证券行业 AI Skill 生态报告(券商篇)

进入2026年，证券行业的AI叙事发生了有趣的变化。在2024年至2025年初，大家关注的焦点在于是否拥有自研大模型，虽然仅华泰证券、国泰海通等少数完成了垂类大模型部署。到了2026年后，肉眼可见的竞争逻辑已转向可被外部调用的专业能力的封装开发。领先券商以每周1至2个标准化Skill的速度迭代能力矩阵，行业AI竞争的基本单元从模型参数下沉为可调用的功能模块。

Skill（技能）：在投资语境下，指的是将特定金融能力（如研报检索、估值分析、行情查询）封装为可被大模型或AI Agent调用的标准化功能模块。

MCP（Model Context Protocol）：由Anthropic提出并开源的协议标准，OpenAI、Google等主流厂商相继宣布支持，MCP已成为金融数据接入的事实标准，同花顺iFinD MCP、盈米首个财富管理MCP Server、万得AIFin Market等均基于该协议。

Agent（智能体）：具备感知、规划、记忆和执行能力的自主AI系统，能够在给定目标下调用Skills或MCP服务完成多步骤任务。

本文由Jalker与AI共创完成，文中的行业动态、生态数据通过公开资料整理、互联网及AI搜索汇集而成，Jalker不保证数据、信息及结论的真实性与准确性。

AI&投资 | NO.10

一、图谱

券商机构已形成梯次布局：第一梯队（东方财富、中金、华泰、国泰海通、广发）上线5至30类不等Skills；第二梯队（国信、中信建投、中国银河、西部证券）聚焦1至6类核心能力；其余机构（国元、长江、财信、光大等）以存量APP改造或借力第三方MCP为主。

金融信息服务商呈现"数据强、模型分化"格局。同花顺3月份推出iFinD MCP，万得5月开放AIFin Market，首次允许外部Agent调用其数据库，东方财富自研妙想大模型作为Skills生态的技术底座，兼具技术基建与生态开放的双重属性。

第三方财富管理机构以盈米基金为标杆，2025年4月发布行业首个财富管理MCP Server，从首发近30个专业金融工具持续扩容至超70个，封装为标准化服务。

本文集中讨论券商Skill生态，金融信息服务商及三方财富机构将在后文跟踪讨论。

二、趋势

趋势一：从有没有大模型到有多少能力标准件

2024年的行业叙事是"是否拥有大模型"，2025至2026年的叙事变为"有多少可被调用的标准化Skill"。东方财富上线多个标准化Skills并通过华为、阿里等平台分发；中金把"假设-验证-估值-风险"的投研方法论封装为多个投研Skill；广发在内部产出30类技能插件，覆盖投研、财富管理、合规风控等。

这一迁移意味着：当大模型能力趋向同质化（DeepSeek开源），真正的差异化来自数据质量、方法论深度与功能封装颗粒度。

趋势二：入口争夺，从自家 APP 打到别人的平台

券商的流量入口正在从自有APP向第三方平台迁移。与泛流量生态一致，将来的用户可能不再先打开券商APP，而是在通用AI平台中提问，由平台调用券商Skill完成分析。东方财富入驻阿里云成为平台"首个金融数字员工Bot"，国泰海通入驻华为小艺Claw，国信证券在豆包App上线"国信股市助手"、又在扣子上推出6大金融Skill。

而在更底层，微信的AI智能体计划、豆包手机等则在更大的平台侧争夺AI流量入口，券商服务的开放策略可能将决定未来金融AI的流量分配格局。整体上，现状之下券商仍以自有APP内的Skill矩阵为主，开放程度偏低。

趋势三：数据资产的再资产化

证券行业的一个可能的范式跃迁路径：牌照竞争→资本竞争→数据竞争→数据资产化竞争。手握高质量私有数据的机构，正在通过Skill/MCP将数据转化为可调用、可定价、可流通的标准化服务。中金以30万字研报资料与12万指标训练"老于"分析师数字分身；恒生聚源从"卖数据"演进为"卖知识"再至"卖决策"；盈米超70个工具MCP Server本质上是将其数据能力再资产化的商业实践。

但数据开放与保护之间的张力仍是未解矛盾，一个务实的边界是：基础数据开放获客，核心投研方法论与独家研报则受控开放，或仅对内使用。。

趋势四：交互之变，从 GUI 菜单到 LUI 意图

LUI（Language User Interface，语言用户界面）可能取代传统GUI（Graphical User Interface，图形用户界面）逐步成为数字化服务的核心交互范式。

华泰 AI 涨乐是行业首款无菜单的 AI 原生交易终端：用户用自然语言表达意图，直接获取服务，不必在层层菜单里导航。这是 UI 的变化，也是一种金融服务的去中介化，用户不再通过按钮和表单与系统交互，而是直接以自然语言调用专业分析能力和交易服务。

