热门搜索
首页 » 行业资讯 » 看得到券商在今年WAIC上布展,看不到券业的AI运用发展?

行业资讯

加入亿拓客·流量大师 撬动财富之门！！！

看得到券商在今年WAIC上布展,看不到券业的AI运用发展?

wang 2026-07-20 行业资讯
看得到券商在今年WAIC上布展,看不到券业的AI运用发展?
今年上海WAIC比往年火太多了，我这几天就经常翻看自己的朋友圈，好奇想看看都有哪家金融机构去了。看了半天发现公募基金去的不少，但好像都是去调研、探展、拍直播去了？没看到哪家是来展示公募的AI运用。
我私下了解到个别头部公募其实内部在投研上的AI运用已经挺成熟，对外也已经有做出来给客户用的基金查询相关工具。比如易方达的指数直通车AI服务体系，除了在自有平台上接入了C端服务工具，同时在OpenClaw、Hermes Agent等第三方平台也上线了相关Skill技能包。
但公募还是没有券商可供对外展示的技术或产品多，所以我翻了几天只看到有券商像国泰海通、华泰证券、中金公司在WAIC上布展了，特别是国泰海通：
至于其他的券商，我专门问了一圈熟悉的同行，应该是都想来，但跟我一样没搞到票？
哈哈哈，可惜了，否则今天我就能发各券商在现场的展示实拍了。但我没去，他们也没去，今天只能给大家文字分享目前交流到的券业AI技术运用进展了：
前两年券商行业都在考虑是否要开发自研大模型，特别是国泰海通、华泰证券等少数头部，已经实现了自研垂类大模型的部署。
但发展到现在的2026年，一是券商已经发现自研模型的成本和技术自己都不占优势，二来推理成本下降，专业大模型行业的发展，已经让模型变成基础设置。因此各券商之间的AI竞争，也变为了更下沉的可调用功能模块，简单说就是：
大模型可直接调用的标准化Skill的开发和竞争。
目前根据自研金融垂类大模型、自有标准化Skill产品数量、零售+机构双线落地、外部第三方生态平台上架能力、全业务场景AI覆盖度这几个指标看，各券商在AI上的竞争格局也已经形成三个梯队：
第一梯队的券商有6家，除了均在行业前十的国泰海通、中信证券、华泰证券、广发证券、中金公司之外，还有一家靠互联网技术起家的东方财富。
这6家都有自主研发的证券垂类大模型，自有算力与数据底座：
对外已经上架标准化Skill的数量分布在5–30类，内部已经全业务Skill矩阵覆盖，包括投研、财富、投行、风控、运营，对外已布局零售端财富类AI工具和机构端专业投研AI工具，并上架至华为小艺、腾讯Coze等第三方智能体生态开放平台。
比如国泰海通用的是自研「君弘灵犀」证券大模型，对外以标准化开发能力统一命名为灵犀Skills，大概有6类，包括研报、行情、选股、自选等，内部Agent技能40+，是最早一批以金融Skill包上架第三方生态平台的券商。
广发证券用的是自研「天玑智融」大模型，对外以易淘金作为AI底层基座配备了十余类Skills，并兼容OpenClaw等主流平台。内部有全域Skills矩阵30类，是目前行业开发最多Skills的券商之一，覆盖投行、风控、客服、量化等全场景。
华泰证券用的是自研「泰为」大模型，分两套模块：机构端是「智研平台」大概有7类投研Skills，零售端是「AI 涨乐」有8类Skills，合计对外15类。华泰证券的技术基建应该是目前行业最强的，底层大模型集异构算力、大模型运营管理、大模型应用开发三位一体，极少依赖通用大模型。
中信证券相对其他几家不知道是开发慢还是发布慢，之前只看到发布了AI算法与市值管理结合的机构端服务平台「CapitAI-Link」，近期才看到公布已上线数字员工协调体系和面向C端的「信e投」，大概有12类标准化投研Skill，覆盖宏观建模、估值拆解、组合诊断等，并同步开放Skill至外部生态平台。
