财富管理数字化是证券行业零售业务转型升级的重要方向，也是证券机构满足居民财富管理需求、提升专业服务能力的重要抓手。去年2月，证监会发布《关于资本市场做好金融“五篇大文章”的实施意见》，提出“加快推进数字化、智能化赋能资本市场”，“提升证券期货行业数字化水平”，为证券行业运用人工智能等技术提升服务能力与经营效率提供指引。随着财富管理转型深入和资本市场活跃度提升，证券机构对集约化管理和客户全生命周期精细化运营的需求日益迫切，人工智能技术在拉新获客、存客激活、服务陪伴、智能投顾等领域展现出较大潜力，但也面临应用碎片化、人机协同不足、场景匹配度不高、合规与效率难统筹等现实挑战。下一步，人工智能技术如何提升证券行业财富管理能力和优化客户体验？哪些场景更加适合人工智能技术尤其是智能体的深度应用？如何构建适配人工智能技术深度应用的治理模式？亟待政产学研各界共同探讨。
数字金融合作论坛联合深圳香蜜湖国际金融科技研究院于2026年6月7日（周日）下午在北京举办“证券行业财富管理AI应用新趋势”闭门研讨会。与会专家从规划理念、业技融合、应用场景、人机协同等方面积极分享AI大模型与智能体在证券行业财富管理业务的应用实践与展望，系统剖析AI在证券行业财富管理业务应用中面临的困难与挑战，并就推动人工智能技术提升证券行业财富管理能力、优化客户体验、守住合规安全底线提出建议。
会议分为主题演讲、专家点评、圆桌讨论等环节，由清华大学五道口金融学院教授、我院学术委员会委员张健华主持。
张健华
主题演讲
中信证券首席信息官于新利，国泰海通证券首席信息官俞枫，华泰证券首席信息官韩臻聪，中国银河证券执委会委员、业务总监、董事会秘书刘冰，中金公司首席信息官、中金财富首席信息官程龙，中信建投证券首席信息官肖钢，百融智能董事长、CEO张韶峰，财通证券党委委员、副总经理夏理芬，华福证券首席信息官、财富管理委员会主任李宁，招商证券数字化办公室总经理赵斗斗，国信证券首席架构师、技术管理部负责人李明军，国投证券数字金融部总经理石磊，兴业证券金融科技部总经理王玥，广发证券信息技术部总监王蓁等证券机构和科技公司代表受邀作主题演讲。
于新利
俞枫
韩臻聪
刘冰
程龙
肖钢
张韶峰
夏理芬
李宁
赵斗斗
李明军
石磊
王玥
王蓁
专家点评
中国证监会市场监管二司原司长王建平、中国证券投资基金业协会原会长、中国期货业协会原会长洪磊、中国证监会科技监管司副司长刘铁斌等领导和专家受邀作点评发言。
王建平
洪磊
刘铁斌
圆桌讨论
河北源达信息技术股份有限公司董事长郝旭，国都证券党委书记、总经理张晖，华西证券副总裁、首席信息官李钧，浙商证券技术开发部总经理李树国，中国银行业协会原首席信息官、我院学术委员会委员高峰，中国建设银行数字人民币推进办公室副主任汪下烟等领导和专家先后在圆桌交流环节发言。光大证券、长江证券、国元证券、中泰证券、华创证券、财信证券、山西证券等其他证券机构和北京银行、华夏银行、微众银行、苏商银行等银行机构代表受邀参会交流。
AI赋能证券行业财富管理提质增效
近年来，人工智能技术迎来跨越式发展，已从简单的聊天问答进入智能体阶段，数字技术与资本市场的融合程度不断加深。去年2月，中国证监会发布《关于资本市场做好金融“五篇大文章”的实施意见》，提出“加快推进数字化、智能化赋能资本市场”，“提升证券期货行业数字化水平”，为证券行业运用人工智能技术提供指引。随着智能体由概念加速走向规模化应用，AI正深刻重构证券行业财富管理业务模式，在以客户价值为导向的基础上多维增效，推动数智财富管理驶入快车道。