当然，“输入用 LUI、确认用 GUI”的混合交互，仍是最务实的过渡方案，尤其在交易执行这类高风险环节。

趋势五：多 Agent 很热闹，但用户要的是精准

金融 AI 正从单一功能工具向多 Agent 协同系统演进，采用五层决策链架构的开源框架 TradingAgents 在 GitHub 上拿下91.8k 星标（见下方视频）。

但供需错配同样明显：供给端热衷于构建复杂的多 Agent 系统，而需求端的绝大多数零售客户，要的只是高频、简单的查询与分析工具。从第一性原理出发，工程化演进的方向不应是“更复杂”，而是更精准地匹配用户的真实意图。

三、生态

2025年至2026年上半年，券商的Skill布局已从早期试探性上线演进为某种战略层级的生态竞争。基于技术路径、资源禀赋与商业模式的差异，行业初步形成三大模式：以底层技术自主可控为核心的重资产自主型、以业务能力产品化输出为突破的专业变现型，以及投入开放生态入驻多平台的流量杠杆型。

重资产自主型：华泰证券

华泰证券是技术基建的标杆。

其核心载体“AI 涨乐”是国内首款 AI 原生交易终端，采用“主 Agent+多专家 Agent”架构。机构端，华泰推出“智研 Skill”及 MCP 能力，把行业周度观点、专业研报查询、公司估值模型、市场每日复盘等转化为可调用工具。支撑这一切的，是华泰自研的“泰为”大模型平台体系。

核心逻辑是：以高资本开支换取技术自主可控，将数据资产与算力能力内化为长期竞争壁垒。

专业变现型：中金公司

与华泰的基建优先不同，中金把分析师的专业能力产品化。2026年5月，中金点睛平台首次上线分析师 Skill，以计算机行业首席分析师的数字分身为原型，随后扩容至策略、大类资产、宏观、电力设备与新能源等研究领域，形成多位分析师的 Skill 矩阵。其中最具代表性的是“老于”——基于30万字以上研究资料及12万余个专属数据指标训练，内化了“假设—验证—估值—风险”的完整投研框架。

中金还同步推出个股核心假设分析、盈利预测分析、估值分析等多个投研 Skill，把明星分析师的研究方法论、估值体系与行业认知做 AI“蒸馏”封装，实现个人专业能力的标准化输出。在研究业务人均营业收入下滑的背景下，分析师 Skill 既是效率工具，也不排除是对传统卖方商业模式的一次尝试性重构。

流量杠杆型：国泰海通、广发证券、国信证券

这类券商通过Skill参与大平台的生态共建，核心策略是不依赖单一自有APP，而是将Skill分发至多平台以争夺外部流量入口。国泰海通的灵犀 Skills，是首批由国内券商官方出品、通过华为小艺平台同步发布的金融 Skill 包，一次性解锁研报搜索、实时行情、金融数据、市场热榜、智能选股、自选管理6大技能。广发证券推出“易淘金 Skills”，兼容 OpenClaw 等主流平台，把龙虎榜、财务对比、基础 F10、ETF 榜单与筛选、资金异动等能力封装为插件；内部累计产出30类标准化技能插件，覆盖投研、财富管理、客户服务、运营支持、合规风控等核心领域。国信证券自研6大 Skills（智能选股、ETF 筛选、基金对比、宏观经济数据、行情数据、财务数据），适配主流 AI 智能体平台，在豆包 App 上线“国信股市助手”智能体，近期又在扣子平台推出6大金融 Skill。

这一业务策略的核心假设是：在AI即服务（AIaaS）时代，流量入口不再局限于券商自有APP，谁能占据更多外部入口，谁就能获得更大流量杠杆。

券商	Skill产品	核心功能	技术实现	目标客群	开放程度
中金公司	7位分析师Skill+投研Skill	热点驱动分析、个股拆解、估值/盈利预测	30万字+研报训练，方法论蒸馏	零售+机构	部分开放
华泰证券	智研Skill&MCP / AI涨乐Skills	选股、行情检索、投研服务、估值模型	自研"泰为"平台，异构算力底座	机构+零售	内部/部分开放
国泰海通	灵犀Skills（6大技能）	研报/行情/数据查询、榜单、选股、自选	参数垂类大模型，入驻华为小艺	零售	生态平台开放
广发证券	易淘金Skills（对外）+30类内部插件	龙虎榜、财务对比、F10、ETF筛选、资金异动	RAG+Agent编排，兼容OpenClaw	内外部	内外双线并进
国信证券	自研6大Skills	智能选股、ETF/基金筛选、宏观/行情/财务数据	火山引擎豆包大模型，适配主流AI智能体平台	零售	生态平台开放
中信建投	AI蜻蜓翼答/ 蜻蜓Skill	ETF筛选、行情查询、财务数据、条件选股	无感衔接存量APP，兼容主流协议	零售	部分开放
中国银河	多类示例Skills（含行情、技术指标等方向）	行情数据、技术指标、基本面指标、因子分析	覆盖智能客服、投顾、风控	零售	部分开放
西部证券	AI小西智能体	搜、选、诊、盯、配、控全场景	自研Agent+第三方MCP混合架构	零售	部分开放
国金证券	AI投顾体系（对外）+ 大模型量化交易系统（对内）	智能研报生成、数据挖掘、自动化路演	60+场景，多模型同场竞技	机构+内部	内部
招商证券	托管大模型客服等AI应用	市场热点分析、产品推荐、资产配置、托管清算	云原生核心交易系统	财富+机构	部分开放

