专题：第28届北京科博会-未来产业推介会
第28届北京科博会-未来产业推介会于2026年5月8日-9日在北京举行。广发证券副总经理、首席信息官辛治运出席并演讲。
以下为演讲实录：
辛治运：各位朋友、各位嘉宾，今天我汇报的题目是《大模型在证券行业的应用实践和思考》。受时间限制，我重点分享两部分内容：一是大模型技术的发展趋势与格局，二是证券行业的 AI 应用实践。
首先来看大模型技术发展。当前，大模型进入快速迭代加速通道，头部厂商竞争日趋白热化。从 Epoch 综合能力曲线可以看到，行业迭代节奏已从 “年”级逐步加快到 “月”级，新模型密集发布，能力曲线持续陡峭上行。同时，大模型份额呈现多元化态势，非 ChatGPT 类模型份额持续提升，谷歌 Gemini 等模型快速增长，也从侧面印证了行业格局的动态变化。
全球头部 AI 企业纷纷依托自身资源禀赋，构建差异化护城河，在模型、算力、生态等关键赛道加速布局，走出不同竞争路径。谷歌凭借搜索数据飞轮、自研 TPU 芯片与多模态数据，形成三位一体护城河；Meta 依托海量社交用户，采用开源 + 闭源双轮驱动模式；OpenAI 拥有全球最大用户基础，通用场景优势显著；Anthropic 聚焦高安全与高信任，在强监管行业布局深厚；特斯拉则在物理世界连接、人形机器人与自研芯片方面具备独特领先优势，人形机器人Optimus是物理世界目前唯一规模化的入口。
根据Meta资深专家意见， AI 价值链可拆分为六大环节：左侧是算力/芯片、基础模型，然后是工具使用、分发入口，右侧是企业工作流和物理世界执行，越往右越靠近价值变现与物理世界。我们可以看到大模型技术正逐渐走出APP，走进物理世界，例如谷歌在算力、芯片、基础模型这些环节上比较强，OpenAI在基础模型方面、Agent方面也是比较强，Anthropic在深度融入企业的工作流方面比较有优势，特斯拉则在物理世界连接方面非常的领先。从中可以清晰看到两大特点：第一，AI 价值重心正在从模型层，向模型生态与执行任务层迁移，行业更加关注落地变现，大模型深度融入企业工作流；第二，美国头部厂商已在六大环节全面布局，AI 竞争已从单纯的模型和算力的竞争，转向全价值链、全流程的综合实力较量。
国内头部厂商包括传统互联网巨头与 AI 新贵，也依托流量、云服务、技术底座等差异化的护城河，在模型、算力、生态方面加速布局。字节跳动依托豆包大模型与抖音流量生态，C 端入口优势突出，同时通过C端带动B端；腾讯凭借微信全生态、社交流量入口，无论是在 B 端还是在 C 端都进行生态布局；DeepSeek 在基础模型与软硬件优化上表现耀眼；Kimi 在长文本与 Agent 工具领域形成特色。
我们对国内模型的价值链进行拆分，上述六个环节中，字节跳动除了物理世界稍微弱一点之外，它的整个能力都是非常强的，而腾讯依托它的C端流量入口、社交媒体入口，在Agent工具应用、默认分发入口方面也是比较有优势的；DeepSeek的基础模型在开源模型中，使用量、调用量第一，月之暗面在Agent工具使用这一块也是能力比较突出的，总体来看，国内的大模型也是在加速的发展，推动千行百业的智能化转型。
2026年以来，行业对大模型发展路径已形成四大共识：一是万亿参数成为基座模型的入门门槛，是智能体应用的重要基础；二是行业从预训练 Bot 时代，进入后训练主导的 Agent 时代，OpenClaw 是推动这一转变的标志性事件；三是算力分配形成 3：1：1 新规律，原来我们的算力主要集中在预训练上，而现在由于模型的研发以及实验、推理需求的激增，现在GPU分布比例是三份用于研究，一份用于预训练，一份用于后训练，所以GPU成为制约研究进度的最大的瓶颈，这也就是为什么华尔街很多公司投入大量资源建自己的算力平台，它很重要的应用就是将更多算力投向研究实验与后训练环节；四是 AgentOS 框架成为主流，模型从被动问答转向主动交互，多智能体协作与记忆管理技术持续创新。
在应用渗透方面，全球企业 AI 采纳率稳步提升。美国人口普查局 2026 年 3 月数据显示，美国企业整体 AI 采用率为 18.9%，行业上信息服务、专业服务、教育服务、金融保险等处于领先的地位；规模上，250人以上的大企业采用率最高，达35.3%，而 20-49 人的中小企业提升幅度最大，这说明 AI 正在从头部企业向更广泛的市场扩散。
