洞察AI全球趋势 探索证券智慧应用
导读
5月8日-9日，第28届北京科博会-未来产业推介会在北京举办。本次科博会由北京市人民政府承办，以“科技创新 驱动未来”为主题，设立信息技术、生物医药、高端制造、绿色低碳、科技金融及区域创新六大展示专区。广发证券副总经理兼首席信息官辛治运应邀发表主题演讲。
以下为演讲实录：
各位来宾、各位朋友，今天我分享的主题是《大模型在证券行业的实践探索与战略思考》。由于时间关系，我将重点介绍两个方面：一是大模型技术的发展现状与竞争格局，二是证券领域的人工智能应用案例。
一、大模型技术的发展现状与竞争格局
首先我们来看大模型技术的发展态势。目前，大模型正处于高速演进阶段，主要厂商之间的竞争日益激烈。从Epoch综合能力曲线可以观察到，行业更新周期已从"年度级别"缩短至"月度级别"，新模型发布频率加快，整体能力持续快速提升。与此同时，大模型市场份额呈现多元化分布，非ChatGPT类模型占比持续上升，如谷歌Gemini等模型增长迅猛，这反映了行业格局的动态演变。
全球主要AI企业纷纷基于自身优势资源，构建差异化竞争优势，在模型算法、计算资源、生态系统等核心领域加快布局，形成各具特色的发展路径。谷歌凭借搜索数据积累、自研TPU芯片和多模态技术，构建了三位一体的竞争壁垒；Meta依托庞大的社交用户群体，采用开源与闭源并行的策略；OpenAI凭借庞大的用户基础，在通用场景中表现出色；Anthropic专注于高安全性与高可信度，在强监管行业建立了深厚基础；特斯拉则在物理世界交互、人形机器人及自研芯片方面具备独特优势，其人形机器人Optimus是目前物理世界唯一的规模化入口。
根据Meta高级专家的观点，AI价值链条可分为六个核心环节：左侧包括计算资源/芯片、基础模型，中间是工具应用、分发渠道，右侧是企业工作流程和物理世界执行，越往右越接近价值实现和物理世界应用。我们可以看到大模型技术正逐步从应用程序走向物理世界，例如谷歌在计算资源、芯片、基础模型方面实力突出，OpenAI在基础模型和智能代理方面表现强劲，Anthropic在深度融入企业工作流程方面优势明显，特斯拉在物理世界连接方面处于领先地位。从中可以清晰看出两个重要特征：
第一，AI价值重心正从模型层面，向模型生态系统与任务执行层面转移，行业更加注重实际应用和商业变现，大模型正在深度融入企业工作流程；
第二，美国主要厂商已在六大环节全面布局，AI竞争已从单一的模型和计算资源竞争，转向全产业链、全价值链条的综合实力竞争。
国内主要厂商包括传统互联网巨头与AI新锐企业，也依托流量优势、云服务能力和技术基础等差异化竞争优势，在模型、计算资源、生态系统方面加快布局。字节跳动凭借豆包大模型与抖音流量生态，在C端入口方面优势明显，同时通过C端带动B端发展；腾讯凭借微信全生态系统和社交流量入口，无论在B端还是C端都进行了生态布局；DeepSeek在基础模型与软硬件优化方面表现突出；Kimi在长文本处理与智能代理工具领域形成了特色优势。
我们对国内模型的价值链条进行分析，在上述六个环节中，字节跳动除了物理世界应用稍显不足外，其他能力都很强，而腾讯依托其C端流量入口和社交媒体入口，在智能代理工具应用、默认分发入口方面也具备优势；DeepSeek的基础模型在开源模型中使用量和调用量排名第一，月之暗面在智能代理工具使用方面能力突出。总体来看，国内大模型发展迅速，正在推动各行各业的智能化转型。
自2026年以来，行业对大模型发展路径已形成四项重要共识：
1
万亿参数已成为基础模型的入门标准，是智能体应用的重要支撑；
2
行业从预训练机器人时代，进入后训练主导的智能代理时代，OpenClaw是推动这一转变的重要节点；
3
计算资源分配形成3：1：1新规律，原来计算资源主要集中在预训练上，而现在由于模型研发及实验、推理需求激增，现在GPU分布比例是三份用于研究，一份用于预训练，一份用于后训练，因此GPU成为制约研究进度的最大瓶颈，这也是华尔街众多公司投入大量资源建设自有计算平台的重要原因，其重要应用就是将更多计算资源投向研究实验与后训练环节；
4
AgentOS框架成为主流，模型从被动问答转向主动交互，多智能体协作与记忆管理技术持续创新。
在应用普及方面，全球企业AI采用率稳步上升。美国人口普查局2026年3月数据显示，美国企业整体AI采用率为18.9%，信息服务、专业服务、教育服务、金融保险等行业处于领先地位；在企业规模上，250人以上大型企业采用率最高，达35.3%，而20-49人的中小企业提升幅度最大，这说明AI正从头部企业向更广泛的市场扩散。
