财联社10月4日讯（记者 陈俊兰）近两个月，券商最密集的动作是“入驻”。

9月2日，腾讯WorkBuddy开放平台正式上线，广发证券成为首家入驻该生态专区的券商机构，双方联合发布“广发证券”Buddy应用专区，首批上线12项自研Skill与9项专家能力；9月7日，阿里千问开放平台上线十余款金融智能体，其中国泰海通“灵犀”、兴业证券智能投资助手、东吴“秀财”、中金财富4款为券商智能体；9月下旬，中信建投自研的“蜻蜓Skill”六大技能也上线WorkBuddy技能广场。

从接入DeepSeek，到上线Skills，再到近期券商密集入驻WorkBuddy，证券行业对外部大模型及Agent生态的拥抱仍在加速。但一个新的问题随之出现，当越来越多券商使用相同或相近的通用大模型，券商AI最终靠什么拉开差距？

不是替代关系，三个层面的差别才是关键

券商AI与通用大模型是二选一的对立吗？在受访券商看来，答案是否定的。

从实施路径看，目前多数券商AI应用是在通用大模型基础上做微调或后训练，再结合券商独有的应用场景服务员工与客户。真正的差异体现在三个层面。

其一是知识底座。通用大模型的语料主要来自公开互联网，而券商AI的知识建立在行情、交易、持仓、投研与监管口径等专域数据之上，并叠加机构长期积累的研究框架与业务经验。同一句提问，在通用模型处得到的多是“公开信息归纳”，在券商AI处则可被接入资金流、产业链位置与历史上相似的行情结构。

其二是交付物。通用大模型多以独立问答形态存在，交付的是信息与内容；券商AI必须内嵌于真实业务流程，与权限体系、风控规则、合规审查和责任链条共同运转，交付的是可执行、可留痕、可问责的业务结果。这也解释了为何券商的AI最终往往指向下单、盯盘、复盘，而非停在聊天框。

其三是信源与边界。金融行业的专业性决定了合规是创新底线，“信源可靠、输出可控”是垂类模型绕不开的两道闸门。

样本一：广发证券，把AI装进成熟App而非另起炉灶

2026年7月，广发证券发布易淘金AI原生版“AI透镜”，底座为自研“天玑智融”大模型服务平台，融合RAG检索增强生成与Agent编排技术，形成“规划—工具—记忆—进化”闭环；企业侧搭建Skill Hub平台，沉淀30类标准化智能体插件，并布局MCP开放工作台，上线账户管理、行情资讯、数据工具等110余项MCP服务。广发证券的特殊性在于，它不是把AI做成一个入口，而是做成一张网。

对客户端，把AI装进成熟App。2026年7月，广发发布易淘金AI原生版“AI透镜”，围绕“聚光、放大、透视、望远”四类能力，对应选股、盯盘、交易与问答四大高频场景。其中交易场景可识别用户模糊表达并在确认后协助完成委托，让AI从“辅助查询”走到“辅助执行”。与部分同业另建独立AI App不同，广发选择“就地升级”，数千万存量用户无需迁移。

对内员工侧，AI的另一头连着投顾与研究员。自研“天玑智融”投顾驾驶舱集成近50个专业智能体，覆盖个股点评、估值分析、研报总结等20余项核心功能，服务300余家营业部、数千名一线投顾；投行垂域大模型“投行文曲星”覆盖10类业务场景、落地56项细分AI功能；研究侧“智慧数”系统沉淀8.8万份精选研报、9万余项全行业核心指标、800余条主题产业链图谱，借助AI思维链投研智能体，将行业定期报告生成时长由4小时压缩至15分钟。

内容链路则是被外界低估的一环。据公司向记者介绍，广发证券以“金创翼”全媒体内容运营中心贯通热点雷达、智能创作、智能审核、分发中心与数据驾驶舱；在易淘金App侧则形成“‘淘金早班车’盘前提炼线索、盘中解读异动与轮动、盘后结合自选持仓生成个性复盘”的全天候陪伴矩阵。

样本二：中金财富，垂直大模型押注买方投顾

如果说广发侧重路径选择，中金财富则侧重重做服务。据公司向记者介绍，其金融垂直大模型并非简单的问答机器人，而是萃取中金300名资深研究员与近3000名一线投顾的成熟方法论，基于内部投研数据与实时行情构建，意在解决传统AI服务“零散化输出”“多场景点式分布”的行业难题。

产品侧，智能助手“小Jinn”主打从“问答”到“主动服务”：早间推送专属AI早报，盘中跟踪个股异动并主动提醒，热点事件发生时梳理从政策出台、行业反应到资金流向的完整时间线；“AI智投50”系列则围绕客户交易动线，覆盖算法、诊股、择时、选股与持仓诊断。中金财富表示，公司将于近期推出V13.0版AIAPP，主线是“与我相关、主动服务”，聚焦线上买方投顾服务体系建设。

弹药来自业务本身。截至2026年6月，中金财富买方投顾保有规模已突破1700亿元，产品保有规模突破5300亿元。在外部生态侧，中金财富智能体也已于9月出现在千问开放平台。

外接模型与自建能力并不矛盾，券商AI进入“双层竞争”

回看过去一年券商AI发展的路径，技术迭代实际上已经经历数次重点迁移。

2025年初，券商关注重点还是DeepSeek等基础模型的接入速度和本地部署能力。当时华福、国金、国元、兴业、光大、国泰海通等多家券商先后披露完成DeepSeek部署，广发证券、中金财富等亦快速跟进；彼时主要应用仍集中在知识问答、投研、客服、研发辅助等领域。

到了今年，竞争开始进入第二阶段。Skills与Agent兴起后，券商开始将金融数据、研究方法和业务工具输出到更多AI入口；WorkBuddy的出现，又进一步将竞争延伸到外部生态。

但从广发证券和中金财富最新披露的实践看，“接入外部模型”和“建设内部垂直能力”实际并不是两条相互替代的路线。

外部通用大模型解决的是语言理解、推理以及智能体编排等基础能力问题；券商内部模型和金融能力层，则负责解决数据可信度、专业深度、业务执行以及合规边界问题。前者决定AI“够不够聪明”，后者越来越决定它“能不能真正用于证券业务”。

尤其是在金融服务场景中，合规仍是一道无法绕开的门槛。中金财富称，其AI输出基于内部投研数据及可靠资讯源，并通过金融安全机制控制模型输出；广发证券则强调，券商AI需要与权限、风控、合规审查及责任体系共同运行。

由此来看，券商AI竞赛正在形成越来越明显的“双层结构”：底层是通用大模型与Agent生态，越来越开放和标准化；上层则是各家券商多年形成的数据资产、研究能力、业务流程、客户体系以及合规能力。当基础模型逐渐成为行业“标配”后，真正难以快速复制的，或许恰恰是后者。