FrontierConfidential · Discussion Materials

FRONTIER

Discussion Materials · September 2026

消费端打开之后，稀缺的是 context。

AI agent 让所有人都能调 API，另类数据不再只服务 30–40 家机构。模型人人可用，token 人人同价；差的是同一个问题、有没有金融 context，给出的判断能不能据此行动。Frontier 做的是挂在模型外面的这层 context：从核心用户的讨论里长出来，人能回溯，agent 能调用。

Date: September 2026
Nature: Financing discussion materials · 结构、位置、各方各买什么
For: 富途证券（战略）· 财务投资人 · 模型厂

本材料仅供收件方内部讨论，不构成任何要约或承诺。金额、估值、股比与条款另页。

FrontierConfidential · Discussion Materials

02 · Situation

为什么是现在：消费端打开之后，稀缺的是 context

AI agent 把调 API 的能力交给了不会写代码的人。数据的消费端不再是瓶颈之后，卡住的位置往上移。

1
消费端打开
AI agent 替不会写代码的人调 API。另类数据的买方不再只有 30–40 家机构。
2
基座不再是差异
模型人人可用。输入 token、输出 token 的单价人人同价。
3
差的是判断
同一个问题，有没有金融 context，给出的判断能不能据此行动，差很多。
4
位置往上移
不再是谁买得起数据，而是谁能给模型补上对的 context。

稀缺落在哪一层

基座模型人人可用已拉平
Token输入、输出单价人人同价已拉平
Context有没有金融 context，判断差很多稀缺 · 位置在这里
判断能不能据此行动结果

上两层已被拉平，差额落在 context 一层。

Our view稀缺从消费能力转到 context。Frontier 站在供给（核心用户的判断）与分发（所有能调 API 的人和 agent）之间。

FrontierConfidential · Discussion Materials

03 · The Shift

另类数据的买方：从 30–40 家机构，到所有能调 API 的人和 agent

以前 · 另类数据供应商

30–40家机构 / 一家供应商

只有机构消化得了大批量数据。数据必须高价值、高难度、高价格，生意才成立。左图按 36 点示意。

现在 · API / Agent

所有人任何能调 API 的人和 agent

AI agent 把调 API 的能力交给了不会写代码的人。右图不代表具体数量，只表示消费端不再封闭。

	以前	现在
谁在买	30–40 家机构	任何能调 API 的人和 agent
为什么是他们	只有机构消化得了大批量数据	AI agent 替人调 API，消费能力不再是门槛
卡在哪	消费能力	谁能给模型补上对的 context