（信息由AI整理，仅覆盖已有公开信息的机构，部分机构通过恒生聚源、同花顺等第三方服务商间接接入Skill能力，未单独列出。机构客户对数据精度与逻辑链完整性要求更高，而零售客户更依赖交互便捷性与响应速度，这一画像差异也映射到各家Skill的定位分层上。）

四、策略

从封闭内部到生态平台

券商Skill的开放程度呈现清晰的三级梯度。第一级为完全内部，如华泰智研Skill（面向机构投资者）、国金证券60余个内部场景AI应用、广发30类内部技能插件，这类Skill承载核心数据与业务逻辑，不对外部开放。第二级为部分开放，如中金分析师Skill（对外但限于已有公开结论的检索与解释）、中信建投蜻蜓Skill（对客服务但限于查询功能）。第三级为生态平台开放，如国泰海通灵犀Skills入驻华为小艺，国信证券Skills上线小艺与Coze平台，东方财富以数字员工形态入驻阿里云JVS 。

这个梯度背后，是券商对数据资产价值与安全风险的权衡：越核心的投研能力，越倾向封闭；越标准化的查询工具，越适合开放出去换流量。

从单点Skill到生态矩阵

部分机构在推出自有Skill的基础上，正探索开放Skill技能开发接口，邀请行业合作伙伴共同打造多元化金融技能矩阵。这一策略的本质是单一机构和开发者难以覆盖所有金融场景的Skill需求，通过开放接口引入第三方开发者，可以加速生态丰富度。但这一模式面临特殊挑战：金融数据的合规使用、投资建议责任的边界划分、跨机构Skill互操作的技术标准尚未统一。这种开放规划能否落地，取决于监管对"第三方金融Skill"的准入态度与责任认定框架。

海外投行的开放到国内券商的深耕

相较国内券商的审慎，海外投行在AI Agent接入、技术投入优先级、开放深度上已跑出一套差异化参照系。

2026年6月，摩根士丹利宣布计划向数千家企业AI智能体开放核心财富管理业务通道，预计最晚2027年覆盖3400家企业托管客户，客户侧自主AI智能体可直接从股权管理平台调取数据与分析结论，已归集1.2万亿美元受托资产。摩根士丹利的战略判断是：未来核心壁垒在于独占数据资源与成熟商业规则，而非平台入口本身，"客户不再登录网页端操作，对我们而言毫无后顾之忧"。

高盛则采取"内部效率优先"路径：2025年AI技术投入约60亿美元，2026年全面部署OneGS 3.0战略，在技术团队中计划部署数百个自主编程智能体Devin实例，其AI战略优先级为内部效率提升 > 中后台流程自动化 > 前台业务赋能 > 外部客户AI服务。

对比之下，国内券商的AI投入更集中于应用层落地（仅华泰证券、国泰海通证券等少数完成垂类大模型部署），且更侧重在自有APP生态内构建Skill矩阵，强调数据资产的价值重估与合规控制。从公开报道看到的信息，国内券商单项目Skill投入约200万元，但商业模式仍处于早期探索，多数为免费引流工具；海外投行在AI投入规模与开放程度上均远超中国同行。这种差异既反映了中外金融市场结构的不同（中国券商更依赖零售佣金与投顾服务，海外投行更依赖机构资管与财富管理），也提示我们在Skill生态的开放深度与商业化能力上仍有较大提升空间。

五、合规

证券行业对AI 的合规约束是刚性的。Skill应该是研究服务的辅助与延伸，比如现在最流行的人格化蒸馏，很明显Skill形态的AI分身远不能做为持牌业务的替代。AI幻觉是证券行业应用大模型的核心障碍。Skill本质上是标准化的工作流，不能精准控制输出结果的准确性，仍需人工把关。从合规角度，更适宜将Skill对内赋能（投研辅助、合规筛查、客户需求分析）而非直接对外提供投资建议，员工端助手不直接面向投资者，风险传导性较弱。

合规，既是红线也是壁垒。根据数据机构统计，截至2026年4月，证券行业近30家机构完成算法或模型备案，备案项目总数超40个。备案制度的意义在于：一方面为合规券商提供官方背书，另一方面将未备案机构排除在面向客户的AI服务竞争之外。在监管趋严的背景下，算法备案能力正成为券商AI战略的"准入门槛"。