證券時報網
司迪
2025-04-18 14:16
數字技術與智能化創新，正全面重塑證券行業的生態體系和價值邏輯。
近年來，面對生成式AI技術帶來的顛覆性變革，大部分券商持續強化金融科技布局，加大信息技術投入，著智力構建覆蓋能投顧、精準營銷、量化風控等核心場景的數字化解決方案。
大模型在證券行業落地進展迅猛，也帶來成本高企等難題。受訪人士認為，券商應對AI大模型的高成本挑戰，核心思路是“精準投入、降本增效”，可通過優化投入結構、加強合作共享、走混合技術路線等方式，多管齊下破解成本之困。
8家投入金額超10億元
2024年報數據顯示，約有20家券商披露信息技術領域的資金投入情況，投入金額超過10億元的有8家。
其中，華泰證券和國泰君安兩家券商的資金投入規模在20億元以上，分別以24.48億元和22億元的投入規模位居前列。
中金公司、招商證券、中信建投、廣發證券、銀河證券和申萬宏源六家券商的投入金額均超過10億元，分別為15.85億元、15.83億元、15.2億元、13.77億元、12.54億元和11.85億元。
近年來，券商高度重視信息技術管理工作，持續加大金融科技投入力度。15家券商2024年的信息技術投入金額實現增長。其中，光大證券的信息技術投入為6.59億元，同比增長20.92%；紅塔證券和南京證券的信息技術投入分別為1.73億元和1.76億元，同比分別增長13.82%和11.39%。
北京社科院副研究員王鵬在接受《國際金融報》記者采訪時表示，數字金融對金融機構的數字化水平提出了更高的要求，促使券商加大信息技術投入。同時，市場交投活躍度上升，大量開戶、交易需求對券商的服務能力和技術系統提出新挑戰，促使券商強化信息系統建設。
“在證券行業競爭激烈的背景下，金融科技可以提高交易效率，幫助券商更好地理解客戶需求，提供個性化服務，從而提升競爭力。”王鵬說。
南寧學院金融專家、博士石磊在接受《國際金融報》記者采訪時表示，券商發力金融科技主要有三大核心驅動力：
首先是行業自身的轉型壓力。特別是中小券商，傳統線下服務模式成本高、同質化嚴重，需要通過線上化、自動化實現差異化突圍。比如說智能開戶、電子合同這些應用，本質上是用技術重構業務流程，減少對人力的依賴，實現降本增效。
二是技術紅利的倒逼。過去券商的IT系統更多是支持基礎業務和流程管理，但現在像DeepSeek這類大模型的出現，讓生成式AI能深度融入投顧服務、風險預警等場景。
三是監管合規的要求。現在對券商系統穩定性要求精確到秒級中斷容忍，反洗錢監控要穿透多層嵌套交易，這些靠人工排查基本不太現實。比如盤中異常交易攔截，需要依賴算法實時識別。技術在這里既是合規工具，更是業務開展的準入門檻。
AI技術重塑業務場景
今年以來，DeepSeek人工智能技術在金融領域掀起創新浪潮，眾多金融機構競相推進該技術的應用落地。通過科技手段賦能傳統金融業務轉型，持續加碼數字化能力建設已成為證券行業的普遍共識。
國泰君安在年報中指出，公司已基本建成企業級數據庫，完成管理駕駛艙全面改版升級，初步落地智能化基礎設施，行業首家實現將大模型能力全面融入客戶服務體系，將持續推進自主金融科技創新。
在夯實AI大模型的底層能力基礎上，券商探索以AI思維和技術重塑業務場景的可能。華泰證券首席執行官周易表示，目前公司已落地集異構算力、運營管理、應用開發三位一體的大模型平臺體系，在投研、投顧、投行等典型場景取得進展。
券商在AI大模型布局方面取得突破進展。廣發證券董事長林傳輝表示，過去一年公司累計落地43個AI大模型應用，場景數量和業務覆蓋保持行業領先。
“當前證券公司在AI大模型方面的投入顯著，且應用效果初顯。”王鵬認為，AI大模型已廣泛應用于券商的經紀、研究、投行、合規等多個場景，為業務開展和管理模式優化提供了技術支持。
AI大模型在降低成本、控制風險、優化體驗和增加收益等方面展現出廣闊的應用前景。王鵬稱，智能投顧服務可以通過AI大模型提供個性化的投資建議，幫助客戶識別和規避潛在的投資風險；在異常交易監控、反洗錢等方面，AI大模型也能發揮巨大作用。
“目前券商對AI大模型的投入，可以用三個關鍵詞概括：敢砸錢、見實效、有挑戰。”石磊表示，最直接的效果就是降本增效。比如在風險防控這種硬核領域，中信證券用大模型+圖計算攔截盤中異常交易，成功率直接拉高40%，這是人工盯盤難以達成的。
多措應對高成本挑戰
生成式人工智能浪潮正引發證券行業底層技術架構的革新，同時模型訓練所需的算力集群建設年均投入超千萬量級，加之數據治理和算法迭代的持續性支出，行業正面臨投入產出比優化的戰略考驗。
對此，記者采訪獲悉，券商應對AI大模型的高成本挑戰，核心思路是“精準投入、降本增效”，具體可歸納為如下幾點：
第一，優化投入結構，即錢要花在刀刃上。石磊表示，頭部券商收縮IT總投入但聚焦核心業務場景，比如用大模型升級投研、客服、風控等高頻剛需業務；中小機構則借力通用大模型快速落地，減少定制開發成本，實現主要業務的覆蓋。
第二，技術走“混合路線”。數據安全是大前提，通過“大模型+小模型”組合降低算力消耗，同時活用開源技術（如DeepSeek）和實時接口，平衡性能與成本。
第三，加強合作與共享，即抱團分攤壓力。王鵬建議，券商可與其他金融機構、科技公司等建立合作關系，共享技術資源和研發成果，降低研發成本。
第四，提升技術效率，探索商業化應用。通過技術創新和優化算法等方式，提高大模型的訓練效率和推理速度，降低算力成本。積極推動AI大模型的商業化應用，通過提供智能投顧、風險管理等增值服務，實現技術投入的回報。
“未來券商拼的不只是技術燒錢速度，更是誰能把AI成本和業務價值精準匹配。”石磊打了個比方，大模型最終會像水電一樣，成為券商基礎設施，關鍵看誰能先用出“性價比”。
