Kensho 是 S&P Global 旗下的 AI 创新引擎，提供 AI办公与效率 领域的金融数据检索与分析能力。其核心产品包括 LLM-ready API（为大语言模型提供结构化金融数据检索）、Kensho Extract（PDF 转结构化数据）、Kensho Link（实体匹配）、Kensho Scribe（金融音频转录）和 Kensho NERD（命名实体识别与消歧），覆盖从数据准备到 AI 工作流接入的全链路。

Kensho

核心参数与统计

Kensho 是 S&P Global 旗下的 AI 创新引擎，官方定位为 "The innovation engine for S&P Global"，核心使命是将 S&P Global 的可信金融数据通过 AI 接口开放给 LLM、Agent 和企业应用。它不是一款独立工具，而是一套由数据准备层、检索层和 AI 接入层组成的企业级金融智能基础设施。

项目	公开信息
官方定位	S&P Global 的 AI 创新引擎
成立时间	2013 年（哈佛/MIT 孵化）
母公司	S&P Global（2018 年收购）
核心产品形态	LLM-ready API、Extract、Link、Scribe、NERD、Adaptive Retrieval
部署方式	云端 API、MCP Server、Python SDK
数据集覆盖	S&P Capital IQ Financials、Estimates、Transactions、Transcripts、Company Intelligence、Private Company Financials、Key Developments、Professionals 等
合作伙伴	OpenAI、Anthropic、Google Cloud、AWS、Databricks、Snowflake、LangChain、Cohere
发明专利	13 项（2018–2025）
办公地点	剑桥（哈佛广场）+ 纽约市
最新里程碑	2026-06-03 LLM-ready API 数据集扩展

产品矩阵逻辑：Kensho 的产品线围绕一条清晰的链路设计——先通过 Extract/Scribe 将非结构化数据（PDF、音频）转化为结构化数据，再通过 Link/NERD 完成实体匹配与知识增强，最后通过 LLM-ready API 和 MCP Server 将处理后的数据接入任意 LLM 或 Agent 工作流。

数据壁垒：Kensho 的核心价值不在于 AI 算法本身，而在于它连接了 S&P Global 覆盖数千万家上市与非上市公司的金融数据集，这是第三方 API 难以复制的数据护城河。

用户与市场认可

Kensho 的市场认可主要来自 S&P Global 的品牌背书、与头部 AI 厂商的生态合作，以及金融行业的实际落地案例，而非公开的独立用户量或营收数字。

母公司背书：S&P Global 作为全球领先的金融数据与评级机构，在 2018 年以约 5.5 亿美元收购 Kensho 作为 AI 创新引擎。这一收购本身就是市场对 Kensho 技术实力的最高背书。此后 Khensho 的 AI 能力已嵌入 S&P Capital IQ Pro、S&P Global Energy Core、S&P Global Marketplace 等核心产品。

生态合作深度：Kensho 同时与 OpenAI（ChatGPT）、Anthropic（Claude）、Cohere、Google Cloud、AWS、Databricks、Snowflake、LangChain 等主流 AI 和云厂商建立合作。2026 年 2 月发布的 S&P Global Plugin for Claude Cowork 和 2026 年 3 月上线的 ChatGPT 集成，标志着 Kensho 已成为金融数据在 AI 生态中的关键接入层。

行业认可：Kensho 的领导力帮助 S&P Global 入选 Fortune 企业 AI 成熟度指数和 Business Insider 的 AI Trailblazers 榜单。其研究成果常年发表在 ACL、DAS 等顶级学术会议，并在 Hugging Face 上开源了 Finance Fundamentals、FIND、SPGISpeech 2.0、PubTables-v2 等数据集，形成了学术影响与商业应用的双向循有。

成本优势

• C 端/个人：通常提供免费版体验核心功能，高频使用需订阅付费套餐。
• API/开发者：按调用量计费，适合灵活集成到自有系统中的开发团队。
• 企业/私有化：需联系商务获取定制化报价和部署方案。具体价格以官方实时定价页面为准。

主要功能

Kensho 的能力体系围绕 "将 S&P Global 数据转化为 AI 可用智能" 这一主线展开，公开产品可归纳为两大板块：

数据检索层

• LLM-ready API（确定性检索）：提供 API 驱动的结构化金融数据访问，支持自然语言查询，每次返回一致的结果。LLM 不参与推理或生成，客户完全控制编排、工具选择和执行。这是 Kensho 面向 AI 工作流的核心入口。
• Adaptive Retrieval（Alpha）：面向复杂开放式工作流的自适应检索，可跨数据源动态路由查询并自动组装结果，适用于深度研究、多步分析和 Agent 驱动任务。目前以 Alpha 阶段提供。

