人工智能产业现状与市场情绪 - 人工智能产业存在局部过热迹象 但重现类似2000年互联网泡沫的系统性风险可能性较小 核心差异体现在技术落地深度、产业基础扎实度和政策监管引导三个维度[8][9] - 判断是否演变成系统性风险需观察几个关键信号 包括CAPEX增速拐点、债务融资占比、盈利兑现率、政策监管动向等[1][8] - 过去12个月 中国内地企业的人工智能应用率与应用成熟度实现同步提升 65%的中国内地受访者预计其所在企业未来12个月将进一步增加对AI技术的应用 较上一次调查跃升17个百分点[1] 企业AI应用趋势与挑战 - 企业AI应用正从广度与深度双向拓展 且自我开发与第三方技术结合程度领先亚太[4] - 深化AI应用面临三大挑战：成本投入与回报不确定性（40%的中国内地受访企业将其列为首要挑战 中小企业对此更加敏感 49%的中小型企业担忧成本与低投资回报率）、技术与组织适配的挑战、合规与风险管控压力[4][5][6] - 技术适配挑战具体包括：AI输出结果缺乏透明度与可解释性（21%）、对数据安全与隐私保护的担忧（16%）、与现有技术系统深度融合的复杂性（14%） 大型企业挑战在于深度融合现有复杂技术架构（20%） 中小企业更多受限于技术人才短缺（34%）[5][6] 劳动力市场与“人机协同”影响 - AI应用导致岗位结构性调整 人才需求快速分化 调查发现32%的受访者表示过去12个月企业减少招聘初级财会人员 同时18%的企业积极为其财务部门扩招具备AI专业素养的人才[3] - 长期看将推动业务流程转型和岗位重构 “人机协同”趋势进一步显化 就业市场正从“岗位替代”转向“价值升级” 形成“AI处理常规重复工作、人类专注核心价值创造”的新格局[3][4] - 复合型人才将成为就业市场主流需求 兼具财会专业能力、AI与数智技术素养、全球化经验与终身学习思维的人才将持续受市场青睐[3] 企业AI实施策略与平衡之道 - 在自主研发与外部技术引进的平衡策略上 大型企业优先布局核心技术自主研发 将AI能力打造为技术核心竞争力 中小型企业则以引进成熟的外部标准化应用为主 优先选用轻量化第三方AI工具[6] - 企业需结合战略规划和业务需求 将资源集中用于与核心业务紧密关联的场景 综合考虑技术成熟度、成本预算、预期收益、政策要求、合规治理等关键因素[7] - 要降低泡沫风险、推动AI从成本中心转向价值中心 企业需把握三大关键：锚定应用价值避免技术跟风、平衡短期成本与长期能力、把握政策红利对冲周期风险[10][11] 金融领域AI应用与治理 - 金融服务领域生成式AI聊天工具已广泛应用于银行、保险、证券等行业 用于客户连接与个性化咨询 国内多家金融机构已上线智能编码助手、智能合同审核与自动化估值、智慧办公等应用[12] - 风险管控领域 AI大模型和工具在信贷风控、量化投资等核心业务中提升风险识别精准度 量化投资场景已实现成熟落地 国内也有多家金融机构上线了基于生成式AI的反洗钱及合规内审智能应用[12] - 财会审计领域 领先会计师事务所正将大模型与生成式AI技术引入审计、税务与咨询业务 包括风险识别、审计数据分析、原始凭证信息提取、异常检测及交付物自动生成等[13] - 构建可信AI治理框架需从“被动合规”转向“主动构建” 企业需建立覆盖AI全生命周期的治理机制 包括数据采集合规性审查、模型透明度评估、隐私保护措施等 出海企业需前瞻性研究目标市场的AI监管政策[13] 技术投入回报评估方法论 - 要搭建“投前–投中–投后”全流程评估框架 投前锁定核心业务挑战并将技术价值与可量化业务指标绑定 投中重点考虑技术可用性、业务渗透率、合规实时性等维度 投后开展定性定量分析形成PDCA循环[14] - 建议分阶段验证以降低无效投入 