人工智能在金融领域的应用 - 中国小微企业数量超过1.1亿，每天新增企业2.4万，但存在抗风险能力差、经营非标、信息不对称等问题 [1] - 公司展示了自研的金融智能体平台Deepbank及四大核心智能体（AI营销助手、AI审批官、AI决策助手、AI合规助手） [1] - AI合规助手集成2000+金融监管法规、300+安全风险评估模型、50+金融专属合规算法模型 [1] - AI合规助手将监管文件解读人工耗时从每份40小时降低至2小时，政策适配准确率从68%提升至99.2% [1] 金融AI行业的技术挑战 - 大模型在复杂场景下对指令的理解和执行仍会出现偏差和幻觉 [2] - 建立幻觉抑制机制可能导致模型创造力下降，存在权衡困境 [2] - 基础大模型的能力仍存在一些困难 [2] 具身智能在金融领域的应用前景 - 公司内部讨论过将具身智能技术应用于金融业务场景，但非当前阶段重点 [2] - 金融业务主要在虚拟世界流转，目前不需要具身智能载体 [2] - 未来若金融机构需要具身智能载体，公司可能提供能力赋能 [2]

金融AI核心竞争力 - 金融AI的核心竞争力在于数据资产、真实场景与金融科技基因三者的深度融合及其协同效应 [1] - 公司积累的过亿用户金融数据及风控策略经验形成难以复制的专业壁垒 [1] - 差异化优势的关键在于扎根真实场景的深度实践，拥有大量应用"试验田"以解决一线落地问题 [1] - 金融科技基因驱动独特数据、真实场景与前沿技术产生深度融合 [1] 金融大模型战略成果 - 2023年启动金融大模型战略，服务模式从技术解决方案升级为向银行输出AI"生产力" [2] - 2025年打造行业首个赋能信贷核心业务的智能体，包含端到端授信决策、信用评估、合规助手等模块 [2] - 智能体效率显著提升：客服领域承担大部分工作，研发智能体7*24小时运转，核心场景模型AUC提升1% [2] - 多模态智能体驱动关键模型AUC提升近1个百分点，画像增强智能体优化70%以上用户的收入、资产标签 [2] - 端到端风险决策智能体整合超700个模型、7000多个策略模块及过亿历史决策，补充传统风控体系 [2] 业务规模与战略合作 - 2025年3月公司银行业数智化解决方案业务规模同比飙升144% [3] - 公司与多家银行的AI+金融战略合作加速落地 [3] - 公司通过数据资产、场景实践与金融科技基因融合实现差异化突围，强调技术深度与产业洞察结合的重要性 [3]

周四（7月24日），大金融、大科技集体活跃，金融科技板块连续第三日上涨，成份股大面积飘红。其 中，指南针涨超7%创历史新高，近1个月股价飙升超60%。其他热门个股方面，天阳科技涨超9%，财富 趋势涨超7%，东方财富、恒生电子、同花顺等多股涨超2%。 热门ETF方面，规模、流动性同类断层第一的金融科技ETF（159851）尾盘放量冲高，场内价格收涨 2.02%，收盘价为历史次高（前复权），日线三连涨！全天成交额超11亿元，交投活跃。资金连续多日 借道ETF布局金融科技，159851近十日累计吸金超20亿元！ 金融科技后续能否突破前高？综合市场分析来看，当前板块多重预期叠加，板块布局机会值得重点关 注。 中泰证券指出，增量市场下紧握非银板块相对收益机会。从市场交易特征来看，2025年6月以来，A股 市场逐步从存量市场转为增量市场。随着交投活跃度攀升，市场整体估值中枢开始普遍和趋势性抬升， 板块从轮动到普涨，赚钱效应开始显现。投资者需要重视非银板块相对收益的机会。 招商证券指出，7月份科技创新仍是成长主线，大盘与题材共振，看好金融科技方向。首先，稳定币 &RWA作为金融科技明确的发展方向之一，目前处于海内外同步推进 ...