Our view买方少，不是因为数据没用，是被消费能力卡住。消费端打开之后，瓶颈换了位置：从谁买得起数据，到谁能给模型补上对的 context。

FrontierConfidential · Discussion Materials

04 · The Spread

判断差额，不是 token 价差

输入 token 人人同价，输出 token 的单价也人人同价。差的不是价格，是同一次调用吐出的判断值不值得据此行动。

金融问题上，有没有这层 context，输出的决策价值差巨大。这个判断差额，是值得被捕获的那部分。

它不来自更长的 prompt。很多信噪比判断是权重里的东西，写不成一段话。

同一次调用
	输入 token	输出 token	判断
无 context	同价	同价	复述报道
有 context	同价	同价	可据此行动

前两列相同，差额只在第三列。成本和价值不在一把尺上，所以不画柱。

供给窄，分发宽

供给分发

以前

少数供应商

30–40 家机构

现在

核心用户判断

任何能调 API 的人和 agent

Frontier 的位置

供给端一直是窄的，变的是分发端。位置就在这两个之间：把窄的供给做成宽的分发能调用的东西。

Our view值得被捕获的是判断差额。价格两列人人相同；第三列的差额来自 context，不来自更长的 prompt。

FrontierConfidential · Discussion Materials

05 · The Asset

我们持有什么：加权语料、context 层、可追溯的判断

01 · Corpus 加权语料

核心用户的讨论、截图、链接、引用、反驳，都带着谁、何时。

按来源、时间、被引用和被反驳的情况加权。

02 · Context layer Context 层

后训练只训信噪比判断，不训全能金融模型。检索带着权重，不只按字面相似。

模型换了，这层还在。

03 · Traceable judgment 可追溯的判断

每条判断能回溯到谁、何时、说了什么。

Human-verifiable，agent-consumable：人能回溯，agent 能调用。

资产属性
形态	加权语料 + 带权重的向量检索 + 只训 SNR 的后训练权重
依赖	不绑死任何券商终端，不绑死任何基座模型
出口	人走 Frontier App，agent 走 API / MCP。同一套底，两个出口
可验证	每条判断可回溯到谁、何时、说了什么；可被程序直接调用
顺序	先 App 捕获，再 context 层，再数据供应。顺序不能反

Our view资产是这层 context 本身，不是模型，不是终端。可独立持有；基座换了、终端换了，它还在。

FrontierConfidential · Discussion Materials

06 · The Machine

从核心用户的讨论到数据供应：六节流水线

每一节的输出都带着谁、何时、说了什么。所以最后供出去的判断可回溯。

01核心用户讨论一二级金融机构、互联网、AI 从业者。他们先为自己看。
02留在平台的语料讨论、截图、链接、引用、反驳，都带着谁、何时。
03加权语料 / 信噪比判断哪条是信号，哪条是噪音。后训练只训这一个判断。
04Context 层权重说不出来，但每条判断能回溯到谁、何时、说了什么。
05筛选 / 检索 / 问答人走 Frontier App，agent 走 API。同一套底。
06数据供应卖给所有能调 API 的人和 agent，不只 30–40 家机构。

Two exits人走 Frontier App，agent 走 API / MCP。同一套底。

One training target后训练只训信噪比判断，不训全能金融模型。

FrontierConfidential · Discussion Materials

07 · Why Not a Model

为什么换模型不够

1
权重说不出来
很多信噪比判断是向量里的权重，不是一段能写进 prompt 的话。
2
金融场景模型能力趋同
再换一个更大的通用模型，在这类问题上边际有限。
3
所以把 context 外挂在模型外面，可能是解法
判断做在语料和检索里，模型换了它还在。

「权重」一词拆开
词	指什么	谁持有
模型权重	后训练只动信噪比判断这一项，不训全能金融模型	基座归模型厂；SNR 后训练归 Frontier
加权语料	讨论按来源、时间、被引用和被反驳的情况加权	Frontier
向量检索	查找时带着这些权重，不只按字面相似	Frontier

Our view外挂 context 层可能是解法，不写「更对」。它不替代基座，也不与基座竞争；基座换了，这层还在。

FrontierConfidential · Discussion Materials

08 · Illustration

一个例子：外卖监管文件的状态

同一个模型，同一条新闻。

没有 context

模型把媒体报道当事实复述，接着往下推对外卖平台的影响。

输出 · 一段看起来完整的影响分析，前提未经核验。

中间发生了什么

1有人点开官方链接。
2官方链接、媒体表述、文件状态三者对不上。
3讨论转向：是假消息，还是被撤回？事件成立吗？影响哪些公司？下一步去哪验证？

有 context

留下的不是标题，是「状态待验证」和验证路径。带着谁、何时、查了什么。

输出 · 可据此行动的判断，前提可回溯。

差的是判断，不是 token。

例子只示意流程，不附数字。

FrontierConfidential · Discussion Materials

09 · Sequence

三个阶段，顺序不能反

1

Frontier App · 捕获 先服务核心用户自己

他们在这里看、聊、存、引用，是因为 App 先解决了他们自己看信息的问题，不是为了贡献数据。贡献者留下，语料才留下。没有持续捕获，context 层会枯竭。

2

Context 层 · 加权 + 后训练 + 检索 只训一个判断

语料加权，后训练只训信噪比判断，检索带着权重。不训全能模型。每条判断可回溯到谁、何时、说了什么，模型换了这层还在。

3

数据供应 · API / MCP 把 context 做成可调用的数据

消费端已经打开，卖给所有能调 API 的人和 agent，不只 30–40 家机构。前两步跑通，这一步才有东西可供。

如果反过来
先供应、后捕获	供应端没有东西可供。数据供应只能卖已经沉淀下来、可回溯的判断。
先训模型、后 context	变成又一个模型项目。金融场景模型能力趋同，边际有限。

