打开日本散户投资者的手机，应用商店里有乐天证券、SBI证券、松井证券等众多选择。但日本金融厅的一项调查却揭示了一个反直觉的事实：截至2025年6月，日本NISA账户数量预计达到2696万，其中近38%的账户从未进行过任何买入操作。问了这些从未交易的人为什么不开张，46%的人给了同一个答案——“不懂，不敢买”。

这不是一个渠道问题，而是一个认知问题。日本政府用了十年时间把“全民投资”从口号变成基础设施，但当账户开好了、免税额度给到了、交易界面做到了极简，大量新进的个人投资者发现自己站在一个巨大的数据迷宫门口——一万多只日美股票、眼花缭乱的财务指标、随时波动的市场情绪，以及那个反复出现在心里的疑问：“我现在买这个，对吗？”

2026年4月16日，东京一家名为Velpha的初创公司宣布完成约6000万日元的种子轮融资，试图用AI代理来回答这个问题。这笔钱来自独立风投Genesia Ventures，以第三方配股方式完成，也是该公司自2023年成立以来首次对外披露融资信息。对于一家想让机器代替人去做“选股—监控—再平衡”全流程的公司来说，这只是第一步。

字段 内容
公司 Velpha Co., Ltd.
轮次 种子轮
金额 约6000万日元
投资方 Genesia Ventures, Inc.
总部 东京都中央区
创始人 Shusuke Takamizawa
官网 未披露

当“投资支持”从工具变成代理，Velpha想替用户承担分析环节

理解Velpha的产品逻辑，首先要区分两个概念：投资工具和投资代理。过去十年日本的金融科技创业潮中，绝大多数产品属于前者——它们帮你更快下单、用更漂亮的图表展示K线、把财报数据包装成信息流推送给你，但“买什么”和“为什么现在买”这两个核心决策，仍然压在用户自己身上。Velpha试图把产品边界往前推一步：用户通过聊天界面用自然语言提问，比如“我想在组合里加一点医疗健康板块的仓位”，背后的AI代理会去跑数据、做筛选、考虑现有持仓的平衡，然后给出一组建议。这不是一个带ChatGPT外壳的股票筛选器，而是一个被设计来参与决策流程的服务。它的产品形态意味着，用户需要的不是更多的数据，而是一个能替他们消化数据并给出指向性结论的“代理”。

根据公司披露的信息，Velpha的核心能力建立在两个支柱上。第一个是名为“Stock Universe”的可视化分析引擎，覆盖约10000只日美上市股票，抓取并处理ROE、PBR等基本面指标。这个工具的定位不是数据展示，而是帮助用户“直观理解股票的市场定位”，在此基础上发现被低估的标的。其逻辑可能是通过将两个或以上维度的财务指标同时投射在一个可视化界面中，让那些在传统表格里看起来枯燥的数字形成一种“位置感”——某只股票是贵还是便宜、是高效还是低效，不再是抽象的数字对比，而是一种可能的视觉直觉。第二个是对话式分析执行层，用户可以在聊天中完成交互式查询和组合分析——它的价值主张是降低决策门槛，让那些看到PE、PB就头皮发麻的人也能参与进来。从产品架构上看，这两个支柱之间存在一种递进关系：Stock Universe承担“发现”功能，聊天界面承担“决策交互”功能，二者叠加试图覆盖从选股到组合管理的完整链条。

公司还透露了一个尚在规划中的功能方向：引入社交网络的情绪分析。目前这还停留在“考虑引入”阶段，但它的指向很清楚——Velpha想把传统基本面量化之外的非结构化市场信号也纳入代理的判断框架。这意味着其AI代理未来可能需要同时处理三种不同性质的数据：以ROE、PBR为代表的硬财务数据、以持仓结构为代表的组合层面的风险收益特征、以及以社交媒体情绪为代表的软市场信号。这个想法的难点不在技术实现，而在于情绪信号的信噪比极低，且极易产生滞后性偏差——当社交网络上对某只股票的情绪已经充分发酵时，往往意味着价格已经完成了一轮显著变动。但对于一家种子轮公司来说，把这个功能写进路线图，更多是在向市场传递一种产品哲学：替代个人投资者自己刷推特、读新闻、靠直觉判断市场热度的过程。

商业模式仍在迷雾中，但问题本身值钱

Velpha没有在本轮融资公告中披露任何关于商业模式的细节——不涉及收费方式、定价策略、目标客单价，也没有提及当前用户数量或任何牵引力数据。这意味着外界无法判断这家公司到底是打算走SaaS订阅制、交易佣金分成、还是某种资产管理收费模式。在金融科技领域，这三种路径对应着完全不同的单位经济模型、监管门槛和规模效应曲线。订阅制需要产品本身具备足够高的用户粘性和续费率，交易佣金分成需要接入券商的实际交易链路并具备将“建议”转化为“成交”的能力，资产管理收费模式则意味着更重的合规负担和更高的牌照门槛。Velpha目前没有在这三条路径中给出任何信号，这可能是处于种子阶段的常态，但也意味着它的价值捕获方式仍然是一个完全开放的命题。

