王建力

中金公司党委委员、管委会成员

中金财富党委书记、总裁

尊敬的各位领导、各位同仁，大家好，我特别荣幸在这里汇报中金公司在人工智能和券商融合进展中的一些观察和思考。

人工智能正逐步从技术概念走向行业应用实践，日益成为推动产业变革的核心驱动力。目前，人工智能发展已跨越以技术突破为核心的第一阶段拐点，进入以产业化应用落地为关键特征的第二阶段拐点。判断人工智能发展进程，主要依据两大标准：一是技术可行性，二是经济可行性。技术可行性依赖于数据基础、算法创新、人才培养以及算力积累；而经济可行性，则植根于广阔的消费场景与工业生产环境之中，致力于创造可持续的经济价值。当前，技术可行性的基础已经具备。下一步，人工智能的产业化应用正是其迈入新阶段的关键，也将成为驱动经济增长的核心动力。只有人工智能产业化应用所带来的商业价值，才能反哺并推动人工智能技术自身的迭代与进步。

今年9月，中金研究部国际组前往美国调研了30多家企业，涵盖科技、制造、消费、金融等多个行业。调研发现，绝大多数企业已在不同程度上应用人工智能，并呈现出三大趋势，在此向各位领导和同仁简要汇报：

第一，早期用户正在从AI Agent试用阶段进入了规模部署，云厂商与大模型开发者积极向垂直行业深耕，旨在提升用户黏性、创造增量价值，从而巩固自身护城河。第二，降本增效是AI应用在当前阶段的主要贡献；第三，AI Agent已经开始为客户创收。围绕法律、金融、医疗等专业场景的AI Agent创业项目不断涌现，商业模式正从传统的按席位收费向按量、按价值创造转变。

在金融+AI融合发展方面，当前国内外各类金融机构正积极在多个业务场景中探索大模型的落地应用，相关实践持续涌现。例如在支付与信贷领域，头部机构已将大模型深度应用于反欺诈和智能风控，如Stripe的欺诈识别方案。在财富管理领域，摩根士丹利的AI投顾助手、富国银行的虚拟助手，以及国内券商推出的智能投研、智能投资和量化交易等应用，正在重新定义客户服务与投资决策的边界。在金融咨询领域，彭博社、万得等机构正积极开发基于大模型的智能问答、资讯分析等智能服务。在内部运营领域，正如刚才多位领导所提到的，各金融机构也在持续探索数字员工等新形态，以释放员工产能、提升运营效率。

当前，AI大模型在银行、证券、保险、基金等行业已应用于多个金融业务场景，其应用主要聚焦于非决策类环节，并在以下三类业务流程中发挥价值：一是营销运营领域。大模型在直接面向客户时，主要承担7×24小时客服角色，以优化客户交互体验；在间接对客时，也正积极探索通过赋能销售与投顾人员，帮助其扩大服务半径、提升专业能力。二是分析决策领域。大模型主要赋能数据分析及决策支持人员，其在信息收集、多模态数据整理与洞察生成、结果输出等方面表现较为胜任。然而，在产品组合配置、投资建议等专业要求较高的分析决策环节，目前大模型的可靠性仍有待进一步发展和验证。三是中后台支持领域。大模型能够较好地作为通用工具，支持内部运营降本增效，推动金融机构提升运营效率并控制成本。

从各金融场景来看，财富管理或是资产管理是大模型赋能空间更大的细分领域。该领域具有信息不对称程度高、决策流程长、服务周期长、分析决策不确定性强等特征，而这正是大模型能够深度释放价值的优势所在。具体来看，在需求端，投资者面对海量信息与复杂决策，大模型可赋能金融服务交互与投资者教育等环节，有效降低信息门槛、缓解信息不对称，从而提升投资者决策质量与投资体验。在渠道端，客户经理与投资顾问需长期高频与客户互动，大模型能够赋能营销获客、客户运营、产品推荐等环节，助力专业人员更高效地提供有温度的客户陪伴与更专业的金融服务，增强客户黏性与满意度。在供给端，即产品设计与投资研究端，专业人员需处理大量庞杂数据并进行深度分析判断。大模型可协助其扩大信息收集范围、提升分析决策效率，从而为客户打造更优质的金融产品与服务。总之，财富与资管领域因其固有的复杂性、长周期和强知识依赖属性，与AI在信息处理、模式识别及持续交互等方面的核心能力高度互补。因此，我们认为该领域很可能成为金融机构借助大模型构建差异化竞争优势的关键赛道。