会议认为，强化AI应用是证券机构财富管理业务提质增效的必然选择。传统财富管理服务模式普遍面临人力成本高、服务同质化、专业能力复制难等问题，有限的人力供给难以满足海量客户的多元化需求。在政策指引、市场需求和技术进步驱动下，人工智能技术正以全新的服务范式构建财富管理价值闭环。尤其是以智能体为代表的AI应用在拟人交流互动、非结构化数据处理以及灵活、复杂流程处理方面表现出一定优势，推动财富管理从产品销售走向客户经营，更好释放投顾专业价值、提升客户服务体验、践行普惠金融。证券机构内部也持续沉淀数智能力、提升运营效率、优化商业模式，全方位推动财富管理业务提质增效。未来，AI应用将持续向财富管理业务纵深延伸，从“被动工具、单点应用”向“主动服务、系统重构”演进，实现客户全生命周期服务覆盖。
从实践看，证券机构普遍以人机协同为核心、体系建设为支撑、技术范式为抓手、安全合规为底线，全面加快AI在财富管理业务中的规模化落地。从智能投顾助手到全链路客户服务系统，从数字化知识库到企业级智能集群，各类机构应用案例多点开花，各具特色，为行业转型提供了鲜活参考。大型证券机构统筹建设数据底座、技术中台、智能体，搭建一体化的全栈原生AI架构，全面赋能财富管理业务。中信证券聚焦能力建设与安全管控，一方面梳理岗位体系，沉淀核心工作逻辑，夯实人才竞争力，另一方面实行内外云混合调用，区分数据类型部署内外算力，平衡成本与安全。国泰海通证券围绕客户全生命周期搭建千亿级参数君弘灵犀垂类大模型，统筹布局广谱智能服务与精细化AI投顾工具，落地千人千策投顾服务，进一步迭代数字化客户经营体系，以人机协同推进财富管理转型升级。华泰证券依托“AI涨乐”这一自研AI工具，搭建“主Agent+专家Agent”协同技术底座，落地智能选股、盯盘、交易、自主指令等全链路智能服务，突破多项金融垂类AI技术瓶颈的同时严守合规底线，推动财富管理从工具赋能向原生智能、全域伴随式服务模式迭代升级。中国银河证券坚守客户价值本源，依托“Agent+Skill”技术范式推进财富管理AI原生升级，探索Token 价值计量体系，搭建全生命周期智能服务链路，并以高层牵头的AI 专项工作组与三位一体风控体系为支撑，着力构建AI核心组织能力。中金公司搭建九章大模型平台与自研中金点睛大模型，围绕AI客户助手、RITAS AI买方投顾中枢、“1+N+AI”投顾展业引擎三大方向落地财富管理AI应用，以人机协同模式推动投顾价值释放，致力实现全员全客群数字智能配套布局。中信建投证券秉持人机协同增效、AI增强而非替代投顾的思路，推出“信谛听”智能工具、App普惠AI问答、智能外呼、CRM Agent等多类应用，全面赋能客户、投顾与业务管理。招商证券打造知识与AI双轮驱动的投顾助手“招小顾”，依托云原生分层架构与多智能体协同，落地产品诊断、合规实时辅助、员工成长等真实业务场景，推动财富管理由被动应答转向主动陪伴。国信证券搭建“PARTIS”六维智能体治理框架，依托“三门”判定体系划分人机权责，精细拆解业务，构建全流程可审计的可信委派运行机制，规范智能体嵌入财富业务流程。广发证券打造易淘金“AI透镜”赋能客户服务，搭建天玑智融统一AI门户赋能全体投顾，并基于Claw技术打造安全可控的AI员工助理，严守AI安全治理底线，务实推进财富管理AI建设。
