文章核心观点 - 资本市场正经历由AI驱动的“意图经济”范式转换，其核心是信息传播与共识形成速度被极致压缩，导致“信息出现即落后”和“先觉者幻觉”普遍产生，驱动市场短期变化的核心力量正从共识的正确性转向共识形成的速度[4][5][6][7][9][10] 市场现象观察 - 过去两个月，中国资本市场经历了速度惊人的板块轮动，从黄金、白银到有色，再到化工与农业，其展开速度超过历史上所有周期轮动[4] - 从有色到化工的轮动共识在散户层面仅用了不到二十天，而从化工到农业的轮动共识甚至用了不到5天，远超过去需要数月甚至一年的时间[9] 范式转换：从注意力经济到意图经济 - 过去二十年的商业史是注意力经济的胜利史，核心是争夺用户有限的眼球和时间，投资决策也受此影响，信息处于相对不平权状态[4] - AI的爆发带来了范式转换的临界点，即从“注意力经济”转向“意图经济”，其核心是从争夺注意力转向洞察并满足用户意图[5][6] - 在意图经济下，AI通过分析对话主动引导并挖掘甚至塑造用户的诉求，投资者的需求可能成为一个被AI实时交互、动态塑造的过程[6] 意图经济对投资行为的影响 - 带来革命性变化：信息的快速平权与信息价值的过载性湮灭[6] - **信息平权**：AI工具前所未有地降低了专业信息的获取与处理门槛，任何散户在理论上都能瞬间获得过去仅机构可得的多重分析视角[6] - **信息价值湮灭**：信息平权伴随信息的核爆式增长与同质化倾泻，当所有人被推送高度雷同的信息时，信息的独特价值与前瞻性将因过载而被迅速稀释乃至湮灭[6] - 专业投资者会集体陷入“全知型焦虑”，仿佛知道一切，却无法确定任何事的真正价值[7] 新市场景观：信息出现即落后 - 传统的市场认知渐进路径正在迅速崩塌，任何基于过往静态数据或线性外推的分析都如同刻舟求剑[7] - 在AI驱动下，一个利好消息可能在几小时内就被预支全部预期并形成全面共识，当投资者看到信息时，它已不再是创造机会的信号[7] - 这导致了认知改变速度与市场验证物理时间之间无法调和的冲突，创造了普遍性的“先觉者幻觉”，即所有人都认为自己才是少数知情者[7][8][9] - 一旦股价应声上涨，会强化民众的认知，认为市场正在验证其判断，从而加速投资预期和共识的形成[9] 市场生态的演变 - 共识形成的速度，将取代共识本身的正确性，成为驱动市场短期变化的最重要力量[10] - 新一代的股评大师与叙事制造者成为最适配的催化剂，他们专注于构建极简有力的叙事框架，在AI加速传播下于极短时间内完成对海量散户的心智植入，形成一个自我强化的循环，导致散户共识形成的速度呈指数级提升[9]

文章核心观点 - 人工智能技术在金融业的渗透速度和深度前所未有，正全方位提升金融服务效能与水平，并将从根本上重塑金融运行逻辑与发展范式 [1] - “AI+金融”融合发展是不可逆转的趋势，银行需适应智能经济发展，围绕业务底层逻辑推动技术应用、产品服务创新及制度流程变革 [1] - 银行应立足金融服务实体经济的主责主业，全面实施“人工智能+”行动，从技术筑基、应用领航、模式创新三个方向发力，为高质量发展注入智慧动能 [1] 银行实施“人工智能+”行动的战略方向 - **建强智能基座、激活动力引擎**：将加强AI基础设施建设作为先手棋和关键支撑，统筹推进资源投入，夯实云、数、智、链协同发展的基础底座 [2] - **锚定价值创造，拓展应用场景**：AI技术的规模化应用需持续大量资源投入，并精准投放至业务痛点难点，强化以高价值场景建设为牵引，聚焦金融“五篇大文章”和服务实体经济等重点领域，打造示范标杆应用 [2] - **转变思维理念，创新经营模式**：用数字化思维重塑服务模式、管理方式和价值体系，坚持以客户为中心融合多维动态数据，智能洞察预判需求，实现千人千面服务，深化AI在智能投研、投顾等领域的创新发展，精准匹配客户风险与投资组合偏好 [2] 人工智能在金融领域可持续发展的关键保障 - 强化AI治理，统筹发展与安全，确保人工智能在金融领域安全、稳健、可持续发展至关重要 [3] - 具体措施包括：守牢底线以防范AI等新技术风险；坚持技术变革与制度优化相结合，建立适配的体制机制；加快建设人工智能人才高地，着力培养兼具业务洞察、技术理解与数据思维的复合型人才，培育知识型、技能型、创新型的AI工程化人才队伍 [3] - 坚持“人”作为关键新型技术主人的基本法则，在关键判断和风险处置环节，既要发挥技术效率与精度，更要保留金融的温度与责任，由人最终把关 [3]

行业数字化转型与投入趋势 - 证券行业数字化与AI转型全面提速，金融科技深度融入业务全链条，成为驱动行业创新发展的核心引擎[1] - 2023年44家券商信息技术投入总额达281.1亿元，其中14家投入超10亿元，合计198.06亿元，占总投入的70.46%，34家券商投入同比增长，占比77.27%[2] - 2024年30家券商增加信息技术投入，但投入重点从“量的扩张”转向“质的提升”，更多资源向技术优化与应用深化倾斜，投入效率与产出比成为核心考量指标[2] - 2025年初国产大模型DeepSeek引发行业热潮，金融行业本地化部署进程加快，券商纷纷将AI提升至公司战略高度，在智能投顾、投研、风控、客服等多场景探索应用[2] - 首席信息官(CIO)角色愈发关键，2025年以来中信证券、招商证券等10余家券商迎来新任CIO，新任者多具备信息技术与证券业务管理的双重背景，体现数字化转型决心[3] 监管环境与合规挑战 - 2025年是《证券公司网络和信息安全三年提升计划(2023—2025)》收官之年，监管层对券商IT领域的合规要求不断升级，形成全方位严监管格局[1] - 年内出现首例券商App因个人信息保护问题被强制下架事件，多家券商App因违法违规收集使用个人信息被监管“点名”[1] - 2025年多家券商因信息科技风险管理不到位收到监管罚单，例如东北证券因交易系统管理问题被上交所出具书面警示函[4] - IT人员“老鼠仓”成为监管重点打击领域，2025年华泰证券、中信证券的两名资深IT工作人员因利用系统权限进行趋同交易获利受到处罚[4] - 监管对券商IT领域关注重点明确：坚守系统安全与稳定底线，对交易系统、App宕机等故障“零容忍”；严打IT“老鼠仓”，处罚力度持续加大，呈现“没一罚一”甚至“没一罚三”态势；压实机构与个人双重责任，系统故障不仅处罚公司还会追责到CIO等负责人[5] - 券商IT领域监管呈现处罚力度大、追责到个人、覆盖范围广的特点，核心目标是保障市场平稳运行与投资者公平交易权益[5] 合规管理与风险防控升级 - 行业共识认为单纯追求技术投入规模已无法适应发展需求，需优化投入结构、强化合规治理，实现“技术建设”与“合规运营”的双重平衡[1] - 随着IT条线从运维属性向业务属性转型，需以业务管理和业务支持部门的视角开展日常管理与合规管理，这对券商合规部门提出更高要求[5] - 券商亟需配置懂IT、熟业务的复合型合规管理人才，以穿透识别信息技术可能带来的利益输送、廉洁从业等风险[5] - 监管部门强调需严格执行信息隔离墙制度，强化技术监控手段[6] - 中证协2025年4月征求意见的指引提出，需对提供业务信息系统开发、运维等支持服务的人员，结合其系统权限进行核查，防范利用未公开信息交易等行为[6] - 券商需主动适配监管要求，全面提升合规与风险管控能力，具体包括提升信息技术治理能力、加强技术服务连续性体系建设、关注信息安全事件风险、健全IT人员廉洁从业与行为规范体系等[7]

