上一篇我们聊了AI Agent在金融行业的三种落地姿势——数字助理、数字专家、数字同事。

当时结尾说了一句：竞争的维度已经变了，不是比谁的AI更聪明，而是比谁的AI生态更开放。

这周，行业给出了一个非常具体的注脚。

Skills：Agent的"肌肉记忆"

5月24日，财联社报道了一个值得特别关注的趋势——多家头部券商的AI布局焦点，正在从大模型底座转向Skills生态的构建。（来源：财联社，2026-05-24）

什么是Skills？

如果把AI Agent比作一个人，大模型是"大脑"——决定了他能不能思考、能不能理解语言。而Skills是"肌肉记忆"——决定了他具体能干什么活、能干到什么程度。

一个有强大大脑但没有任何专业技能的人，能跟你聊天，但帮不了你做事。反过来，一个拥有30种经过反复训练的专业技能的Agent——选股、诊断持仓、解读政策、生成策略报告——它的服务半径和商业价值完全不同。

这就是Skills——把大模型的通用能力，转化为可调用、可度量、可组合的标准化服务模块。

各家在做什么？

来看几个最近两个月的动作：

注意一个关键词——标准化。

不是"实验室里跑通了一个demo"，而是"封装成标准接口、可以嵌入不同平台、能被外部生态调用"。东方财富的Skills同时跑在华为小艺和阿里云两个平台上，这说明它已经具备了跨平台的可移植性。

这意味着什么？

券商的专业能力正在变成"可插拔的服务组件"。 未来用户在任何AI助手里说一句"帮我看看这只股票"，背后调用的可能是某家券商封装好的投研Skill。

为什么现在是Skills？

回答一个更本质的问题：为什么竞争焦点从大模型转到了Skills？

因为大模型的差异化窗口已经关闭了。

一年前，有没有大模型还是一道分水岭。但今天，国家数据局的数据显示——中国大模型周调用量7.94万亿Token，达到美国的2.11倍；三大运营商推出词元套餐，日均Token调用量140万亿。（来源：新浪财经/人民财讯，2026-05-24）

当AI算力变得像手机流量一样可订阅、可计量、可按月付费，"有没有大模型"不再是竞争壁垒。 中小券商通过订阅词元服务，照样能获得相当的底层AI能力。

真正的壁垒在上面一层——你能不能把行业know-how转化成AI可执行的能力模块？

这件事拼的不是算力，而是：

● 对业务的理解深度 ——你得知道客户在哪些场景需要什么服务

● 数据的积累质量 ——Skills需要行业数据来训练和验证

● 工程化的封装能力 ——从实验室demo到可跨平台部署的标准化服务

一个同步发生的信号：人才结构在重塑

如果你觉得"Skills生态"还只是技术层面的事情，来看另一组数据——

经纪人在消失，投顾在扩容。

标准化服务交给AI，人的价值回归到需要判断力和信任度的场景。

把这两个趋势放在一起看就很清晰了：

● Skills做的事 = 经纪人曾经做的事：基础的信息传递、标准化的客户服务、模板化的营销触达

● 人该做的事 = 投顾正在做的事：理解客户的真实需求、在复杂情境中做判断、建立信任关系

行业不是在"AI替代人"，而是在重新定义什么工作该由AI来做，什么工作只有人能做。

国泰海通半年净增132名投顾，广发净增90名——这不是"怀旧"，而是这些机构判断清楚了：高价值的人机协作模式需要更多、更强的"人"来配合AI。 投顾用AI Agent做分析，自己做客户沟通和决策引导——这才是未来的工作范式。

对我们的启示

第一，"Skills储备"正在成为新的竞争力度量标准。

不再是"你有几个大模型""你花了多少AI预算"——而是"你有多少个经过验证的、可部署的标准化Skills？覆盖了多少业务场景？能嵌入多少外部生态？"

广发30个、东方财富8个跑在两个平台——这个数字未来会像一个核心指标一样被追踪和比较。

第二，中小机构的机会窗口反而打开了。

大模型需要大投入，但Skills的构建未必。如果你对某个垂直场景有足够深的理解——比如中小客户理财规划、区域市场特色产品匹配——完全可以在通用大模型之上封装出有竞争力的专属Skills。关键是找准场景、做深做透，而不是什么都铺。

第三，人才策略需要同步调整。

如果你的团队还在按"经纪人思维"配置人力——追求人数规模、标准化考核、统一话术——可能需要重新想想。未来团队的核心能力不是"人多"，而是"人能做AI做不了的事"。

写在最后

从"谁有大模型"到"谁的Skills多"，看似只是技术竞赛的焦点转移，实际上折射的是一个更深层的行业共识——

AI的价值不在于"聪明"，而在于"能干活"。

大模型是起点，不是终点。把行业经验变成AI可调用的能力、把专业判断变成可标准化的服务、把人的智慧沉淀为机器可复用的Skills——这才是数字化转型的真功夫。

下一个阶段的赢家，不是AI投入最多的那个，而是Skills生态最深、人机协作效率最高的那个。

吴真 | AI增长手记

你所在的机构，有多少个常用的AI Skills？欢迎留言聊聊。