热门搜索
首页 » 行业资讯 » 券商/基金的AI预算,花错了地方(上)——金融机构到底要用AI达成什么结果?

行业资讯

加入亿拓客·流量大师 撬动财富之门！！！

券商/基金的AI预算,花错了地方(上)——金融机构到底要用AI达成什么结果?

wang 2026-09-27 行业资讯
券商/基金的AI预算,花错了地方(上)——金融机构到底要用AI达成什么结果?

能力可以被调用，责任不能被转移。我是一家持牌机构。我拿着牌照、承担着监管责任、对客户负有受托义务。我用AI，不是为了"上AI"，而是为了达成某个可以被验收的结果。

一、一个被跳过了的问题

过去半年，我参加了很多场券商和基金的AI交流。几乎每一场，话题都会滑向同一串数字：
万得把30年的数据拆成了MCP接口，同花顺iFinD上架了超过1000个标准化投研指标的Skill，东方财富妙想把能力封装成12个标准化Tool；国泰海通说上半年发布了1314个智能体、404个Skills，累计智能化服务8300万人次；中信证券的"超级研究员"深度学习了超30万篇研报，月均被调用近4万次；华泰把"ALLINAI"写进了年报。
数字都很漂亮，PPT都很满。但每次散会，我心里都会冒出一个很不识趣的问题：
这些数字，和"我们机构到底要用AI达成什么结果"，有关系吗？
这不是抬杠。你想想看，市面上讲金融AI的文章、论坛、招标方案，绝大多数是卖方视角——数据商讲我能开放什么，模型厂讲我参数多强，平台商讲我能编排多少Agent。它们都很精彩，但它们服务的目标是同一件事：拿到甲方的预算。
真正被跳过的，是买方视角的那句话：
我是一家持牌机构。我拿着牌照、承担着监管责任、对客户负有受托义务。我用AI，不是为了"上AI"，而是为了达成某个可以被验收的结果。
如果这个结果说不清，那么后面所有的采购、所有的Skill、所有的算力，本质上都是在替别人的生态买单。

二、其实监管早就把目标写好了，只是很多人没读

先说一个反直觉的事实：持牌机构做AI，不是经营选修课，而是政策必答题。
2025年10月，证监会副主席李超在金融街论坛上明确表示，证监会正在开展资本市场"人工智能+""数据要素×"专项行动，并提出要"强化关键环节的人类把关机制，确保关键环节有人监督、最终决策由人作出"，同时建立差异化分类监管机制。
同年12月，证监会科技监管司副司长刘铁斌进一步给出了资本市场AI生态的工作思路：构建"合规有序、创新赋能、风险可控"的格局，探索差异化分类监管框架，推进"人工智能+资本市场"专项试点，并明确要求"在关键业务、关键环节建立'人类监督+模型辅助'的协同机制"。
2026年6月，证监会主席吴清在陆家嘴论坛上表示，将适时发布规范发展资本市场人工智能的指导意见，并依法从严打击利用人工智能非法荐股。
再看两份更硬的文件：
《"十五五"规划纲要》（2026年3月发布）给券商定了三个身份：直接融资的主要"服务商"、资本市场的专业"看门人"、社会财富的精准"管理者"。
中基协《基金经营机构大模型技术应用规范》（T/AMAC0004-2026，2026年4月3日发布并实施）——这是基金行业首个大模型团体标准，也是资本市场首个。它给出了基础设施、数据管理、模型服务、应用技术、安全管理、场景应用六层参考框架，并明确要求：高敏感的投研策略与风控规则数据，仅允许在私有化部署、物理隔离或逻辑隔离的专用模型环境中训练或推理。
我把这些政策翻译成一张表，你可以直接拿去内部对齐：
请注意最后一行——《证券基金投资咨询业务管理办法》已被列入证监会年内重点项目，其中的"程序化咨询"条款明确：只要实质开展自动化投资咨询服务，就需纳入投顾监管框架，不得以"工具"之名规避监管。
这句话的分量很重。它意味着：你给客户的AI界面叫"助手"还是"工具"，不重要；监管看的是实质。
所以，监管从来没问过你"上了几个大模型"。监管问的是三件事：
人在不在环里？责任能不能落到人？风险会不会外溢？

三、把政策翻译成四个"可验收的结果"

这是我做金融AI产品这几年最深的体会：不要拿"降本增效"糊弄高管。降本增效是结果，不是目标；它是事后统计出来的，不是事先设计出来的。
持牌机构真正要实现的，是下面四个可以被验收的结果。

结果一：把专业能力，从"长在人身上"变成"长在平台上"

研究员的方法论、投行家的核查清单、金牌投顾的展业话术——过去这些东西跟着人走，人一走就断。
中金公司给出的解法很有代表性：把资深分析师完整的研究方法论、估值体系和行业认知做AI"蒸馏"，封装成分析师Skill。9月，首席经济学家缪延亮上线了个人专属Skill。这意味着，一个人的认知第一次可以被机构化复用。
国泰基金的说法更直白：它的核心逻辑是"一个人会，平台就会"——把资深研究员的方法论、行业框架与合规红线，沉淀为可复用、可评估的数字资产。为了保证这件事不停在口号上，国泰基金引入了FDE（前向部署工程师）机制，把工程师直接嵌入投研一线，和行业研究员结对共建。
中信证券的公开表态更值得高管们记住：
"AI时代，金融机构真正的核心竞争力不在于模型能力本身，而在于深厚的金融领域数据知识与AI相结合。"