合作事件概述 - 同花顺与金瑞期货在杭州正式签署深度合作协议，开启以AI技术为核心、覆盖多业务领域的数智化协同新篇章 [1] 合作背景与战略意图 - 期货行业正加速迈入数智化转型关键期，金瑞期货三年前便启动“数字金瑞”建设，已构建智能投研平台、衍生品对客系统等数字化基础 [3] - 金瑞期货选择与同花顺深度合作，旨在借助其金融大模型技术优势，进一步升级数字化与智能化水平 [3] - 同花顺已依托金融大模型在期货数据服务、智能投顾、智能投研、智能风控等领域形成成熟应用体系 [3] - 双方期望在大模型赋能下挖掘更多合作可能，为业务拓展与创新注入新动能 [3] 合作具体方向与内容 - 合作聚焦三大方向：一是借助同花顺技术强化贵金属等核心品种的智能风险管理能力，优化场外衍生品工具的精准度 [5] - 二是打通数据壁垒，实现投研、交易、服务全流程智能化升级，提升产业链客户服务效率 [5] - 三是共建合规风控智能体系，筑牢业务稳健运行防线 [5] 公司业务与优势 - 金瑞期货长期深耕期货衍生品领域，在贵金属风险管理、产业链产融服务方面积累了丰富实践经验 [3] - 同花顺在期货领域拥有核心产品与服务，其金融大模型技术可助力期货公司实现数智化经营升级 [3] 未来规划与预期成果 - 双方将建立常态化沟通机制，金瑞期货将持续加大资源投入，推动合作项目落地见效 [5] - 合作旨在以数智化转型夯实产业服务核心竞争力，最终实现互利共赢，共同助力期货行业高质量发展 [5]

公司AI战略演进 - 公司自2017年启动AI落地，提出“AI in All”策略，将AI定位为全面赋能各业务线与系统建设的赋能者，并明确其为公司核心基础设施 [1] - 随着大模型技术突破，公司升级AI应用战略至“ALL in AI”，完成了从“赋能型AI”到“变革型AI”的定位转变，将AI定位为驱动公司组织变革、流程创新的核心引擎 [1] 公司AI应用实践与成果 - 公司已实现AI的“体系化建设、规模化应用”，覆盖智能风控、智能投研、智能服务、智能协作、智能交易、智能科技等各业务领域与板块 [1] - 公司内部AI应用场景已达150余个，形成了“处处数智化、人人数智化”的全新发展格局 [1] 行业AI发展前景与挑战 - 人工智能将持续赋能证券行业，进一步提升行业竞争力，更好地服务客户需求、提升公司运作效率，为行业高质量发展注入持续动力 [1] - 技术层面需破解AI“幻觉”与可解释性难题，证券行业对专业性与精准性要求极高，“幻觉”可能引发致命风险 [2] - 投入层面需聚焦核心价值以构建可持续AI生态，AI投入相对较大，投入产出比将成为公司核心关注点，必须将AI应用于能产生持久业务价值的核心业务环节 [2] - 行业层面需规范发展秩序以凝聚监管与市场合力，避免部分机构应用不当阻碍行业整体发展，目前行业协会正推动相关指导意见的制定 [2]

大会核心主题与行业趋势 - 2025年大湾区交易所科技大会在深交所举办，主题为“迈向人工智能+时代”，标志着AI技术正从“概念探索”走向“深度落地” [1] - AI技术为证券行业带来效率提升和价值重塑的机遇，同时也对治理体系适配提出新课题 [1] - 随着监管框架完善和机构实践深化，AI将成为资本市场高质量发展的核心驱动力，推动行业进入更具活力与韧性的数智化新阶段 [1] 人工智能技术的重要性与行业影响 - 人工智能是引领科技革命和产业变革的战略性技术，具备极强的溢出带动“头雁”效应 [2] - 2025年被称为“AI智能体元年”，AI技术从传统的感知式、生成式向智能体发展，从被动响应转变为主动执行 [2] - 对证券行业而言，AI技术至关重要，远比其他行业关键，不仅是“锦上添花”更是“雪中送炭”，能在拉新促活、增加营收等方面提供强大助力 [2] 行业应用落地与实践案例 - 