券商密集上线AI技能,这场＂卡位战＂背后藏着什么?

华泰、中金、广发、国泰海通……头部券商正在把自身投研能力拆成一个个可被AI调用的"技能包"。这不是追风口，而是一场关乎未来客户入口的争夺战。技术门槛两极分化、合规红线明确、商业模式待验证——本文带你读懂这场金融AI落地的深层逻辑。

不到两个月，中国头部券商几乎同步做了一件事：把自家投研能力"打包"成AI可以直接调用的技能模块——这在行业里叫做 Skill。

如果用一句话概括2026年证券行业的AI主旋律，那就是：

"AI不只是助手，它开始接管工作流了。"

过去两年，券商们争相发布AI数字人、智能投顾、大模型助手——更多是一种"亮相"。但进入2026年二季度，一个更实质性的变化正在发生：华泰证券、中金公司、广发证券、国泰海通、国信证券……头部券商们不约而同地开始将自己的投研数据、研究框架、业务流程，拆解成一个个标准化的AI"技能单元（Skill）"，并开放给AI代理调用。

这不是功能上新，而是能力交付方式的一次根本性重构。

要理解这场变化，先要搞清楚Skill是什么。

Skill，即智能体技能，本质上是将成熟的系统能力封装为标准化功能单元，可供AI识别、调用并直接执行。它和传统APP功能的区别，就像"菜单"与"厨师"的区别：

过去：用户要主动进入APP→找到功能菜单→逐步操作→获得结果。

现在：用户只需说出需求→AI自动识别→调用对应Skill→直接输出结果。

换句话说，Skill把券商APP里的功能，从"用户要主动找"变成了"AI主动调用"。

这背后有一个深层逻辑：在AI Agent时代，用户与金融服务之间的新入口，很可能不再是"哪家APP好用"，而是"哪家的AI能力更专业、可直接调用"。谁率先把专业能力封装成标准化Skill，谁就可能在下一轮入口竞争中占据主动。

图：头部券商竞相将投研能力封装为AI技能模块，接入智能体生态

2026年，头部券商的Skill布局已经形成了三条清晰的路线：

路线一：技术基建派——自建底座，筑护城河

代表：华泰证券

华泰走的是"深水区"路线。其智研Skill & MCP系统，整套体系深度依托自有投研数据底座和算力基建。具体功能覆盖行业周度观点、专业研报查询、公司估值模型、海外宏观策略、市场每日复盘等场景，还配套上线了面向零售端的"AI涨乐Skills"。

目标很明确：降低对通用大模型的依赖，搭建自主可控的AI技术底层。

路线二：业务创新派——把分析师"数字化"

代表：中金公司

中金走的路更有意思——不是简单堆功能，而是把资深分析师的研究方法论、估值体系和行业认知进行AI"蒸馏"封装。

6月以来，中金相继推出计算机、策略、大类资产、宏观、电力设备与新能源等领域首席分析师的专属Skill。这意味着，用户调用某一个Skill，实际上是在"调用"一位资深分析师的完整思维框架和研究积累——而不只是查询数据。

这是分析师个人专业能力首次实现标准化产品输出的尝试。

路线三：生态共建派——开放平台，借力扩圈

代表：国泰海通、国信证券、广发证券

这类券商的策略更务实：在自家APP上线Skill的同时，同步将产品上架华为小艺、腾讯Coze、ima Skill广场等第三方平台，借助公域流量扩大服务触达。

国信证券的Skill甚至可以在OpenClaw平台体验——这意味着券商AI服务的边界，正在从"封闭APP"走向"开放生态"。

图：单个Skill是"工具"，业务本体地图才是"操作系统"

热闹背后，有一个冷静的声音值得重视。

恒生研究院技术专家陈奕名直言："各家券商都能轻易提供基础Skill服务，真正的差异化竞争在于谁能构建出最贴合金融业务的'业务本体地图。"

什么是业务本体地图？简单说，就是把券商错综复杂的业务逻辑、数据关系、合规规则，进行结构化、网络化表达的底层业务架构——像金融业务的"数字孪生导航"，能将零散的Skill有机串联起来。

如果说单个Skill是"工具"，业务本体地图就是"操作系统"。没有这个底层，面对复杂任务时，大模型需要被喂入海量业务背景信息才能作答，推理成本极高且输出不稳定。而一旦本体地图构建完成，它几乎不需要重复编辑（接近零边际成本），配合高客单价的投顾服务，将形成极具潜力的利润增长曲线。

飞笛科技CEO丘慧慧也持类似观点："当前金融Skill同质化严重，零散功能竞争难以产生核心价值，最终竞争还是要回归客户深度经营和差异化服务能力。"

