作者 Yuki（刘雨晴）在 Stablehunter/Money in Motion 的这篇文章里，讲述了一个发生在朋友家中的小实验：朋友在 Robinhood 单独开了一个账户，专门交给自己的 Agent，让 AI 代替自己做定投。
作者写道，自己并不确定这个账户是不是 Robinhood 正式推出的 Agentic Account，也不清楚朋友用的是官方接口，还是自行接入的方案。但在作者看到时，这套系统已经运行了一个多月，账户收益超过了 20%。
文章认为，真正让人意外的并不是这组收益数字。一个多月的数据本身说明不了太多问题，收益可能来自市场行情、标的集中，也可能只是碰上了一个暂时好看的时间窗口。在没有完整基准、回撤和交易记录的情况下，不能据此判断 AI 是否真的比人更会投资。
更值得关注的是，已经有人愿意把真实资金交给 AI 管理。这里说的不是让 AI 分析市场、整理新闻，或生成一份投资建议，而是让它接入真实账户，持续执行操作。
Robinhood 的 AI 路线先从信息层开始
作者随后梳理了 Robinhood 近几年的产品路线，认为朋友的做法可能并不只是个人实验，因为 Robinhood 正在把类似行为做成正式的产品方向。
按照文中说法，Robinhood 对 AI 的布局至少可以追溯到 2024 年。那一年，Robinhood 收购了 AI 投资研究平台 Pluto。Pluto 当时主打投资 Copilot，将实时市场数据、新闻、财报和用户个人情况交给大模型，生成个性化研究和策略。Pluto 创始人 Jacob Sansbury 在收购后加入 Robinhood，负责加速 AI 产品路线。
这一步解决的是信息问题。到了 2025 年，Robinhood 推出 Cortex。最初的 Cortex 更像是嵌入投资 App 的 AI 研究助手，可以解释一只股票为什么上涨或下跌，分析新闻与持仓之间的关系，并生成 Stock Digests、Crypto Digests 和 Portfolio Digests。
文章提到，到 2026 年第一季度，Robinhood 表示 Cortex 相关功能已经有接近 100 万用户使用。此时 Cortex 开始从总结信息的工具，逐步变成 Robinhood App 内的统一操作界面。用户可以通过自然语言研究市场、筛选股票、分析持仓，并逐步执行账户操作。
作者将这一路径概括为两步：先让 AI 帮用户看懂市场，再让 AI 帮用户采取行动。
2026 年 5 月，Robinhood 正式开放 Agentic Trading
文中称，Robinhood 在 2026 年 5 月推出 Agentic Trading，正式把账户能力开放给 Agent。
用户可以新开一个独立的 Agentic Account，把一部分资金转入其中，再通过 Robinhood 的 Trading MCP，把 Claude、ChatGPT、Codex、Cursor、Grok 或自己开发的 Agent 接入账户。
在作者看来，这套设计里最关键的一点并不是 Robinhood 自己提供一个“最聪明的炒股模型”，而是它允许用户自行选择第三方 AI。Robinhood 提供的是账户、数据和执行接口。
- Agent 可以读取 Robinhood 账户、持仓、余额和历史订单；
- 可以读取 watchlist 和用户保存的 scans；
- 可以研究标的、创建筛选条件并运行扫描；
- 可以在独立的 Agentic Account 内下单；
- 用户能够查看实时活动和 P&L，并随时断开 Agent。
文章还提到，Robinhood 官方文档直接列出了 Claude Code、Claude Desktop、ChatGPT、Codex、Cursor 和 Grok 的 MCP 接入方法。
这意味着，相关能力已经不再只是依赖非官方 API 或需要绕过平台规则的自动交易脚本。Robinhood 正在主动把自己的金融能力封装成可供 AI Agent 调用的工具。
作者据此认为，这可能是 Agentic Finance 的一个关键节点：金融账户开始从“供人点击的 App”，转向“供 Agent 调用的执行环境”。
Robinhood 不只想让 AI 交易
同一天，Robinhood 还推出了 Agentic Credit Card。用户可以为 Agent 创建一张独立虚拟卡，设置每月限额，也可以要求每一笔消费都由人工确认。Agent 自行寻找商品、进入结账页面后，再通过 Robinhood Banking MCP 获取被授权的虚拟卡信息并完成支付。