核心 AI 能力层

• Kensho Extract：将非结构化金融 PDF 转化为机器可读的结构化数据（JSON），精确处理文本、表格和图表。这是连接纸质金融文档与 AI 系统的桥梁。
• Kensho Link：将用户的表格公司数据匹配到 S&P Global 公司 ID 和全球标识符，覆盖超过 7000 万上市与非上市公司实体。输入质量参差不齐时仍能输出高质量匹配结果。
• Kensho Scribe：基于深度学习的金融音频转录服务，基于 10 万小时 S&P Global 领域数据训练，支持 AI 自动转录和人工审核（Human-in-the-loop）两种模式，适用于财报电话会、投资者演示等场景。
• Kensho NERD（命名实体识别与消歧）：自动识别文本中的公司、人物、地点等实体，并将其链接到 S&P Global 知识库，将非结构化文本转化为丰富的业务智能。

隐藏联动：这四项核心能力并非孤立产品。典型工作流是：先用 Extract 提取 PDF 中的结构化数据 → 用 Link 将公司名称匹配到全球标识符 → 用 NERD 识别和链接更多实体 → 最后通过 LLM-ready API 将处理后的数据注入 Agent 或 LLM 应用。Scribe 则补充了音频维度的数据入口，使 Kensho 覆盖文本、表格和音频三类信息源。

模型与版本演进

持续迭代更新，最新版本引入了性能优化和新功能。历史版本信息可通过官方发布页查看。 暂无完整公开的版本演进时间线，建议关注官方公告了解功能更新节奏。

技术优势

Kensho 的技术优势源于其 "数据 + AI + 金融领域知识" 的三层叠加，而非某一单一模型的性能。

确定性检索 vs. 生成式推理：LLM-ready API 的设计理念与通用 AI 检索截然不同。它采用"确定性检索"模式——对同一问题始终返回相同答案，不引入 LLM 推理或生成的不确定性。这对金融合规场景至关重要：投行分析师和审计人员需要的是可追溯、可复现的数据，而非 LLM 的"最佳猜测"。每条回答都附带原始文件链接（S&P Capital IQ Pro），确保输出可审计。

领域专用模型：Kensho Scribe 基于 10 万小时 S&P Global 金融音频数据训练，对财报电话会中的行业术语、不同口音和音频质量变化有针对性优化。这与通用语音识别服务在金融场景下的准确率存在本质差异。同样，Kensho Extract 的 PDF 解析引擎针对金融文档的复杂排版（多列表格、页眉页脚、标注）做了专项优化。

全链路架构：Kensho 的产品覆盖从数据提取 → 结构化 → 实体链接 → 检索接入的完整链路。这种架构意味着金融机构不需要在多个供应商之间拼接数据管线，Kensho 提供了从原始文档到 LLM 输入的一站式数据准备能力。

MCP 原生支持：Kensho 是较早全面拥抱 Model Context Protocol（MCP）的金融数据提供商之一。通过 MCP Server，Kensho 可以接入任何 MCP 兼容的应用（Claude、ChatGPT、Microsoft Copilot Studio、Amazon Quick Suite、Databricks 等），使金融数据的消费端不再局限于自建应用。

如何使用

Kensho 以 API 为主要交付形态，同时提供 Web UI 和 MCP 接入两种辅助入口。

使用方式	适用产品	入口	适合人群
REST API + Python SDK	LLM-ready API、Extract、Link、Scribe、NERD	docs.kensho.com	开发者、数据团队
Web UI	Extract（extract.kensho.com）、Link（link.kensho.com）、Scribe（scribe.kensho.com）、NERD（nerd.kensho.com）	各产品独立 UI	业务分析师、运营团队
MCP Server	LLM-ready API、Adaptive Retrieval	通过 docs.kensho.com 配置	Claude/ChatGPT 等 AI 用户
S&P Global Marketplace	LLM-ready API	marketplace.spglobal.com	S&P Global 现有客户

