研报速递TREND INSIGHT
趋 势 洞 察
数智范式 · 财富管理AI转型系列
券商集体入驻 WorkBuddy：
AI 时代，金融机构正在争夺下一个"能力入口"
数智范式｜趋势洞察
最近，金融行业出现了一个很值得关注的现象：
越来越多券商开始把自己的专业能力做成 Skill，入驻 WorkBuddy 等 AI 工作平台。
行情查询、财报分析、ETF 筛选、基金比较、研报检索、智能选股……
乍一看，这似乎只是金融机构又找到了一个新的 AI 流量入口。
但如果把时间拉长一点看，我们认为，这件事情真正值得关注的并不是：
"又有多少家券商入驻了 WorkBuddy？"
而是：
金融机构第一次开始系统性地把自己的专业能力，从 App 和业务系统里拆出来，变成 AI 可以直接调用的 Skill。
这背后可能预示着一次比"做 AI 助手"更深刻的变化：
AI 时代，金融机构争夺的下一个入口，
可能不再只是"用户入口"，
而是"能力入口"。
SECTION
从 App 到 Skill：金融服务正在发生一次"解耦"
过去十几年，金融机构数字化遵循着一个非常清晰的逻辑：
专业能力 → 产品功能 → App → 用户
一家券商有研究能力，于是做一个"研报中心"。
有行情数据，于是做一个"行情中心"。
有基金研究能力，于是做一个"基金筛选器"。
有资产配置能力，于是做一个"智能投顾"。
最终，这些能力都被封装在自己的 App 和业务系统里。
用户想使用这些能力，首先必须：
下载 App → 注册 → 登录 → 找到功能 → 操作功能
所以移动互联网时代，金融机构竞争的核心之一，就是：谁拥有用户入口。
大家争 DAU、争首页、争自选股、争资讯流、争用户停留时间。
但 Agent 时代，这条链路正在改变。
未来用户可能根本不会说：
"我要打开某家券商 App，找一下 ETF 筛选器。"
而是直接告诉 AI：
"帮我找几只适合长期配置的红利 ETF，并比较规模、费率、跟踪误差和历史回撤。"
接下来，AI 可能自动调用：
行情 Skill
↓
ETF 筛选 Skill
↓
基金评价 Skill
↓
研究 Skill
↓
组合分析 Skill → 生成最终答案
用户甚至不需要知道，这些能力分别来自哪一家金融机构。
于是一个非常重要的变化出现了：
过去：功能属于 App。
未来：能力可以脱离 App，成为独立的 Skill，被不同 Agent 调用。
这就是 Skill 真正值得关注的地方。
SECTION
券商争夺的，可能不是 WorkBuddy 的流量
如果只从渠道角度看，券商入驻 WorkBuddy 很容易被理解为："多了一个获客渠道。"
但我们认为，这个理解可能低估了这件事情。
真正值得争夺的是：Agent 的调用权。
移动互联网时代，一家金融机构最关心的问题是：
用户会不会打开我的 App？
Agent 时代，一个新的问题正在出现：
AI 会不会调用我的 Skill？
例如未来用户只需要说："帮我分析一下这家公司。"
Agent 背后可能自动完成：
A 券商：财务数据 Skill
↓
B 券商：研报 Skill
↓
C 券商：估值 Skill
↓
某金融数据机构：行情 Skill → AI 综合生成分析报告
对于用户而言，这是一次完整的 AI 服务。
但对于金融机构而言，竞争已经发生在了一个用户几乎看不见的地方：
Skill Router
谁被调用？谁被优先调用？
谁的数据更可靠？谁的研究框架更专业？
谁的响应速度更快？谁更符合合规要求？
谁能完成更复杂的任务？
这些因素，可能逐渐决定一家金融机构在 AI 生态中的位置。
所以未来金融机构可能会开始关注一个今天还很陌生的指标：
Skill Call Share —— 技能调用份额
它未来的重要性，也许会类似今天的：搜索份额、支付份额、App DAU。
SECTION
Skill，可能成为 AI 时代新的"App"
回头看互联网的发展，会发现一个很有意思的规律。
为什么？因为 AI 不需要像人一样，在复杂的软件界面中点击菜单。
AI 真正需要的是：一个明确、标准化、可调用、可组合的能力。
