证券业掀起AI智能体应用落地热潮。

　　2026年二季度以来，中金公司（601995.SH）、华泰证券（601688.SH）、广发证券（000776.SZ）、国泰海通（601211.SH）、国信证券（002736.SZ）等头部券商密集上线各类AI Skill（Skill即智能体技能，是将成熟系统能力封装为标准化功能单元，可供AI识别、调用与直接执行）产品，将分析师研究框架、投研数据、业务能力封装为可标准化调用的数字功能模块，让基础大模型变成执行具体任务的“工具人”。

　　截至目前，国内前十券商中已有半数落地Skill相关产品，覆盖投研服务、财富管理、客户运营、合规风控等多个业务场景。

　　从落地节奏看，4月，国泰海通率先推出灵犀Skills，覆盖研报查询、行情数据、标的筛选、自选股管理等六大基础功能；5月，广发证券、国信证券先后发布Skill矩阵，前者打通投研、财富、客服、运营、风控全业务线，后者聚焦智能选股、ETF筛选、基金对比、宏观数据查询等投顾场景；6月，中金公司、华泰证券相继推出重磅产品，中金公司上线计算机、策略、宏观、新能源等多领域首席分析师专属Skill，华泰证券则分别推出面向机构端的智研Skill&MCP、面向零售端的AI涨乐Skills。

　　从战略路径划分，当前券商Skill布局已形成三大差异化流派：一是技术基建派，以华泰证券为代表，整套体系深度依托自有投研数据底座与算力基建，降低对通用大模型的依赖，核心目标是搭建自主可控的AI技术底层架构。

　　二是业务创新派，以中金公司为典型，其分析师Skill并非简单功能堆叠，而是将资深从业者的完整研究方法论、估值体系与行业认知进行AI“蒸馏”封装，首次实现分析师个人专业能力的标准化产品输出。

　　三是生态共建派，国泰海通、国信证券、广发证券均归属于此类，机构在上线自有Skill后，同步将产品上架华为小艺、腾讯Coze等第三方智能体平台，借助公域流量扩大服务触达范围。

　　头部机构之外，中小券商普遍选择与恒生聚源、同花顺等第三方技术服务商合作，快速上线标准化Skill产品，其中财富管理、投顾辅助类场景的落地需求最为迫切。

　　行业备案数据也印证了AI落地的加速趋势。据易观千帆统计，截至2026年4月，证券行业已有近30家机构完成算法或模型备案，备案项目总数超40个。

　　Skill的集中爆发并非行业凭空出现的新风口，而是证券行业AI应用多年迭代的必然结果。尽管行业落地热情高涨，但Skill作为金融领域的新生业态，仍处于发展初期，能力边界模糊、合规风险暗藏、权属规则缺失等问题，成为制约其规模化推广的核心障碍。

　　“积极主动地拥抱学习，但在推动应用上谨慎。”某券商研究院负责人向界面新闻表示，AI技术在证券研究领域的探索应用值得鼓励，但在实现规模化推广前，需警惕技术能力与业务核心要求之间的潜在冲突。

　　他进一步分析，一方面，证券研究对方法论的科学性、逻辑体系的前沿性与完整性有着深层要求，而当前大模型及智能体的底层技术路线，对非线性的复杂经济金融理论的学习、整合与应用能力仍存在局限，有待持续提升。

　　另一方面，现有技术在识别核验最新公开信息、判断研究结论合规性与稳健性等方面，尚无法满足深度融入业务的标准。这两大约束条件，也正是当前分析师Skill、AI数字分身等应用大多将场景限定在既有公开研究成果呈现层面的重要原因。

　　从现有技术水平与监管要求来看，分析师Skill的能力圈有着明确红线。仅可基于已公开发布的研报、合规披露的财报与行业公开数据，完成观点解读、逻辑梳理、历史复盘类工作，即“只输出分析师已经公开的结论”。

　　同时，多条监管红线明确不可触碰：Skill不得生成全新的投资判断，不得发布个股评级调整、目标价变动，不得向用户提供个性化买卖建议。业内普遍共识是，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，所有涉及投资决策的核心输出，都必须回归持牌人员与机构合规体系审核。

　　合规层面，三类潜在风险尤为值得关注。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AI数字分身本质是以分析师过往研报、路演素材等数据训练生成的智能体，其输出内容在属性上仍归属于证券研究服务范畴。”

　　他进一步对界面新闻表示，这类AI工具的合规风险程度与应用场景直接相关。如果Skill仅围绕已公开的研报与公开信息提供检索、内容摘要、观点解读服务，整体风险处于可控范围；但倘若AI自主生成全新的投资判断，甚至直接出具个股评级、目标价、买卖操作建议，则很可能触碰证券研究与投资咨询业务的监管红线。

　　投资者适当性管理同样是不可忽视的合规风险点。马宏伟强调，依据《证券期货投资者适当性管理办法》，经营机构向投资者提供金融产品或服务前，必须核实投资者身份、财务状况与风险偏好，确保服务内容与投资者风险承受能力相匹配。若AI数字分身面向用户开放服务时未前置完成上述评估流程，则可能存在适当性管理缺位的合规隐患。

　　训练数据的合规性是另一项核心合规门槛。马宏伟指出，AI模型训练环节会涉及分析师个人知识产权成果、客户交易数据、非公开信息等多类敏感数据。根据《个人信息保护法》《数据安全法》相关要求，券商应当保障数据采集行为合法合规，严格遵循最小必要原则，同时建立健全数据分类分级保护机制。

　　随着Skill产品的普及，行业同质化竞争的问题已开始显现。当前Skill服务的技术门槛呈现明显的两极分化：通用问答、资讯摘要、基础行情查询等简单场景，仅通过提示词优化即可快速上线，技术壁垒极低，极易被复制，行业很容易陷入低水平内卷；而涉及复杂投研推演、多业务联动、全流程执行的深度场景，则需要对业务体系与数据架构进行彻底的AI化重构，底层开发难度极高。

　　这套底层架构的核心价值，是将零散、独立的Skill有机串联起来，支撑复杂的多任务协同决策。如果说单个Skill是“工具”，业务本体地图就是“操作系统”，即把券商业务逻辑、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 。没有底层架构支撑，大模型处理复杂任务时需要投喂海量业务背景信息，不仅推理成本高昂，且输出稳定性不足；而完善的业务本体地图能够精准映射操作逻辑，大幅减少冗余的上下文输入，提升推理效率与准确性。

　　飞笛科技CEO丘慧慧也持类似观点，她表示，当前金融行业Skill产品同质化严重，零散的功能竞争难以产生核心价值，最终竞争的落脚点仍会回归客户深度经营，以及基于业务全链路闭环的差异化服务能力。

　　在行业交易佣金持续下滑的大背景下，AI增值服务被视作券商财富管理转型的重要新创收方向。恒生研究院技术专家陈奕名认为，“当前行业面临交易佣金不断下滑的不可逆趋势，券商若想留住客户并实现盈利，行之有效的专业投顾服务成为最关键的盈利点。AI引入大幅降低了投顾服务的门槛，随着服务能力的深化，券商完全可以根据‘Skillvs本体地图’的技术深度，构建阶梯式的收费模型，实现真正创收。”