但市场背景确实为这个故事提供了某种叙事合理性。日本NISA改革的推进在供给端制造了巨大的潜在用户池——两千多万个账户中有将近四成处于闲置状态，这背后是大量有入场意愿但缺乏决策信心的人。如果Velpha能够证明AI代理确实能降低从“观望”到“下单”的心理摩擦，它的价值主张就不仅仅是“更好的分析工具”，而是“激活休眠账户的转化引擎”。这个定位一旦成立，真正愿意为Velpha付费的未必是终端用户，而可能是那些手里攥着大量休眠账户、眼巴巴盼着它们活跃起来的券商和金融平台。在这种B2B2C的场景下，Velpha的实际收入来源可能来自券商为激活用户而支付的某种形式的技术服务费或效果分成，但这一推测目前没有任何来自公司方面的信息可以佐证。

不过，这个逻辑链条上还有一个未经验证的假设：被知识障碍卡住的人，是否愿意把决策权交给一个AI代理？一个人因为“不懂投资”而不敢买股票，和他愿意信任一个用聊天界面和你对话的推荐系统之间存在巨大距离。Velpha的产品哲学假设这两者之间的桥梁可以搭建起来，但没有任何公开数据表明这个桥梁已经开始承载人流。信任的建立可能需要时间、可验证的业绩记录、以及某种形式的社交证明，而这些都是种子阶段的Velpha尚未拥有的资产。

一个经纪账户链接功能背后的监管与现实壁垒

Velpha在资金用途说明中排在第一位的项目是“加强证券账户链接所需的安全性”。这个排序本身就说明了问题：对一家AI投资代理公司来说，最先要解决的往往不是模型精度或推荐准确率，而是怎么让系统安全地触达用户的持仓数据。没有真实的持仓数据，AI代理能做的只是基于用户手动输入或假设性场景给出建议，产品价值将大幅缩水为一个带有可视化功能的股票筛选器。换句话说，账户链接能力是Velpha从“投资工具”跨入“投资代理”这个产品定位的关键基础设施。

日本的金融监管体系对个人金融数据接口有着严苛的要求。任何希望读取用户证券账户持仓信息的第三方服务，都需要在数据安全、身份认证、传输加密等方面达到金融级别的标准，同时还需要获取相应的监管许可。Velpha把“获取必要的监管许可和执照”单独列为资金用途中的一项，获得这些牌照是产品从“演示版”走向“可商用版本”的关键前提。具体的许可类型公司未做详细说明，但如果Velpha未来确实计划在AI代理中集成实际的交易执行功能，它可能需要面对更接近投资顾问或投资管理业务的监管分类，而不只是一个软件服务提供商的定位。

这带来了一个现实中常见的创业公司困境：AI代理的价值需要在真实持仓数据上训练和运行才能充分体现，但要拿到这些数据，首先要通过监管审核；而监管审核又往往要求系统具备足够的成熟度和安全性。这是一个典型的“先有鸡还是先有蛋”的循环——没有数据就无法充分展示产品能力，而没有经过验证的产品能力又难以通过严格的监管审核。种子轮的6000万日元大约相当于40万美元，在这个体量下进行安全架构建设和合规流程推进，资金能撬动的进度是有限的。公司可能需要在这个阶段做出选择：是先做一个合规框架下的轻量版本上线测试，还是集中资源把安全性和牌照一次性推进到位的程度。

投资逻辑：Genesia Ventures在押注什么

Genesia Ventures的投资人Iku Yoshiku为这笔交易提供了一段相当直白的投资逻辑陈述：“作为投资经理，我相信历史上获得‘alpha’一直是机构投资者或高技能个人的专属领域。收集信息、股票分析、投资组合管理中需要大量专业知识，这种耗时的情况已经改变了。随着AI的兴起，重大变革正在发生，Velpha的目标不仅是解决决策障碍，更是创造一个每个个人投资者都能走出自己的‘alpha’之路的世界。”

