專題：第28屆北京科博會-未來產業推介會
第28屆北京科博會-未來產業推介會於2026年5月8日-9日在北京舉行。廣發證券副總經理、首席信息官辛治運出席並演講。
以下為演講實錄：
辛治運：各位朋友、各位嘉賓，今天我彙報的題目是《大模型在證券行業的應用實踐和思考》。受時間限制，我重點分享兩部分內容：一是大模型技術的發展趨勢與格局，二是證券行業的 AI 應用實踐。
首先來看大模型技術發展。當前，大模型進入快速迭代加速通道，頭部廠商競爭日趨白熱化。從 Epoch 綜合能力曲線可以看到，行業迭代節奏已從 「年」級逐步加快到 「月」級，新模型密集發布，能力曲線持續陡峭上行。同時，大模型份額呈現多元化態勢，非 ChatGPT 類模型份額持續提升，谷歌 Gemini 等模型快速增長，也從側面印證了行業格局的動態變化。
全球頭部 AI 企業紛紛依託自身資源稟賦，構建差異化護城河，在模型、算力、生態等關鍵賽道加速佈局，走出不同競爭路徑。谷歌憑藉搜索數據飛輪、自研 TPU 芯片與多模態數據，形成三位一體護城河；Meta 依託海量社交用戶，採用開源 + 閉源雙輪驅動模式；OpenAI 擁有全球最大用戶基礎，通用場景優勢顯著；Anthropic 聚焦高安全與高信任，在強監管行業佈局深厚；特斯拉則在物理世界連接、人形機器人與自研芯片方面具備獨特領先優勢，人形機器人Optimus是物理世界目前唯一規模化的入口。
根據Meta資深專家意見， AI 價值鏈可拆分為六大環節：左側是算力/芯片、基礎模型，然後是工具使用、分發入口，右側是企業工作流和物理世界執行，越往右越靠近價值變現與物理世界。我們可以看到大模型技術正逐漸走出APP，走進物理世界，例如谷歌在算力、芯片、基礎模型這些環節上比較強，OpenAI在基礎模型方面、Agent方面也是比較強，Anthropic在深度融入企業的工作流方面比較有優勢，特斯拉則在物理世界連接方面非常的領先。從中可以清晰看到兩大特點：第一，AI 價值重心正在從模型層，向模型生態與執行任務層遷移，行業更加關注落地變現，大模型深度融入企業工作流；第二，美國頭部廠商已在六大環節全面佈局，AI 競爭已從單純的模型和算力的競爭，轉向全價值鏈、全流程的綜合實力較量。
國內頭部廠商包括傳統互聯網巨頭與 AI 新貴，也依託流量、雲服務、技術底座等差異化的護城河，在模型、算力、生態方面加速佈局。字節跳動依託豆包大模型與抖音流量生態，C 端入口優勢突出，同時通過C端帶動B端；騰訊憑藉微信全生態、社交流量入口，無論是在 B 端還是在 C 端都進行生態佈局；DeepSeek 在基礎模型與軟硬件優化上表現耀眼；Kimi 在長文本與 Agent 工具領域形成特色。
我們對國內模型的價值鏈進行拆分，上述六個環節中，字節跳動除了物理世界稍微弱一點之外，它的整個能力都是非常強的，而騰訊依託它的C端流量入口、社交媒體入口，在Agent工具應用、默認分發入口方面也是比較有優勢的；DeepSeek的基礎模型在開源模型中，使用量、調用量第一，月之暗面在Agent工具使用這一塊也是能力比較突出的，總體來看，國內的大模型也是在加速的發展，推動千行百業的智能化轉型。
2026年以來，行業對大模型發展路徑已形成四大共識：一是萬億參數成為基座模型的入門門檻，是智能體應用的重要基礎；二是行業從預訓練 Bot 時代，進入後訓練主導的 Agent 時代，OpenClaw 是推動這一轉變的標誌性事件；三是算力分配形成 3：1：1 新規律，原來我們的算力主要集中在預訓練上，而現在由於模型的研發以及實驗、推理需求的激增，現在GPU分佈比例是三份用於研究，一份用於預訓練，一份用於後訓練，所以GPU成為制約研究進度的最大的瓶頸，這也就是為什麼華爾街很多公司投入大量資源建自己的算力平台，它很重要的應用就是將更多算力投向研究實驗與後訓練環節；四是 AgentOS 框架成為主流，模型從被動問答轉向主動交互，多智能體協作與記憶管理技術持續創新。
在應用滲透方面，全球企業 AI 採納率穩步提升。美國人口普查局 2026 年 3 月數據顯示，美國企業整體 AI 採用率為 18.9%，行業上信息服務、專業服務、教育服務、金融保險等處於領先的地位；規模上，250人以上的大企業採用率最高，達35.3%，而 20-49 人的中小企業提升幅度最大，這說明 AI 正在從頭部企業向更廣泛的市場擴散。