单纯堆砌Skill数量，陷入的是内卷；构建业务本体地图，才是真正的护城河。

不能绕过的合规红线

图：AI能力越强，合规边界越需要清晰——两者平衡是金融AI落地的前置条件

金融AI的落地，和其他行业有一个根本不同——合规是一票否决项。

北京大成（上海）律师事务所高级合伙人马宏伟对界面新闻指出，分析师Skill的能力圈有明确红线：

✅ 可以做：

• 基于已公开研报进行观点解读、逻辑梳理
• 历史数据复盘与结构化呈现
• 研究结论的检索与摘要

❌ 不可以做：

• 生成全新投资判断
• 发布个股评级调整、目标价变动
• 向用户提供个性化买卖建议

此外，三类合规风险需要重点关注：

• 内容合规：AI输出内容属于证券研究服务范畴，须受持牌规范约束

• 适当性管理：向用户提供Skill服务前，须完成风险偏好评估，确保服务与投资者风险承受能力匹配

• 数据合规：训练数据涉及分析师知识产权、客户数据，须遵守《个人信息保护法》《数据安全法》

Skill的定位是研究服务的辅助与延伸，而非替代持牌分析师独立执业。 一旦涉及投资决策核心输出，必须回归人工审核与合规体系。

当前，受访头部券商负责人坦言，大模型相关服务投入暂时无法准确核算回报——已知单项目投入约200万元，但难以明确对应收益。现阶段Skill布局更多是"战略性布局"而非直接变现。

但商业逻辑已经清晰：

随着交易佣金持续下滑，AI增值服务正成为券商财富管理转型的新创收路径。券商可以依据"Skill vs 业务本体地图"的技术深度，构建阶梯式收费模型——从免费基础数据查询，到付费的深度投研服务，再到高客单价的个性化智能投顾。

更值得期待的是，当用户习惯了通过AI Agent获取金融服务，他们可能不再主动打开某家券商APP，而是在自己常用的Agent里提出需求，再由Agent调用券商Skill完成分析。谁的Skill更稳定、更专业、更易用，谁就能在这个"新入口"里占据更多曝光和客户流量。

这不是在追风口，而是在争夺下一个时代的客户入口。

券商Skill大战，表面上是金融行业的事，实际上折射的是AI落地的普遍规律。

1. 核心资产不是"用大模型"，而是"封装专业能力"

券商的优势不在于训练了更强的模型，而在于把研究所积累、金融数据、投顾框架这些长期形成的专业资产，转化为了AI可调用的能力。这个逻辑适用于所有行业：

能被封装成Skill的，才是真正可以传递的专业价值。

2. 从"功能堆砌"到"系统协同"

单个Skill容易被复制，零散Skill的组合也难以产生复合价值。真正的护城河，是能把业务逻辑、数据关系、合规规则系统化表达为AI可理解的底层架构。这需要对业务有深度理解，不是纯粹的技术问题。

3. 合规与安全是落地的前置条件

金融行业的合规挑战最为严苛，但其他行业同样存在数据安全、知识产权、法律合规等问题。AI落地越深，合规的重要性越高。把合规前置而不是事后修补，是企业级AI应用能否规模化的关键。

4. 当下布局，竞争的是未来入口

Skill、MCP协议、Agent生态——这些看似技术层面的变化，本质上是用户与服务之间连接方式的重构。谁在当下完成了专业能力的AI化封装，谁就有机会成为用户在AI时代的默认选择。

在当康数智看来，帮助企业完成这种"能力封装"与"系统化表达"，正是AI大模型服务最核心的价值所在。

写在最后

2026年的券商AI Skill大战，是整个产业AI化进程的一个缩影。

从"比谁的大模型更强"，到"比谁的专业能力更能被AI调用"，竞争的焦点已经发生了根本性转移。不再是谁的算力更大、参数更多，而是谁能更快地把自身积累的专业价值，转化为AI时代可流通的能力资产。

对每一个行业来说，这场转变都在同步发生。金融是最先感受到压力的，但一定不是最后一个。

当康数智将持续关注AI智能体在各行业的落地进展，帮助企业在这场能力重构中，找到属于自己的战略位置。

因为AI时代，专业能力本身就是最好的护城河。

参考资料：

1. 《头部券商密集推出"Skill"！有何布局？》——券商中国

2. 《数字人之后，券商AI主战场转向Skill，适用场景和合规要点有哪些？》——界面新闻

3. 《券商密集上线Skills，重构服务颗粒度，谁能领先？》——财联社

4. 阿里云《金融行业Agent百技图》白皮书

本文由「当康数智」原创出品，转载请联系授权。