中小券商應結合自身優勢 推動人工智能高質量發展

當前，大模型等新興技術正在引領金融服務模式的升級。

中小券商需要保持對先進科技的持續跟進和研究，順勢而爲，主動對錶對標監管部門和地方政府戰略規劃和政策支持，根據自身情況選擇適合自身發展的路徑。

機構加快智能化建設步伐

人工智能（AI）是模擬、擴展人類智能的科技，融合了計算機科學、認知科學等多領域知識，旨在讓機器完成學習、推理、感知等需要人類智能的任務。自1956年夏季美國達特茅斯會議起，AI從符號主義到深度學習不斷演進。近年來，ChatGPT等生成式AI產品在長文本和多模態數據處理上展現廣闊前景，改變知識生產與傳播方式。

2024年12月，中國人工智能企業發佈了開源模型DeepSeek，基於其強大思考鏈能力，憑藉低成本、高效能和開源特性，迅速在全球技術、市場、應用層面引發轟動。尤其是受益於成本和效益的優化，此類大模型有望讓包括中小券商在內的衆多企業在具有明顯性價比激勵下加快智能化建設步伐，多家機構密集部署，致力於提高數據處理的效率和準確性，提升整體運營效率和客戶服務質量，掀起人工智能應用發展熱潮。

AI在證券行業的應用實踐

作爲數據與技術雙密集領域，證券業擁有海量結構化數據資源、高頻業務場景及強烈的數字化轉型訴求，天然構成人工智能和數據要素應用的戰略高地。

當前，證券業正積極探索大模型技術的應用場景，已應用於信息檢索、文檔處理、行業研究等多個場景，並逐步拓展到智能服務、風險管理、投資分析等核心業務，促進業務效能提升和行業高質量發展。例如，國泰君安推出千億級參數多模態證券垂直類大模型，快速總結提煉和研判市場運行趨勢；中信證券探索大模型與圖計算融合、法規自動化標籤匹配等在股權激勵、合規風控等方面應用；中信建投證券結合投顧專家經驗，引入檢索增強生成、提示工程、智能體技術，提升“智能投顧”能力；中金公司構建文本審覈大模型，基於強大語義理解功能，疊加勾稽關係、傳統詞庫等知識庫，在各類證券市場信息披露場景中效果提升明顯。總的來說，證券行業主要在推動基於小模型的場景智能化升級，從感知能力和認知能力角度拓展智能化服務的深度和廣度；在適配場景過程中形成自身特色數據保護下的大模型應用能力、智能體技術應用能力。

近年來，監管部門積極發佈相關制度政策，抓好資本市場金融科技創新試點，統籌開展多項大模型前瞻技術與基礎標準研究。近期，由中國證監會與國家數據局聯合推動的資本市場金融科技創新試點“數據要素×資本市場”第一批11個試點項目中，孵化出包括以廣發證券《基於超大規模國產預訓練模型的企業財務智能預警平臺》、銀河證券《基於AI技術的債券詢報價機器人》爲代表的人工智能創新應用，爲證券市場的數字化、智能化建設和創新發展增添新動力。

證券行業大模型建設呈現以下三個趨勢：

一是在技術創新方面，未來需深度融合小模型、智能體、遷移學習等新技術，不斷提高大模型在特定場景中的預測和推理精準性，進一步提升其在證券領域的應用效果。

二是在生態建設方面，作爲數據要素市場化配置建設下的創新，未來需形成“人工智能、可信數據空間、數據金融”三位一體的發展模式，共同探索行業解決方案和生態體系建設，促進金融機構、科技企業與監管機構等多方攜手合作，構建更加健全、完善的數字化轉型生態體系。

三是在合規規範方面，圍繞投資者服務應用的數據隱私和內容安全等需重點關注，包括通過線上大模型與本地小模型的融合應用，以及數據匿名化處理、可信執行環境等技術手段，嚴格保障數據安全，控制數據流動風險，以滿足證券行業對極高容錯率要求，同時增強信息關聯性和精確度。

這些方面顯示，證券行業人工智能建設任重道遠，需要久久爲功。

中小券商AI建設路徑探索

證監會近期發佈的《關於資本市場做好金融“五篇大文章”的實施意見》明確提出，要穩妥推動數據要素相關技術在資本市場重點領域的應用實施。廣東省2025年高質量發展大會提出在人工智能等兩大領域下大決心、集中發力，構築高技術、高成長、大體量的產業新支柱。積極擁抱、主動對標上述精神和要求，是中小機構人工智能高質量發展的應有之義。