國內 AI 滲透更為迅速。CNNIC 數據顯示，截至 2025 年底，我國生成式 AI 用戶達到 6.12 億，普及率 47.8%，按年增長 141.7%。IDC 評估顯示，AI 滲透率排名前五的行業依次為互聯網、金融、運營商、製造、政府，其中金融行業達 78%，位居第二。麥肯錫調研顯示，88% 的企業已在至少一個職能領域常態化應用 AI，中國企業生成式 AI 使用率達 83%，居全球首位。雖然技術滲透的提速很快，但是深度仍然不足，這是中國AI滲透的情況。
第二部分，我介紹證券行業的 AI 應用實踐。
斯坦福大學相關研究用 「人類應用意願」 和 「AI 能力」 兩個維度，將工作場景劃分為綠燈區、研發機會區、紅燈區和低優先級區，可以看到綠燈區是又有意願、AI能力又能夠達到，研發機會區是人類有應用AI的意願，但是AI的能力相對還有所欠缺，有應用前景。研究顯示，約 41%的AI 初創公司集中在低優先級與紅燈區，反映出當前 AI 智能體研究與投資存在明顯錯配。這提示我們，AI 佈局應優先投向員工願意用、技術能落地的場景，避免無效投入。
結合證券行業特點，我們總結提出CODE 模型，作為 AI 應用價值全景框架：C（Coding）面向總部 IT、風控、合規人員，聚焦輔助編程、智能風控、合規提效；O（Operation）面向一線業務與投顧人員，提升運營效率與服務生產力；D（Decision）面向經營管理者，提供數據洞察、風險預警與決策支持；E（Experience）面向外部客戶，優化服務體驗、創新產品與增收。這一模型為 AI 價值識別與規劃落地提供了清晰路徑。
海外投行已全面推進 AI 戰略。我今年4月份對海外的投行高盛做了一次調研，高盛推出了 One GS 3.0 戰略，全面擁抱 AI，主要的目標是提升客戶體驗、提升盈利能力、提升生產率和效率、增強韌性等，它的着眼點在什麼地方？優先落地流程，在與銷售賦能、客戶准入、貸款流程、監管報告、供應商管理、智能化等直接能夠影響客戶體驗的領域，進行流程再造、流程重塑以提升效率。同時它也在銷售和交易AI方面，員工助力、輔助開發方面，開發了很多典型的應用，比如說銷售與交易AI優化銷售流程，提供深度的投資洞察和貸款審批的支持，貸款應用評估的準確率提高23%，日內交易盈利提升27%，AI工程師則為高盛17000多名開發人員提高了生產效率。
摩根士丹利作為華爾街首家深度擁抱OpenAI GPT-4 技術的大行，它通過與 OpenAI 獨家戰略合作、成立集團專職 AI部門與督導委員會，系統性推進 AI 戰略落地，在財富管理、投研、代碼現代化等領域落地標杆應用，大幅提升效率、降低成本。
嘉信理財以 AI 賦能客戶服務、投顧作業、財富規劃與風險管理，鞏固零售財富管理龍頭地位。
國內資管行業以易方達為代表，長期深耕金融科技，自主研發 EFund 大模型，覆蓋投研、運營、市場、辦公全流程，智能固收交易機器人、AI 宏觀研究員等應用效果突出，成為基金行業 AI 落地標杆。
國內證券公司 對客AI 應用主要有兩條路徑：一類是打造獨立AI原生APP，提升客戶沉浸式體驗，另一類則是在原來APP上進行迭代演進。我們廣發證券採取 「小步快跑、快速迭代」 思路，推出易淘金 「AI 透鏡」 版，聚焦選股、盯盤、交易、ETF 投資助理等核心投資場景，目前已內部試運行，待監管備案後全面對客服務。
同時，我們打造 「天璣智融」 財經一站式 AI 門戶，集成近 50 個專業智能體，實現跨業務領域一站式的智能響應，為公司300多家營業部、幾千名投顧、總部及分支機構員工提供服務，在基金分析、客戶匹配、營銷話術、展業轉化等方面效果顯著，有效提升服務體驗與業務轉化效率。
基於 OpenClaw 技術，我們打造 AI 員工智能助理，着重升級了安全管控措施，並進行第三方安全評估認證。AI 助理支持日程管理、會議預訂、費用報銷、業務查詢等通用辦公及專業場景任務，實現工作模式升級。作為例子，我們的研究員使用OpenClaw員工助理，可自動讀取財報、生成研報與路演材料，大幅釋放研究員精力，單人可獲得相當於 3—5 名研究助理的能力加持。
在研發領域，我們不光是在AI輔助編程上來使用AI，也在需求設計、概要設計、測試、運維等方面爭取實現全流程AI大模型賦能，同時我們也探討AI輔助編程對開發、組織、架構可能帶來的影響，也進行一些探索，提高整個IT研發效率。
最後，AI 安全治理是金融機構的重中之重。隨着 AI 應用快速普及，安全風險備受全球關注。我國發布《人工智能安全治理框架》，美國財政部也專門召集金融機構研討 AI 安全，所以這一塊也要請大家高度重視。
我的報告到這裏，謝謝大家！
責任編輯：梁斌 SF055