国内 AI 渗透更为迅速。CNNIC 数据显示，截至 2025 年底，我国生成式 AI 用户达到 6.12 亿，普及率 47.8%，同比增长 141.7%。IDC 评估显示，AI 渗透率排名前五的行业依次为互联网、金融、运营商、制造、政府，其中金融行业达 78%，位居第二。麦肯锡调研显示，88% 的企业已在至少一个职能领域常态化应用 AI，中国企业生成式 AI 使用率达 83%，居全球首位。虽然技术渗透的提速很快，但是深度仍然不足，这是中国AI渗透的情况。
第二部分，我介绍证券行业的 AI 应用实践。
斯坦福大学相关研究用 “人类应用意愿” 和 “AI 能力” 两个维度，将工作场景划分为绿灯区、研发机会区、红灯区和低优先级区，可以看到绿灯区是又有意愿、AI能力又能够达到，研发机会区是人类有应用AI的意愿，但是AI的能力相对还有所欠缺，有应用前景。研究显示，约 41%的AI 初创公司集中在低优先级与红灯区，反映出当前 AI 智能体研究与投资存在明显错配。这提示我们，AI 布局应优先投向员工愿意用、技术能落地的场景，避免无效投入。
结合证券行业特点，我们总结提出CODE 模型，作为 AI 应用价值全景框架：C（Coding）面向总部 IT、风控、合规人员，聚焦辅助编程、智能风控、合规提效；O（Operation）面向一线业务与投顾人员，提升运营效率与服务生产力；D（Decision）面向经营管理者，提供数据洞察、风险预警与决策支持；E（Experience）面向外部客户，优化服务体验、创新产品与增收。这一模型为 AI 价值识别与规划落地提供了清晰路径。
海外投行已全面推进 AI 战略。我今年4月份对海外的投行高盛做了一次调研，高盛推出了 One GS 3.0 战略，全面拥抱 AI，主要的目标是提升客户体验、提升盈利能力、提升生产率和效率、增强韧性等，它的着眼点在什么地方？优先落地流程，在与销售赋能、客户准入、贷款流程、监管报告、供应商管理、智能化等直接能够影响客户体验的领域，进行流程再造、流程重塑以提升效率。同时它也在销售和交易AI方面，员工助力、辅助开发方面，开发了很多典型的应用，比如说销售与交易AI优化销售流程，提供深度的投资洞察和贷款审批的支持，贷款应用评估的准确率提高23%，日内交易盈利提升27%，AI工程师则为高盛17000多名开发人员提高了生产效率。
摩根士丹利作为华尔街首家深度拥抱OpenAI GPT-4 技术的大行，它通过与 OpenAI 独家战略合作、成立集团专职 AI部门与督导委员会，系统性推进 AI 战略落地，在财富管理、投研、代码现代化等领域落地标杆应用，大幅提升效率、降低成本。
嘉信理财以 AI 赋能客户服务、投顾作业、财富规划与风险管理，巩固零售财富管理龙头地位。
国内资管行业以易方达为代表，长期深耕金融科技，自主研发 EFund 大模型，覆盖投研、运营、市场、办公全流程，智能固收交易机器人、AI 宏观研究员等应用效果突出，成为基金行业 AI 落地标杆。
国内证券公司 对客AI 应用主要有两条路径：一类是打造独立AI原生APP，提升客户沉浸式体验，另一类则是在原来APP上进行迭代演进。我们广发证券采取 “小步快跑、快速迭代” 思路，推出易淘金 “AI 透镜” 版，聚焦选股、盯盘、交易、ETF 投资助理等核心投资场景，目前已内部试运行，待监管备案后全面对客服务。
同时，我们打造 “天玑智融” 财经一站式 AI 门户，集成近 50 个专业智能体，实现跨业务领域一站式的智能响应，为公司300多家营业部、几千名投顾、总部及分支机构员工提供服务，在基金分析、客户匹配、营销话术、展业转化等方面效果显著，有效提升服务体验与业务转化效率。
基于 OpenClaw 技术，我们打造 AI 员工智能助理，着重升级了安全管控措施，并进行第三方安全评估认证。AI 助理支持日程管理、会议预订、费用报销、业务查询等通用办公及专业场景任务，实现工作模式升级。作为例子，我们的研究员使用OpenClaw员工助理，可自动读取财报、生成研报与路演材料，大幅释放研究员精力，单人可获得相当于 3—5 名研究助理的能力加持。
在研发领域，我们不光是在AI辅助编程上来使用AI，也在需求设计、概要设计、测试、运维等方面争取实现全流程AI大模型赋能，同时我们也探讨AI辅助编程对开发、组织、架构可能带来的影响，也进行一些探索，提高整个IT研发效率。
最后，AI 安全治理是金融机构的重中之重。随着 AI 应用快速普及，安全风险备受全球关注。我国发布《人工智能安全治理框架》，美国财政部也专门召集金融机构研讨 AI 安全，所以这一块也要请大家高度重视。
我的报告到这里，谢谢大家！
责任编辑：梁斌 SF055