从“自己闷头做”转向“接入智能体”,中信证券、广发证券、中信建投、国泰海通纷纷行动 券业迈入Agent时代

滚动播报
Oct 06

  炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!

  来源:中国基金报

  【导读】券商集体入驻第三方AI平台,Agent时代卡位战打响

  中国基金报记者 孙越

  从接入DeepSeek,到上线Skills,再到近期密集入驻第三方AI平台,证券行业拥抱外部AI生态的速度,比大多数人预想的要快。

  据记者不完全统计,目前已有超过10家券商接入第三方AI平台,覆盖Kimi、WorkBuddy、千问、火山引擎等。有意思的是,多家大型券商不是“二选一”,而是同时接入多个平台。“不同平台各有能力侧重,我们会按场景择优选用。”中信证券信息技术相关人士说。

  一年前还在比拼自研大模型,如今为何纷纷把自家AI能力“搬进”第三方平台?

  在业内人士看来,拓展新用户触点是首要考量——通过Skills或智能体输出投研、行情等能力,券商可以触达更多潜在客户。对金融机构而言,流量竞争已是一个绕不开的战场,而接入头部平台的成熟生态,是最简单直接的路径之一。

  券商AI Agent布局“卡位战”打响

  券商对外部大模型及Agent生态的拥抱正在加速。9月初,腾讯WorkBuddy开放平台正式上线,广发证券成为首家入驻该生态专区的券商机构;双方联合发布“广发证券”Buddy应用专区,首批上线12项自研Skills与9项专家能力。9月下旬,中信建投证券自研的蜻蜓Skill六大AI技能,上线WorkBuddy技能广场。

  9月7日,阿里千问开放平台上线十余款金融智能体,一个入口就能调用不同金融机构提供的专业Al服务。国泰海通“灵犀”、兴业证券智能投资助手、东吴“秀财”、中金财富等4款券商智能体首批入驻。国泰海通表示,此次合作标志着券商专业投资服务正式融入大众AI日常场景。

  9月中旬,月之暗面发布Kimi金融行业AI解决方案,以“权威数据源+专业技能+安全合规”的体系化架构切入金融机构核心业务流程,中信建投、中金公司等券商已在业务中落地或共建。更早些时候,百度、阿里、火山引擎也都已向金融行业开放智能体能力。

  券商入驻第三方AI平台,目前主要形成了两种路径:一类偏向于专业投研能力和工具输出,即入驻腾讯WorkBuddy等AI办公工作台,以Skills形式上架为主;另一类则侧重面向更广泛投资者的服务触达,即入驻阿里千问等通用AI助手平台,券商AI能力以独立对话智能体Bot的形态存在,主打大众理财对话服务。

  在业内人士看来,券商入驻第三方AI平台是证券金融服务模式的革新。中信建投证券表示,以入驻WorkBuddy为例,公司的专业金融投研能力转变为人人可及的“大众对话流”,彻底打破专业金融资源的壁垒,用户可以在通用Agent平台,调用机构级的专业数据能力。

  而另一方面,主动接入头部互联网平台的成熟智能体生态,也有望为券商自有App带来流量。易观千帆证券行业分析师杨玲表示,拓展新的用户触点是券商如此布局的首要考量。通过Skills或智能体输出投研、行情等能力,券商可以扩大对潜在客户的触达。未来用户可能更多直接通过AI助手提出投资需求,券商需要提前进入这些平台,争取在新的用户决策链条中占据专业服务入口。

  她认为,这种接入第三方AI平台的模式,真正的价值在于先通过专业内容和工具建立用户认知,再逐步向自有App、投顾和财富管理服务转化。最终能否成为有效渠道,关键还是看外部流量与自有客户体系之间能否形成转化闭环。

  除了AI能力层面的合作,腾讯生态与券商的业务协同在向纵深推进。9月15日,腾讯营销披露,2026年其与券商跑通了一条“开户获客”全链路——年内已有40余家传统券商总部投放获客,头部券商预算规模达千万级,分公司及营业部也在加速入场。