东方财富和中金公司这两家，在第一梯队里比较独特，相对前四家更窄也更深。
东方财富是利用自身互联网及C端业务优势，很早就自研「妙想金融」大模型作为Skills生态技术底座，配备29类标准化Skills，兼具技术基建与生态开放的双重属性。
中金公司是自研更垂的投研大模型「中金点睛」，虽然对外基础投研Skill只有5类，但主打分析师方法论蒸馏封装，已经叠加了多位行业分析师专属数字分身，属于比较高阶的Skill。
第二梯队的券商也有6家，基本是排在行业前二十的券商：银河证券、国信证券、中信建投、招商证券、申万宏源、平安证券。
第二梯队这6家券商，都没有完整的自研垂类大模型，多采用通用大模型进行本地微调：
自研标准化Skill较少，一般是3–7类，且只聚焦单一赛道如零售、投行、机构等，没有形成全业务矩阵。AI功能以基础选股、ETF筛选、财报查询为主，无分析师数字分身等高阶Skill。同时对外仅少量上架第三方生态，尚无独立AI智能体仓库。
比如国信证券的「慧芯 AI」一体化平台，只有6类基础Skill，主要涉及选股、基金对比、宏观数据，仅面向零售客户，在机构端的AI布局相对薄弱。
中信建投的底层是「信谛听智数平台」，对外宣传较多的「蜻蜓 Skill」广场只是其客户端功能模块，首期仅3类核心Skill分布在ETF筛选、财报透视、个股研判上，以轻量化工具为主且数量不足。
银河证券目前仅在零售端布局「财富星 AI 投顾」，包含选股、数据、ETF三大模块，4类行情与因子分析Skill用于经纪业务和基础风控，机构端如投研等高阶智能体缺失。
招商证券对外称统一AI智能平台，未发布独立命名自研模型及平台，目前有7类财富管理类Skill，在投行、量化落地进度慢，未大规模对外开放技能生态。
申万宏源也无自研命名的AI中枢，仅零散上线投研AI轻量化工具，大概有5类行业数据Skill，更侧重机构端，在零售端的AI功能比较碎片化。
平安证券直接复用了平安集团的通用大模型进行本地化微调，只有6类理财、基金分析相关Skill，自研底层技术不足。
第三梯队包括了大部分券商，均无自研大模型，少数有自研智能体或标准化Skill产品。其中又分为两类：
第一类是中大型券商，个别有自研AI能力，但大部分是采购第三方标准化SaaS工具进行本地化微调，主要是基础智能问答、资讯摘要、简易智能投顾，没有可对外调用的标准化Skill仓库。
第二类是小型地方券商，完全对外采购甚至仅靠自家IT员工简单调配外部AI工具，AI仅运用于客服、合规文档审核等基础降本场景，投研、量化等高阶AI功能完全空白。
目前整个行业的AI运用看下来，无论是在投入还是技术开发上，第一梯队已和其他梯队拉开了较大距离。
第一梯队内国泰海通、华泰证券、广发证券三家开发早、投入重，目前凭借自研综合大模型平台引领行业趋势，中金、东方财富也已选取各自擅长的业务领域深入开发AI工具，至于未来行业AI运用趋势究竟会是大而全还是小且深？大概率将由第一梯队里的这两类券商引领。
第二梯队不同于第一梯队仍在不断开发自研大模型，已将发展重点转移至对内通过引用集团或外部的成熟大模型进行本地微调，对外通过开发产品或营销类Skill工具接入到第三方开放平台。
比如国信证券开发的Skills直接适配主流AI智能体平台，已经在豆包和扣子平台上线，其获取外部流量的目的远大于在自有平台服务内部流量。
第三梯队的发展较慢，除了个别中大型券商在努力进入第二梯队，比如国金证券、国元证券、西部证券等，其余大部分还停留在利用AI提高工作效率，而不是助力业务发展的更高阶段。
