研报速递最近券商行业有一个挺有意思的变化。
11月6日，《金融时报》报道了中小券商的科技战略与人事调整。其中，华兴证券的一项人事安排引起了广泛的注意：公司聘任郭锐为副总经理兼首席信息官，同时负责零售经纪、金融科技和AI创新。
此前，他长期负责腾讯微证券、腾讯自选股等业务。
把零售业务和科技业务交给同一位高管负责，这背后其实释放了一个值得关注的信号：券商可能正在重新思考，科技部门到底应该是业务部门的技术供应商，还是业务经营本身的一部分？
这个问题，在AI时代尤其重要。
因为现在的券商AI竞赛，已经有点热闹过头了。
华泰升级AI涨乐2.0，招商证券打造AI证券公司，国泰海通、华泰的年度信息技术投入分别超过30亿元和26亿元。
头部券商有资金、有技术、有数据、有客户，也有足够大的业务规模支撑AI投入。
那么问题来了：
中小券商如果也按照这张清单去建设，最后会不会只是花了更多的钱，做出了一个缩水版的头部券商？
我认为，这可能是中小券商做AI时最需要警惕的事情。
一、头部券商正在做什么？AI已经不只是一个聊天入口
先看头部券商的动作。
目前，券商AI建设大致可以分成三个层次。
第一层：面向客户的AI入口。
华泰的AI涨乐2.0是一个比较典型的案例。
用户可以通过自然语言表达交易意图，系统将其拆解成可查看、可修改的交易任务，同时通过账户分析帮助用户了解盈亏来源。
这意味着，AI不再只是回答问题，而是开始理解用户意图，并参与投资决策辅助流程。
当然，投资决策最终仍然由投资者作出。
第二层：面向内部员工和业务流程的智能体体系。
招商证券是一个值得关注的案例。
招商证券提出打造「AI证券公司」，并搭建了招证「天启」大模型体系，围绕财富管理、机构服务、投资研究、投行业务和日常运营等领域推进AI应用。
这里有一个值得关注的变化：招商证券不是简单地给员工增加一个AI聊天入口，而是在尝试将AI能力嵌入不同业务条线的实际工作流程。
这也意味着，券商AI建设正在从单点工具应用，逐步走向业务体系重构。
第三层：持续投入AI基础设施。
2025年，国泰海通和华泰证券的信息技术投入分别约为32.35亿元和26.79亿元。
需要说明的是，这些投入并非全部用于AI，但持续的技术投入为AI应用提供了基础设施和数据能力。
这三层其实对应着三个问题：
客户怎么使用AI？ 员工怎么使用AI？ 企业怎么支撑AI？
头部券商有能力同时推进这三个方向。
但中小券商未必有这样的条件。
这里有一个容易被忽略的问题：技术可以采购，模型可以接入，智能体可以开发，但经营能力并不能直接购买。
这才是中小券商真正的难题。
二、中小券商最容易犯的错误：把AI建设变成一场功能竞赛
现在不少企业谈AI，容易陷入一种思维：
别人有AI投顾，我也要做一个；别人有智能体平台，我也要建一个；别人有AI研究助手，我也要接入大模型；别人有智能体矩阵，我是不是也得搞几十个？
看起来很积极，实际上可能是在重复建设。
我一直觉得，AI时代有一个很有意思的变化：
过去，企业之间的技术差距，很大程度上取决于研发团队规模、资金投入和技术积累。
但现在，大模型、开源框架、智能体平台以及各种开发工具，让很多基础技术能力变得更加容易获得。
一个几十人的团队，借助成熟模型和开发框架，也有机会做出过去需要大型研发团队才能完成的应用。
这是不是意味着中小券商可以借AI实现弯道超车？
有机会，但绝不是简单地接入一个大模型就可以。
因为AI应用真正难的地方，往往不在模型本身，而在三个环节：
有没有高质量的数据？ 能不能理解并重构真实业务流程？ 能不能把AI输出变成业务人员真正使用的结果？
举个例子。
一家券商如果想通过AI提升投顾服务能力，不一定需要先建设50个智能体。
它可以先解决一个非常具体的问题：
客户经理每天面对大量客户，如何快速识别客户的需求变化？
过去可能需要人工阅读客户沟通记录，再根据经验判断客户的投资偏好、风险承受能力和关注方向。
现在可以通过AI辅助分析沟通文本，提取客户关注的问题，形成结构化标签，帮助投顾更有针对性地开展后续服务。
这个场景不一定需要多么复杂的模型，也不一定需要庞大的研发团队。
但它解决的是一个真实存在的业务问题。
这比做一个看起来很炫的AI首页，可能更有价值。
三、中小券商真正的机会：不是做小号头部，而是找到自己的客群
湘财证券提出过一个战略思路：轻资产、重科技、强生态。
中邮证券也公开表示，不追求大而全，而是聚焦特色领域。
这些思路其实指向了同一个方向：
中小券商不应该试图在所有领域与头部券商竞争，而应该选择自己最有优势的领域，借助AI把优势放大。
2025年12月，证监会主席吴清在中证协第八次会员大会上也提出，中小机构要把握自身优势、错位发展，在细分领域、特色客群和重点区域集中资源、深耕细作，打造小而美的精品投行、特色投行和特色服务商。
这句话放到AI时代，我觉得尤其值得研究。
我们可以设想几个方向。
方向一：产业特色型券商。
如果一家券商长期服务某个产业，比如新能源、先进制造、医药或区域特色产业，那么它真正有价值的资产是什么？
不是一个通用的AI问答机器人，而是多年积累的产业研究、企业服务经验、项目资料和专业知识。
