**伦敦证券交易所集团（LSEG）创新论坛纪要关键要点** 涉及的行业或公司 * 伦敦证券交易所集团（LSEG）及其各项业务，包括数据与分析（DNA）、交易后服务、TradeWeb、FTSE Russell、LCH、Workspace等 [1][3][4] * 金融数据服务、金融市场基础设施行业 [3][4][7] * 关键战略合作伙伴微软（Microsoft） [25][53][64] 核心战略定位与商业模式 * 公司定位为连接完整交易生命周期和完整数据价值链的独特集团 [3][7][13] * 业务组合与多个结构性增长动力保持一致，包括数据需求增长、电子化、数字化和监管变化 [3][7] * 经济模式兼具稳定性与增长性，约75%收入来自经常性订阅服务，25%来自交易收入，过去四年复合增长14% [9][10] * 拥有多元化的客户基础（卖方、买方、企业、学术机构）和资产类别，减少对单一领域的依赖 [7][8][10] * 通过深度客户合作和长期数据访问协议（LDAs）建立战略伙伴关系，预计年底LDA将占DNA年度订阅价值（ASV）的约17% [23][24][126] 财务表现与资本分配 * 长期财务表现优异，每股收益（EPS）过去20年复合年增长15%，股息每股复合年增长18% [10] * 今年预计产生超过24亿美元现金，比三年前增长60% [10] * 资本分配包括并购（如近期交易后收购）和股东回报，预计到明年二月将通过回购返还50亿美元，约占市值的10% [10][11] * 杠杆率从收购Refinitiv后的3.3倍净债务/EBITDA在12个月内降至2倍以下，预计年底约为1.9倍 [17][18] 转型与整合执行 * 成功整合Refinitiv交易，超额完成协同效应目标，收入协同效应达到2.92亿美元（原目标2.25亿美元），成本协同效应达到5.62亿美元（原目标3.5亿美元） [15][16] * 集团利润率通过成本控制和运营杠杆显著改善，过去两年报告利润率提高220个基点，其中180个基点为潜在增长 [16][17] * 转型聚焦于三大支柱：人才、平台和产品，领导团队和工程团队进行了大量更新 [19][20][21][31] 工程与AI战略 * 工程转型三大支柱：卓越人才（目标到2027年内部工程师占比达80%）、通用平台、产品纪律 [31][32][33][34] * 工程生产力提升11%，而人员减少了18% [36] 发布速度提高25%，事故减少55% [37] * AI战略三大支柱：可信数据、变革性产品、智能企业 [39][40] * LSEG拥有超过33 PB的数据，其中90%的数据和馈送收入基于专有数据，45%是实时数据，对AI模型极具价值 [41][42] 产品创新与合作伙伴关系 * 与微软的深度合作涵盖云迁移（至Azure）、AI集成（Copilot Studio、MCP）、新产品开发（如DMI、Open Directory） [25][53][69][82][86] * Workspace平台完成从ICON到Workspace的迁移，拥有约35万用户，每年进行约500次更新，用户参与度显著提升 [25][115][116] * 推出数字市场基础设施（DMI），完成首笔交易，利用分布式账本技术 [27][82][130] * 通过Model Context Protocol（MCP）使数据AI就绪，安全地向LLM提供数据 [45][75][76][121] * Open Directory基于Microsoft Teams构建，实现金融机构间安全合规的协作，首个租户已投入生产 [86][92][94][129] 数据与分析（DNA）增长战略 * 目标成为客户可信数据和可行洞察的领先提供商，市场规模约350亿英镑 [110][117] * 四大战略支柱：扩展数据领导地位、变革客户工作流、最大化渠道覆盖、构建高效可扩展平台 [117] * 增长杠杆包括提高留存率（自2021年提升200基点）、竞争替代（赢率提升700基点）、价格实现、新收入流（使用量计费、合作伙伴收入分成） [116][123][124][125] * 数据消费快速增长，实时数据流量过去十年增长四倍，Tick History数据在云端提供后，客户月请求量从400万升至650万 [113][114][143] 演示案例与价值主张 * 演示展示了AI代理在云端（如Google BigQuery、Databricks）使用LSEG数据自动生成分析师报告、进行回溯测试和风险分析 [138][139][144][155] * 通过MCP服务器和Visual Studio Code AI助手等工具，实现无代码/低代码集成LSEG分析与客户数据和AI应用 [158][162][163] * Workspace AI与Microsoft Office（Excel、PowerPoint）、Teams和Open Directory深度集成，提升财务工作流（如 Pitchbook制作、交易执行）的效率与协作 [165][167][171][173][176] * 核心价值主张是将可信准确的数据、集成的工作流和安全的协作结合，为客户提供速度、信心和效率 [120][165][179] 其他重要内容 * 内部AI应用已见成效，客户支持查询解决时间减少40%，50%的查询在一小时内解决，内容提取速度提升9倍，数据质量问题减少52% [106][107][108] * 公司强调演示均为真实产品和使用案例，非营销宣传 [28][104]

财报披露与投资策略 - 财报披露进入冲刺期，截至04/19已有133家计算机公司披露2024年年报（占比40%），12家披露2025年一季报（占比4%），未来8个工作日将密集披露 [1] - 计算机指数历史表现显示4/5/6月上涨概率分别为20%、53%、60%，建议底部加仓业绩趋势向好的质优龙头 [1] - 板块近期调整受财报披露和国际形势影响，但产业基本面未发生实质性变化 [1] AI技术进展与产业机会 - MCP协议通过标准化接口加速AI模型与外部工具/数据的交互，阿里云百炼、腾讯云、百度地图等已推出相关服务 [1] - 蚂蚁智能体平台4月16日设立"MCP专区"，推动AI生态发展，应用软件厂商可通过MCP协议快速开发Agent应用 [1] 智能驾驶与eCall产业 - 智能驾驶安全性需求提升推动eCall产业发展，国内市场需求加速打开，海外市场因地缘政治变化迎来新机遇 [1] - 建议持续聚焦eCall产业链核心龙头标的 [1] 信创产业研究 - 信创产业复盘研究显示其具备超额成长确定性，需关注历史规律以预判未来发展趋势 [2]

文章核心观点 - MCP是对其他所有LLM中间层的集大成者，已显著垄断Agentic AI中间层且生态已出现，可能带来“Agentic AI领域的Stripe”，能让Context Layer效果最大化，是Agentic AI的安卓，其生态下创业公司有三个主要机会 [2][4][7][23][25][32][33] 各部分总结 Insight 01 - MCP是开放协议，允许系统向AI模型提供上下文信息，可在不同集成场景通用化，定义了AI模型调用外部工具、获取数据及与服务交互的方式 [4] - 发布一个季度内，MCP使用增长速度是所有开源框架中最快的，2025开年以来显著垄断AI Apps & Agents和Tools & Data Sources间的中间层 [5] - MCP在AI开发者核心圈口碑和讨论度高 [6] Insight 02 - MCP在开发者群体渗透率增长极快，围绕其已出现“生态”，包括MCP Clients、MCP Servers、专门的Marketplace、Infra等产品 [7] - MCP核心概念有客户端MCP Client和服务器MCP Server，前者可让产品无缝连到MCP Server获Context，后者可让LLM理解Context Layer，是轻量级Context连接软件 [8] - MCP Client指LLM - native产品或Agent，可通过MCP协议访问数据，一个Client可和多个MCP Server连接，目前多数高质量Client以编程为中心，非技术用户可用Claude Desktop作为切入点 [10][11][12] - MCP Server可看作开放版的GPTs，头部数据库、Coding公司和创业公司基本都有自己的Server，其使用场景多元，开发模式由社区推动，企业也开始开发官方版本 [13][15] - MCP在GitHub的154个MCP Servers列表里，使用场景最多的是搜索和数据检索，还包括数据库、设计、支付等多个领域 [16] - 去年12月Anthropic举办MCP Hackathon，结果显示MCP使用场景多元，开发者希望通过其实现tool use或执行多步骤任务，获奖成果有Santa Claude、Clauduct Manager等 [18][20] Insight 03 - MCP是转接口，能打通不同数据类型和AI应用，Anthropic将其类比为USB - C端口，隐含打造标准化接口的目标，该接口定义在MCP Server和LLM之间 [21] - MCP将数据转接工作量在各方重新分配，虽不能和Stripe直接类比，但“Agentic AI的Stripe”可能是创业公司机会，是Agent领域关键infra [22][23] Insight 04 - 让AI Agent发挥作用需正确丰富的Context、完整工具使用环境和持续迭代的记忆，MCP以Agent为中心的执行模式超越LSP，能帮助Context Layer实现最好效果 [24][25] - Tool use核心是RL环境，memory目前无标准化趋势 [28] Insight 05 - MCP出现前已有很多中间层产品，MCP集各家之长，更轻量、开放，对这些产品冲击不小 [29] - OpenAI Function Call给MCP启发，但MCP更具生态价值；OpenAI GPTs思路被MCP沿用，但太封闭；OpenAI Agent SDK和MCP不同；LangChain和LlamaIndex受冲击大；Composio在MCP环境下生态位不错 [29][30] Insight 06 - 开发者让不能控制或开发的Agent获取数据源和工具时，MCP是最佳选择，其开源灵活，但使用效果精细和效率可能不如Agent SDK，类似安卓，目前不确定OpenAI Agent SDK等是否类似苹果 [32] Insight 07 - MCP生态下创业公司有三个主要机会，分别是Agent OS、MCP Infra、MCP Marketplace [33][35] - Agent OS可将大量MCP Server层统一抽象，使Context和tool use更自然分发和交互 [35] - MCP Infra核心目标是让MCP更可靠、可扩展，需将其设计成无状态协议，还有支持托管与多租户等多种做法 [36][37] - MCP Marketplace可帮助Agent选到更好产品，如Cline发布的MCP Marketplace，用户可浏览、搜索、一键安装MCP Server [39][40][41]

文章核心观点 - Claude借助MCP协议自动化操作Blender将2D图片转为3D建模，大幅提升建模效率，且MCP可复刻到其他工具，有望成为未来AI标准，但也面临争议 [1][3][5][44] 分组1：BlenderMCP项目介绍 - Claude借助MCP协议自动化操作Blender将2D图片转为3D建模，过程流畅，还能基于场景搭建互动网页 [1][2][3] - BlenderMCP项目上线3天GitHub标星达3.8k，建模效果可信任，能处理错误并告知人类，且可复刻到其他开源专业工具 [6][7] - BlenderMCP将Blender连接到Claude，允许Claude直接交互并控制Blender，可完成多种场景搭建，指令遵循效果好 [9][11][13] - BlenderMCP系统由Blender Addon和MCP Server两部分组成，安装办法已开源到GitHub [20][21][22] 分组2：MCP在其他工具的应用 - 网友尝试用MCP升级各种工具，如在Cursor上使用MCP协议接入Slack和GitHub完成新功能开发 [24][26][27] - Composio将GitHub、谷歌搜索等做成MCP服务，MCP爱好者建立社区提供开源资源，大模型也可被MCP服务化 [29][30][32] 分组3：MCP协议优势 - MCP是Anthropic提出的通信协议，被比喻成AI应用的Type-C接口，有望成为行业开放标准 [34][35] - MCP解决数据隔离痛点，实现大模型与外部数据源和工具无缝集成，采用客户端 - 服务器架构 [36][37][38] - MCP优势在于用同一协议访问多种资源，支持多样数据形式，服务器内置安全机制 [39][40] - MCP通信采用JSON格式，开发过程简单，Claude 3.5 Sonnet擅长架设MCP服务器 [41][42][43] 分组4：MCP争议 - LangChain官方投票显示40.8%的人认为MCP是未来标准，更多人持观望态度，内部也有分歧 [46][47][48] - LangChain CEO认为MCP降低Agent接入工具门槛，创始工程师认为工程层面有定制化需求，MCP不能完全发挥作用 [49][50]