Our view三步的顺序就是资金投入的顺序：先捕获，再权重，再供应。

FrontierConfidential · Discussion Materials

10 · Syndicate

三类投资人，各买一层

券商给现场，模型厂给推理，财务让这层保持独立。三方不重叠，不抢同一块。

Strategic · 富途证券 给现场，给分发 持牌券商，用户在交易决策现场。不重做终端。

Financial · 财务投资人 Context 层独立 带时间、来源、反驳的加权语料。不绑死券商，不绑死基座。先 App，再 API。

Model lab · 模型厂 基座归你们 不训全能金融模型，只后训练 SNR，context 外挂。

	富途证券 · 战略	财务投资人	模型厂
给这层什么	现场与分发	独立性	推理与基座
买的是什么	可调用的金融 context	可独立持有的资产	prompt 写不出的权重：金融 SNR
边界	不重做终端，不替代零售社区，补的是从业者密度的 context	不绑死任何终端或任何基座	不抢基座，不训全能金融模型
缺席时	没有现场与分发，context 停在研究工具，进不了交易决策	没有独立持有，这层变成券商或模型厂的一个功能	基座得自己训，变成又一个模型项目

Why all three缺任何一方，context 层要么变成别人的功能，要么变成又一个模型项目。

FrontierConfidential · Discussion Materials

11 · What This Is Not

我们不是什么

不是模型公司: 不训全能金融模型。后训练只训信噪比判断，基座归模型厂。
不是零售社区: 供给端是核心用户：一二级金融机构、互联网、AI 从业者。他们先为自己看，不是为了贡献数据。
不重做 Bloomberg: 不按功能重做终端。占的是终端之前的上游 context：市场正在发现什么，谁先知道，是否可信。
不是 X: 不是公开广场，也不是普通社群。留下的是带谁、何时、被引用与被反驳的语料。

站在哪一层

Upstream上游 · Context 层市场正在发现什么，谁先知道，是否可信，如何进入模型的 context。Frontier 在这里。
Terminal终端 · 查询层已经标准化的信息怎么查。现有终端的位置，不重做。
Social社交 · 公开广场流量与传播。不是我们的供给端，也不是我们的产品形态。

我们站在上游一层，不在下面两层竞争。

Position不按功能重做 Bloomberg，占它之前的上游 context。不是 X，不是普通社群，不是又一个模型项目。

FrontierConfidential · Discussion Materials

12 · The Ask

本轮资金用途

只写用途类别，对应流水线的三个阶段。金额、估值、股比、条款另页。

Use of proceeds · 用途类别
#	用途	内容	对应阶段
01	养活 App 捕获	让核心用户持续在 Frontier App 里看、聊、存、引用。没有持续捕获，context 层会枯竭。	阶段 1 · 捕获
02	把 SNR 权重做对	语料按来源、时间、被引用和被反驳加权；后训练只训信噪比判断；检索带着权重。	阶段 2 · Context 层
03	把 context 做成可调用供应	API / MCP。人走 App，agent 走 API。供给所有能调 API 的人和 agent。	阶段 3 · 数据供应

Invited

富途证券（战略）· 财务投资人 · 模型厂。各买一层：现场与分发、独立持有的 context 层、金融 SNR。

Terms

金额、估值、股比、独家条款：不在本材料内，条款另页。本材料只讨论结构、位置和各方各买什么。

Sequence三项用途按顺序投入：先捕获，再权重，再供应。顺序不能反。

FrontierConfidential · Discussion Materials

13 · Close

消费端打开之后，稀缺的是 context。

供给窄，分发宽。Frontier 站在两者之间：挂在模型外面的金融 context 层，从核心用户的讨论里长出来，人能回溯，agent 能调用。

Frontier · Discussion Materials · September 2026 · 条款另页