产品发布 - 极峰精灵与融聚汇联合推出QizAI金融智能助手 [1] - 产品定位为"金融专用的高阶AIAgent系统"，团队由阿里技术人才、量化交易专家和券商体系人员组成 [2] - 首次落地平台为香港券商，1.0版本支持中文简体/繁体、英文、阿拉伯语，计划拓展至30种语言 [5] 技术革新 - AIAgent实现从GUI到对话式交互的范式转变，类比智能驾驶从辅助到自动驾驶的演进 [2] - 具备深度理解与推理、多模态交互、跨平台交易、原生一体化设计、MCP深度融合五大优势 [3] - 采用大数据中台流批一体化处理框架、AIRAG响应机制、私有化模型定制部署等技术体系 [4] 行业影响 - 推动券商从"交易通道"向"投资生活服务运营商"转型 [4] - 标志着金融终端进入"对话原生"时代，具有服务便捷化、交互自然化、价值持续化三大特征 [6] - 有望成为行业智能化转型的基础设施 [6] 数据能力 - 融聚汇10年服务200+金融机构，构建金融垂直领域专业数据体系和智能治理框架 [4] - 数据处理能力可高效汇总分析海量数据，精准提炼关键信息并支持合规范围内一键下单 [5] - 数据能力被视为金融AI竞争的核心壁垒 [4]

产品发布会概述 - 极峰精灵与融聚汇联合推出QizAI金融智能助手 线上发布会汇聚十余家媒体及近百位金融科技专业人士 [1] - 活动聚焦AI如何重塑金融服务生态 探讨智能化浪潮下的行业变革 [1] AI技术演进与金融交互革命 - 极峰精灵CEO唐铭波指出 对话式交互正取代GUI界面 成为金融交互新范式 [2] - AI在金融领域发展历程：2018年LLM模型研发→2021-2022年企业级应用萌芽→2023-2024年规模化落地→当前AI原生服务崛起 [2] - 将AI Agent类比智能驾驶 当前处于从"辅助驾驶"向"自动驾驶"演进阶段 具备意图理解/深度推理/自主执行能力 [2] 技术团队与产品优势 - 极峰团队整合阿里巴巴技术人才/量化交易专家/券商体系人才 拥有十年AI算法与金融实战经验 [3] - QizAI对比传统金融APP五大优势：深度推理能力/多模态交互/跨平台无缝衔接/原生一体化设计/MCP深度融合 [3] - 实现"对话即服务"(CaaS)愿景 所有功能整合至统一对话界面 [3] 数据能力与金融AI底座 - 融聚汇服务200+金融机构十年 构建PB级数据处理体系与AI开放平台 [4] - 核心技术体系包含：流批一体化框架/AI RAG机制/双循环进化系统/私有化模型定制 [5] - 通过联邦学习持续优化策略 支持实时行情处理与数据价值挖掘 [5] 产品功能创新 - 多语言服务支持中文简繁/英文/阿拉伯语 未来将扩展至30种语言 [8] - 采用智能对话框交互 消除复杂界面跳转 实现扁平化指令响应 [8] - 香港首个实盘AI交易系统 提供财经百科/公司数据/行情分析等全维度支持 支持合规指令下单 [9] 行业影响与生态构建 - 推动券商从"交易通道"转型为"投资生活服务运营商" 实现服务智能化/人性化/生态化 [7][10] - 开放平台连接技术方/数据方/场景需求方/监管方 加速金融AI生态发展 [10] - 业内认为QizAI标志金融终端进入"对话原生"时代 三大特征：服务便捷化/交互自然化/价值持续化 [10]

