Franklin Templeton用OpenAI支持投资研究

Franklin Templeton 用 OpenAI 支持投资研究

这是什么

Franklin Templeton（富兰克林邓普顿）是全球领先的投资管理公司，使用 OpenAI 的 Codex 等工具帮助投资团队构建 AI 工作流。重点从股权研究起步，帮助投资组合经理比较研究观点、评估投资风险，并将研究、风险、合规与交易视角整合起来。 [[1]](https://openai.com/index/franklin-templeton)

谁适用

对金融机构、资产管理机构或需要 AI 提升研究效率的企业采购团队特别适合。企业采购者可通过官方 API 接入 Codex，结合 Prompt 缓存等机制控制费用。

怎么决策

首先查看官方 API 价格表，确认 GPT 系列模型的 $/M Token 单价与缓存费用；其次评估 Plus 版与 API 版的区别；最后对照企业案例是否匹配你的研究场景。决策时优先参考 官方 API 价格页 与 API 转接指南。

Franklin Templeton 如何用 OpenAI 推动投资研究

2026 年 11 月 5 日，OpenAI 官方发布案例，展示富兰克林邓普顿（Franklin Templeton）借助 Codex 实现“连接的持续智能层”。公司投资团队不再单纯自动化人工流程，而是让 AI 主动挖掘洞见，同时保留人类判断力。

从最早将数据导入数据库尝试失败开始，团队引入代理（agents）与语义层（structured model of data connections），结果彻底改变。研究、风险、合规和交易四方面视角被整合，共同服务投资组合经理决策。Katrina Dudley（富兰克林邓普顿高级副总裁）表示：“以前 AI 是自动化人类流程，现在是 AI 辅助人类判断，智能层与人类判断的结合才是真正解锁。”

这种转变直接服务对账单与费用控制需求。企业采购者通过 OpenAI API 可精确计算 Token 消耗，避免传统手动研究的高人力成本。示例详见 官方 API 应用案例页 与 API 转接指南。

投资研究中的角色与角色专属工作流

Franklin Templeton 利用 hackathon 将 Codex 快速落地到具体场景。投资 AI 冠军将实验转化为生产级工作流，包含安全审查、专家支持与数据控制。Dudley 强调：“我们已从流程辅助转向重新构想投资研究工作流。”

针对不同角色设计专属工作流是核心：

• 分析师：整合连续研究观点，自动评估风险
• 组合经理：快速对比多源意见，理解风险因素
• 合规与交易团队：嵌入风险与交易视角的治理层

这种角色特定设计让 AI 更贴近实际投资决策，而非泛化输出。

构建投资专属的 AI 系统

传统 AI 工具易重复显示同一研究提供商的内容，导致偏见。Franklin Templeton 刻意强调“研究意见的多样性”与“投资风险分析”。Dudley 指出：“AI 应让投资经理了解风险，而非仅呈现观点。”

这些原则对企业采购有直接指导意义：

1. 明确风险边界，避免过度推荐单一观点

2. 优先缓存机制降低重复 Token 消耗

3. 结合官方 API 的批量与灵活模式优化成本

企业采购决策对照表

场景类型	推荐模型/功能	典型 Token 消耗模式	费用控制要点	对应站内工具
股权研究对比	GPT-4o / 4o-mini	研究笔记 + 风险评估	使用 Prompt 缓存	官方价格页
合规与交易视角整合	GPT-4o-mini + Agents	批量 API 调用	启用 Batch 处理	API 转接指南
工作流实验	Codex（生产模式）	高频但可缓存	监控实时消耗	API 转接指南

数据以官方挂牌页当日为准，实际费用请登录 OpenAI 仪表板验证。建议同时参考 API 转接指南 与 API 转接指南 获取实时更新。

延伸阅读

• 官方 API 产品说明
• GPT Token 单价与缓存费用详解
• 企业采购路径与账单管理
• 投资研究 AI 工作流案例分析
• Plus 版与 API 版功能对比

风险与边界

使用 OpenAI API 时，请注意以下边界：

• 企业级数据未加密上传可能面临合规风险，务必启用官方安全协议。
• Token 消耗计算需实时查验仪表板，升级计划后账单可能变化。
• 并非所有投资场景均适用 AI，人类判断仍为最终决策依据。

非法律意见声明：本文仅供参考，不构成法律、税务或投资顾问意见。实际费用与合规以 OpenAI 官方产品为准。