国泰海通证券已完成AI应用的体系化建设与规模化推广，AI技术渗透至各业务板块，形成智能风控、智能投研、智能服务等多维度应用场景 [3] - 公司已落地AI相关应用进程达150余个，构建起“处处数智化、人人数智化”的新格局 [3] - 监管层面主动拥抱AI技术，深交所全面推进“数智”交易所建设，重点在数字化基础设施、平台、能力和生态等4大方面发力 [3] - 深交所打造了以集团云、监管云、深证云、公有云为核心的混合云体系，持续拓展金融数据交换平台应用 [3] 发展机遇与面临的挑战 - 在技术、产业、政策和业务需求多重驱动下，金融行业加速拥抱AI，驱动行业加速数智化转型 [4] - AI技术存在短板，其“幻觉”问题在强调专业性与精准性的证券领域可能引发致命错误 [4] - AI的可解释性不足成为行业应用的核心挑战 [4] - 技术迭代与行业适配过程中，仍面临数据安全、算法治理、监管协同等多重现实阻碍 [4] 未来发展路径与战略重点 - 深交所“十五五”时期将围绕六大领域统筹推进：规划建设智算基础设施、全面实施“应用上云”、深化“人工智能+”在核心业务领域的融合应用等 [6] - AI落地必须以合规和安全先行，优先选择高ROI业务场景实践，验证效能后再向复杂场景扩展 [5] - 底层大模型的选择之外，中间层的平台化能力和大模型工程化能力至关重要，生态合作模式是保障AI在金融行业有序、可持续发展的关键 [5] - 通过技术攻关、规则完善、生态共建的组合拳，可逐步破解AI应用瓶颈 [5]

论坛背景与核心议题 - 监管层倡导理性投资、价值投资、长期投资理念以促进资本市场高质量发展 [2] - 中国资本市场存在公司定价和资源配置效率待提高的问题 与散户众多及机构投资行为散户化相关 [2] - 缺乏一套被广泛认可和接受的基本面评估体系 部分资讯和研究加剧市场无效程度 [2] - 探讨AI技术能否打造独立客观量化的基本面评价体系 提升资本市场效率 [2] - 聚焦智能投研如何赋能投资端、交易端、服务端推动"三投资"理念落地 [2] - 讨论AI时代普通投资者所需投顾服务及标准化投研对券商买方投顾的价值发现作用 [2] 论坛议程与核心活动 - 发布2025年"壹评级"中国上市公司最具护城河榜 [4] - 圆桌讨论"寻找护城河与构筑能力圈" 探讨智能投研提升决策效率 [4] - 主题演讲"券商研究员盈利预测可靠性" 由资深财务专家分享 [4] - 主题演讲"大模型赋能投研投资的机遇与挑战" 由复旦大学教授解析 [4] - 发布2025年"壹评级"中国上市公司隐形冠军榜 [4] - 圆桌讨论"从冠军企业到价值标杆" 邀请上市公司董事长参与 [4] - 主题演讲"AI时代投资者需要的投顾服务" 由投资咨询公司CEO分享 [4] - 主题演讲"AI投顾成为标配后投资者焦虑问题" [4] - 发布2025年"壹评级"中国上市公司最具价值榜 [5] - 圆桌讨论"AI和标准化投研如何助力买方投顾创造价值" 邀请券商总裁参与 [5] 参与机构与专家阵容 - 上海壹评信息技术有限公司总经理梁宇峰出席 [4] - 百年保险资管党委书记兼董事长杨峻参与圆桌 [4] - 易私慕创始人兼总经理金德玮参与智能投研讨论 [4] - 玉数投资创始人兼投资总监赵俊辰分享观点 [4] - 资深董秘及财务专家管钢发表盈利预测主题演讲 [4] - 复旦大学教授肖仰华探讨大模型赋能投研 [4] - 杰克科技创始人兼董事长阮积祥参与企业价值讨论 [4] - 确成股份董事长阙伟东分享冠军企业观点 [4] - 和恒咨询创始合伙人徐朝华参与圆桌 [4] - 上海鑫舟投资咨询有限公司CEO夏文庆解析投顾服务 [4] - 第一财经"有看投"项目总监石慧雯参与活动 [5] - 湘财证券总裁周乐峰讨论买方投顾价值 [5] - 华林证券执委会委员蒋健分享AI投研观点 [5] - 益盟股份合规总监参与圆桌讨论 [5] - 第一财经主持人李婷担任论坛司仪及圆桌主持 [5]

