Benzinga 是即時財經新聞、市場數據與金融 API 的領先供應商，該公司宣布與 WNSTN 擴大合作關係。WNSTN 是專為金融機構打造的 AI 個人化與互動平台。在擴大的合作夥伴關係下，兩家公司將共同以整合式解決方案進軍券商市場：WNSTN 將提供 AI 智慧層，而 Benzinga 則提供作為其基礎的即時與歷史市場數據。

此次擴大的方案建立在雙方於 Benzinga 自有產品內一年的合作基礎之上。自 2025 年在 Benzinga Pro(該公司面向活躍交易者的平台)上線以來，由 WNSTN 驅動的 Benzinga AI 一直為 Benzinga 的活躍交易者與金融專業人士用戶群提供自然語言聊天、新聞摘要與市場分析功能。該產品獲得了強勁的用戶採用，包括參與度提升 25 倍，這讓兩家公司有信心將這項技術推廣到 Benzinga 之外，提供給更廣泛的金融平台使用。

對券商而言，這項聯合方案的目標是縮短「希望在客戶體驗中導入 AI」與「能夠在內部為其辯護」之間的距離。WNSTN 提供建立在數據之上的多個接觸點，包括對話層、投資組合感知個人化、全天候市場監控、可操作的投資想法與客製化摘要。該平台還包含一個接受過全球監管框架訓練的合規代理——包括監管美國券商經紀商的 FINRA 與 SEC、賽普勒斯的 CySEC,以及歐盟的 MiFID II——所有輸出在送達最終用戶之前，都會經過該合規層。Benzinga 則提供底層的市場情報：即時股票新聞、分析師評級、財報與企業事件、SEC 文件，以及解釋價格走勢的「Why Is It Moving」內容，並附有用於檢索和背景參考的歷史檔案。

數據品質已成為金融 AI 的實際制約因素。無論底層資訊是否為最新、是否正確標註來源、或是否標記到正確的證券，模型都能給出自信的回答，而在券商環境中，這類失誤會帶來監管層面的影響。結構化、帶有時間戳記與實體標記的市場數據，能在檢索層就降低這種風險，而無需依賴任何防護機制事後攔截。

「金融 AI 的大多數失效模式都可以追溯到檢索層而非模型本身，」Benzinga 執行長 Dave Maher 表示。「如果數據延遲送達，或缺乏乾淨的時間戳記與實體標記，輸出結果就會是自信但錯誤的，在這個行業裡，這代價非常昂貴。過去一年，我們在 Benzinga Pro 內以自有數據源運行 Benzinga AI,等於對此進行了一次實戰檢驗，而回答品質直接取決於底層數據的結構。WNSTN 打造了編排與合規層，使這種結構能在券商環境中發揮作用，因此將兩者共同推向市場是順理成章的下一步。」

這項公告也反映了 Benzinga 數據授權方式的更大轉變。過去一年，該公司擴充了其 API 基礎設施，以服務大型語言模型與檢索增強生成(RAG)工作負載——即在每次查詢時從索引語料庫中檢索原始素材的方法——並建立了專門針對 AI 使用情境設計的授權框架，而非將其視為傳統再分銷條款的例外情況。Benzinga 目前的內容與數據授權客戶已超過 400 家，遍布 30 個國家，其中越來越多的客戶正在開發 AI 原生產品。

「券商選擇 WNSTN,是因為我們能將複雜的市場數據轉化為對其客戶而言切身相關、易於理解且可付諸行動的內容，」WNSTN 聯合創始人暨 CRO Rakover 表示。「WNSTN 不只是摘要資訊，它會消化資訊、置於脈絡之中，並為每位用戶量身訂製資訊的傳遞方式。這一切的核心，是在最合適的時間，以用戶最能理解的方式，向他們提供正確的資訊。這就是我們在券商平台內將數據轉化為行動的方式，而合規機制也內建於體驗之中。Benzinga 的即時與歷史數據覆蓋強化了這項能力，而 Benzinga Pro 對 WNSTN 的使用，也證明了我們的技術能夠在活躍交易者這一高要求群體的實際生產環境中運行。」

據兩家公司表示，其影響是可衡量的。WNSTN 對一家美國券商經紀商客戶一年數據的分析發現，與其 AI 互動的投資人執行的交易次數是未互動者的 2.3 倍。約半數與 WNSTN 聊天互動過的用戶，在互動後 24 小時內下單交易。

這項整合方案現已向券商與金融平台開放，並提供白標部署與 API 整合選項。白標部署可讓 AI 功能以券商自身品牌出現在其客戶體驗之中，而 API 整合則允許平台將底層數據與 AI 能力直接嵌入現有工具。