过去几年， 用AI辅助 炒股不是新鲜事 。

有人拿ChatGPT分析财报，有人让AI总结研报，也有人把AI接进量化策略，自动生成买卖信号。

但这些场景里，AI大多还停留在辅助判断的位置，真正下单的仍然是用户，或者是用户写好的交易系统。

但Robinhood这次不一样了。

5月27日，这家拥有2700万入金用户的券商宣布推出「Agentic trading」功能：

用户可以把第三方Agent接入一个专属交易账户，授权它自主分析持仓、判断时机、直接下单。

整个过程不需要人工确认，AI可以直接替你点下买入按钮，甚至可以在你睡着的时候完成。

AI，第一次开始动散户的钱了。

它是怎么运作的？

Robinhood的设计，本质上是搭了一套「Agent金融接入基础设施」。

核心接口是MCP，一个由Anthropic推动、正在被行业广泛采纳的开放标准，允许Agent与外部应用程序交互。

用户只要把自己使用的Agent，连接到Robinhood的MCP服务器，Agent就能读取持仓数据、分析行业敞口、执行买卖指令。

在资金层面，Robinhood做了隔离。

用于Agent操作的钱必须单独划入一个专属账户，与用户主账户完全分开，Agent只能动这部分资金。

每笔交易完成后系统会推送通知，用户可以随时切断Agent权限，这是目前最主要的风控设计。

同一天，Robinhood还推出了一张Agent专用虚拟信用卡。

用户设定月度消费上限，Agent接入银行端MCP后可以自主完成支付，也可以设置为每笔消费都需人工确认。

从股票交易到信用卡消费，Agent的行动半径，一次性延伸到了资产的两端。

Robinhood表示，期权、加密货币、期货、事件合约等资产的支持，也即将推出。

AI开始动你的资产

Robinhood发布这个功能的时候，趋势其实已经开始了。

券商领域，eToro在今年3月推出了Agent Portfolios，用户可以把Agent接入独立组合，设置预算和风险限制，最低200美元起步。

Public更早一步，用户可以用自然语言描述交易策略，让Agent自动在股票、ETF、期权、加密货币、债券之间执行组合操作，连风险管理和现金调度都一并交出去。

Robinhood加入之后，三家零售券商全部站上了同一条跑道。

过去券商App是给用户看的，行情、持仓、买入、卖出，都围绕人的点击设计。

现在，券商要开始面对另一类使用者Agent。

它不需要漂亮的界面、信息流和按钮，它要的是账户数据、交易权限、风控规则和可调用接口。

支付网络也在做同样的事。

Visa推出Intelligent Commerce，强调用API、标准和全球商户网络，让Agent能代表消费者和企业安全完成交易。

Mastercard的Agent Pay，则把重点放在可信、可扩展的Agentic Commerce支付基础设施上。

换句话说，信用卡过去是给人刷的，未来可能会变成给Agent调用的受限资金凭证。

用户不一定亲自打开网页、比较价格、填写卡号，而是给Agent一个预算、一个目标和若干限制条件，让它自己去搜索、下单、付款。

加密世界走得更激进。

Coinbase今年推出Agentic Wallets，直接把钱包基础设施设计给Agent使用，让Agent可以持有、花费、交易和赚取稳定币，并配套可编程护栏。

Coinbase的底层逻辑是，传统银行账户是给人和企业开的，Agent很难独立开户，但链上钱包天然适合机器账户、微支付、跨平台结算和自动执行。

把这些动作放到一起，可以看到一个信号：

金融基础设施正在默认一种新场景，未来发起交易、支付和资金调度的未必是人，也可能是一个被授权的Agent。

AI炒股的风险

当AI开始可以动你的钱，新的问题也随之而来。

过去用户用AI炒股，模型大多只是给建议，最后买不买，还是人的确认。

但是当Agent获得下单权限后，这道确认就被部分自动化了。

用户给出的可能只是一句模糊指令，比如“帮我抓住AI股机会”“回调时加仓一点”。

但Agent 必须自己解释什么是AI股，什么叫回调，买多少，什么时候止损。

风险在于，一旦判断错了，损失的就是真金白银，那么亏钱算谁的？

Robinhood 目前的答案很直接：你授权了，你负责。

用户在开通功能时需要确认一份风险声明，责任边界从那一刻起归回用户。

这在逻辑上说得通，但在实践中会遇到更棘手的问题。

当一个散户看不懂Agent的决策过程，无法事后还原它为什么在那个时间点买入，「授权即负责」很可能变成一句无法执行的免责条款。

第二层风险，过度交易。

Robinhood这类平台本来就依赖用户活跃度和交易频率，天然倾向于刺激用户更频繁地交易。

Agent一旦可以自动执行策略，散户过去需要打开App、看行情、手动下单的冲动，可能被写成规则持续运行。

如果Robinhood靠交易量赚钱，它有没有动力让Agent帮用户少交易但交易得更准？还是会默许Agent策略偏向高频操作？

第三层风险，相似的模型会不会一起踩踏？

如果大量用户使用相似模型、相似提示词、相似数据源，Agent可能在同一类新闻、财报或价格波动下做出相似反应，从而放大市场波动，甚至引发局部踩踏。

这不是假设，而是算法交易领域已经反复出现过的问题。

只是这一次参与者，从机构的量化系统，换成了分布在数千万散户账户里的Agent。

IMF在今年4月关于agentic AI支付的报告里专门提到这个风险：

Agent的相关性行为一旦形成规模，对金融系统的冲击方式会和传统风险完全不同。

谁是第一批用户？

既然用Agent交易的风险这么高，谁会愿意把钱交给AI呢？

短期内真正用起来的人，可能和想象中不一样。

一类是已经在用算法策略的用户。

这些人本来就不相信凭感觉炒股，他们跑自动化策略，或者自己写脚本执行规则。

对他们来说，接一个Agent不是把命交给AI，而是换了个更灵活的执行工具。

这类用户风险意识相对强，会设严格的资金上限，出了问题也有能力复盘。

一类是小额尝鲜的年轻用户。

Robinhood的核心用户本来就是25-35岁、把投资当作一种参与感的人群。

对他们来说，划200-500美元进一个Agent账户，和买一只小盘股的心态差不多，输了是学费，赢了可以截图发帖。

这类用户不会认真读风险声明，也不会深究决策逻辑，但他们会给这个功能带来最快的规模增长。

还有一类是想测试Agent能力的技术用户。

他们的主要动机不是赚钱，而是好奇心，想看看把Claude或GPT接上真实账户之后，会做出什么决策。

金额很小，但这群人会产出大量公开讨论，反过来塑造其他人对这个功能的预期。

可以预见，真正把大额资金全权交给Agent管理的人，短期内几乎不会出现。

第一阶段的真实使用场景，大概率是小钱验证、人工兜底，即Agent跑策略，人盯着，随时可以切断。

这和自动驾驶的普及路径如出一辙：先是辅助模式积累信任，再是特定场景逐步放开，最后才是真正的全权托管。

现在门已经开了，市场在等待真正的压力测试。