, W., Chen, ... & Huang, J. (2024). FinBen: A Holistic Financial Benchmark for Large Language Models. arXiv preprint arXiv:2402.12659.
- Du, M., Xu, B., Zhu, C., Wang, X., & Mao, Z. (2025). DeepResearch Bench: A Comprehensive Benchmark for Deep Research Agents. arXiv preprint arXiv:2506.11763.
- 同花顺API：https://basic.10jqka.com.cn/