Rogo 获 1.6 亿美元 D 轮融资、估值达 20 亿美元：AI 替代投行初级分析师 80% 苦力活，华尔街焦虑催生新独角兽
当华尔街的初级分析师们在凌晨三点还在为一份 pitchbook 调整 Excel 公式时，一家名为 Rogo 的 AI 初创公司正试图用代码终结这种延续了数十年的“血汗工厂”模式。这家由三位普林斯顿校友创立的公司，刚刚完成了 1.6 亿美元的 D 轮融资，估值飙升至 20 亿美元——这距离其 7500 万美元的 C 轮融资仅过去了不到三个月，估值翻了近三倍。Rogo 的崛起速度令人侧目，但真正值得追问的是：它究竟是华尔街效率革命的解药，还是另一场 AI 泡沫的缩影？
从“搜索工具”到“数字分析师”：Rogo 的叙事跃迁
Rogo 的故事始于一个看似简单的需求：让金融分析师从 SEC 文件中更快地提取数据。但创始人 Gabriel Stengel 显然不满足于做一个高级版搜索工具。这位前 Lazard 分析师和两位 JP Morgan 出身的高管——COO John Willett 与 CTO Tumas Rackaitis——将公司从“金融研究搜索引擎”转型为“代理型 AI 平台”。这个转变的关键在于，Rogo 不再仅仅提供答案，而是开始替代初级分析师的大部分工作流程：从数据提取、财务模型草稿、pitchbook 制作，到尽职调查和研究备忘录。
这种叙事升级恰好踩中了华尔街最深层的焦虑。当高盛、摩根大通等巨头纷纷裁员初级岗位，并大举投资 AI 时，Rogo 提供的不是工具，而是一整套“人机替代”方案。其核心卖点——取代初级分析师 80% 的手动操作时间——对于每周工作 80-100 小时的“金融民工”来说，听起来像是一种解脱。但对于那些刚刚入职、渴望通过“脏活累活”积累经验的年轻人而言，这可能意味着职业起点的彻底重塑。
估值火箭背后的资本逻辑：为什么 VC 愿意为“华尔街焦虑”买单？
从 7.5 亿美元到 20 亿美元，Rogo 在不到一个季度内完成了估值的三级跳。这种速度在 2026 年的融资寒冬中显得格外刺眼。但仔细审视其投资方阵容——大量顶级风投和战略投资者——你会发现，这背后是一场关于“AI 在垂直行业落地”的豪赌。
Rogo 的客户名单包含大型投行、私募股权公司和对冲基金。这些机构每年为初级分析师支付数百万美元的薪酬，而 Rogo 声称能削减其中 80% 的“手动操作时间”。对于华尔街的 CFO 来说，这是一个极具诱惑力的 ROI 计算：用一笔订阅费，换取整个分析师团队的效率提升，甚至部分岗位的削减。更重要的是，在“AI 焦虑”的驱动下，没有哪家机构愿意在技术竞赛中落后——哪怕 Rogo 的解决方案尚未完全成熟，先占坑也是一种战略防御。
但 VC 们是否过于乐观了？Rogo 目前的客户主要集中在“标准流程”领域——SEC 文件解析、财务模型草稿等。而投行工作中最核心的部分——客户关系、交易结构设计、谈判策略——仍然是 AI 难以触及的领域。如果 Rogo 无法证明自己能够处理这些“非标准化”任务，其估值泡沫的风险将不容忽视。
技术壁垒还是场景壁垒？Rogo 的护城河在哪
从技术角度看，Rogo 的 AI 平台本质上是一个高度定制化的大语言模型应用。它需要理解金融术语、掌握 SEC 文件结构、生成符合投行标准的输出格式。这些能力并非独一无二——Bloomberg 的 GPT、OpenAI 的金融版模型，甚至一些开源模型在经过微调后，都可能达到类似效果。
Rogo 真正的护城河可能在于“场景壁垒”。它已经与多家顶级金融机构建立了深度合作，这意味着其模型训练数据包含了大量“内部工作流”信息——比如某家投行特有的 pitchbook 模板、某家 PE 公司偏好的财务模型假设。这些数据一旦积累，将形成强大的网络效应：越多的客户使用，模型就越精准；越精准的模型，就越难被替代。
但问题在于，华尔街的“数据主权”意识极强。大型投行是否愿意将自己的内部工作流数据交给一家外部 AI 公司？Rogo 必须证明其数据安全架构足够可靠，同时避免成为客户之间的“数据共享平台”——否则，它可能会面临来自客户自身的 AI 内部开发团队的竞争。
团队基因：普林斯顿三人组能改变华尔街吗？
Rogo 的创始团队拥有一个近乎完美的“华尔街创业”标签：三位普林斯顿校友，分别来自 Lazard 和 JP Morgan 的分析师背景。这种出身让 Rogo 天然获得了金融圈的信任——他们知道投行分析师真正需要什么，也懂得如何与机构客户打交道。
但这也可能成为其局限。团队中缺乏来自科技巨头的 AI 专家，CTO Tumas Rackaitis 的背景更多偏向金融技术，而非前沿 AI 研究。随着模型复杂度的提升，Rogo 可能需要引入更多具备大模型训练、推理优化经验的人才。此外，三位创始人都是“华尔街出身”，他们能否跳出金融行业的思维定式，去构建一个真正可扩展的 AI 平台？这仍然是一个待验证的问题。
华尔街的“AI 悖论”：效率与替代的终极博弈
Rogo 的崛起揭示了一个深刻的悖论：华尔街一方面渴望通过 AI 提升效率、降低成本，另一方面又恐惧这种效率会摧毁其赖以生存的人才培养体系。初级分析师的“脏活累活”虽然枯燥，却是他们理解交易逻辑、积累行业经验的重要途径。如果这些工作被 AI 取代，未来的投行家们将如何成长？
Rogo 对此的回应是：让 AI 处理 80% 的重复劳动，而人类专注于 20% 的创造性工作。但现实可能更加复杂——当 AI 能够完成财务模型草稿时，分析师们是否还有机会通过手动调整模型来理解数字背后的商业逻辑？当 AI 自动生成 pitchbook 时，初级员工是否还能学会如何讲好一个投资故事？
从投资角度看，Rogo 的 D 轮融资无疑是一个里程碑，但它的长期价值取决于能否解决这个“AI 悖论”。如果 Rogo 仅仅是一个效率工具，它可能会面临来自大型科技公司（如微软、谷歌）的竞争；如果它试图成为华尔街的“操作系统”，它必须证明自己不仅能替代工作，还能创造新的价值——比如帮助分析师更快地发现交易机会，或者生成更精准的预测模型。
Rogo 的故事才刚刚开始。在华尔街的 AI 焦虑和资本狂热中，它既是解药，也可能是新的问题制造者。对于投资者而言，20 亿美元的估值是否合理，最终取决于一个简单的问题：当 80% 的初级工作被 AI 取代后，剩下的 20% 是否真的足以支撑华尔街的未来？