国内AI普及更为迅速。CNNIC数据显示，截至2025年底，我国生成式AI用户达到6.12亿，普及率47.8%，同比增长141.7%。IDC评估显示，AI普及率排名前五的行业依次为互联网、金融、运营商、制造、政府，其中金融行业达78%，位居第二。麦肯锡调研显示，88%的企业已在至少一个职能领域常态化应用AI，中国企业生成式AI使用率达83%，居全球首位。虽然技术渗透提速很快，但深度应用仍有不足，这是中国AI普及的现状。
二、证券行业的AI应用实践
斯坦福大学相关研究用"人类应用意愿"和"AI能力"两个维度，将工作场景划分为绿灯区、研发机会区、红灯区和低优先级区，绿灯区是既有应用意愿、AI能力又能达到的区域，研发机会区是人类有应用AI意愿但AI能力相对不足的区域，有应用前景。研究显示，约41%的AI初创公司集中在低优先级与红灯区，反映出当前AI智能体研究与投资存在明显错配。这提示我们，AI布局应优先投向员工愿意用、技术能落地的场景，避免无效投入。
结合证券行业特点，我们总结提出CODE模型，作为AI应用价值全景框架：
C（Coding）——面向总部IT、风控、合规人员，聚焦辅助编程、智能风控、合规提效；
O（Operation）——面向一线业务与投顾人员，提升运营效率与服务生产力；
D（Decision）——面向经营管理者，提供数据洞察、风险预警与决策支持；
E（Experience）——面向外部客户，优化服务体验、创新产品与增收。这一模型为AI价值识别与规划落地提供了清晰路径。
海外投行已全面推进AI战略。我今年4月份对海外投行高盛进行了一次调研，高盛推出了OneGS3.0战略，全面拥抱AI，主要目标是提升客户体验、提升盈利能力、提升生产率和效率、增强韧性等，其着眼点在哪里？优先落地流程，在销售赋能、客户准入、贷款流程、监管报告、供应商管理、智能化等直接影响客户体验的领域，进行流程再造、流程重塑以提升效率。同时它也在销售和交易AI方面，员工助力、辅助开发方面，开发了很多典型应用，比如销售与交易AI优化销售流程，提供深度的投资洞察和贷款审批支持，贷款应用评估的准确率提高23%，日内交易盈利提升27%，AI工程师则为高盛17000多名开发人员提高了生产效率。
摩根士丹利作为华尔街首家深度应用OpenAIGPT-4技术的大行，它通过与OpenAI独家战略合作、成立集团专职AI部门与督导委员会，系统性推进AI战略落地，在财富管理、投研、代码现代化等领域落地标杆应用，大幅提升效率、降低成本。
嘉信理财以AI赋能客户服务、投顾作业、财富规划与风险管理，巩固零售财富管理龙头地位。
国内资管行业以易方达为代表，长期深耕金融科技，自主研发EFund大模型，覆盖投研、运营、市场、办公全流程，智能固收交易机器人、AI宏观研究员等应用效果突出，成为基金行业AI落地标杆。
国内证券公司对客AI应用主要有两条路径：一类是打造独立AI原生APP，提升客户沉浸式体验，另一类则是在原来APP上进行迭代演进。我们广发证券采取"小步快跑、快速迭代"思路，推出易淘金"AI透镜"版，聚焦选股、盯盘、交易、ETF投资助理等核心投资场景，目前已内部试运行，待监管备案后全面对客服务。
同时，我们打造"天玑智融"财经一站式AI门户，集成近50个专业智能体，实现跨业务领域一站式的智能响应，为公司300多家营业部、几千名投顾、总部及分支机构员工提供服务，在基金分析、客户匹配、营销话术、展业转化等方面效果显著，有效提升服务体验与业务转化效率。
基于OpenClaw技术，我们打造AI员工智能助理，着重升级了安全管控措施，并进行第三方安全评估认证。AI助理支持日程管理、会议预订、费用报销、业务查询等通用办公及专业场景任务，实现工作模式升级。作为例子，我们的研究员使用OpenClaw员工助理，可自动读取财报、生成研报与路演材料，大幅释放研究员精力，单人可获得相当于3-5名研究助理的能力加持。
在研发领域，我们不光是在AI辅助编程上来使用AI，也在需求设计、概要设计、测试、运维等方面争取实现全流程AI大模型赋能，同时我们也探讨AI辅助编程对开发、组织、架构可能带来的影响，也进行一些探索，提高整个IT研发效率。
最后，AI安全治理是金融机构的重中之重。随着AI应用快速普及，安全风险备受全球关注。我国发布《人工智能安全治理框架》，美国财政部也专门召集金融机构研讨AI安全，所以这一块也要请大家高度重视。
我的报告到这里，谢谢大家！
往期回顾
广发Skills矩阵：构建金融智能体能力底座
广发证券荣获2025年云鹰项目两项大奖
广发证券成功承办证券行业大数据专题研讨会
广发证券ECIF信创改造：6T数据平稳"搬家"