Rogo：三个前投行青年，把 AI 金融分析师做成 ¥134.4亿生意

产品是什么

Rogo 做的是「AI 金融分析师」——你扔给它一个问题（这家公司的毛利率趋势、某个赛道近三年的并购清单、竞品的客户结构），它像初级分析师一样去查数据、翻文件、画图表、给结论。

对象很明确：投行、PE、对冲基金。这些人每天在干的事，就是读招股书、拉可比公司、做财务模型。Rogo 把这套活儿的一部分自动化了。

它和通用聊天机器人的区别在两点：一是数据接的是金融场景的专有来源（公司文件、行情、行业库），不是随便搜网页；二是它推了一个叫 Felix 的自主 agent，能自己规划多步任务、连续干一阵子，而不是你问一句它答一句。

说白了，它不是来陪你聊天的，是来顶半个分析师的。

怎么赚的钱

B2B 订阅制，按席位年费——一个机构买几十上百个席位很正常。再叠加 Felix 自主 agent 的按用量计费。

这门生意贵得有道理：它替代的是年薪二三十万美金的分析师，按席位收几万美金一年，客户算得过来账。

2026 年 4 月它刚完成 ¥10.75亿 D 轮，估值约 ¥134.4亿，Kleiner Perkins 领投，Sequoia、Thrive、Khosla、JPMorgan 全跟了。能把这些顶级机构同时拉进来，本身就是信任状。

流量从哪来

Rogo 几乎没有走「产品自growth + 内容营销」那条平民路线。它走的是最老派也最有效的 B 端打法：创始人直接敲门。

三个创始人 Gabriel Stengel、John Willett、Tumas Rackaitis 都出身 Lazard / JPMorgan 这类顶级投行。他们做的第一个动作不是投广告，是给前同事、前老板发消息：「我们做了个东西，你试试。」

这一招妙在：买它产品的人，刚好是当年和他们一起熬夜做模型的同事。信任是现成的，渠道是现成的，剩下就是把产品做到能用。

站长是谁

Gabriel Stengel，Princeton 2020，毕业直接进 Lazard 做投行。John Willett 来自 JPMorgan / Lazard，Tumas Rackaitis 是技术合伙人。

2021 到 2022 年，几个还在华尔街的人凑在一起，在纽约把 Rogo 做了起来。

为什么是他们做成？因为金融分析师这个岗位，外人看不懂里面的坑——什么数据能用、什么结论会被 MD 骂、一份 pitchbook 的标准长什么样。他们不是「学了金融的工程师」，是「干过这行的自己人」。这种人对需求的判断，比任何用户调研都准。

这个案例能学到什么

1. 挑「高薪人力 × 高频复用」的场景。 Rogo 替代的不是边缘岗位，是年薪百万的分析师。省下来的人头费远大于软件费，客户付费意愿天然强。找方向时先问：这个行业最贵的人力在重复干什么？
2. 创始人的背景就是最早的销售渠道。 做 B 端前先盘点「我认识这个行业的关键人吗」。没有这层关系，同类产品可能连第一个客户都拿不到。
3. 用「自主 agent」把一次性查询变成持续工作流。 Felix 能自己跑多步任务，意味着客户不是偶尔来问一句，而是把日常分析挂在你这儿。留存和客单价一起涨。
4. 先拿下灯塔客户，再让口碑铺量。 顶级投行用了，中小基金自然会问「他们用啥」。B 端尤其吃标杆效应。
5. 冷启动别先造通用模型。 Rogo 先在一个垂直工作流（金融分析）做透，而不是上来喊「通用智能」。窄到能赢，再慢慢宽。

来源与数据

• 站点：https://rogo.ai
• ¥10.75亿 D 轮、估值约 ¥134.4亿、Kleiner Perkins 领投、Sequoia / Thrive / Khosla / JPMorgan 跟投：TechCrunch、Forbes 2026-04 报道
• 35K+ 用户、250+ 机构客户：公司官网披露
• 创始人背景（Gabriel Stengel 前 Lazard、Princeton 2020 等）：公开访谈与融资报道
• 注：素材库曾将本案例误传为 Finchat / Anomaly，本篇以 Rogo 官方信息与融资报道为准

一句话总结

最贵的不是模型，是「我懂你这行」——三个前投行青年，卖的不是 AI，是同行才看得懂的省心。