券商集体把 Agent 摆上 Kimi、千问的货架

这才是 Agent 商业化最真实的信号——不是"二选一"，是"全都要"，从"修路"变成"开店"。

从数仓转 AI 的工程实践者 · 用数仓的视角，看金融这场卡位战

2026 年 10 月 6 日，人民财讯和中国基金报几乎同时报道了一件事：超过 10 家券商，集体入驻了 Kimi、WorkBuddy、千问、火山引擎这些第三方 AI 平台。

你没看错，是"集体"，而且不是"二选一"——中信证券的表态很直白："不同平台各有侧重，按场景择优。"翻译成人话就是：哪个平台的用户在什么场景下需要什么，我就把对应的 Agent 摆到哪里。 多家头部券商是同时接了好几个平台，压根不存在"签独家"这回事。

一、底层转向：从"修路"到"开店"

过去两三年，券商圈的 AI 竞赛只有一个关键词——自研。各家争着搭自己的大模型，国泰海通一年信息技术投入 32.35 亿，华泰 26.79 亿，招商、中信建投、中金、广发也都是 10 亿级。

结果很快教做人：训练一个大模型动辄数亿，通用能力却永远追不上真正的大厂，更追不上开源社区的迭代速度。 对绝大多数券商来说，自研大模型是个投入产出严重失衡的生意。

于是行业想通了：模型能力用平台的，流量入口也借平台的，券商真正该做的，是把几十年的投研、投顾、交易经验，封装成专业的 Agent。

二、获客逻辑被重写：从"人找服务"到"服务找人"

券商最值钱的是什么？不是牌照，是客户。而获客成本，永远是金融机构的痛——一个有效开户客户，业内普遍说法是几百元起步。

现在，Skills 和 Agent 成了新的获客渠道，而且逻辑完全不同：

这像什么？像从"守株待兔"变成了"兔子主动撞上来"。用户问一句"帮我看看这只股票能不能买"，回答它的不只是 AI 的分析，还有关联券商智能体提供的开户、交易、投顾入口。认知、兴趣、转化，可能在一次对话里走完。

三、两条路径：专业能力输出 vs 大众触达

这次集体入驻，清晰分成了两条路：

两条路指向同一个判断：未来用户可能更多直接通过 AI 助手提出投资需求，券商必须提前进场，在新的用户决策链条里占住专业服务的入口。

四、这事我太熟了——把"数据资产"产品化输出

看到"券商把投研能力封装成 Skills 上架"，我这个数仓出身的人，第一反应是：这不就是数据资产的标准化输出吗？

广发证券辛治运的原话很专业："依托 MCP 接入 WorkBuddy 生态，推动专业金融能力标准化输出。"什么叫标准化输出？就是把自家沉淀了十几年的投研框架、数据口径、分析逻辑，打包成一个个能被外部系统直接调用的"标准服务"——这跟你把数仓指标沉淀成"口径统一的数据服务"，对外提供 API，是同一件事。

而这里面最值钱的一句话，是广发证券说的：通用大模型交付的是"信息与内容"，券商 AI 交付的必须是"可执行、可留痕、可问责的业务结果"。这跟数仓里"报表不是目的，能支撑决策的数据才是"是一个道理。

五、结论：货架位置正在被抢，体验才是护城河

把这几天的事串起来看：超 10 家券商入驻、多平台同时布局、不自研改借力、Skills 成新渠道——指向同一个判断：AI 平台正在成为金融服务的超级入口，而券商们已经决定，不等了。

IDC 预测，到 2028 年全球将有 13 亿个 Agent 在运行。当 Agent 数量爆炸式增长，AI 平台会从"聊天工具"演变成"服务操作系统"，用户的所有需求都通过智能体承接。到那时，金融服务如果不能以 Agent 形态出现在平台上，不是落后，是缺席。

三个看点值得盯：第一，智能体服务质量会快速分化，摆摊的多了，谁能提供专业、合规、有温度的投顾服务，谁才能留住用户；第二，平台和金融机构的分成模式、数据边界、合规框架都要重新谈；第三，这场入口之争不会止于券商——银行、保险、基金，大概率一年内跟进，券商只是第一批反应过来的。

十年前，金融机构错过了社交平台红利期的最好时机；这一次，它们显然不想再等。

对普通人来说，一个更实在的信号是：金融这个最保守的行业，都已经开始把核心能力"搬进 Agent"了，说明 Agent 不是概念，是正在发生的商业重构。

而你，是选择当那个"摆摊的人"，还是那个"只会逛摊的人"？

关注麒麟 Agent 实验室

我是一个从数仓转 AI 的工程实践者，在这里只做一件事：用工程的账本，帮你算清 Agent 落地这笔账，不吹、不黑、不贩卖焦虑。

回复【路线】，领取「Agent 学习路线图」。