未来第三梯队的券商，如果无意或无法提高到第二梯队，大概率会重点依托采购大模型专业公司或金融信息服务机构开发的AI金融相关产品，比如同花顺推出的iFinD MCP，万得开发的AIFin Market，已允许外部Agent调用其数据库。
当然，我最关心的还是行业的AI运用和发展，究竟会如何影响行业间竞争以及从业者职业环境，跟同行们交流后有以下几点感想：
1、随着开源大模型的普及，行业技术底座逐渐趋于同质化，真正的差异化可能会来自私有数据的质量、开发方向的深度。
第一梯队的券商目前正是选择在这两个方向同时发力，比如各家的自研垂类模型就代表了其开发方向的选择和深度。而第二梯队的券商重点只在其中的私有数据开发上，通过Skill将高质量私有数据转化为可流通的标准化服务，以争夺未来的定价权。
但券商的私有数据在AI运用上究竟是否真的有质量？如果有，那么在合规的要求下能用的又有多少质量？
至少目前还没看到特别有价值的私有数据的运用和产出，特别是第二梯队开发出的标准化服务基本趋于同质，远不如第一梯队在其开发深度之上的同类产品，短期看还是营销驱动大于技术驱动，长期看技术会不断拉大一二梯队间的竞争差距。
2、各券商开发金融Skill已经能看出清晰策略：基础查询对外开放换取流量，核心投研方法与独家数据则严格保密。所以券商将AI Skill分发至第三方平台，是为了将金融服务的触达从自有平台向外扩：
如果用户更多是在通用AI平台提问并调用券商Skill，那么流量入口也会不可逆地从自有向第三方迁移。就像网上那些问豆包炒股的段子，已经代表这个趋势早开始了。
既然券商的开放分发策略，将决定金融AI时代的线上销售格局。那么未来的金融产品销售，会不会将不再是推销牌照，而是推销通用AI平台上的调用接口？
毕竟谁掌握了跨平台的分发杠杆，谁就能掌握新周期的客户池。当然，现在说找个还有点早，毕竟通用AI平台们自己也还没整明白咋挣钱。
但趋势就是这么个趋势，至少第一梯队和第二梯队的券商都已经看明白了，区别仅在于第二梯队似乎选择all in这个趋势，而第一梯队并不认为未来线上销售都会被三方平台拿走，自建垂类平台同样很重要。
3、目前头部券商的AI运用已经涵盖全业务，内部Skill矩阵包括投研、财富、投行、风控、运营，对外布局了零售端财富类AI工具和机构端投研类AI工具。
全行业的AI运用基本都遵照这个开发顺序：内部效率提升 > 中后台流程自动化 > 前台业务赋能 > 外部客户AI服务。第三梯队的券商还在前两个阶段，第二梯队和第一梯队已经在全阶段开发，只是在完整性和开发深度上有差距。
我其实最好奇的是前两个阶段，因为后两个的效果对外展现可以观察到，但前两个特别是头部券商到底开发到何种程度了？除了它们自家员工有直接使用的体验，外界似乎很难获知。
但以我过去在行业的工作经验和现在对从业者的反馈观察来看，实际效果都没有达到完全替代独立人力的程度，仅仅是提升个别基础工作效率的水平：
一是因为券商并不以技术见长，更别说AI专业领域的Agent发展也尚未达到完全替代的水平。二来券商工作流程受合规、专业等影响，即便是基础工作也相对更复杂，开发和融合进度自然会更慢。
但以现在Agent和Skill领域的发展趋势和速度，达到完全替代只是时间早晚的问题。我看很多从业者，特别是中后台的朋友对此很焦虑，其实没必要。
既然大家都知道AI可以拉大人与人的差距，但拉大的前提是人与人之间先有差距。而此处这个差距指的并不是各家开发skill技术水平，而是员工会不会用、愿不愿学以及用得好不好的差距。