AI可以把这些分散的知识资产组织起来，形成产业研究助手、企业分析助手、项目服务助手。
当这些能力真正进入日常工作流程，才可能形成差异化。
方向二：特色客群型券商。
如果一家券商在某个区域拥有较强的客户基础，或者在某一类投资者群体中有比较明显的优势，就可以围绕这类客户设计AI服务。
例如：
帮助客户快速理解市场变化。 根据客户关注方向整理研究信息。 辅助投顾完成客户需求分析。 对客户关心的行业和产品进行持续跟踪。
重点不是让AI替代投顾，而是让一个投顾借助AI，能够更高效地服务更多客户。
方向三：专业能力型券商。
有些机构可能在财富管理、债券业务、区域投行或特定研究领域有积累。
与其开发一个什么都能回答的通用助手，不如把某个专业领域做深。
AI负责信息整理、数据分析、知识检索和流程辅助，人负责专业判断、客户沟通和责任承担。
这可能是一种更适合中小券商的组合方式。
四、真正拉开差距的，可能不是模型，而是组织
回到华兴证券这次的人事调整。
为什么我觉得它值得关注？
因为它触及了一个比技术选型更深的问题：业务和科技到底应该如何协同？
传统券商的科技建设，通常是业务部门提出需求，科技部门负责开发，项目上线后再交给业务部门使用。
这套模式在传统信息化时代没有太大问题。
但AI项目不一样。
AI应用不是把一个确定的业务需求翻译成代码就结束了。
很多时候，业务人员自己也不知道AI能够做到什么程度；技术人员也未必理解真实业务中的复杂约束。
双方需要反复试验、调整流程、验证结果。
例如，一个AI投顾助手，最初可能只是整理市场信息。
但经过实际使用，业务人员发现它还可以帮助整理客户需求、生成服务摘要、跟踪客户关注的问题。
然后再根据实际反馈，逐步增加能力。
这个过程不是简单的需求交付，而是业务和技术共同探索。
所以，华兴把零售和科技交由同一位高管负责，至少从组织设计上，释放了一个值得观察的信号。
当然，人事安排不等于转型成效，最终还要看资源配置、业务协同和实际落地。
但我认为，未来券商AI建设有一个趋势值得关注：
科技部门不能只对系统上线负责，还应该逐渐对业务应用效果负责。
反过来，业务部门也不能只负责提需求，而应该参与AI应用的设计、验证和持续优化。
真正有价值的AI项目，一定不是科技部门自己关起门来做出来的。
五、中小券商应该把有限预算花在哪里？
如果给中小券商的AI建设提几个建议，我会更关注以下五件事。
第一，先确定自己的差异化客群。
到底准备服务谁？
是区域客户、产业客户、高净值客户，还是某一类专业投资者？
如果连目标客群都不清楚，AI应用很容易变成一堆没有明确服务对象的功能。
第二，少做入口，多做流程。
不要把AI建设的成果简单理解为上线了多少个助手、多少个智能体。
应该看它有没有进入真实业务流程，有没有减少重复劳动，有没有改善客户服务。
第三，优先补齐数据和知识资产。
模型可以随时更换，但企业多年积累的业务知识、客户服务经验和专业数据，才是更难复制的资产。
第四，把权限、审计和人工复核纳入设计。
金融业务对准确性、合规性和责任边界有特殊要求。
尤其是涉及客户信息、适当性管理和交易意图的场景，必须有清晰的权限控制、操作留痕、结果核验和人工复核机制。
AI能够辅助信息整理，不代表可以替代持牌人员履行专业职责。
第五，考核实际业务结果，而不是技术建设数量。
智能体数量、模型参数、系统访问量，都不能直接代表业务价值。
更应该关注实际使用率、业务处理效率、服务覆盖情况，以及客户体验是否得到改善。
说到底，预算有限的时候，先解决哪个问题，比同时上线多少项功能更重要。
写在最后：AI给中小券商的机会，不是复制头部
我觉得，券商AI竞争正在进入一个新的阶段。
第一阶段，大家关注的是谁先接入大模型，谁先做出AI助手。
第二阶段，开始比拼智能体数量、应用场景和技术投入。
但再往后，真正值得关注的，应该是AI能否融入业务流程，能否形成可持续的经营价值。
头部券商当然有优势。
它们有更大的资金投入、更丰富的数据、更成熟的研发团队，也有更广泛的客户基础。
中小券商如果按照头部的功能清单一项项复制，很可能陷入投入不足、应用同质化、持续运营困难的循环。
但AI也在改变竞争规则。
过去需要大量人力才能完成的工作，现在有机会通过AI重新组织；过去只有大型机构才能负担的某些专业能力，现在也有机会通过成熟技术和外部生态获得。
这意味着，中小券商不一定要成为一个更小的华泰，也不一定要拥有50个智能体。
它更需要想清楚：
我最了解哪一类客户？我在哪个业务领域有积累？AI能不能把这项优势放大十倍？
如果这些问题没有答案，再多的智能体也只是功能清单。
如果这些问题有了答案，哪怕只做好几个场景，也可能形成真正有价值的竞争力。
中小券商的AI突围，拼的或许不是谁的技术最先进，而是谁更清楚自己应该把技术用在哪里。
这才是值得关注的方向。
本文根据公开报道及机构公开资料整理，包括《金融时报》2026年11月6日报道、证券时报2026年9月4日对湘财证券相关负责人的专访，以及相关券商公开年报和行业信息。文中观点仅代表作者对行业发展趋势的观察，不构成投资建议。