查行情。分析财报。比较基金。筛选 ETF。
评价产品。诊断账户。构建组合。
检查合规。生成客户沟通方案。
这些能力都可以被封装成独立 Skill。
于是未来的 AI 平台，很可能逐渐形成一种新的生态：
Agent OS + Skill Store
Agent 负责：理解需求、规划任务、组织工作。
Skill 负责：执行专业任务。
而金融机构则有机会成为：金融专业能力供应商。
SECTION
真正的竞争，不是谁的 Skill 更多
但这里很容易出现一个误区。
一家券商上线 50 个 Skill。另一家上线 100 个 Skill。
是不是后者一定更强？
未必。
因为目前很多 Skill 仍然停留在比较浅的层面。从长期看，我们可以把金融 Skill 粗略分成三个层级。
L1：数据型 Skill
解决的是："告诉我发生了什么。"
行情查询 / 基金净值 / 产品信息 / 财务数据 / 宏观数据
L2：工具型 Skill
解决的是："帮我算一算、筛一筛、比一比。"
基金比较 / ETF 筛选 / 组合回测 / 风险测算 / 持仓穿透
L3：专业型 Skill
解决的是："一家专业金融机构究竟是怎么做判断的？"
数据 + 方法论 + 规则 + 专家经验 + Institutional Know-how
这才是真正可能形成差异化的地方。
SECTION
真正值得争夺的是：Institutional Know-how as Skill
一家优秀金融机构真正重要的资产是什么？
不是某一个页面。也不是某一个系统。
而是过去十年、二十年甚至更长时间积累下来的：
研究框架、投资方法、业务规则、专家经验和客户服务方法。
但过去这些东西通常存在于：
研究报告里。制度文件里。Excel 里。
培训材料里。专家脑子里。优秀员工的工作经验里。
AI + Skill 提供了一种新的可能。把这些经验：
知识化
↓
规则化
↓
工具化
↓
Skill 化
↓
Agent 可调用化
最终形成：
Institutional Know-how as Skill
把一家金融机构长期积累的专业 Know-how，
变成 AI 可以执行和调用的能力。
真正重要的不是：
"我们上线了多少个 Skill。"
而是：
"我们最有价值的专业能力，有多少已经被 Skill 化？"
SECTION
财富管理行业正在出现"第二个货架"
这个变化，对财富管理行业尤其重要。
因为财富管理机构过去最重要的基础设施之一，就是：产品货架。
基金。私募。保险。理财。组合。
但 AI 时代，可能会出现第二个货架：能力货架。
客户洞察能力。账户诊断能力。产品研究能力。
基金评价能力。私募筛选能力。资产配置能力。
组合管理能力。投后陪伴能力。
客户经营能力。合规判断能力。
过去的平台主要回答：
"有什么产品可以卖？"
未来的平台还需要回答：
"有什么专业能力可以被 AI 调用？"
SECTION
从 Product Platform 到 AI-Native TAMP
如果沿着这个方向继续推演，TAMP 的演进路径会变得非常有意思。
Product Platform第二阶段
Technology + Product第三阶段
AI-Native TAMP
第三阶段的核心组成可能进一步变成：
Data + Knowledge + Skill + Agent + Product
这时候平台提供给 FA 的，不再只是：
"这里有很多金融产品。"
而是：
"这里有一整套可以被 AI 调用的财富管理专业能力。"
SECTION
不要把自己变成"AI 时代的 API"
积极进入 WorkBuddy 等第三方 AI 平台当然是正确的。新的入口正在形成。金融机构没有理由缺席。
但这里存在一个更长期的战略问题。
假设未来用户关系变成：
用户
↓
WorkBuddy / 千问 / ChatGPT / 其他 Agent
↓
Skill Router
↓
金融机构 Skill
那么：
谁掌握用户？谁知道用户真正想做什么？
谁拥有完整的用户 Context？
谁决定调用哪一家金融机构？
谁拥有最终的交互界面？
很可能都是：Agent 平台。