结果二：服务半径扩大——长尾客户第一次被真正覆盖

传统一对一投顾只能服务金字塔尖。AI改变的不是"服务质量"，而是"覆盖半径"。
国信证券的"小信智慧助手"，让一线投顾服务客户半径扩大10倍，持仓诊断报告生成从2小时缩短到10分钟。
国泰海通的AI超级助手支撑着6000余名一线投顾，累计服务38.8万次；上半年智能化服务8300万人次，智能投顾客户月留存率超过90%。
东方证券基金投顾保有规模158亿元，复投率76.8%；投顾产品64只，月度客户复购率超过90%。
留存率和复投率，是比"服务人次"更硬的指标——它说明客户不是在"尝鲜"，而是在"依赖"。

结果三：把生产流程改造成"可审计的生产线"

这是"看门人"身份最核心的要求。
招商证券国际的做法值得单独拎出来讲：它推出的高股息实战AI原生投研2.0系统，把主动选股改造成可审计、可复核的自动化生产线，但最终结论与评级，仍由持牌分析师签署并负责。
广发证券的投行大模型"投行AI文曲星"，覆盖3000多个核查点，准确率提升30%。
国信证券对投行尽调的描述更形象：未来将由一群分别负责任务拆解、信息搜集、财务分析、法律合规审查的Agent协同工作，各智能体之间自主沟通、交叉验证、互补纠错——但"AI分担的是工作量，而不是责任，最终的风险把控和合规责任，必须牢牢握在人的手中"。
注意这句话。它几乎是整个金融AI的第一性原理。

结果四：守住牌照与责任边界（最容易被忽略的一层）

基金行业已经给出了最清醒的样本。
易方达在隔离网络环境中验证开源智能体框架，明确"尚未进入生产部署"，并直言原生框架的安全权限机制尚不成熟，存在数据泄露与越权操作风险，需要开发内部专用版本。
这不是保守，这是专业。国家互联网应急中心在2026年3月就对OpenClaw类智能体发出过安全风险提示，指出"信任边界模糊"可能引发信息泄露或系统受控。
中证协的调研也把智能投顾的痛点讲透了，三个层面——监管框架适用性挑战、服务客群长尾化放大投资者保护风险、大模型本身不可控性——共同指向同一个核心问题：责任链条不清晰。所以，持牌机构要的结果，从来不是"AI帮我写了一份研报"，而是：这份研报能署名、能留痕、能复盘，出了事能说清楚是谁的决策。

四、现状扫描：三类玩家，三种动机

目标清楚了，再看现状，会清醒很多。
图1｜能力被拆开之后，谁拿走了什么（制图：宝哥AI日记）

4.1数据服务商：从"卖终端"到"卖能力"

2026年，三家数据巨头几乎同步完成了标准接口开放：
海外同步发生：2026年2月，彭博发布嵌入Terminal的对话式AIASKB，协调多个Agent并行访问每天5000条原创新闻和800多家机构的卖方研究，同样基于MCP构建。
动机怎么理解？东吴证券的判断很准：数据拥有者之间的竞争，已从终端内的封闭服务转向生态的开放服务，"数据壁垒决定能力下限、开放策略决定发展上限"。
说得更直白一点：数据商开放，不是做慈善，是防管道化。
它们真正的恐惧是——Agent时代，用户不再打开终端，终端就变成了一个被调用的数据库。与其被别人绕开，不如自己把围墙拆掉，抢先成为"被调用的事实标准"。

4.2平台厂商：不在乎谁的数据，在乎"流程谁来编排"

2026年4月，通用大模型直接入场：千问"深度研究"接入1.3万只股票实时行情和约百万家上市公司财报数据；Kimi接入同花顺iFinD。
这一步的意义在于：**金融数据从"外挂"变成了"内嵌"。**普通投资者用最日常的对话方式，就能拿到过去要付费开终端才能做的分析。
到9月，节奏更快：9月10日OpenAI发布Chat GPT for financial services，9月14日Anthropic推出Claude for financial advisors，9月17日月之暗面发布Kimi金融行业解决方案。
而平台侧的动作更值得警惕——千问开放平台首批金融智能体上线，兴业证券、国泰海通灵犀、东吴秀财、中金财富等4家券商智能体首批入驻。

