熱門資訊> 正文
2025-09-13 09:13
專題:服貿會第七屆中國金融科技論壇
中國國際服務貿易交易會-第七屆中國金融科技論壇於2025年9月10日-11日在北京舉行。主題為「科技賦能—金融業數字化轉型與應用」。廣發證券副總經理、首席信息官辛治運出席並演講。
以下為演講實錄:
我將從三個方面展開匯報:
一是證券行業數智化轉型的趨勢觀察;
二是我們數智化轉型的實踐;
三是AI時代數智化轉型的思考。
首先看行業趨勢。
一是數智化轉型已成為行業共識。當前,行業處於低增長、低利率、低費率、高波動的市場環境,國內頭部券商網點、人員都呈縮降態勢。從數據看,券商營業總支出佔營收的比例在下降,但IT人員和投入基本都還是在增加的,可見頭部券商還在加大對金融科技、數智化轉型的投入,金融科技的作用愈發重要。
二是構建差異化的科技核心能力。近年來,國內券商,尤其是頭部券商大幅增加了金融科技投入,打造了一體化投資平臺、國際化業務平臺、智能化應用平臺等,還在開發新一代核心交易系統。這些平臺構成了較高的業務護城河,往往需要五到十年才能成型,對構建業務壁壘意義重大,系統開發投入大且複雜。比如國君的道合、中信的做市、華泰的FICC、中金等券商的相關平臺,都投入巨大且成效顯著。
三是加速佈局國際業務,系統建設同步推進。近年頭部券商國際業務營收和利潤貢獻明顯上升,2024年前五中資券商平均營收貢獻達28%,接近三分之一,國際業務逐漸進入收穫期,對金融科技也愈發重視。例如,中信證券2020年提出全面對接系統,實現系統看穿、業務看穿;華泰證券開發了信用風險管理平臺和FICC管理平臺;中金在海外及場外交易佈局管理系統,還獲得了國際獎項。我們公司的泰坦跨境一體化投資管理平臺(衍生品業務)和一體化FICC投資平臺,也在同步佈局。
四是AI智能化成為創新發展新引擎。2025年被稱為智能體元年,大量智能體應用進入爆發期,正從單一智能體向多智能體發展。從券商應用來看,大模型研發策略趨於一致,迴歸「大模型+微調」模式,AI應用向深度和廣度拓展,同時券商大力加強AI算力和知識庫建設,以提升大模型應用水平、防範風險。
五是企業獨特數據和專有知識庫帶來大模型時代的差異化價值。獨特數據是企業差異化優勢之一,企業需持續積累沉澱,打造自身數據優勢,高質量數據至關重要。因此,數據治理、高質量數據蒐集及知識庫建設越來越受行業重視。
接下來匯報我們的數智化轉型實踐。
數智化轉型是根據公司戰略逐步落地的系統性工程,呈螺旋上升態勢。它需要高層驅動,制定整體目標,引領業務模式和管理模式升級,同時配備強有力的組織推動和機制保障。 在數智化轉型方法論指導下,我們緊跟市場機遇,聚焦業務發展重點,持續完善財經、機構、投行、跨境及金融管理等領域的信息化能力建設。圍繞證券公司這五大業務條線,通過增長板、補短板,深化AI應用,夯實基礎設施,推動公司數智化轉型。
具體措施方面,財經條線聚焦引流獲客,以及獲客后如何賦能客户經營、提升客户體驗與收益。投顧、理財等業務也需通過數智化轉型實現賦能,機構業務、投行業務同樣需要藉助數智化轉型推動能力建設和業務發展。 在經紀業務中,券商APP系統龐大,需數百人維護,存在功能擁堵、信息繁多的問題,投資者篩選工具門檻高,急需智能解決方案。但通用大模型存在專業性不足、業務邏輯缺失、合規風險等問題,在金融領域適配有限。為此,我們以大模型為底座,圍繞客户投資全旅程打造10余項AI智能體模塊,完成全場景對話革命、人機協調三大躍遷,覆蓋交易、資訊、覆盤等場景,大幅提升了客户交互體驗,既為普通投資者賦能,也提高了公司數智化水平。
財富管理領域,以往智能體獨立運行,數據不互通、跨領域無法協同,導致投顧人員對股票知識、產品信息、業務及機構合規等方面瞭解不全面。我們打造了天璣智融對內投顧駕駛艙,讓投顧人員通過一個入口就能獲取全面標準的業務諮詢,涵蓋股票、基金、理財產品及業務、機構等全鏈條內容,為投顧業務賦能,推動公司數智化轉型。
機構業務涉及銀行理財、私募基金、公司自身衍生品業務、場外衍生品業務、資管等,各類投資交易系統碎片化,協同管理困難,業務響應慢,難以支持股票、衍生品、場內場外、跨境等多品種交易場景,制約業務發展。自2020年起,我們打造泰坦全品種一體化投管平臺,高效支撐複雜業務快速開展,成為公司支撐機構業務的跨境全品種優質平臺。
投資研究全面向「AI+」轉型,上線多個智能應用場景。投研工作任務複雜、流程宂長,傳統模式下一份行業研究報告需研究員投入大量精力。我們開發了思維鏈投研智能體,將專家分析框架轉化為智能體記憶,實現自主規劃和多步執行。目前已落地4個場景,如AI行業定期報告在兩個行業實現15分鍾生成,而此前需4小時,還支持Excel底稿生成;基於COT技術的AI問答助手可跨行業交叉驗證、分析周期驅動邏輯等,效果顯著。