从产业格局来看，既有“马太效应”的加剧分化，又有“乘数效应”的重新洗牌。“马太效应”往往需要雄厚的资金与技术实力作为支撑，因而天然有利于头部机构，推动行业集中度进一步提升。另一方面，“乘数效应”带来的是行业洗牌。在新的竞争维度之下，单纯的资产规模优势未必是决胜的关键，数字能力（包括数据资产、IT资源、组织架构），与金融专长（包括用户洞察、产品设计、产品定价）等能力深度融合，将释放很大的乘数效应，因此，除了传统规模优势之外，数字能力与金融专长等核心禀赋可能更为关键。这也意味着，头部机构与大型持牌金融科技公司之间的竞争序列可能被重构，部分中小机构亦有望借助这一趋势实现“弯道超车”，迈向跨越式发展。

面对智能化浪潮，中金公司已明确将人工智能定位为公司级核心战略，并构建了“弹性异构算力+可选基座模型+多元训练数据+核心应用场景”四位一体的布局体系。一是打造异构的私有化算力+公有云的算力来增强调度能力，满足业务多样化的需求。二是和智谱建立战略合作伙伴合作，陆续引入了DeepSeek、通义千问等最先进最领先的基座模型。三是借助公开数据尤其是中金特色自有数据，持续强化模型，打造技术护城河。四是自上而下持续地推进中金点睛、中金财富助手等五大重点场景落地，全面赋能业务展业和内部提效，目前都取得了积极的成效。

我将重点介绍中金公司在大模型领域的几个重要场景。

一是中金点睛大模型。中金点睛大模型是中金研究部与研究院共同构建的知识中枢与投研平台。它基于先进的通用模型，结合中金超过300位分析师的专业研究数据和方法框架，为金融市场机构及企业提供7×24小时的投研支持。目前，中金点睛已面向公司内部全员开放使用权限，对外也成为业内首批开展对客服务的卖方机构投研大模型应用，已向二级市场机构投资者及企业开放AI搜索、找数据、智能纪要三大核心场景，致力于打造中国金融行业投研知识平台。

二是中金财富投顾助手。中金财富管理已发展为券商财富管理领域的头部机构，我们在相关AI应用方面也持续积极探索。当前重点是在财富管理业务前线打造智能体，辅助投资顾问进行产品问答、营销支持、报告解读、客户意图分析等工作。系统内容除市场公开信息外，还融合了大量中金自有的研究内容、产品尽调资料以及优秀销售的所有销售过程数据，从而有效提升助手的支持能力。借助AI技术，系统可快速理解客户信息、市场动态与产品情况，生成投资组合建议供投资顾问参考，显著提升投资顾问服务专业性、互动深度与客户覆盖规模。

三是小金智能助理。小金智能助理定位为员工办公助手，通过构建一站式专属知识库，整合办公资源，提升办公效率，并为风险合规等环节提供支持。

四是中金智阅。中金智阅已成为部署于上海证券交易所、深圳证券交易所、北京证券交易所的智能审核工具，用于识别文本中的书写错误、常识错误、语义问题及敏感信息，帮助提升文档质量，防范舆情风险，目前已成为行业标杆应用。

五是中金小猿。中金小猿是专为技术开发团队打造的AI生产力工具，为开发人员提供全方位的编程与开发辅助支持，有效提升开发效率与代码质量，助力研发智能化升级。

这五大场景目前已全面落地，未来我们将进一步深化与拓展。总体而言，中金公司将从以下三个维度持续推动AI战略的实施：在战略推进上，坚持自上而下规划与自下而上实践相结合，加强业务和技术的融合。在资源投入上，持续加强人才、资金与数据等方面的支持，深化AI与现有业务流程及系统的结合。在组织协同上，倡导全员参与，鼓励全体员工积极使用、反馈并共同构建AI生态。通过赋能培训、创新竞赛等活动提升全员“AI商”。

我们相信，人工智能不仅是一场技术变革，更是金融行业重构服务模式、提升运营效率、重塑数字竞争格局的历史性机遇。中金公司将以开放、协同、务实、创新的态度，持续努力，携手推动金融行业迈向更智能、更高效、更有温度的未来。

以上是我的分享，谢谢大家。