中小企业可优先采用轻量化第三方AI工具 待验证价值后再逐步加大投入 大型企业可按“试点–推广–深化”路径推进[15] - 企业可依托国内各级政府部门的配套政策 如专项补贴、再贷款、利率等资金扶持 缓解前期技术投入的成本压力[16] 中小企业数字化转型策略 - 中小企业需聚焦核心业务审慎投入 优选成熟、标准化的解决方案以降低采购部署成本和试错风险 并分阶段推进技术应用[17] - 面对技术人才短缺 可通过“数字素养提升”与“场景化工具培训”提升员工使用数字工具的能力 形成“工具善用—效率提升—文化认同”的良性循环[18] 大型企业数据治理与价值释放 - 破解数据孤岛并提升数据资产价值关键在于体系化能力重建：从治理体系、生命周期管理到战略导向 需将数据视为重要战略资产并以制度化流程化管理[18][19] - 数据治理是数字化转型的基础 其核心在于明确数据主权、确保数据质量、满足合规要求 可借鉴《数据管理能力成熟度评估模型（DCMM）》等成熟国家标准与方法论[19][20][21] 全球化市场差异与本地化平衡 - 不同区域市场数字化转型需求存在差异 欧美等成熟市场云基础设施与SaaS生态完备 可直接采用成熟云原生方案 而东南亚等新兴市场可能云节点少、网络质量不稳 需寻找可本地部署或更轻量的方案[22] - 监管差异是关键因素 例如东盟各国网络安全与数据合规呈“碎片化+趋严化”特征 欧盟则有GDPR、DSA、DMA等严格法规[23] - 实现“全球化与本地化”平衡需在科技架构上集中管控与本地适配相结合 在组织与人才上建立中国总部+海外本地团队的双轨人才体系[23][24] 未来技术前瞻与布局建议 - 人工智能预计会更广泛地在不同行业加快垂直化深度发展 更紧密地与行业特性和企业自身的商业模式结合 随着“十五五”规划开展 “人工智能+”驱动的新质生产力发展将为企业带来新动能[2][24] - 从调研结果看 无论中国内地还是亚太区受访市场 前瞻性技术布局前三位一致 分别是人工智能、数据分析和可视化软件、商业智能软件[25] - 2026年企业在这三方面的技术布局要进一步迈向系统化、战略化 从“用人工智能”到“用好人工智能” 从“数据使用”到“数据作为生产力”[25]

文章核心观点 - 人工智能大模型正在重塑证券行业生态，多家券商已积极布局并在具体业务场景中取得应用进展，行业未来将向智能化、AI原生化和决策自动化方向演进 [1][2][5] 大模型布局与应用进展 - 山西证券将大模型与文字生成、合规检索、情感分析等场景结合，在固收业务中应用债券交易机器人，将交易响应速度从30秒提升至3秒，效率提升10倍 [5][7] - 国元证券构建六层AI技术架构，从算力、数据、模型等基础设施到能力、业务和应用层，并为投行项目提供“读查问写”等大模型工具 [7][9] - 华福证券在三年数字化规划中单列AI子规划，每年新增IT投入约25%用于AI相关领域，并将AI作为直接绩效考核指标，设立“含智量”指标考察项目AI使用情况 [9][11] - 西南证券设立由董事长和总裁挂帅的数字化转型领导小组，已落地智能知识库、智能编码助手（代码采纳率约30%）、智能投顾助手和智能投研助手等应用 [11][13] - 国泰海通证券提出“All in AI”战略，在经纪业务中推出“投顾助手”和对客服务的AI大模型系统，并通过举办AI大赛推动全员参与 [13][15] 行业监管建议 - 建议建立证券行业“AI金融服务能力分级认证制度”，明确全自动化与人机协同场景，并制定AI服务责任界定、数据使用规范及技术标准化要求 [16] - 建议对基于大模型的客户服务进行分级分类管理，加强行业共建共享通用知识中心和数据平台，并建立风控标准以明确风险事件处理机制 [16][17] - 期望建立具备标准SLA质量体系的公有算力白名单机制，保障数据隐私安全，提升行业算力建设效率 [17] 技术演进与行业展望 - 未来一两年大模型应用将进入幻灭期，市场不切实际的期望将被证伪，体系化生产关系的适应能力将成为企业竞争关键 [18] - 大模型未来价值将体现在“智能决策”上，通过抽象逻辑主体和导入市场环境变化算法，使其具备行业专属逻辑理解能力，成为决策工具 [19] - 券商APP将越来越AI原生化，国产异构算力使用比重将快速提升并远超其他算力类型 [19] - 未来一两年可能形成完整的AI智能体矩阵，实现自我管理和进化，显著改变业务模式和工作伦理，多模态场景将优化客户体验和交互效率 [19]

文章核心观点 - 多家券商首席信息官分享人工智能大模型在证券行业的应用进展、挑战与未来展望 [1] - 行业正将大模型技术应用于智能问答、投行辅助、财富管理等具体业务场景以提升效率 [2][3] - 随着应用深入，完善AI监管框架、推动技术标准化和行业共建成为共识 [4][5] - 技术演进预计将重塑行业业态，推动服务模式向智能决策和AI原生转变 [5][6] 券商大模型应用进展 - 山西证券将大模型应用于文字生成、合规检索、情感分析，并研发债券交易机器人将响应速度从30秒提升至3秒，效率提升10倍 [2] - 国元证券构建六层AI赋能体系，为投行项目承做提供智能核查、辅助撰写、法规问答等大模型工具 [2] - 华福证券每年新增IT投入约25%用于AI相关领域，并在财富管理APP、投资信评、中后台制度解读等方面应用AI [3] - 西南证券自2023年开始探索AI，已落地智能知识库、智能编码助手、智能投顾助手和智能投研助手等应用 [3] - 国泰海通证券提出"All in AI"战略，在经纪业务中推出投顾助手，并于7月份发布对客服务的AI问答系统 [3] 行业监管与共建建议 - 建议建立证券行业AI金融服务能力分级认证制度，明确全自动化与人机协同场景 [4] - 建议监管明确AI服务责任界定和披露要求，并制定数据使用规范以保障客户隐私与数据安全 [4] - 呼吁行业共建共享通用知识中心，并通过隐私计算或联邦学习技术建立数据共享平台 [5] - 期望建立具有白名单机制的公有算力标准规范SLA质量体系，解决数据隐私泄露担忧 [5] 技术演进与行业未来研判 - 未来一两年大模型应用可能进入幻灭期，但体系化适应生产力变化的企业将能极致运用该技术 [5] - 大模型未来价值最大化在于从效率工具发展为具备行业专属逻辑理解能力的智能决策工具 [6] - 券商APP正趋向AI原生化，国产异构算力使用比重预计将快速提升并远超其他算力 [6] - 未来一两年可能形成完整的AI智能体矩阵，实现自我管理适应进化，并显著增多多模态交互场景 [6]

行业动态 - 2025世界人工智能大会展览面积首次突破7万平方米 吸引800余家企业参展 集中发布3000余项前沿展品[1] - 展会包含40余款大模型 50余款AI终端产品 60余款智能机器人及100余款全球首发或中国首秀新品[1] - 具身智能应用场景从工业领域扩展至生活场景 规模预计扩大一至两个数量级[3][6] 技术发展 - 具身智能需具备三大核心模块：运动控制的小脑 智慧大脑及I/O交互能力[5][6] - 多模态能力成为通用人工智能发展方向 涵盖视觉 嗅觉 触觉等感知维度[4] - 智能机器人从传统工业场景延伸至陪伴服务等生活领域[3][6] 企业战略 - 京东发布全新升级大模型品牌JoyAI 展示多场景智能化解决方案[1] - 京东在智能机器人领域完成对千寻智能 逐际动力和众擎机器人三家头部企业的投资[3] - 公司通过智能体搭子重塑企业工作流程 推出低门槛高可用的智能编码助手[1]