这段话的叙事框架很清晰：它把Velpha的故事放在一个“民主化”的叙事线上——过去只有机构和高净值个人能用的那一套分析方法和决策支持，现在通过AI代理下放给每一个散户。这个叙事本身在金融科技领域并不新鲜，从Robinhood的零佣金交易到各种机器人投顾都在讲类似的故事。但Genesia在这个节点出手，看中的可能不是Velpha现在的产品形态，而是日本NISA账户利用率缺口背后那个明确的需求信号，再加上一个更关键的变量——大语言模型能力的快速渗透正在重写“智能投顾”这个品类的天花板。在LLM能力取得突破之前，智能投顾主要依赖于基于规则的资产配置模型和ETF组合推荐，交互方式也较为僵硬。而LLM的出现意味着，一个能够理解自然语言模糊意图、处理非结构化信息、并生成带有解释性的建议的AI代理在技术层面已经成为可能。Genesia可能是在押注这项技术能力恰好可以匹配NISA休眠账户背后那个“不会选股、不敢下手”的庞大需求。

从轮次结构来看，这是一笔典型的种子轮投资：单一机构领投、第三方配股、金额不大。这种结构通常意味着投资人和创始团队之间在早期阶段就建立了较高的信任度，而非通过竞标拉高估值。这给Velpha留下了一个相对从容的窗口期去跑通产品核心闭环，但也意味着下一轮融资时它需要拿出远超行业平均水平的增长证据来证明自己的独立价值——而不是仅仅作为“大模型在投资场景里的一个应用案例”存在。对于Velpha而言，一个潜在的下一轮融资叙事拐点可能在于能否展示出真实用户留存数据以及AI代理建议的某种可量化有效性，但目前这两者都是未知数。

资本用途精读：一笔6000万日元能建起多高的壁垒

Velpha公布的融资用途清单颇为详尽：安全强化、外部数据整合以建立产品基础、获取监管许可和执照、改进AI代理性能、部署新功能、招聘工程和后台人员。这六项加在一起，本质上是在做一件事——把产品从当前的初期形态推向一个可以在真实市场环境中安全、合规、可用地运转起来的版本。

但6000万日元的规模限制了这些动作的纵深。以招聘为例，在东京的科技人才市场上，一名有经验的工程师的年薪轻松超过1000万日元，加上后台人员的成本，这笔融资在支付了合规、数据整合等第三方成本之后，能支撑的团队规模可能是极小的。这意味着公司在功能优先级上必须做出极其残酷的选择。引入外部数据、做情绪分析、改进代理性能、部署新功能这些看起来都是“应该做”的事，但以目前的资金体量，更合理的策略是集中力量把账户链接安全性和监管许可这两个硬骨头啃下来，其他的功能迭代放在融资之后或下一轮资金到位时再推进。如果团队选择在多条战线上同时推进，可能会面临每一件事都只做到七八成而无法交付可商业化版本的困境。

让外界保持审视的是：目前没有任何公开信息表明Velpha的产品已经进入真实用户测试阶段，也没有披露任何关于代理推荐准确性的回测数据或用户满意度指标。在金融投资领域，AI代理的容错空间极小——一次明显错误的推荐不止会失去这个用户，还可能引发监管层面的关注。如果AI代理因为未能正确解读某只股票的财务数据或忽视了某个重大风险事件而导致用户遭受显著损失，对于一家没有任何品牌积累的初创公司而言，这种打击可能是致命的。公司在种子轮阶段没有给出任何关于代理质量的量化证据，这意味着产品在真实环境中的表现仍是一个完全未经检验的未知数，这为后续的产品落地节奏和融资叙事留下了不确定性。

竞争格局中的空白：对手未点名，但战场已经清晰

Velpha在公开材料中没有提任何直接竞争对手的名称，这在早期融资公告中并不罕见。但把视线放到日本和全球市场上，这场竞争的基本盘已经很明确了。

在日本国内，乐天证券和SBI证券这些头部券商的App已经内置了相当成熟的信息服务和筛选工具，虽然它们目前的智能化程度更多停留在规则引擎和基础的数据可视化层面，但它们拥有Velpha目前完全不具备的东西：用户持仓数据、交易行为数据、以及已经建立的客户信任。如果它们决定在现有产品中引入更积极的AI推荐功能，切换到“投资代理”模式的门槛可能比外界想象的要低——它们不需要从零开始获取监管许可，也不需要额外打通账户链接的安全架构，只需要在现有基础设施之上增加一个智能推荐层。对Velpha来说，时间窗口来自大券商的组织惯性和创新节奏——它们不太可能像一家初创公司那样激进地把AI代理推到决策流程的中央位置，因为任何一个推荐错误都可能引发对持牌券商的合规问责。大型机构在将AI应用于面向零售客户的投资建议时，天然面临着比初创公司更高的声誉风险和监管审视，这可能为Velpha赢得一个在产品层面跑在前面的先发窗口。