之后，Robinhood 还宣布将 Agentic Trading 从股票和期权继续扩展到 Crypto。用户可以把自己选择的 AI 模型连接到 Robinhood 的数据和交易工具，让 Agent 持续扫描市场并执行策略。
把这些产品放在一起看，文章认为 Robinhood 的方向已经不只是“AI 投资助手”。它想回答的是另一个问题：当 AI 可以替人管理投资和消费时，金融平台应该如何提供账户、权限和责任边界。
超过 20% 的收益不是最重要的信号
作者再次回到朋友的案例。这个 Agent 运行一个多月后，账户暂时取得了超过 20% 的收益，当然很吸引眼球，但这并不是判断整套系统是否成立的充分证据。
如果要认真评价一个 AI 投资 Agent，文章认为至少还要看几个问题：
- 它买了什么，承担了多大的市场风险；
- 与同期基准相比到底多赚了多少；
- 最大回撤是多少；
- 交易是否过度集中；
- 如果市场突然反转，它会如何处理；
- 有没有仓位上限、停止条件和人工接管机制。
文章指出，短期高收益很容易成为传播材料，却可能掩盖真正的风险。
而且，无论是 Cortex 还是 Agentic Trading，Robinhood 都反复强调，AI 可能误解指令、使用不完整或过时的信息，也可能做出预期之外的行为。Robinhood 不负责监督用户选择的第三方 Agent，最终交易风险仍然由用户承担。
所以作者更关心的不是 AI 能不能替每个人赚到 20%，而是一个人需要看到什么，才愿意把真实的钱交给 AI。
用户敢授权，关键在失败是否可控
文章认为，朋友没有把全部资产交出去，而是单独开了一个账户，这个细节很有代表性。看似只是操作方式，实际上可能是整个 Agentic Finance 最重要的产品设计之一。
因为用户是否愿意授权，不只取决于模型是不是足够聪明，更取决于失败能否被控制在明确范围内。
- Agent 能动用多少钱；
- 它只能交易哪些资产；
- 是否可以提款或转走资金；
- 每笔交易需不需要确认；
- 出现多大亏损时必须停止；
- 用户能不能一键撤销权限；
- 出问题后，能否还原它看到了什么、做了什么。
Robinhood 给出的答案，是把 Agent 放进一个独立账户：它可以读取大量信息，但只能在指定账户内执行交易；用户可以查看活动，也可以随时断开连接。
作者认为，这套设计并不能消除投资风险，但确实降低了授权的心理门槛。对 Agentic Finance 来说，这可能比模型本身更重要：重点不是证明 AI 永远不会犯错，而是把它犯错时可能造成的损失限制在清楚范围内。
Robinhood 想做的可能是金融世界的 Agent Interface
文章写道，过去金融 App 的设计对象一直是人。用户打开页面、阅读信息、点击按钮、输入金额，再确认交易，金融产品围绕的是人的注意力和操作习惯。
但如果未来越来越多操作由 Agent 发起，金融平台就需要增加另一套接口，包括机器能够理解的账户数据、机器能够调用的交易工具、可编程的权限和预算、人类可以随时介入的审批与撤销机制，以及能追溯每一步行动的日志。
作者指出，MCP 在这里的意义，不只是一个新的 AI 技术名词。它让 Robinhood 不必押注某一个模型。Claude、ChatGPT、Codex，或者用户自己开发的 Agent，都可以使用同一套金融工具。
在这种分工里，Robinhood 保留账户与执行，AI 公司提供理解与决策，用户负责设定目标和风险边界。文章认为，这可能代表未来金融平台的一种新分工。
“把账户交给 AI”正在进入真实场景
作者表示，自己过去谈 Agent Trading 时，一直认为它最早成熟的形态不会是全自动赚钱机器，而更像是一套交易操作系统：帮助用户建立规则、执行纪律，并阻止一些本可避免的错误。
Robinhood 的新产品让作者感到，这件事又往前走了一步。过去的问题是“AI 能不能给我更好的投资建议？”，现在的问题变成了“我愿意给 AI 多大的执行权？”。再往后，问题可能是“一个人的多个金融账户，是否都可以在统一规则下被 Agent 调用？”
文章最后回到那次朋友家里的演示。作者认为，那可能只是一个很早期、很个人化的实验。一个多月、超过 20% 的收益，也远不足以证明任何长期能力。但这件事第一次让作者具体感受到，Agentic Finance 已经不再只存在于协议、Demo 和产品发布会上，已经有人开始把真实账户交给 AI。
在作者看来，值得讨论的重点不是下一个“AI 炒股收益神话”，而是在这种行为逐渐普及时，市场该如何设计授权、风控和责任边界。因为只要 AI 开始碰钱，它就不再只是一个 AI 产品，也已经是一个金融产品。