行业数字化转型核心痛点 - 跨部门协同缺失和应用壁垒是财富管理业务数字化转型主要障碍之一 导致数据无法自由流转 影响客户行为理解和服务个性化定制 [2] - 组织结构固化 部门间利益冲突 沟通机制不健全导致跨部门协同难以落地 [2] - 集约化经营模式对员工传统工作模式和理念产生冲击 对总部和分公司权责关系界定提出挑战 [3] 组织架构适配方案 - 需明确总部与分公司职责定位 厘清业务边界 避免制约现有业务或影响客户服务体验 最大程度发挥总分协同效应 [3] - 制定适配集约化服务模式的队伍转型方案和配套制度 关注员工利益和职业发展诉求 调动员工参与积极性 [3] - 设计灵活高效组织架构帮助整合数字技术与业务流程 推动业务模式创新 建立具有学习能力和创新能力的组织架构至关重要 [3] 数字化转型实施路径 - 金融科技赋能分四个阶段：筑基阶段建立企业级数据湖 统一客户洞察体系 将数据资产转为业务价值 [4] - 固本阶段搭建中台结构体系 从业务需求出发开发适配中台架构 支撑数据基础到前端应用中转 节约资源并提效 [4] - 拓疆阶段构建官方开发平台 连接各级资源打造联合实验室 攻克跨域技术难题 [4] - 致远阶段将技术实践效果和模式向跨行业领域输出 推动全行业数字化建设阶梯式进化 [4] 数字化服务体系建设 - 构建数字化服务闭环：以用户需求为核心建立统一数据中台 整合多源数据形成用户画像 通过实时流转机制打破信息孤岛 [5] - 以场景融合为核心打造前端触点智能化 中台能力模块化 后端算法迭代化的能力路径 [5] - 建立全链路服务追踪及反馈优化机制 形成数据采集-智能分析-策略输出-效果反馈闭环 [5] - 实现全渠道触点深度融合 拓展与主流社交平台和办公软件合作 确保客户在不同渠道获得一致高效的服务体验 [5] 智能化技术应用方向 - AI能力需进行场景化渗透 场景化能力建设取代传统工具或功能建设 成为未来转型方向 [5] - AI算法 数据 算力构成的科技底座成为企业核心竞争优势 需根据场景适配大模型 丰富对话与推理智能体 [5] - 通过算法将数据转化为知识图谱 反哺模型迭代 形成数据-知识-模型闭环进化 [5] - 未来三大精进方向：推动AI技术与专业金融知识深度融合 强化大模型在复杂场景的理解能力 提升数字人情感交互水平 [6] - 深化数字人全流程服务 跨场景数据融合 多模态交互等智能技术应用 [6] - 建立覆盖技术研发 服务输出 风险管控的全链路数字化治理体系 持续优化可解释AI框架 提升算法透明度 [6] 行业实践成果 - 中国证券业协会组织开展证券公司财富管理数字化实践案例评选 共评选出19个优秀案例 [1] - 案例提出总分部权责重构 中台能力模块化及全渠道融合等解决方案 为行业提供可复制的方法论体系 [1]

行业数字化转型现状 - 中国证券业协会评选出19个优秀案例，形成《证券公司财富管理数字化实践案例》汇编，为行业提供可复制的方法论体系 [1] - 行业核心痛点包括跨部门协同壁垒、信息孤岛等问题，解决方案涉及总分部权责重构、中台能力模块化及全渠道融合 [1] - 数字化转型催生智能投顾、智能投研、智能客服等创新型金融产品与服务 [1] 组织架构调整需求 - 广发证券指出跨部门协同缺失是主要障碍，导致数据无法自由流转、新技术推广受阻 [2] - 兴业证券强调需明确总部与分公司权责定位，制定适配集约化服务模式的转型方案，关注员工利益以调动积极性 [3] - 中信建投证券认为设计灵活高效的组织架构是数字化转型基础，需适应快速变化的市场需求 [3] 数字化转型路径 - 方正证券提出四阶段路径：筑基（建立数据湖）、固本（搭建中台体系）、拓疆（构建开发平台）、致远（跨行业输出技术） [4] - 华泰证券总结三点经验：构建数字化服务闭环、全渠道触点深度融合、AI能力场景化渗透 [5] - 中信证券提出未来三大方向：AI与金融知识融合、深化智能技术应用、建立全链路数字化治理体系 [6] 技术应用与创新 - 华泰证券通过统一数据中台整合多源数据形成用户画像，建立"数据采集-智能分析-策略输出-效果反馈"闭环 [5] - AI技术需构建"算法-数据-算力"科技底座，通过知识图谱反哺模型迭代形成闭环进化 [6] - 未来将强化大模型理解能力、提升数字人交互水平，并建立可解释AI框架与数据保护机制 [6]

人工智能对金融行业的影响 - 人工智能作为21世纪最具变革性的技术之一，将深刻推动金融行业在效率提升、服务创新、商业模式变革等多个维度的发展 [2] - 金融行业可能是采用人工智能机会成本最大的行业之一，因其数据沉淀量大、劳动力密集度高且语言相关工作占比高 [3] - 生成式AI对金融行业的潜在重塑效应有望大于其他行业，目前应用以对内赋能员工为主，如知识库助手、客服助手等 [3] 金融机构AI应用现状与趋势 - 2024年底前金融机构AI应用实际投产率不高，中小机构持观望态度，但DeepSeek-R1的推出大幅缓解了国产模型效果不理想等制约因素 [5] - 金融机构部署大模型需求相较2024年大幅提升，未来IT投入中AI占比将增加，政策推动可能进一步提升AI投产率 [6] - AI应用分三个阶段发展：1 0阶段（2023-2025年初）探索客服助手等基础应用，2 0阶段（2025年初起）发展智能交易等进阶应用，3 0阶段（2026-2030年）向复杂对客场景渗透 [7] 政策端发展机遇 - 中国政府通过《新一代人工智能发展规划》等政策推动AI发展，目标2030年成为全球AI创新中心 [8] - 金融监管将逐步制定对客服务相关政策，推动AI在金融行业规范发展，如《生成式人工智能服务管理暂行办法》等基础性政策已出台 [8] - 二十届三中全会提出"建立人工智能安全监管制度"，统筹发展与安全 [15] 模型端发展机遇 - 国产通用大模型能力提升为金融行业商用落地打下基础，金融垂类大模型将加速成熟 [9] - 金融行业对模型准确性、可信度等要求高于通用场景，垂类模型推动更多场景达到可用阶段 [9] 应用端发展机遇 - 金融机构将落地更多B端生成式AI应用，C端场景商业化可能落后于B端 [10] - 目前应用以简单对内场景为主，未来两年聚焦员工助手角色，如客户助手、投顾助手等 [10] - 应用3 0阶段将向复杂对客场景渗透，如财富管理规划、智能推荐、个性化承保等 [11] AI治理与挑战 - AI治理面临幻觉问题、"黑箱"特征、数据安全/隐私保护、潜在金融风险、技术滥用风险等挑战 [13][14] - 金融行业需本地化部署大模型以规避隐私泄露，大型机构多采用一体化部署，中小机构采用一体机试点 [14] 瑞银的AI实践 - 瑞银致力于成为AI驱动机构，已部署100多个实时AI模型支持决策和流程自动化 [16] - 向员工分配50000份Microsoft Copilot许可，专有AI助手Red覆盖4万名员工，Q1工具使用量达600万次，较2024Q4增三倍 [17] - AI治理涵盖从构思到监控的全流程，包括模型治理、数据隐私等规范 [17] 赋能中国科技企业 - 瑞银为科技企业提供多元化融资服务，覆盖互联网科技、生物科技等行业 [18] - 2023年完成比亚迪435亿港元H股配售（汽车行业最大闪电增发）和宁德时代港股IPO（近4年最大） [19] - 参与科创板制度设计，首家独家保荐科创板IPO的外资券商 [19]