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：财联社
近两个月，券商最密集的动作是“入驻 ”。
9月2日 ，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Skill与9项专家能力；9月7日 ，阿里千问开放平台上线十余款金融智能体，其中国泰海通“灵犀” 、兴业证券智能投资助手、东吴“秀财”、中金财富4款为券商智能体；9月下旬 ，中信建投自研的“蜻蜓Skill ”六大技能也上线WorkBuddy技能广场 。
从接入DeepSeek ，到上线Skills，再到近期券商密集入驻WorkBuddy ，证券行业对外部大模型及Agent生态的拥抱仍在加速 。但一个新的问题随之出现 ，当越来越多券商使用相同或相近的通用大模型，券商AI最终靠什么拉开差距？
不是替代关系，三个层面的差别才是关键
券商AI与通用大模型是二选一的对立吗？在受访券商看来 ，答案是否定的。
从实施路径看 ，近来 多数券商AI应用是在通用大模型基础上做微调或后训练，再结合券商独有的应用场景服务员工与客户。真正的差异体现在三个层面 。
其一是知识底座 。通用大模型的语料主要来自公开互联网 ，而券商AI的知识建立在行情 、交易 、持仓、投研与监管口径等专域数据之上 ，并叠加机构长期积累的研究框架与业务经验。同一句提问，在通用模型处得到的多是“公开信息归纳 ” ，在券商AI处则可被接入资金流 、产业链位置与历史上相似的行情结构 。
其二是交付物 。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。这也解释了为何券商的AI最终往往指向下单、盯盘 、复盘 ，而非停在聊天框 。
其三是信源与边界 。金融行业的专业性决定了合规是创新底线，“信源可靠 、输出可控”是垂类模型绕不开的两道闸门。
样本一：广发证券 ，把AI装进成熟App而非另起炉灶
2026年7月 ，广发证券发布易淘金AI原生版“AI透镜 ”，底座为自研“天玑智融 ”大模型服务平台，融合RAG检索增强生成与Agent编排技术 ，形成“规划—工具—记忆—进化”闭环；企业侧搭建Skill Hub平台 ，沉淀30类标准化智能体插件，并布局MCP开放工作台 ，上线账户管理、行情资讯 、数据工具等110余项MCP服务 。广发证券的特殊性在于 ，它不是把AI做成一个入口，而是做成一张网 。
对客户端 ，把AI装进成熟App。2026年7月 ，广发发布易淘金AI原生版“AI透镜 ”，围绕“聚光 、放大、透视、望远 ”四类能力 ，对应选股 、盯盘 、交易与问答四大高频场景 。其中交易场景可识别用户模糊表达并在确认后协助完成委托 ，让AI从“辅助查询”走到“辅助执行 ” 。与部分同业另建独立AI App不同，广发选取 “就地升级 ” ，数千万存量用户无需迁移。
对内员工侧 ，AI的另一头连着投顾与研究员。自研“天玑智融”投顾驾驶舱集成近50个专业智能体，覆盖个股点评、估值分析 、研报总结等20余项核心功能，服务300余家营业部 、数千名一线投顾；投行垂域大模型“投行文曲星 ”覆盖10类业务场景、落地56项细分AI功能；研究侧“智慧数 ”系统沉淀8.8万份精选研报 、9万余项全行业核心指标 、800余条主题产业链图谱 ，借助AI思维链投研智能体 ，将行业定期报告生成时长由4小时压缩至15分钟 。
内容链路则是被外界低估的一环 。据公司向记者介绍，广发证券以“金创翼”全媒体内容运营中心贯通热点雷达、智能创作 、智能审核 、分发中心与数据驾驶舱；在易淘金App侧则形成“‘淘金早班车’盘前提炼线索、盘中解读异动与轮动 、盘后结合自选持仓生成个性复盘”的全天候陪伴矩阵。
样本二：中金财富 ，垂直大模型押注买方投顾
如果说广发侧重路径选取 ，中金财富则侧重重做服务 。据公司向记者介绍，其金融垂直大模型并非简单的问答机器人 ，而是萃取中金300名资深研究员与近3000名一线投顾的成熟方法论 ，基于内部投研数据与实时行情构建，意在解决传统AI服务“零散化输出 ”“多场景点式分布 ”的行业难题 。
产品侧 ，智能助手“小Jinn”主打从“问答 ”到“主动服务 ”：早间推送专属AI早报 ，盘中跟踪个股异动并主动提醒，热点事件发生时梳理从政策出台 、行业反应到资金流向的完整时间线；“AI智投50”系列则围绕客户交易动线 ，覆盖算法、诊股、择时 、选股与持仓诊断。中金财富表示 ，公司将于近期推出V13.0版AIAPP，主线是“与我相关 、主动服务 ”，聚焦线上买方投顾服务体系建设 。
弹药来自业务本身 。截至2026年6月 ，中金财富买方投顾保有规模已突破1700亿元，产品保有规模突破5300亿元。在外部生态侧 ，中金财富智能体也已于9月出现在千问开放平台 。
外接模型与自建能力并不矛盾 ，券商AI进入“双层竞争 ”
回看过去一年券商AI发展的路径，技术迭代实际上已经经历数次重点迁移 。
2025年初 ，券商关注重点还是DeepSeek等基础模型的接入速度和本地部署能力。当时华福 、国金 、国元、兴业 、光大 、国泰海通等多家券商先后披露完成DeepSeek部署 ，广发证券、中金财富等亦快速跟进；彼时主要应用仍集中在知识问答 、投研 、客服、研发辅助等领域 。
到了今年，竞争开始进入第二阶段 。Skills与Agent兴起后 ，券商开始将金融数据 、研究方法和业务工具输出到更多AI入口；WorkBuddy的出现 ，又进一步将竞争延伸到外部生态。
但从广发证券和中金财富最新披露的实践看，“接入外部模型”和“建设内部垂直能力 ”实际并不是两条相互替代的路线。
外部通用大模型解决的是语言理解 、推理以及智能体编排等基础能力问题；券商内部模型和金融能力层 ，则负责解决数据可信度、专业深度、业务执行以及合规边界问题 。前者决定AI“够不够聪明 ” ，后者越来越决定它“能不能真正用于证券业务” 。
尤其是在金融服务场景中，合规仍是一道无法绕开的门槛。中金财富称，其AI输出基于内部投研数据及可靠资讯源 ，并通过金融安全机制控制模型输出；广发证券则强调 ，券商AI需要与权限 、风控 、合规审查及责任体系共同运行 。
由此来看，券商AI竞赛正在形成越来越明显的“双层结构 ”：底层是通用大模型与Agent生态 ，越来越开放和标准化；上层则是各家券商多年形成的数据资产、研究能力 、业务流程 、客户体系以及合规能力 。当基础模型逐渐成为行业“标配 ”后 ，真正难以快速复制的，或许恰恰是后者。