这就是为什么很多积极拥抱的从业者正在自主学习使用第三方专业Agent和Skill来帮助自己工作，但还有个更值得思考的问题：
如果通用平台Agent和Skill开发的效率提高工具已经更好，而且未来还会开发更加适用金融行业工作的工具，那么券商自己开发这类工具的价值和意义在哪？
我想，不一定是券商的自研更专业或者更理解业务，能确定的只有券商的自研会更加合规以及确保合规。
从业者代表的是专业和业务，所以就更没必要焦虑合规指引下的工具发展了，个体只需要学第三梯队券商那样，看通用和自主的哪个好用就用哪个，自己有主动性会根据工作内容微调足够了。
而在职业发展上，从业者更应该关注的是后两个的发展和变化：业务赋能和外部服务。
不只是因为第一梯队和第二梯队的券商，已经将这两个作为利用AI发展提升业务发展的重点。关键是这两部分的技术发展，已经由最初的内部驱动进阶到外部驱动，目前是用户需求倒逼业务变化：
在零售端财富类AI上，零售客户开始依赖交互便捷性与响应速度。而在机构端投研类AI工具上，机构客户对数据精度与逻辑链完整性要求更高。
在券商的to C业务上，绝大多数零售客户的核心需求仅仅是高频、简单的查询工具，这正在促使券商运用AI建立线上的语言用户界面，以取代原有的图形用户界面。
那么这种界面的更迭，是不是代表着标准化金融服务正在去中介化？当客户能用自然语言直接唤醒获取专业服务时，那些仅起信息传递作用的标准化销售岗位，比如传统理财顾问的通道价值，将很快被新交互范式取代。
当然，即便是传统销售岗位也有一部分的非标性，或者说也在朝着更非标变化，比如经纪人变投顾、从卖方思维到买方思维。
但这种职业的主动变化更快还是新交互范式的发展更快？这可能不只是个别零售从业者，而是整个零售端都在要面临的行业课题。
至于相对非标的机构端，从业者的个体优势在于客户更加重视逻辑链，因为独特的逻辑链要比数据精度和完整性更有定价权。
而以中金为首的券商投研类机构端AI产品开发，已经发展到将“假设-验证-估值-风险”的投研框架封装为数字分身，反映了机构正在试图收回个体的定价权。
不止是投研，包括投行业务线将尽调逻辑转化为尽调模块，也是这个逻辑。目前还停留在提升内部承做效率上，只是因为投行相对投研的对外使用场景更少，机构还没想明白用处而已。
所以对于to B的从业者，需要多关注个人非标能力被机构提取并标准化输出的未来，但目前机构是否有这个能力？
目前看不出来有这个能力。即便是技术最深的中金，封装的研究仍属于投研里最标准化的那块工作，投研的非标其实在于投资。同理投行也是这样，正在被尝试封装的是标准化的承做，投行里的非标是承揽。
如果机构未来真能提取机构端业务的非标，那可能就不是从业者被代替的问题，而是券商传统的卖方商业模式直接被重构了。
因此在目前的金融职场，机构端最需要警惕的还是那些前置岗位，比如投研的研究、投行的承做，正在沦为机构数字系统的语料。好在AI幻觉决定了Skill暂时只能作为标准化工作流，仍需人工把关最终准确性。
合规风控决定了算法可以辅助券商工作，但信任的交付与最终的责任兜底，依然属于全体从业者。
总之，毋庸置疑的是行业的AI运用发展，已经预示了各种业务变化的趋势，而业务的变化会改变业务关系，业务关系又会影响从业者职业关系。
谁都能看出来券商间的合并趋势是资本重要性的体现，但资本不太会影响职业关系，无非是僧多粥少、谁上谁下的格局变动。
真正会决定业务变化并改变职业关系的，恐怕是今天所分析的券商在AI上的运用。而现在以及未来的金融行业发展，能让人好奇且兴奋的也只有这个了，我会跟大家一起持续观察，相信各家的发展都会很快。

我想，我们都能找到自己，在人声鼎沸之中。

猜你喜欢

发表评论

发表评论: