坦途（Tantu）是 Nashi 体系的一期子产品，聚焦国内投资市场， 面向个人投资者与中小机构，提供以事件驱动的实时消息内参服务。
事件发生到用户获知，压缩至分钟级别，比传统媒体快 15–60 分钟
每条推送附带消息强度 [-10, +10]、预计影响时长、剩余窗口
实体图谱 × 事件图谱 × 影响向量，智能提炼事件的多维度影响
投资者手中的"信息差雷达"——在分钟级别告诉你市场正在发生什么、影响有多大、还能持续多久。
投资者的信息困境，正是坦途的价值所在
每天数千条财经资讯轰炸，散户缺乏筛选能力
事件到用户获知延迟 15–60 分钟
缺乏影响力、持续性、相关性的量化评估
普通投资者无法快速判断消息对持仓的真实影响
| 用户类型 | 核心痛点 | 付费意愿 |
|---|---|---|
| 活跃散户（日交易） | 盘中信息获取慢，追涨杀跌 | 强 |
| 中线投资者 | 需要了解持仓标的的持续影响事件 | 中强 |
| 小型私募/工作室 | 缺乏机构级信息终端预算 | 强 |
| 财经自媒体/KOL | 需要快速获取选题与素材 | 中 |
| 产品 | 定位 | 价格 | 差距 |
|---|---|---|---|
| Bloomberg Terminal | 全球金融终端 | $2,000+/月 | 不对标，客群不同 |
| Wind / 同花顺 | 综合数据终端 | 数万元/年 | 信息量大但缺乏事件级智能提炼 |
| 财联社 / 华尔街见闻 | 财经快讯 | 免费/低费 | 快但缺乏量化分析与影响预判 |
| Go-Goal (韭研) | 研报聚合 | 中等 | 重研报，轻实时事件 |
| 坦途 | 事件级智能内参 | 93元/月 | 分钟级 + 量化影响 + 知识图谱 |
坦途不做"更多信息"，做"更精准的信息"。每条推送都带有量化标签（强度、时长、行业），用户可立刻判断是否需要行动。
移动端为载体，消息推送为核心交互方式
"比用户更懂用户"
基于本地非公开大模型，在用户授权下持续学习其投资行为与偏好。
| 传统标签 | 坦途智能体识别 |
|---|---|
| "高风险偏好" | 偏好创业板 + 科技股 + 追涨型 + 日内交易倾向 0.7 |
| "关注新能源" | 光伏 > 锂电 > 风电；上游 > 中游 > 下游 |
| "稳健型" | 持仓集中度低、换手率低、阈值 > 6 才触发推送 |
替代静态标签体系，动态构建用户投资画像；友好的替代指标定制——用户可以说"我想关注跟硅料有关的一切"。
"快人一步"
"去伪存真" · 核心技术壁垒
坦途区别于所有竞品的核心技术壁垒，对应 Nashi 的核心架构。
企业↔人物↔政策↔产品↔行业
供应链·股东·技术路线
事件A→触发→事件B→传导→事件C
影响链自动推导
[行业影响度, 个股影响度,
时效衰减曲线] → 量化得分
消息真实性判断：图谱交叉验证，筛除虚假信息
常识推理：CEO 被调查→自动关联上下游→多级预警
智能过滤：只推送图谱推理后真正相关的事件
影响链推导：沿产业链、股权关系推导影响范围与强度
| 模块 | 功能 | 说明 |
|---|---|---|
| 推送中心 | 实时事件推送 | 核心功能，分钟级推送 + 量化标签 |
| 智能分级 | 强信号 (|强度|>7) 强制推送；弱信号静默收录 | |
| 影响倒计时 | 显示"预计影响剩余 XX 分钟"，提示操作窗口 | |
| 个性化 | 关注标的 | 自选股 + 智能推荐 |
| 关注行业 | 行业事件聚焦 | |
| 强度阈值 | 用户自定义推送门槛 | |
| 盘中面板 | 实时事件流 | 类似 Bloomberg 的事件时间线 |
| 热度仪表盘 | 当前各行业事件活跃度可视化 | |
| 情绪热力图 | 正向/负向事件分布 | |
| 复盘中心 | 事件→行情对照 | "这条消息出来后 24H，相关标的涨跌幅度" |
| 历史相似事件 | "上一次类似事件：2024-03-15，标的跌幅 4.2%" | |
| 当日事件回顾 | 按时间线 + 影响力排序 | |
| 分析工具 | 行业活跃度趋势 | 近 N 天各行业事件密度变化 |