金融机构则逐渐退到后面，成为：Data Provider + Capability Provider。
这并不是一个陌生的故事。过去二十年的互联网已经反复发生过类似变化：
平台与商户。操作系统与 App。搜索引擎与网站。超级 App 与小程序。
历史一再证明：谁掌握入口和分发权，谁往往拥有更大的产业链话语权。
所以金融机构今天应该积极开放 Skill。但绝不能只做："给 WorkBuddy 做几个 Skill。"
更合理的战略应该是：
Build Once，Distribute Everywhere
建设自己的金融 Skill 基础设施。然后同时服务：
自有 App。内部员工。FA 工作台。
企业 Agent。客户端。
WorkBuddy。千问。ChatGPT。
以及未来可能出现的各种 AI 入口。
SECTION
应该建设的，是自己的 Wealth Skill Layer
如果这个判断成立，那么今天财富管理机构讨论 AI 架构时，可能需要增加一个过去经常被忽略的层：
Wealth Skill Layer。
未来一个完整的 AI-Native 财富管理架构，可以变成：
Channel Layer｜渠道层
员工工作台 / FA 工作台 / 客户端 / 企业 AI / 第三方 Agent
↕
Agent Layer｜智能体层
FA Agent / 客户经营 Agent / 投顾 Agent / 产品 Agent / 运营 Agent / 合规 Agent
↕
Skill Layer｜能力层
客户洞察 / 账户诊断 / 产品研究 / 基金评价 / 资产配置 / 组合诊断 / 合规检查
↕
Knowledge Layer｜知识层
产品知识 / 投研知识 / 业务知识 / 案例知识 / 合规知识
↕
Data Layer｜数据层
客户 / 账户 / 交易 / 产品 / 市场 / 经营数据
这里有一个非常重要的架构思想：
Agent 不应该拥有所有能力。Agent 更像：需求理解者 + 任务规划者 + Skill 调度者。
真正沉淀机构 Know-how 的地方，反而可能是：Skill Layer。
所以今天金融机构不能只讨论：
"我们应该做几个 Agent？"
还应该开始回答一个更加基础的问题：
"我们究竟拥有哪些值得沉淀成 Skill 的专业能力？"
SECTION
从争夺"用户入口"，走向争夺"能力入口"
过去二十年，金融机构数字化竞争的关键词一直是：入口。
争网站入口移动时代
争App入口超级App时代
争场景入口Agent时代
争能力入口
因为未来用户不一定知道：
自己的基金分析来自哪一家机构。
自己的资产配置调用了谁的模型。
自己的财报分析使用了谁的研究框架。
但 AI 知道。Agent 知道。Skill Router 知道。
所以一个新的竞争正在出现：
谁能够成为 AI 默认调用的金融能力？
这就是我们所说的："能力入口"。
未来金融机构争夺的，不仅是：
用户首先打开谁。
还可能是：
AI 首先调用谁。
写在最后
券商集体把 Skill 入驻 WorkBuddy，看起来只是一个新的行业热点。
但如果把时间拉长，它可能代表一个更值得关注的信号：
金融机构正在第一次大规模尝试，把自己的专业能力从 App 和业务系统中拆出来，变成 AI 世界可以直接调用的标准化能力。
所以真正值得关注的，不是哪家券商上线了多少 Skill。而是三个问题：
第一，未来金融服务的入口，会不会逐渐从 App 转向 Agent？
第二，金融机构的竞争单元，会不会从产品和功能进一步转向 Skill？
第三，当 AI 可以自由组合不同机构的专业能力时，财富管理产业链会不会因此重新分工？
如果答案逐渐趋向于"是"，那么金融机构今天真正应该思考的，就不只是：
"我要不要做 Agent？"
而是：
"未来，我希望自己的哪些专业能力，
成为 AI 世界里的标准 Skill？"
因为 AI 时代下一场真正重要的竞争，
可能不是谁拥有最多的 AI。
而是：
谁的专业能力，最值得被 AI 调用。
COLUMN
数智范式｜趋势洞察
研究 AI 如何重构财富管理
— END —
发表评论
发表评论: