Benzinga 是实时财经新闻、市场数据和金融 API 的领先提供商，该公司宣布与专为金融机构打造的 AI 个性化与互动平台 WNSTN 扩大合作关系。在扩大的合作下，两家公司将联合向市场推出面向券商的综合解决方案：WNSTN 将提供 AI 智能层，而 Benzinga 则提供支撑该层的实时及历史市场数据。

此次扩大的方案建立在双方在 Benzinga 自有产品中一年合作的基础之上。自 2025 年在面向活跃交易者的平台 Benzinga Pro 上推出以来，由 WNSTN 驱动的 Benzinga AI 一直为 Benzinga 的活跃交易者和金融专业人士提供自然语言对话、新闻摘要和市场分析功能。该产品获得了强劲的用户采用，互动度增长了 25 倍，这让两家公司有信心将这项技术推向 Benzinga 之外，提供给更广泛的金融平台。

对于券商而言，这一联合方案旨在缩短“希望在客户体验中引入 AI”与“能够在内部为此提供依据”之间的距离。WNSTN 提供构建在数据之上的多个触点，包括对话层、投资组合感知的个性化、全天候市场监控、可操作的投资想法以及定制化摘要。该平台还包含一个基于全球监管框架训练的合规代理——包括监管美国经纪自营商的 FINRA 和 SEC、塞浦路斯的 CySEC，以及适用于欧盟的 MiFID II——所有输出在到达最终用户之前都会经过该合规层。Benzinga 则提供底层市场情报：实时股票新闻、分析师评级、财报和企业事件、SEC 文件，以及对价格走势的“Why Is It Moving”解读，同时提供用于检索和背景参考的历史存档。

数据质量已成为金融 AI 的现实制约因素。无论底层信息是否最新、归属是否正确、是否标记到正确的证券，模型都能给出看似可信的回答，而在券商环境中，这类失误会带来监管层面的严重后果。结构化、带时间戳、含实体标记的市场数据可以在检索层降低这种风险，在任何护栏发挥作用之前予以防范。

“金融 AI 的大多数失效模式都可以追溯到检索层，而非模型本身，”Benzinga 首席执行官 Dave Maher 表示。“如果数据到达得太晚，或者缺乏清晰的时间戳和实体标记，输出就会是看似可信的错误答案，而在本行业，这种错误的代价极高。过去一年，我们在 Benzinga Pro 中基于自有数据源运行 Benzinga AI，相当于进行了一次实地检验，回答质量直接取决于底层数据的结构。WNSTN 构建了编排与合规层，使这种结构在券商环境中发挥作用，因此将两者联合推向市场是合乎逻辑的下一步。”

此次公告还反映出 Benzinga 数据授权方式的更广泛转变。过去一年，该公司扩展了其 API 基础设施，以服务大语言模型和检索增强生成（RAG）工作负载——即模型在每次查询时从索引语料库中检索源材料的做法——并建立了专门针对 AI 用例设计的授权框架，而不是将其视为传统再分发条款的例外。Benzinga 目前向 30 个国家的 400 多家客户授权内容和数据，其中越来越多的客户正在构建 AI 原生产品。

“券商选择 WNSTN，是因为我们将复杂的市场数据转化为对其客户而言具有个人相关性、易于理解且可操作的内容，”WNSTN 联合创始人兼首席营收官 Rakover 表示。“WNSTN 不仅仅是汇总信息，它消化信息、将其置于背景之中，并为每位用户定制信息的呈现方式。核心在于在合适的时间，以用户最能理解的方式，为其提供合适的信息。我们正是这样在券商平台内将数据转化为行动的，同时将合规内置于体验之中。Benzinga 的实时与历史数据覆盖强化了这一能力，而其在 Benzinga Pro 中对 WNSTN 的使用，则证明了我们的技术能够在活跃交易者这一高要求用户群体中投入实际生产。”

据两家公司称，其影响是可量化的。WNSTN 对一家美国经纪自营商客户一年数据的分析发现，与其 AI 互动的投资者执行交易的次数是未互动者的 2.3 倍。约一半与 WNSTN 聊天互动过的用户在互动后 24 小时内完成了一笔交易。

该联合方案现已面向券商和金融平台提供，支持白标部署和 API 集成选项。白标部署使 AI 功能能够以券商自身的品牌出现在其客户体验中，而 API 集成则允许平台将底层数据和 AI 能力直接嵌入现有工具。