| API 接口 | 面向机构客户的事件数据推送接口 |
Month 1–3 · A股200+ 信源 · 基础 NLP · 强度模型 v0.1 · App+小程序 · 付费上线
Month 4–6 · 知识图谱 v1.0 · 用户意图智能体 · 影响时长预测 · 关联标的匹配 · 历史检索
Month 7–9 · 五节点采集网络 · 多语种翻译管道 · 海外事件→A股分析 · API 开放
Month 10–12 · 品牌升级 Nashi-Domestic · 数据能力输出 · 资产迁移
C 端订阅为核心，B 端 API 为增长引擎
面向量化私募、小型基金、财经自媒体提供事件数据 API 接口，按调用量计费。
| 指标 | 保守 | 中等 | 乐观 |
|---|---|---|---|
| 付费用户数 | 3,000 | 8,000 | 15,000 |
| ARPU（年均） | 950 元 | 1,000 元 | 1,050 元 |
| 年收入 | 285 万 | 800 万 | 1,575 万 |
| 毛利率 | 75% | 80% | 85% |
免费用户每天 3 条精选推送 → 感受"信息差"价值 → 转化付费
重大事件日全量推送，以产品力获客
与财经自媒体/UP 主合作，提供事件数据源，获得品牌曝光
强调"比大多数人早 18 分钟知道"，量化信息的速度价值
技术深度 × 数据飞轮 × 先发优势
Nashi 图谱积累直接复用。累积型资产——数据越多、关系越密、推理越准，后来者难以追赶。
五节点部署 + 翻译管道需要时间优化。节点越多，速度越快，覆盖越广——网络效应。
使用越多→画像越精准→推送越准确→粘性越强——"使用→精准→满意→续费"正向循环。
93 元/月 vs Bloomberg $2,000+/月
极致性价比
不做全功能终端
只做"事件内参"，做到极致
未来无缝升级为 Nashi 全球版
LTV 空间大
| 角色 | 职责 | 所在地 |
|---|---|---|
| CEO / 技术总监 | 战略方向、技术架构、AI 模型 | 杭州/北京 |
| COO / 产品总监 | 产品设计、市场运营、用户增长 | 杭州/北京 |
| CIO / 数据总监 | 数据采集、清洗、图谱构建 | 杭州/北京 |
| 数据采集工程师 | 采集节点运维、信源接入 | 福冈/河内 |
| 层级 | 技术选型 |
|---|---|
| 数据采集 | Scrapy、定制化爬虫引擎 |
| 数据处理 | Spark、Flink（实时流处理） |
| NLP | NLTK、自研中文金融 NLP 模型 |
| 深度学习 | PyTorch、本地部署大模型 |
| 知识图谱 | Neo4j / 自研图数据库 |
| 后端 | Python、RUST、Go |
| 前端 | UniApp（移动端跨平台） |
| 消息推送 | WebSocket 实时通道 + 分级推送策略 |
一期投资预算与融资需求
| 项目 | 预算（万元） | 说明 |
|---|---|---|
| 数据采集中心（福冈/河内） | 30 | 服务器、网络、运维 |
| 应用 + AI 模型开发（杭州/北京） | 50 | 团队薪酬、模型训练、开发环境 |
| 产品运营与市场推广 | 20 | 获客、品牌、KOL 合作 |
| 合规与法务 | 10 | 金融信息服务资质、数据合规 |
| 应急储备 | 10 | — |
| 合计 | 120 | — |
120–150 万
天使轮
产品研发 60%
市场推广 25%
合规与运营 15%
参照 Nashi 整体项目估值框架
Yr 1：做透 A 股事件内参，形成产品口碑与付费用户群
Yr 2：品牌升级，打通全球事件→A 股影响的分析链路
Yr 3+：华人投资者首选的全球经济信息服务平台——知识与事件图谱驱动的下一代投资内参
短期内，坦途是投资者手边的"事件雷达"——快、准、精。
长期看，坦途是 Nashi 体系在国内市场的种子——验证产品模型、积累用户资产、训练 AI 能力，为 Nashi 的全球化平台奠定基础。
又快又精的投资内参 | Nashi 子产品 | 事件智能推送