大模型在金融业的应用趋势 - 大模型在金融业的应用从探索期迈向实践期，从可选项变成必选项，已融入核心业务流程和复杂业务场景 [2] - 2023年金融AI应用多在C端客服，2024年进入核心业务领域如理财、保险理赔，建设节奏转向业务升级和战略重构 [3] - 2024年是Agent元年，智能体从数字助手向数字员工演进，突破大模型价值落地的"最后一公里" [3] 金融AI落地的关键挑战 - 金融机构面临大模型不懂金融、仅达"实习生"水平，以及安全合规、ROI预期不明等瓶颈 [3] - 金融行业对数据与AI关系不清晰时不敢使用大模型，训练投入大导致行动迟疑 [3] 金融智能体成功落地的核心要素 - 需构建机构专属金融大模型作为智能大脑，而非移植通用模型 [4] - 需实时感知金融市场动态并建立机构知识库，AI需支持业务分析与决策 [4] - 必须确保金融大模型和智能体的安全合规性及专业性 [4] 蚂蚁数科的金融AI实践路径 - 四类落地路径：大模型中台赋能应用、AI原生手机银行、业务场景效率提升、全行级战略重构 [5] - 支持大地保险打造大模型AI中台，覆盖70+智能应用 [5] - 商业模式支持私有化部署、SaaS订阅及效果计费，灵活适配金融机构需求 [5] 金融智能体解决方案布局 - 联合金融业推出百余智能体解决方案，覆盖银行、证券、保险等领域，包括财富管理、营销增长等场景 [6] - AI大模型落地是业务战略重塑，驱动组织升级而非简单IT采购 [6] 金融机构合作模式差异 - 国有银行以自建智能体为主，与公司在技术层面查漏补缺 [8] - 股份制银行和头部城商行从IT或业务场景切入，区域性银行采用分层合作降低前期投入 [9] AI落地的组织与战略要求 - AI落地需一把手工程推动全行级重构，部分银行通过切片方式局部启动 [10] - 大模型价值需从业务侧发起，突破组织阻力 [10] 金融大模型的发展阶段与迭代 - 金融大模型需长期迭代知识工程和金融工具集，无法一蹴而就 [11] - AI是长期赛跑，持续迭代才能保持竞争力 [11] 技术瓶颈与解决方案 - 金融大模型存在幻觉问题和合规安全挑战，需优化提示词和强化学习 [13] - 采用脱敏、拆分学习或行业云方案解决数据安全矛盾 [17] 蚂蚁的技术与产品布局 - 基座模型包括通义2 5、千问3和自研模型，重点训练金融垂类大模型 [14] - 智能体具备金融工具集，从辅助角色向autopilot演进 [14] - 将推出独立金融大模型产品，降低金融机构AI建设难度 [19] 云与AI的协同生态 - 合并AI与云板块，打造端到端AI产品体系，推动"云原生"向"AI原生"转型 [20] - 结合金融云合作基础和AI技术经验，提供特色解决方案 [20]

人工智能在金融行业的应用趋势 - 推理大模型技术成为现代金融行业第一大趋势 通过自然语言处理和逻辑推理能力提升金融服务效能 [1] - 大模型可有效运用金融行业海量非结构化数据 挖掘隐性观点并实时动态生成决策 重塑服务体验 [1] 金融AI发展建议 - 建议共建人工智能基础设施 夯实金融AI发展根基 [1] - 需共筑安全可信的发展环境 护航AI行稳致远 [1] - 应共创开放协同的创新生态 激发金融AI活力 [1]

现代金融行业趋势 - 推理大模型提升金融服务效能 [1] - 多模态信息分析提升智能风控能力 [1] - 人机协同模式重塑金融服务生态 [1] 金融行业核心挑战 - 便捷服务与数据安全的平衡考量 [1] - 算法可解释性带来的信任危机 [1] - 技术迭代与自主掌控的战略选择 [1] 发展建议 - 共建人工智能基础设施，夯实金融AI发展根基 [1] - 共筑安全可信的发展环境，护航AI行稳致远 [1] - 共创开放协同的创新生态，激发金融AI活力 [1] - 构建产学研深度融合、开放共赢的人工智能金融生态体系 [1] - 建议监管部门搭建跨机构、跨领域的协同创新平台 [1]

市值管理与分红安排 - 多家券商高管表示证券行业正迎来新一轮发展机遇期，未来将结合市场趋势优化业务布局，通过提升分红频次、审慎推进并购重组等方式增强投资者回报与行业竞争力 [1] - 山西证券将现金分红比例从不少于百分之十提高到不少于百分之三十，并授权董事会进行中期利润分配以提高决策效率 [2] - 长江证券采取稳健现金分红政策，连续17年现金分红且分红比例居上市券商前列，同时全面提升信息披露质量和投资者关系管理 [2] - 东北证券建立涵盖价值创造、价值传播、价值实现的全流程市值管理机制，综合运用各类工具提升长期投资吸引力 [2] 并购重组进展 - 西部证券收购国融证券控股权事项已获证监会受理，正处于监管审核阶段 [3] - 国盛金控吸收合并国盛证券涉及多环节事项，公司正与相关部门沟通推进 [3] - 浙商证券收购国都证券后按权益法核算投资收益，整合方案制定完成后将报送证监会 [3] 行业竞争与战略转型 - 证券行业面临佣金费率下行、投行项目减少等压力，中小券商竞争压力持续增加 [4][5] - 中原证券指出行业集中度提高、费率下降对中小券商综合服务能力提出新要求，差异化发展仍处探索阶段 [5] - 山西证券基于阿里千问大模型和DeepSeek搭建金融AI平台，已实现数字员工、债券交易机器人等应用，未来将深化AI场景拓展 [5] - 申万宏源锚定打造一流投行目标，强化"以重促轻，轻重融合"策略，提升FICC、权益及衍生品等业务回报水平 [6]