在全球视角下，美国市场已经出现了不少尝试用生成式AI辅助投资决策的产品，从Bloomberg的AI摘要功能到各种基于GPT的股票研究工具。这些产品面临的共同挑战，也正是Velpha迟早要回答的问题：当市场上所有玩家都能调用相似基础模型能力的时候，差异化到底来自哪里？Velpha目前的答案是“针对日美10000只股票的结构化数据引擎加上交互式对话层”，这是一个集成而非原生的壁垒。结构化的股票数据库本身并不是稀缺资源，对话式交互界面在LLM时代也快速趋于同质化。真正能构成护城河的，未来可能是在真实用户的投资决策闭环中持续积累的反馈数据——用户采纳了什么建议、拒绝什么建议、采纳后的实际收益表现如何，这些数据如果能形成闭环反馈到模型的优化中，每一次交互都在增强系统的推荐质量，这是后来者即使有相同的基础模型也无法短期复制的。但这需要先拿到足够多的用户和足够长的运行时间，而这两样东西在当下都还是零。

另一个值得关注的替代竞争来自于现有投资顾问行业的数字化。日本的IFA（独立财务顾问）和券商的投资顾问服务虽然成本较高、面向客群偏高端，但随着它们自身也在引入AI工具提高效率，其服务成本可能出现下降，从而向中产散户市场延伸。如果这种趋势加速，可能会在Velpha的目标客群中形成一种替代效应——部分用户可能更倾向于选择有“真人背书”的AI辅助服务，而非一个纯AI代理。这进一步加剧了Velpha在信任建立方面的压力。

尚未被回答的关键问题

一家种子轮公司有未知数并不可怕，可怕的是未知数所在的位置恰好是商业模式的核心关节。对于Velpha来说，当前最需要被时间验证的几个命题包括：

AI代理的推荐质量到底如何？在没有任何回测数据披露的情况下，外界只能假设它的推荐表现是“可用的”，但“可用”在投资领域没有标准定义。一个推荐系统在牛市里看起来聪明，在震荡市中可能暴露致命缺陷——它推荐了高波动的成长股，而当时的市场环境正在转向避险。Velpha如果想在下一轮融资中说服投资人，它需要在某个时间点拿出关于推荐表现的可验证数据——哪怕只是内部回测的样本，哪怕只是某个特定市场环境下的表现区间。缺乏这一数据，投资者评估公司核心资产的方式就只能停留在对团队和方向的判断上，而无法对产品本身的质量形成任何实质性的结论。

用户真的会信任一个AI代理来管理他们的钱吗？这个问题超越了技术和产品，触碰到了行为金融学的核心。散户投资者中相当一部分人连自己的判断都不信任，让他们去信任一个看不见决策过程的AI代理，需要的不只是界面友好。金融决策中的信任构建通常依赖于三个要素：能力信号（过往业绩记录）、透明度（理解决策是如何做出的）、以及共情（感觉服务方站在自己这边）。Velpha把交互形式设计成聊天，可能就是想用“对话”这种人类天生觉得亲近的方式来在“共情”这个维度上建立信任感，但在另外两个维度上目前还缺少支撑。而且，这种信任假设本身就需要被实验验证——那些因为“不懂”而一直没买股票的NISA账户持有者，在面对一个AI给出的建议时，是会选择迈出第一步，还是会因为“不懂AI怎么得出结论”而产生第二层焦虑？

券商是合作伙伴还是未来的竞争对手？Velpha的产品如果要读取用户的证券账户持仓，就必须和券商在数据接口层面合作。但在当前的竞争逻辑下，券商完全有动力和资源自己开发类似功能，而不是把用户交互和数据价值拱手让给一个第三方。Velpha需要找到一个让券商觉得“合作比自己做一个更划算”的理由——可能是技术能力上的显著差距、可能是独立的AI代理带来的中立性对用户更有说服力、也可能是券商本身在AI投资建议领域的合规顾虑使得它们更愿意将这部分创新外包给第三方。但这个理由目前还没有被清晰地表述出来，也没有任何公开信息显示Velpha已经与任何一家券商建立了合作关系。

RecodeX 极客视：Velpha抓住了日本投资市场一个真实而巨大的痛点——2696万NISA账户里有近四成在“休眠”，因为他们不知道买什么。用AI代理来填补这个知识-行动的鸿沟，这个方向在叙事上有吸引力，在需求上有支撑。但种子轮只融到6000万日元这件事说明，资本市场对“AI+投资决策”这个故事的定价还相当克制——投资人愿意为这个方向下一个小的注，但远未到重注押入的阶段。真正的硬仗不在模型层，而在监管许可和用户信任这两座大山脚下。Velpha需要在极有限的资金和极窄的时间窗口里证明两件事：机器真的能做出比人更好的判断，以及人真的敢把判断权交给机器。这两件事的难度都不在技术层面，而在人性层面。