快速上手指南：

1. 注册 Kensho 账号或通过 S&P Global Marketplace 订阅 LLM-ready API。
2. 获取认证凭据（Personal Token 或 Key Pair）。
3. 安装 Python SDK：pip install kensho-llm-ready-api。
4. 直接使用自然语言查询金融数据，例如："Compare the gross margins and EBITDA trends for Amazon, Google, and Meta over the past 5 years"。
5. 或配置 MCP Server 接入 Claude/ChatGPT，在对话界面直接查询。

MCP 配置示例（以 Claude 为例）：Kensho 提供远程 MCP Server 和本地 MCP Server 两种方式。配置详情见 docs.kensho.com/llmreadyapi/mcp。Kensho 还提供 S&P Global Plugin for Claude Cowork，可在 Claude 插件市场直接安装。

产品定价

Kensho 的定价模式是企业级 API 订阅制，没有公开的标准价目表。

• 免费试用：官网提供免费试用入口，具体额度、数据集可用性和功能限制未在公开页面详述，以 services.kensho.com/free-trial 实时页面为准。
• 开发者/API 订阅：LLM-ready API 和 Core AI APIs 的定价基于数据集覆盖范围和 API 调用量。需通过 S&P Global Marketplace 或联系 sales 获取报价。
• 企业订阅：企业级打包定价，通常包含多个数据集MCP Server 并发授权SSO 集成、专属支持和审计能力。定价需与 S&P Global 客户经理确认。
• Kensho Labs 定制方案：针对标准化产品无法覆盖的场景提供定制化 AI 解决方案，价格取决于项目范围和复杂度。

成本提示：对 Kensho 这样的企业级数据 API，采购前需重点确认以下条款——数据集的实际可查询范围（是否包含所有公开宣称的数据集）、API 调用量上限与超额费率MCP Server 并发连接数限制、数据是否可以用于模型微调或二次训练、合同终止后的数据保留策略。

应用场景

Kensho 的落地场景集中在需要可信金融数据支撑的高价值决策流程：

• 投资银行与股权研究：分析师通过 LLM-ready API 快速拉取可比公司财务数据、交易历史和估值指标，构建 pitch book 和研究报告。传统流程需要分析师手动从多个数据源摘录并校对数据，Kensho 将这一过程从数小时压缩到几分钟，且结果直接附带原始文件链接供审计。
• 财报电话会与投资者关系：通过 Scribe 将财报电话会录音自动转为结构化文本，结合 NERD 提取关键实体和主题，再通过 LLM-ready API 交叉验证财务数据。适用于季度财报季的高频批量处理场景。
• 资产管理与投资组合分析：基金经理和研究员使用 Kensho 获取历史价格趋势、行业估值区间和压力测试数据，辅助资产配置决策。Adaptive Retrieval（Alpha）在深度研究和多步分析中尤其有价值。
• 企业风险与合规：利用 Link 和 NERD 对内部数据进行实体匹配和清洗，识别交易对手风险、关联交易和异常模式。覆盖 7000 万+ 实体的数据库可大幅提升 KYC 流程的效率。
• M&A 与尽职调查：通过 LLM-ready API 获取目标公司的详细财务数据、行业对标和交易历史，支持并购前的快速筛选和多维度分析。

适用人群

Kensho 的目标用户群以金融行业的专业角色为主，同时在向更广泛的 AI 开发者群体扩展。

• 投资银行家与股权分析师：需要快速获取可比公司数据、构建估值模型和制作 pitch deck。Kensho 的确定性检索和审计追溯能力直接匹配合规要求。
• 量化研究员与数据科学家：需要高质量、可追溯的结构化金融数据来训练模型或构建分析管线。Python SDK 和 REST API 使其易于集成到现有数据科学工作流中。
• 资产管理与对冲基金专业人：依赖及时、准确的财务数据和市场信号做出投资决策。Scribe + NERD + LLM-ready API 的全链路能力覆盖从原始音频到结构化分析的全流程。
• AI 应用开发者：正在构建金融领域的 LLM 应用或 Agent，需要可靠的数据源作为 grounding。Kensho 的 MCP 原生支持和多平台集成使其成为金融 AI 应用的首选数据层。

不适配人群：Kensho 不适合个人开发者的低成本实验需求，其企业级定价对个人和小团队不友好。也不需要独立聊天界面——它本质上是数据基础设施，不是面向消费者的 AI 聊天产品。对只需要通用金融数据（如股价、基本面指标）的用户，公开的金融 API 或 Yahoo Finance 等免费源可能是更合适的选择。

