新华财经北京6月29日电 近期，证券行业掀起AI智能体技能（以下简称Skills，即大模型落地金融场景的核心载体，可将专业金融能力封装为自然语言调用的标准化服务单元）布局热潮。作为证券业AI应用从单点工具向体系化赋能跃迁的重要举措，Skills密集上线究竟将重构哪些业务逻辑、能否转化为实实在在的业绩支撑、创新过程中的合规边界如何划定？记者围绕行业普遍关注的三大焦点问题采访了多位业内人士。

　　业内普遍认为，随着技术迭代与规则完善，未来Skills将进一步推动券商从传统交易通道向智能服务平台转型，不仅将为证券行业开辟新的增长空间，也将进一步降低普通投资者获得专业金融服务的门槛。

　　一问：业务逻辑重构，“效率革命”如何落地？

　　目前，已有华泰证券、广发证券、中金公司、中信建投、中信证券、国信证券等机构上线Skills工具，覆盖研报查询、估值建模、ETF筛选、智能选股、行情分析等高频投研与交易服务场景，部分券商也通过第三方机构探索相关服务。

　　Skills的核心价值，是把券商沉淀多年的交易通道、数据中台、风控模型、研究框架从后台的“隐形资产”转化为前台可直接调用的“生产力工具”，实现技术价值从后台支撑向前台服务的跃迁。

　　广发证券信息技术部相关负责人表示，从证券行业数字化转型维度看，当前Skills发展呈现三大突出特征：一是场景垂直化，从通用问答向专业金融场景深耕；二是使用普惠化，降低专业工具门槛覆盖普通投资者；三是生态互通化，通过接入主流AI平台打破数据和能力孤岛。

　　据公开资料，Skills实际落地效果已经显现。如财富管理端，投资者通过日常对话即可完成行情查询、ETF筛选、基金对比等操作，大幅降低了专业金融工具的使用门槛，提升客户粘性与活跃度；投研业务方面，研报查询、个股估值分析、财务对比等能力的Skills化，使分析师和投资者可以通过对话方式快速获取专业数据，提升投资研究效率。

　　“从更宏观的角度看，这反映出券商数字化转型竞争重心的转移：过去比拼App功能与模型规模，如今通用大模型正逐渐成为公共底座，真正拉开差距的，是谁拥有可靠、可被调用的专业能力。”华泰证券研究所所长、固收首席分析师张继强表示，受影响最直接的是投研生产环节——取数、初稿、估值交给工具，分析师得以专注于判断；其次是投顾与财富服务，研究成果能更快、更标准地传导至一线。

　　中信建投证券金融工程与基金研究首席分析师姚紫薇认为，Skills的落地是卖方研究业务在通用人工智能时代的范式演进，第一次让分析师的分析框架、估值模型具备了工程化、规模化输出的条件，未来买卖双方的服务体系将逐步演进为“智能体对智能体”的数字化协同模式，Skills服务能力将成为衡量卖方核心竞争力的关键标尺。

　　中信证券股份有限公司高级副总裁、人工智能条线负责人徐崚峰分析，Skills对业务的影响方面，AI应用已从单点工具到全链路赋能，展业模式正从“人力密集”走向“人机协同”，覆盖投研、交易、财富管理、合规等高频场景，效率与体验同步提升。

　　国信证券相关负责人指出，Skills是券商专业能力的数字化、AI化，可以非常方便地在各种AI场景中被调用，但也对券商服务的专业能力和运营水平提出了更高的要求。

　　二问：商业化路径渐明，能否成为行业新增长极？

　　对于Skills的价值转化，行业已形成一定共识：短期以效率提升、用户沉淀为主，中长期将成为商业模式升级的重要支点。

　　姚紫薇分析，就业务影响与业绩转化而言，短期内Skills更多体现为研究服务效率与触达广度的提升，强化机构客户黏性；中长期看，随着派点、佣金分仓机制与数字化服务深度绑定，Skills有望成为研究业务商业模式升级的重要支点，最终转化为可量化的业绩支撑。

　　“能否直接转化为业绩，需要客观看待。”张继强说，现阶段Skills更应视为盘活内部数据资产、夯实基础的投入，真正落到收入，取决于谁能率先找到既合规、客户又确有需求的场景，这并非一蹴而就。

　　广发证券信息技术部相关负责人也表示，Skills对业绩的直接拉动需要一定周期，目前更多体现在用户体验提升和运营效率改善上，中长期有望通过提升客户粘性和拓展服务边界转化为实质性业绩增量。

　　部分先行机构的Skills已经跑出了可验证的价值兑现路径。徐崚峰介绍，中信证券“市值管理助理2.0”融合前沿Skills能力，已辅助落地数千万级创收；“零售经营助理”累计转化大量客户、辅助创收数亿元；“产品销售助理”基于AI精准匹配客户与产品，ETF客户购买转化率显著高于人工；“超级投行家”支撑债券募集说明书AI辅助撰写，效率大幅提升。

　　中金公司相关负责人介绍，未来Skills将采取分层服务模式：围绕服务国家战略、服务实体经济的普惠性服务免费开放；面向专业机构客户的深度投研辅助服务采取商业化模式，实现商业价值与社会价值的平衡。

　　三问：守牢合规底线，责任边界如何厘清？

　　随着分析师研究框架封装为Skills、AI“分身”提供投研服务等创新模式出现，相关合规、责任与权属问题成为行业必须直面的核心课题。

　　受访业内人士普遍达成三大共识。

　　一是服务本质不变，合规标准不松。Skills是服务“形式”上的创新而非服务“本质”的改变，现有的合规制度与责任认定框架并不会发生根本性变化，Skills的输出本质上仍是研究信息服务，无论载体如何更迭，都须接受与研报同等的合规约束，观点以已公开发布的研究为依据，守住不提供投资建议的边界。

　　二是责任主体明确，“AI辅助、人类负责”是核心原则。AI始终定位为辅助工具而非替代人类决策，生成内容必须保留人工把关与可追溯的审核记录，承担责任的始终是机构与持牌的分析师，不会因为换上AI外壳而模糊责任。同时需要厘清分析师个人经验与机构资产的权属边界。

　　三是自律先行，创新与合规同步推进。目前多家头部机构已经出台内部规范，如中信证券出台《AI数字员工五级分类标准》，明确了各层级数字员工的能力边界、适用场景与人机责任划分，让合规界定与风险管控从原则性表态落地为可执行的具体规范。此外，每项技能调用均携带明确的权限边界，严格落实最小权限原则，同时通过敏感数据分级分类管理与隐私计算技术实现数据“可用不可见”，全方位保障核心敏感数据的绝对安全。

　　姚紫薇表示，AI和合规的关系，不是“能力越强、问题越少”，而是“能力越强、越要把边界和治理放在前面”。而且风险不只在单家机构——当越来越多人用相似的模型、相似的数据，市场会变得越来越同质，拥挤交易和系统性风险也会随之上升，这是整个行业都要面对的。

　　受访人士表示，随着AI技术的发展，建议行业监管部门尽快出台相关指引，考虑为分析师Skills化提供明确的合规框架，推动行业健康发展。