Daloopa 完成 4700 万美元 C 轮融资：当 AI 接管华尔街分析师的工作，谁来保证数据是对的？
金融行业正在经历一场由 AI Agent 驱动的自动化浪潮——估值建模、财报分析、投资组合管理，越来越多的工作正在从人类分析师转移到 AI 手中。但一个被忽视的前提是：AI 只有在输入正确数据时才能输出正确结论。Daloopa 刚刚完成 4700 万美元 C 轮融资，由 Brighton Park Capital 领投，Squarepoint Capital、Touring Capital 和 Nexus Venture Partners 跟投，押注的正是这个看起来不性感但至关重要的基础设施层——为金融 AI 提供可审计、可溯源的结构化数据。
华尔街的「脏数据」问题：分析师的一半时间花在了整理 Excel 上
金融行业的一个公开秘密是：即便在 2026 年，大量投资机构的分析师仍然在手动从 SEC 文件、财报电话会议记录和公司公告中提取数据，然后录入 Excel 电子表格。这个过程不仅耗时，而且极易出错——一个小数点的位移、一个季度的错位，都可能导致估值模型产生重大偏差。更糟糕的是，当 AI Agent 开始基于这些数据做出自动化决策时，「垃圾进，垃圾出」的风险被成倍放大。
Daloopa 由 Thomas Li（CEO）、Jeremy Huang 和 Daniel Chen 在纽约联合创办，其平台覆盖超过 5,500 家上市公司的历史财务数据，每一个数据点都直接链接到原始披露来源（如 10-K、10-Q 文件）。这意味着当 AI Agent 引用一个收入数字时，用户可以一路追溯到该数字在原始文件中的确切位置。在一个「幻觉」问题仍然困扰所有大语言模型的时代，这种可溯源性具有显著的差异化价值。
从「卖数据」到「卖信任」：Daloopa 的商业模式升级
传统金融数据提供商（如 Bloomberg、FactSet、S&P Capital IQ）已经建立了数十年的市场壁垒，Daloopa 的策略不是正面挑战它们的全覆盖能力，而是在一个新兴的维度上建立优势：AI 可读性和可审计性。Bloomberg Terminal 的数据可能是全面的，但它的设计初衷是给人类分析师使用的；Daloopa 的数据从一开始就是为 AI 工作流设计的——结构化、标准化、可溯源。
这种定位使 Daloopa 从一个数据提供商逐渐转变为 AI 金融工作流的「信任层」。当投资机构部署 AI Agent 来自动化财报分析或构建估值模型时，它们需要的不仅是数据，还需要对数据来源和准确性的确信。Daloopa 正在试图成为这种确信的供应商。
4700 万美元 C 轮的投资逻辑：Squarepoint 既是投资方也是客户
值得注意的是这轮融资的投资方构成。领投方 Brighton Park Capital 是一家专注于科技成长型公司的基金；但跟投方 Squarepoint Capital 是一家管理数百亿美元资产的量化对冲基金，Touring Capital 同样背景深厚。当你的投资人同时也是你的潜在（或现有）客户时，这通常意味着产品已经在实际场景中得到了验证。这不仅仅是财务投资，更像是供应链上游对下游基础设施的战略押注。
Nexus Venture Partners 的持续跟投（此前也是 Daloopa 的投资方）则表明老股东对公司成长轨迹的认可。从创立到 C 轮，Daloopa 的融资节奏并不算激进，这在一定程度上反映了金融数据基础设施领域的特点：客户获取周期长，但一旦嵌入工作流就很难被替换。
挑战：在巨头的缝隙中长大，还是被巨头吞噬？
Daloopa 面临的最大风险是显而易见的：Bloomberg、FactSet 等巨头也在快速拥抱 AI。如果 Bloomberg 在其终端中增加了同等水平的 AI 原生数据层和可溯源功能，Daloopa 的差异化将被大幅削弱。此外，5,500 家上市公司的覆盖范围虽然可观，但与行业巨头的全球覆盖相比仍有差距，尤其在新兴市场和私有公司数据方面。
另一个更深层的问题是：AI Agent 对金融数据的需求正在快速演变。今天 Agent 需要的是结构化的历史财务数据，但明天它可能需要实时的非结构化信息（如社交媒体情绪、供应链信号）。Daloopa 是否有能力从历史财报数据扩展到更广泛的金融信息生态，将决定其长期的天花板。
总的来看，Daloopa 选择了一个极为关键的生态位——AI 金融工作流的数据信任层。4700 万美元的 C 轮融资和来自量化基金的战略背书证明了其产品价值已获得市场初步验证。但金融数据是一个巨头环伺的战场，Daloopa 需要在窗口期内快速扩大覆盖范围、深化客户粘性，否则就有可能沦为大平台的一个功能模块。对于那些正在将 AI Agent 引入投资决策流程的机构而言，Daloopa 回答的是一个根本性问题：你敢让 AI 替你做决策，但你信任它看到的数据吗？