4.3持牌机构自己：投入很猛，结构很浅

钱是真的花了。2025年，34家上市券商信息技术投入合计275.88亿元，占这34家营收的6.2%，同比增长12.96%。
与此同时，12家中小券商全年投入不足3亿元。断层已经形成。
截至2026年7月末，32家券商完成算法与模型备案，备案项目总数超过50个。
但钱花在哪了？我把公开招投标数据拉出来看了一眼，结论让我有点不安。
图2｜券商与基金的AI采购结构（数据来源：各机构公开招标公告与中标结果公告整理；制图：宝哥AI日记）
算力与硬件类：中信建投私有云+大模型服务平台8524万元（预算）、工银瑞信大模型高端算力服务6415.2万元、中信证券大模型CANN算力平台6285.6万元、某头部券商AI算力资源池近4500万元、申万宏源算力服务器1512.99万元、天弘基金AI算力资源1200万元……
中枢/应用/治理类：国投证券AI智能总控280万元、华安证券自营大模型智能投研115万元、国元证券大模型管理平台108万元、中信建投智能知识库98.31万元、中银证券信创大模型知识库98万元、中原证券大模型安全围栏55万元、光大证券数字员工（大模型智能投顾）最高限价49.5万元……
算力类最高8524万，中枢/应用/治理类最高280万——相差约30倍。
智能超参数在《中国大模型中标项目监测与洞察报告（2026年Q1）》里也给出了同样的观察：金融行业大模型中标项目中63.7%是应用类项目，但披露中标金额普遍只有几十万元；金额较大的项目主要用于采购算力；
"整体上看，金融客户对AI的采用还是较为谨慎，还很难看到全金融机构级别的AI技术平台建设项目"。
我们把AI预算的绝大部分投向了显卡，却只用不到零头的钱，去建"编排中枢"和"安全围栏"。
这就是我说的"结构很浅"。具体浅在四个地方：
场景碎片化。大量应用停留在问答、纪要、客服、代码、会议助手，没有进入核心业务流。
"影子AI"没被管住。研究员在自己电脑的Agent里调Wind/iFinD的MCP，机构看不见、不留痕、不审计。
没有机构级的Skill资产库。谁写了什么Skill、口径是什么、谁维护、谁批准上线——大多没有制度。
模型一升级，业务跟着抖。没有评测集，没有回滚机制。广发证券自己就把两大挑战讲得很坦白：幻觉（需要建立场景幻觉容忍度分级标准与容错机制）和数据安全与合规（AI更多是辅助手段，仍需人工复核）。

五、一个必须说破的判断：Skills上架别人平台，是主权换流量

现在行业里有个很热的操作：券商把自己的Skills上架到第三方AI平台。短期看，这是获客；长期看，这是一笔交易。
你提供了专业能力，但对话入口、上下文、客户画像、调用日志，留在了别人的平台上。
我在做产品设计时习惯问一个问题：如果三年后这个平台把你替换成另一家券商，你手里还剩下什么？
这不是反对上架。上架是对的，但必须把它当成一次有条件的合作，而不是免费的流量红利。至少要提前谈清楚三件事：
客户关系的归属——用户在平台上完成的服务，算谁的客户？
调用数据与日志的回传——能不能回到机构自己的审计系统？
能力的可迁移性——Skill是不是标准化的、能不能整体搬走？
把这三件事谈清楚，上架就是杠杆；谈不清楚，上架就是让渡。整理了一张图，方便用来保存和查阅：

六、上篇小结

2026年上半年，43家上市券商合计营收3647.1亿元（+45.87%），归母净利润1553.7亿元（+49.01%）。业绩很好。
但诚实地讲：AI对利润表的独立贡献，目前仍然是一个待验证的命题。
数据商在拆终端，平台商在抢工作台，模型厂在卷参数。热闹都是它们的。
而持牌机构真正要回答的是下一个问题：
在能力可以被随意调用的时代，什么必须留在自己手里？
我的答案是：不是模型，不是数据，是"什么能做、谁批准、出了事谁负责"这套业务主权系统。
下一篇，我会把这套系统拆开，梳理出金融机构应用AI的架构图，并给出三年推进路线。

数据来源（上篇）

  • 证监会副主席李超，2025金融街论坛年会资本市场金融科技论坛（2025-10-29）

  • 证监会科技监管司副司长刘铁斌，中国财富管理50人论坛2025年会（2025-12-28）

  • 证监会主席吴清，2026陆家嘴论坛（2026-06-17）

  • 《中华人民共和国国民经济和社会发展第十五个五年规划纲要》（2026-03-13发布）

  • 中国证券投资基金业协会《基金经营机构大模型技术应用规范》T/AMAC0004-2026（2026-04-03发布实施）

  • 《证券基金投资咨询业务管理办法》（拟出台，已列入证监会年内重点项目）

  • 中国证券业协会智能投顾相关调研、证券行业人工智能应用案例征集（2026-06）

  • 上市券商2025年年报、2026年半年度报告及业绩说明会公开披露

  • 各机构公开招标公告与中标结果公告（安天e采、阳光采购服务平台、招标网、甘肃省招标中心等）

  • 智能超参数《中国大模型中标项目监测与洞察报告（2026年Q1）》

  • 易观千帆证券类App月活数据、券商算法与模型备案统计

  • 国家互联网应急中心关于OpenClaw类智能体安全风险提示（2026-03）

猜你喜欢

发表评论

发表评论: