2026年，中国证券行业最热的关键词，不再是“数字人”，而是“Skills”。

如果你是一个股民，最近打开华泰证券的涨乐财富通，可能会发现一个叫“AI涨乐Skills”的新功能——你对它说一句“帮我看看新能源板块今天有什么利好消息”，它不仅能给你读出新闻，还能顺手拉出几只相关ETF的估值对比。如果你打开中信建投的“蜻蜓点金”，会发现一个叫“蜻蜓Skill”的东西，你说“帮我筛选近一个月涨幅前10的科技类ETF”，几秒钟后答案就摆在面前。

这听起来像是ChatGPT加了个券商皮肤。但如果仅仅如此，行业不会把它当成一场“卡位战”。

Skills的本质，不是给大模型穿了一件金融的外套，而是把券商几十年积累的研究框架、数据资产、交易通道、风控模型，拆成一个个可被AI调用的“标准化零件”。

用更直白的话说：过去你在券商App里找功能，是“人找功能”；现在AI替你找，是“问题找能力”。

这是一场从“交易通道”到“智能服务平台”的底层重构。而这场重构的速度，比大多数人想象的要快得多。

一、什么是Skills？一场“APP能力接口化”手术

要理解Skills，先要理解券商过去的“数字人”做了什么。

2024年到2025年，券商最热衷的AI概念是“数字人”。各家机构纷纷推出虚拟形象——有的叫“小智”，有的叫“小慧”，有的干脆就是分析师的3D建模。但这些数字人，本质上还是一个“带皮囊的问答框”。你能跟它聊天，它能回答一些通用问题，但真要它干点实事——比如查一份研报、算一个估值、筛一批ETF——它就卡住了。

为什么？因为它没有“手”。

大模型再聪明，也只是一颗大脑。它能理解你的问题，但它调用不了券商后台的数据库、算不了财务模型、查不了实时行情。数字人缺的，是一双能干活的手。

Skills就是这双手。

按照行业的定义，Skills是“将成熟系统能力封装为标准化功能单元，可供AI识别、调用与直接执行”的数字模块。它的技术实现通常包含三个环节：意图识别（听懂你要什么）、逻辑执行（按预设程序查数据库、跑模型、算指标）、结果生成（把答案用自然语言还给你）。

听起来复杂，但你可以把它理解成“AI时代的API接口”。过去，开发者调用一个功能需要写代码、对接接口、处理数据格式；现在，一个自然语言指令就能触发一个Skill去完成所有事。

这场“接口化改造”的意义在于：券商不再需要用户去学习复杂的App菜单和功能路径，AI替用户完成了一切。用户要的只是结果，而不是过程。

二、七家头部券商，七种打法

2.1 国泰海通：第一个吃螃蟹的人

2026年4月，国泰海通率先推出“灵犀Skills”，成为行业第一个正式落地的Skills产品。六大基础功能——查研报、查行情、查数据、出榜单、筛股票、自选股——覆盖了投资者最常用的高频场景。

灵犀Skills的定位很明确：做一个“AI技能仓库”，让投资者像在应用商店里下载App一样，按需启用不同的金融技能。

2.2 广发证券：全业务线“扫荡”

5月，广发证券发布了Skill矩阵，覆盖投研、财富管理、客户服务、运营支持、合规风控五大核心领域。一次性提供的Skills包括：股票基础信息、财务对比、龙虎榜、基金定投计算器、基金产品信息、ETF资金异动、ETF筛选、ETF榜单等数据Skills。

广发证券信息技术部相关负责人表示，当前Skills发展呈现三大特征：场景垂直化（从通用问答向专业金融场景深耕）、使用普惠化（降低专业工具门槛覆盖普通投资者）、生态互通化（通过接入主流AI平台打破数据和能力孤岛）。

2.3 国信证券：聚焦投顾场景

同月，国信证券发布了六大Skills——智能选股、ETF筛选、基金对比、宏观经济数据、行情数据、财务数据。相比之下，国信的打法更聚焦，主要围绕投资者在日常投顾场景中的高频需求做封装。而且国信证券支持通过APP领取，也可以在OpenClaw、Coze等第三方平台体验。

2.4 中金公司：把“分析师”做成Skill

6月，中金公司上线了行业最具话题性的Skills产品——“分析师.Skill”。

5月18日，中金公司旗下数字化研究平台“中金点睛”上线了以研究部执行总经理、计算机行业首席分析师于钟海为原型的“老于”Skill。这不仅仅是一个名字——它的知识库建立在于钟海亲自挑选的“30万字+研究报告等研究资料”之上，背后还有“12万+专属中金数据指标”提供实时数据支撑。

更重要的是，它内化了于钟海“假设-验证-估值-风险”的完整投研方法论。它不是让大模型“自由发挥”去回答计算机行业的问题，而是严格按照这位分析师的框架去思考、去验证、去输出结论。

随后，中金公司又陆续上线了策略、大类资产、宏观、电力设备与新能源等多位首席分析师的专属Skill。

在业内人士看来，中金的布局重点不在于技术突破，而在于业务模式的创新——它率先做出了行业此前没有的产品形态：把“人”的专业能力变成了可调用的“数字资产”。

2.5 华泰证券：机构与零售“双线作战”

华泰证券是这轮Skills浪潮中布局最为系统的机构之一。

在机构端，华泰推出了“智研Skill&MCP”，面向机构投资者提供投研服务。华泰智研围绕行业周度观点、专业研报查询、公司估值模型、市场每日复盘等场景，把研究所的沉淀转化为可调用工具。据公开信息，华泰还推出了海外宏观策略MCP。

在零售端，华泰推出了“AI涨乐Skills”，面向个人投资者提供选股、行情检索等服务。

华泰的战略特点是“技术基建派”——整套体系深度依托公司自有的投研能力与数据底座，而非依赖通用大模型。核心目标是搭建自主可控的AI技术底层架构，降低对通用大模型的依赖。

2.6 中信建投：从ETF筛选起步

中信建投即将推出的“蜻蜓Skill”首期聚焦ETF筛选、市场行情查询和上市公司财务数据查询。其核心客户服务平台“蜻蜓点金”App在2026年5月正式发布了AI蜻蜓翼答版本，将AI技术深度融入交易、资讯、选股、投研等投资全链条。

中信建投还有一个值得关注的动向：它提到未来将逐步开放Skill技能开发接口，邀请行业合作伙伴共同打造多元化金融技能矩阵。

2.7 中国银河：将因子分析“打包”

银河证券的打法略有不同，它将行情数据、技术指标、基本面指标和因子分析打包为四类示例Skills。更偏重技术分析能力的封装。

2.8 中小券商：借道第三方

头部机构之外，中小券商普遍选择与恒生聚源、同花顺等第三方技术服务商合作，快速上线标准化Skill产品。同花顺的iFinD已经推出了面向金融数据服务的MCP工具和Skills技能包；恒生电子也在2026年6月发布了面向AI时代的6.0“AI生态架构”。

据某三方机构负责人透露，已有数十家券商采用了其Skill服务，其中投顾业务场景需求最为迫切。

三、技术解剖：一个Skill是怎么造出来的？

外行看热闹，内行看门道。一个成熟的金融Skill，到底是怎么从零到一被造出来的？

3.1 三步走：听懂、执行、回答

一个典型Skill的技术流程包含三个环节：

第一步，意图识别。用户说“帮我看看茅台最新的估值”。系统首先要识别出——这是一个“估值查询”需求，涉及股票代码“600519”，需要的指标是“PE、PB、市值”等。这一步靠的是自然语言理解（NLU）模型，通常是在通用大模型基础上用金融语料微调而成。

第二步，逻辑执行。系统匹配到对应的“估值模型Skill”。这个Skill按预设程序：查询财务数据库获取茅台的最新财报数据→调用估值计算脚本算出PE/PB→可能还要对比行业均值→生成结构化的数据结果。这一步是Skills区别于“聊天机器人”的核心——它不是让大模型“猜”答案，而是让大模型按规则去调用真实数据、运行真实模型。

第三步，结果生成。系统把计算结果用自然语言组织成一段可读的回答，还可能配上一张表格或图表。

3.2 难度两极分化

恒生研究院技术专家陈奕名指出，Skill服务的技术门槛呈现明显的“两极分化”。

如果是通用问答、资讯总结等简单场景，仅靠提示词调优或是开发单一Skill就能落地。这类Skill的本质是把一个现成的功能（比如行情查询接口）包装成自然语言可调用的形式，技术难度不高。

但涉及复杂场景——比如估值建模、多因子选股、行业景气度研判——必须进行彻底的AI化改造，基于业务建模与数据建模的底层重构至关重要，技术难度极高。

以中金的“分析师.Skill”为例，它不只是接了一个数据接口。它要把一位分析师几十年的研究框架“蒸馏”成可执行的数字逻辑——什么时候该看什么指标、什么数据对应什么结论、什么情况下需要什么验证——这些“隐性知识”的编码化，比写一万行代码难得多。

陈奕名还提到，头部机构具备深厚的IT底座、完善的数据治理能力和充足的研发预算，能够承担初期GPU等高昂的硬件成本，因此更有能力探索并支撑复杂Skill应用的研发与落地。

3.3 幻觉问题：95%还不够

Skills虽然比通用大模型更可靠，但AI幻觉问题当前并不能完全规避。

据某第三方机构内部测试，调用Skill输出结果准确率最高可达95%。95%听起来很高，但在金融领域，5%的错误可能就是真金白银的损失。因此业内人士认为，从合规角度而言，Skills更适宜对内赋能而非直接对外提供投资建议。

3.4 备案全面提速

Skills热潮的另一面，是券商模型与算法备案的全面提速。

据易观千帆统计，截至2026年4月，证券行业已有近30家机构完成算法或模型备案，备案项目总数超过40个。

备案提速折射出一个行业现实：技术本身已难以构筑护城河。在DeepSeek、千问等通用大模型跻身全球顶尖的背景下，金融垂类大模型间的实力差距不会太大。券商真正的差异化，不在“用了什么大模型”，而在“封装了什么能力”。

四、为什么是现在？三大驱动力

4.1 大模型“平民化”，底座不再是壁垒

2025年到2026年，国产大模型经历了一轮“平民化”浪潮。DeepSeek、通义千问、文心一言等通用大模型的能力持续提升，成本不断下降。当大模型本身越来越像“公共水电”时，谁都能接入——差异就不在底座，而在上层应用。

一位券商网金人士说得直白：“如果不做Skills，可能被市场和客户认为技术落后。”这是一种防御性选择。但在防御之外，也有明确的进攻逻辑——用技术放大核心数据和人力资产的商业价值。

4.2 数据资产亟待“变现”

券商行业有一个长期痛点：手里有金山，但不知道怎么挖。

券商拥有海量独家投研语料——研究报告、调研纪要、行业数据库、分析师经验判断——但这些资产长期沉睡在内部系统里，缺少合规、可行、可落地的商业化变现渠道。AI恰好成为盘活这类内部资产的关键载体。

中金公司推出“分析师.Skill”的尝试，为行业提供了一个重要参考：把“人”的专业能力变成可调用的数字产品。一份深度研报单份采购成本可能高达数十万元，但如果把分析师的框架封装成Skill，理论上可以以极低的边际成本服务海量用户。

4.3 用户习惯在变

还有一个更朴素的原因：用户变了。

习惯了用自然语言和AI对话的一代人，正在成为券商的主流客户。他们不想花十分钟在App的九宫格菜单里找一个功能，他们只想说一句话、得到一个答案。

Skills正是顺应这个趋势的产物——把“功能”变成“对话”。

五、三种战略路径：谁在抄近道，谁在修路

梳理这轮Skills布局，可以发现券商大致分为三种战略流派：

流派一：技术基建派

代表：华泰证券。

整套体系深度依托自有投研数据底座与算力基建，降低对通用大模型的依赖。核心目标是搭建自主可控的AI技术底层架构。

这条路最重——需要雄厚的IT投入、完善的数据治理、充足的研发预算。但一旦建成，护城河也最深。别人可以抄你的功能，抄不走你的底层。

流派二：业务创新派

代表：中金公司。

分析师Skill并非简单功能堆叠，而是将资深从业者的完整研究方法论、估值体系与行业认知进行AI“蒸馏”封装，首次实现分析师个人专业能力的标准化产品输出。

这条路最巧——它不追求技术上的绝对领先，而是用AI把“人”的价值放大。把顶尖分析师的经验变成可复用的数字资产，这在行业里是前所未有的产品形态。

流派三：生态共建派

代表：国泰海通、国信证券、广发证券。

机构在上线自有Skill后，同步将产品上架华为小艺、腾讯Coze等第三方智能体平台，借助公域流量扩大服务触达范围。广发证券也表示正积极对接各大主流智能体生态平台；国信证券支持在OpenClaw、Coze等平台体验；广发证券入驻ima Skill广场。

这条路最广——不求所有能力都自研，但求触达最多的用户。

六、挑战与隐忧：狂欢背后的冷水

Skills很热，但问题也不少。

6.1 投研壁垒被削弱的风险

原本面向机构客户、单份采购成本达数十万元的深度研报，若被低价或免费的Skills复刻核心逻辑，将冲击券商传统的付费研报业务。

这是一个经典的“自我颠覆”困境：你用AI把自己的高价产品变成了低价服务，增量用户上来了，存量收入下去了。怎么平衡？目前还没有答案。

6.2 合规责任的模糊地带

AI Skills在话术微调后，可能从客观的行情分析、逻辑复盘滑向具体的投资建议。一旦输出内容引发投资者亏损，产生投资纠纷，人工、AI系统与券商三方之间的责任如何划分，目前还是灰色地带。

部分头部机构已经在探索内部规范。据新华财经报道，中信证券已出台《AI数字员工五级分类标准》，明确了各层级数字员工的能力边界、适用场景与人机责任划分，让合规界定与风险管控从原则性表态落地为可执行的具体规范。

6.3 系统性风险

有业内人士指出，风险不只在单家机构——当越来越多人用相似的模型、相似的数据，市场会变得越来越同质，拥挤交易和系统性风险也会随之上升。

如果所有券商的Skills用的都是类似的选股逻辑、类似的数据源，会不会在某个市场极端情况下“踩踏式”输出相似的建议？这个问题目前没人能回答。

6.4 “数字孪生”才是真正的分水岭

证券时报记者调研发现，Skills看似热闹，实则技术门槛两极分化。有受访人士表示，券商AI应用场景竞争的真正分水岭不在于堆砌Skill数量，而在于能否构建出金融业务的“数字孪生地图”。

恒生研究院陈奕名解释得更具体：未来各家券商都能轻易提供基础的Skill服务，真正的差异化竞争在于谁能构建出最贴合金融业务的“业务本体地图”——即把券商错综复杂的业务逻辑、数据关系、合规规则进行结构化、网络化表达的底层业务架构。

“对于券商而言，单纯堆砌成百上千个零散的Skill容易陷入同质化竞争，无法形成真正的护城河。”

七、结语：从“通道”到“平台”的漫长一跃

业内人士普遍认为，随着技术迭代与规则完善，未来Skills将进一步推动券商从传统交易通道向智能服务平台转型。

这句话听起来很宏大，但拆开来看，其实就三件事：

第一，能力从“后台”走向“前台”。券商过去几十年的积累——交易通道、数据中台、风控模型、研究框架——一直藏在后台，是“隐形资产”。Skills把它们变成了前台可直接调用的“生产力工具”。

第二，服务从“人找功能”走向“问题找能力”。用户不再需要学习复杂的App菜单，AI替你把能力送到嘴边。

第三，门槛从“专业”走向“普惠”。过去只有机构客户才能享受的深度研报、估值模型、多因子选股，现在一个普通投资者用自然语言就能调用。

但这条路还很长。

Skills目前还处于“卡位”阶段——各家都在抢着上线，但真正形成商业闭环的少。合规边界还在摸索，商业模式还在验证，技术难度还在分化。

正如一位业内人士所说：“当前仍是探索期，各方争相布局Skill更像一种表态，显示自身在积极拥抱技术进步。”

表态完了，真正的硬仗才刚刚开始。

<END>

注：本文中插图均来源网络，如有侵权请联系删除。

参考来源：

1. 新华财经. 券商密集上线Skills 三问行业数字化转型新动态，2026年6月29日。

2. 财联社. 券商密集上线Skills，重构服务颗粒度，谁能领先？，2026年6月21日。

3. 人民财讯. 券商打起Skill服务“卡位战” 竞争分水岭在于构建金融业务“数字孪生地图”，2026年6月12日。

4. 界面新闻. 数字人之后，券商AI主战场转向Skill，适用场景和合规要点有哪些？，2026年6月18日。

5. 上海证券报. 中金公司上线“分析师.Skill” 券商AI投研工具进入“技能化”新阶段，2026年5月19日。

6. 华尔街见闻. 6名中金分析师变身Skill 券商AI竞争再加速，2026年6月1日。

7. 券商中国. 头部券商密集推出“Skill”！有何布局？，2026年6月14日。

8. 证券时报. 激活AI潜能券商掘金“Skill”赛道，2026年6月15日。

9. 东方财富网. 券商密集上线Skills，重构服务颗粒度，谁能领先？，2026年6月21日。

10. 证券日报. 券商密集上线Skills，重构服务颗粒度，谁能领先？（转自财联社），2026年6月21日。