中型证券机构立足自身体量与业务优势，打造具有鲜明特色的数智财富管理业务。财通证券明确“强基座、筑中台、炼智能体”整体布局，搭建数据底座与运营中台，落地百余个业务智能体，通过客户分层运营、动态智能洞察与投顾赋能，破解财富服务供需痛点，实现普惠增效与范式升级。华福证券依托数字底座与敏捷小组机制推进全域AI建设，落地智能投顾、企微质检、AI百宝箱等财富场景应用，以含智量指标驱动业务提效。国投证券秉持“AI for value”的价值导向，借助AI智能助理辅助投顾精准应答、捕捉服务契机、实现全周期客户陪伴，并通过大模型升级传统投顾工具，深化智能交易服务。兴业证券搭建“数字底座筑基、AI中枢控核、服务矩阵赋能、双端场景落地”的全链路AI赋能闭环体系，通过对内AI“老铁”赋能投顾提效、对外AI管家实现客户全周期智能陪伴，构建即插即用的智能服务矩阵。
科技公司也在着力探索AI赋能财富管理的新模式、新方案，为行业输送成熟、标准化的技术解决方案。百融智能深耕金融垂类模型与企业级智能体落地，打造可规模化作业的硅基员工体系，倡导以硅碳比为转型标尺分层推进AI原生组织变革，为证券机构财富管理提供智能交互、文档处理、流程作业全场景AI赋能工具。
证券行业财富管理AI应用面临多重挑战
会议认为，新一代人工智能是证券行业财富管理业务高质量发展的内在需求和重要驱动力。但同时也应看到，在AI创新应用落地过程中，仍面临数据治理体系、AI应用深度、投入产出质效与AI安全治理等方面问题与挑战。
一是数据基础支撑仍不足。一方面，数据资源分散且质量参差不齐。证券机构内部投顾语料与客户行为数据积累有待丰富，且用户画像与业务规则散落于不同业务系统，内部知识资产呈现“孤岛”化特征，缺乏统一治理。与此同时，数据质量管理和治理投入的内生动力仍然偏弱，导致数据准确性、完整性和时效性难以充分满足人工智能应用需求。另一方面，数据安全面临严峻考验。随着大模型、智能体等技术在财富管理场景中的广泛应用，网络攻击风险日益凸显。面对涉及数据窃取或系统摧毁的大规模、不间断、多源并发的潜在攻击，现有的安全防护体系难以有效应对。
二是AI应用深度有待提升。当前AI投顾功能较为单一，多数仅能提供基础配置建议，缺少动态调仓、风控、持续陪伴等全流程服务，亦无法批量复制资深投顾的优质经验与能力。投顾经验未形成标准化沉淀，对客户缺乏标准化、可复制的知识沉淀和赋能体系，如何将资深投顾专业知识沉淀到数字员工、技能库仍在探索中。这也使得多数证券机构AI客户服务浅层化，仍停留在“问答机器人”层面，无法提供个性化深度投资建议，决策辅助与全周期陪伴。
三是“AI生产力悖论”问题突出。当前，AI在财富管理领域应用成效主要集中在降本方面，增收能力不足。AI技术快速迭代所需的能力构建成本以及传统系统数智化改造成本高昂。尤其受芯片等硬件成本攀升、供应不确定性以及算力配置模式受限等因素影响，算力资源获取成本波动性加剧，影响大模型研发训练和场景落地，可能削弱底层技术稳定性和AI应用的最终效果。在高投入趋势下，大小券商“马太效应”可能进一步放大。同时，证券行业AI应用竞争呈现同质化趋势，创新商业模式增收能力不足，缺少将AI与业务深度绑定机制，价值转化不足，“投入-价值-收入”闭环缺失。
四是AI治理与隐私保护面临挑战。人工智能技术快速迭代，但大模型固有的“幻觉”和“黑箱”问题仍然突出，可能在复杂金融场景下“已读乱回”，引发误导销售、过度交易、风险揭示不足等问题，增加业务风险和合规风险。企业级智能体落地所需的系统稳定性、基座能力、本体框架等保障机制仍不成熟。同时，AI应用安全风险也在持续变化，模型算法风险、网络安全、信息内容安全等风险持续涌现，对客户隐私、数据安全、系统权限边界提出了更强约束要求。例如，当证券机构运行大量异构Agent时，Agent与环境发生大量真实交互，系统可能无法感知其真实行为，执行风险进一步升级。此外，证券行业AI治理人才竞争压力加大，算法透明、责任界定、客户授权、监管适应性仍需探索。