  自研与外部智能体互为补充

  券商密集接入外部生态,并不意味着放弃自研。“我们的整体策略是以自研基座为核心,外部生态作为能力补充。”中信证券信息技术相关人士表示,引入外部智能体生态,并不是把核心能力交给第三方,更多是做技术对标、能力借鉴,以及按需引入部分外部Skills,丰富公司平台内的技能素材库。

  在平台合作层面,中信证券表示,现阶段公司对多家境内主流智能体平台持续开展技术评估与能力验证,按需引入部分外部技能做场景测试与能力补充。

  “我们选型的第一准则,就是数据安全、隔离能力与合规可追溯。”该人士指出,这一定位直接回应了业务同事的顾虑——如果选用第三方公有云技能平台,就无法安全调用内部业务数据;但反过来,如果不使用统一的内部技能平台,员工个人的工作经验就很难沉淀,业务整体效率很难持续提升。“不同平台各有能力侧重,我们会按场景择优选用。外部技能只是补充素材,真正的核心资产沉淀、企业技能库共建共享,全部发生在内部Harness平台上。”上述人士说。

  在广发证券看来,券商AI和通用大模型,并非二选一的对立关系。就目前券商AI应用的实施路径看,大多是在通用大模型基础上进行微调或者后训练,并结合券商独有的应用场景为员工或者客户提供服务。因此,券商AI的知识底座,是建立在券商行情、交易、持仓、投研与监管口径等专域数据之上,叠加机构长期积累的研究框架与业务经验。

  此外,通用大模型多以独立问答形态存在,交付的是信息与内容;券商AI必须内嵌于真实业务流程,与权限体系、风控规则、合规审查和责任链条共同运转,交付的是可执行、可留痕、可问责的业务结果。

  广发证券副总经理、首席信息官辛治运表示,行业正迈入AI智能体发展新阶段,差异化数据资产、自主可控AI技术、全场景落地能力,将成为券商长期竞争的关键抓手。广发证券制定了AI整体布局蓝图,在建设好算力、数据、算法三大核心要素的基础上,重点从AI投顾、AI投研、AI投行等主题领域进行规划。

  技术比拼从“军备竞赛”到能力分化

  在技术浪潮之下,券商真金白银的投入仍在持续加码。从2025年券商年报来看,国泰海通证券以32.35亿元的投入规模居首,华泰证券的投入高达26.79亿元,招商证券、中信建投、中金公司、广发证券、中国银河、国信证券、申万宏源等券商的信息技术投入规模也在10亿元以上。

  但问题是,在投入产出结果尚未完全清晰的情况下,这种“军备竞赛”式的投入是否可持续?

  中信证券认为,行业AI竞争正在从比拼大模型参数,转向比拼AI规模化落地、企业知识资产治理的能力。其投入策略坚持价值导向,优先落地能够量化提效、前置管控业务风险的场景,不做纯概念性投入。

  “人机协同的效率提升比单纯的人力扩张更具可持续性。”中信证券表示,面对行业人才流动的客观情况,单纯依靠人堆出来的产能是脆弱的。只有把个体经验转化为公司可永久复用的无形核心资产,才能形成稳定可持续的组织生产力。

  从行业格局看,中信证券判断,未来投入会持续分化:头部机构有能力搭建自研平台,沉淀公司级技能资产,解决规模化落地难题;中小机构更多直接接入外部生态做轻量化试点,不会出现全行业无差别 “军备竞赛”。AI投入的价值,短期看是工时节省,长期看是建设承载业务数据与企业技能资产的核心底座。

  广发证券认为,AI对券商内容服务的重构不止于降本增效,更推动内容服务从成本中心走向增长引擎、从辅助工具走向核心能力、从流量运营走向客户长期经营,助力券商在财富管理转型中构建差异化护城河,完成从“内容服务”到“智能服务”的战略升级。

新浪声明:此消息系转载自新浪合作媒体,新浪网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10