总结与展望

Kensho 的核心价值在于它是连接 S&P Global 海量金融数据与 AI 生态的关键基础设施。它的不可替代性来自三方面：一是 S&P Global 数千万家公司的结构化金融数据集构成的数据壁垒；二是从数据提取、实体匹配到 LLM 检索的全链路产品矩阵；三是对 MCP 等 AI 开放协议的早期全面拥抱。它不是最快、最便宜的金融数据 API，但它是目前与 LLM/Agent 生态集成最深的企业级金融数据方案。

当前限制：定价透明度不足，公开页面缺少标准价目表，采购决策需依赖商务沟通；Adaptive Retrieval 仍处于 Alpha 阶段，生产级可用性待验证；核心能力高度依赖 S&P Global 生态，独立于母公司后的迁移成本极高；中文支持未公开说明，对中文金融用户的可用性需确认。

采购/采用风险评估：Kensho 的典型采用路径是由 S&P Global 现有客户先通过 Marketplace 试用 LLM-ready API，验证数据集覆盖范围和查询准确性后，再扩展到企业级订阅。采购前需与销售确认数据集实际可用范围API 调用量与并发限制MCP Server 授权条款，以及合同终止后的数据留存策略。对非 S&P Global 客户来说，Kensho 的评估周期通常较长，建议先利用免费试用和 POC 验证核心使用场景的价值。

相关工具：Notion AI、google-workspace

Kensho 的版本演进

Kensho 的核心产品是持续迭代的 SaaS/API 服务，没有传统意义上的版本号体系。以下是公开可查的关键产品里程碑：

早期阶段（2013–2024）

Kensho 在 2013 年从哈佛/MIT 孵化，早期专注于为大型金融机构构建自然语言金融分析工具。2018 年被 S&P Global 收购后，转入为母公司的数据资产构建 AI 基础设施。这一阶段的产品主要面向 S&P Global 内部，未对外公开 API。

LLM-ready API 时代（2024–至今）

• 2024-11-13：S&P Global 发布 Kensho LLM-ready API（Beta），首次将结构化金融数据以自然语言接口开放给生成式 AI 应用。
• 2025-09-15：LLM-ready API 扩展 MCP 服务器访问、新增数据集支持和集成能力。
• 2026-01-28：新增 Private Company Financials 和 S&P Capital IQ Estimates 数据集，并增强审计可追溯性。
• 2026-02-24：S&P Global Plugin for Claude Cowork 发布，将金融数据技能引入 AI Agent。
• 2026-03-05：通过 ChatGPT 向更广泛的用户群交付 S&P Global 金融数据。
• 2026-05-14：Kensho MCP Apps 发布，支持在 AI 应用内可视化、探索和交互 S&P Global 数据。
• 2026-06-03：LLM-ready API 新增 Key Developments 和 Professionals 数据集，扩展全球高管数据和结构化事件智能。
• 2026-06-11：S&P Global 与 Cohere 合作扩展 AI 生态系统，为金融机构提供可信 Agent 工作流。

Kensho 的产品迭代特点是：功能更新以数据集扩展、集成对接和 MCP 生态建设为主，而非传统意义上的版本号升级。各核心 API（Extract、Scribe、NERD、Link）各自独立维护版本，分别在 v2/v3 等层次迭代。

版本信息

• LLM-ready API — Key Developments + Professionals 数据集扩展 ：LLM-ready API 新增 Key Developments（关键事件）和 Professionals（全球高管数据）两个数据集，进一步扩展 AI 驱动的金融数据检索覆盖范围。 （2026-06-03）
• Kensho MCP Apps 发布 ：推出 Kensho MCP Apps，支持在 AI 应用内部可视化、探索和交互 S&P Global 数据。 （2026-05-14）
• S&P Global Plugin for Claude Cowork ：发布 S&P Global Plugin for Claude Cowork，将金融数据技能引入 AI Agent，支持 AI 驱动的 Excel 等能力。 （2026-02-24）
• LLM-ready API Beta 发布 ：S&P Global 发布 Kensho LLM-ready API（Beta），首次使结构化金融数据可被生成式 AI 应用通过自然语言访问。 （2024-11-13）
• LLM-ready API MCP Server 扩展 ：LLM-ready API 扩展 MCP 服务器访问、新增数据集支持和集成能力，暂无官方精确日期。 （~2025-09）