促发展与防风险并重，推动证券行业财富管理智能化转型
会议认为，AI是财富管理转型的关键引擎，“All in AI”不仅要All in 创新，也要All in 风控。要坚持以客户为中心，围绕数据治理体系、技术风险管理、专业能力沉淀、AI治理能力提升等关键领域，推动证券行业财富管理业务AI应用从规模化渗透向价值深化转型，让服务更高效、更普惠、更智能。
一是以体系为抓手筑牢AI数据基础。一方面，强化数据治理和语料基础建设。建议证券机构推动客户数据、投顾知识、业务规则等核心数据资源的统一归集与标准化管理，加快投研知识、产品知识、客户服务知识与合规规则结构化沉淀；打通主体类对象、资产类对象、业务类对象、渠道类对象等关键业务对象，形成可关联的数据结构，打破系统孤岛；建立验证机制，确保AI结论可追溯到数据来源和分析逻辑，持续提升数据质量和知识资产复用水平，为人工智能应用提供高质量数据支撑。另一方面，统筹推进数据治理与信息安全建设。建立覆盖模型、数据、应用全链路的 AI 安全治理体系，强化风险识别、权限管控与合规校验。同时，建议行业协会牵头搭建行业人工智能应用发展联盟，在保障数据安全与合规的前提下，有序探索行业风险防控与标准制定，推动形成数据、技术与业务融合发展的安全可控生态，为人工智能规模化应用夯实基础。
二是以客户为中心强化AI应用深度。建议证券机构将AI嵌入到财富管理业务全流程，通过技术、组织、文化和考核机制协同，让AI成为基础能力、专业能力和组织能力的放大器，打造懂产品、懂配置、懂客户的人机协同员工团队，通过客户分层与智能体协同实现精准触达与产能释放，兼顾普惠化与个性化。加快将优秀财富顾问的研究观点、产品解读、客户沟通、投教内容和合规口径等技能沉淀为可复用知识资产，构建可治理、可复用、可演进的AI能力体系，提升AI驱动的财富管理能力。
三是以价值为导向提升AI应用效能。一方面，推动财富管理从“卖方投顾”向“买方投顾”转型，探索营收结构和增值服务的创新性改革，共建普惠财富管理新模式。例如，依托Agent+Skill重塑财富管理服务模式，探索以Token为核心的价值计量体系，打通价值创造闭环。另一方面，坚持AI原生与传统智能化改造并行，找准AI应用新场景，深化AI价值挖掘。加强同业交流合作，共享AI应用场景与实践经验，形成行业合力，同时引入第三方平台赋能中小机构及其客户。
四是以安全为底线完善AI治理机制。建议证券机构自上而下构建一套可执行的治理框架，通过前置约束、权限控制等方式，保障智能体规范运行，确保执行过程合规、输出结果可控，实现“人机共治”，夯实安全运行底座。立足证券行业财富管理专业知识体系、投研能力和投顾经验积累，推动大模型与金融专业能力分级分类深度融合，加快建设基于本体知识支撑的行业垂类大模型。要始终将安全与合规置于首位，确保AI安全、可靠、可控、可信、公平、透明。建议监管部门持续完善AI金融应用监管框架，明确合规边界，为行业创新提供稳定预期。行业层面，建议围绕可信、可控、可审计形成行业共识，共建开放能力生态，推动财富管理AI应用走向行业级生态发展。
撰稿 | 余念灿 莫婕 曹璐芸
审核 | 黄丽娜
编辑 | 彭榆雅