融入地方政府和監管機構的人工智能大生態，是中小券商推進數字化轉型不可或缺的重要推動力。當前，多個地方政府打出“政策組合拳”助推人工智能產業發展，通過建設公共數據資源開發利用新格局，推動政務數據資源的共享和歸集，搭建智能算力中心，爲企業提供了豐富的數據資源和算力資源。

如東莞市政府發佈的2025年一號文《關於加快推動人工智能賦能製造業高質量發展的若干措施》中，提出了地方政府通過算力資源共享、數據資源共治、場景資源共建等方式，幫助中小機構突破資源瓶頸。同時，在證券業方面，行業監管機構則通過政策引導推動證券期貨業數字化公共服務平臺建設，利用監管沙盒等創新監管模式鼓勵金融機構在確保合規的前提下，積極探索新技術應用；而行業自律機構基於自主可控通用大模型探索行業大模型建設，在算力資源統籌、數據語料治理、應用場景設計、模型效果評測等方面賦能經營機構人工智能建設。

當前，中小券商在推進人工智能建設過程中遭遇了諸多難點堵點，尤爲突出的是資源有限、技術能力薄弱等問題。金融科技的價值最終需在業務中得以體現，中小券商應結合自身優勢，聚焦細分市場與特色服務，如特定行業、區域或客戶羣體，通過綜合運用協同、融資、投資、科技等多方面能力，提供更具個性化和專業化的服務。

例如，結合《關於高質量發展資本市場助力廣東現代化建設的若干措施》要求，選擇具備足夠業務多樣性、技術複雜性且商業可持續的方向。再比如在中小券商“產業投行”領域方面，參考廣州市以投顧產業鏈爲核心的財富管理生態，深圳市整合證券、銀行、保險、擔保、租賃等綜合金融模式的驛站形態，探索麪向不同客戶羣體的不同服務模式。其中，無形資產的價值評估、併購撮合、風險監測等複雜場景亟需加大科技創新設計，融合強大的文本處理、語義理解和生成能力，以及基於大模型的客戶畫像分析，迭代升級現有科技服務水平，嘗試孵化基於人工智能的證券公司賦能縣域經濟的特色產業（如製造業等）模式，提升服務質量和效率。

對於技術薄弱、成本敏感型的中小券商而言，按 “市場需求度、技術可行性、商業可行性” 原則，多層次推進是實現人工智能發展的關鍵。

一是應用優先。按照應用優先原則，部署現有廠商通用大模型並進行本地化應用快速對接，在內部公共辦公類應用方面進行對接、測試，探索數字員工、智能助手等成熟產品，提升業務技術應用敏感度。特別是，可以自身信息技術智能化轉型爲起點，如低代碼開發、數智化運維等，積累適配性創新經驗，推動金融科技部門成爲大模型應用引領者，探索如何更好地與AI合作創新，而不僅僅是“技術支持者”。

二是能力培養。以智能客服、專業化個人助手等應用程序接口（API）調用服務建設爲起點，加強模型推理與智能體等技術應用能力培育；同時嘗試與外部有實力的機構開展合作，圍繞特定應用進行研究論證、場景設計與工程實施，準備好基礎條件，實現大模型本地化推理應用服務，逐步打通數據語料融合治理和大模型推理應用的科技能力、應用能力以及業務價值提升能力。

三是生態借力。加大向先進機構學習，聚焦如何應對證券行業複雜業務流程和專業門檻，從場景應用到場景設計，從推理到微調再到預訓練，從單點到可複用能力突破，逐步培育自主可控的算法技術體系；此外，可結合地方政府和監管機構資源，順勢而爲，加大與科技、工信、數據、國資等機構溝通合作，如在算力方面聯合具有算力資源的機構，在數據方面聯合公共數據運營的機構，探索構建適配證券行業特徵的AI生態共建共享模式，形成自身大模型生態化建設。

需要說明的是，本文提出的思路、方案和建議更多的是理論邏輯層面的探討，是否適用還需在實踐中不斷審視、檢驗和改進。

（作者系東莞證券運維技術中心總經理劉志繁、副總經理廖倡）