投行業務中文稿多、審覈難、撰寫及資料搜索驗證、取證費勁,我們的「投行文曲星」解決了這些問題,該項目還獲得證券協會優秀課題。其實現了投行業務綜合化應用,建設智能函證,通過AI完成企業函證流水覈查、投行流水覈查,以及企業動態跟蹤、文檔審覈、債券底稿複覈及自動生成、智能輿情監管等56項AI功能,有效助力投行業務高效開展,防範已上市公司財務造假。
AI平臺方面,剛纔各位都報告了,AI應用都離不開AI中臺和AI基礎設施建設。為避免AI應用碎片化,我們以生成式AI技術為引擎,構建Agent智能體平臺,將分散的知識、經驗提煉總結,結構化成為AI模型可使用的知識庫,提升大模型應用表現。同時打造開放MCP平臺,將數智化轉型中積累的金融服務、數據服務通過系統調用與AI大模型應用打通,實現現有業務流程融合。我們是券商行業首家入駐阿里雲百鍊MCP服務市場、首家正式登陸火山引擎大模型生態廣場、首批入駐華為AI生態的券商。
數據方面至關重要,我們在數據治理上構建了覆蓋客户、產品、風險等全維度的數據中臺,提升數據管理能力,推動數據技術與業務場景深度融合。上個月,我們成為行業首家通過DCMM五級認證的機構,標誌着公司在數據管理和應用上取得良好成績。
公司高度重視AI能力培養和組織架構優化,針對全員、AI應用人才及AI技術人才,開展分層次學習和競賽訓練,提高員工創新意識和AI意識,推動AI創新應用落地,提升公司整體效能。我們還推出了「AI澎π計劃」,由公司總裁親自參與,選拔優秀人才,扶持創新業務應用,目前正在推進中。
業內多家券商如中金、華泰、國君、中信等,都在數智化轉型方面做了不同嘗試,殊途同歸,取得了良好效果。 因此,最后我想談談在當下AI時代對數智化轉型的一些思考。
首先,我們見證了AI應用範式的三次躍遷:最初是人委託AI執行單一任務,如生成年報摘要;目前演進到AI委託人,如系統生成初步分析報告后交人審覈,像風控報告、研究報告的智能生成;未來將實現委託AI端到端模式,如場外衍生品交易全流程自動化,人僅提供經驗輸入。這些變化本質上是AI從工具到自主決策的進化,如同從手動駕駛到自動駕駛的跨越。 我們公司在這方面也有探索,例如AI在機構業務的交易、報價、諮詢等方面的創新,相關案例在澳大利亞舉行的Gartner全球論壇上展示,相對處於行業領先水平。 在大模型主導的智能時代,人類價值將被重新定義。傳統業務中分析師需手工處理數據的特徵工程,未來AI將能自主完成從數據到策略的生成,人則聚焦模型的評估和優化。我們易方達的劉碩凌曾與黃仁勛面對面交流,正如黃仁勛提到的「天才」的角色,未來證券及金融行業的核心競爭力,體現在企業能否培養既懂金融又懂IT及AI模型調優的複合人才,能否持續優化模型,使企業AI應用水平和模型達到前沿智能水平。
AI時代需要新的方法論推進AI落地。當前很多公司在推進AI,但隨着應用增多,需轉變思維,避免陷入忽視實際需求、業務價值,缺乏逐步驗證,忽視企業變革等陷阱。我們觀察到,業內有些公司AI應用水平不高,卻投入數億購買算力,其實際作用和效果值得商榷。因此,可參考比如阿里提出的「RIDE」方法論,找準AI快速創造價值的場景,設定可量化指標。我們公司採取小步快跑、快速迭代新試點的方式,本質上以業務價值為核心驅動,確保AI應用落地理性,避免盲目跟風。
其次,通過AI中臺統一規劃破解行業AI應用碎片化問題。中臺是關鍵,我們正與同行一道構建自己的AI平臺,它如同金融業務的智能操作系統,底層整合算力、數據、算法三要素,中層沉澱NLP自然語言處理、圖像識別等能力,構造智能體平臺,支持投顧、風控、投行等應用場景。這不僅避免重複造輪子,更能實現專業知識積累。建議同行積極佈局中臺戰略,避免短期跟風導致技術債務,實現長期勝出。
第三個問題,怎麼讓數據真正為AI就緒。我們的做法是邊用邊治:從組織架構入手,設立數據治理委員會;通過數據對齊機制消除語義鴻溝;藉助數據中臺實現數據安全共享,邊執行邊治理。需特別提醒的是,數據治理不是IT部門單獨的事,需要業務部門及運營部門深度參與,才能用好、管好數據。
第四,前面專家提到AI的治理與安全,隨着AI深入業務,安全風險不容忽視。比如AI編程中代碼能否出境,業務人員向AI模型輸入的提問、提示詞是否涉及公司機密,個人使用信息是否願意被他人知曉等,這些敏感信息需要保護。提示詞注入、數據投毒等工具手段已在金融行業出現,我們的應對策略是:模型層通過指令過濾防止惡意提示詞,數據層對客户信息脱敏處理,應用層高風險操作進行人工複覈。我們需進一步強化這方面工作,也希望與各位專家多交流合作。
第五,人才轉型方面,AI不是取代人,而是放大超級員工的價值。構建AI就緒型員工的關鍵,在於提升人與AI融合的能力。我們在推行AI輔助編程的過程中,技術部門曾有顧慮,比如開發人員擔心AI輔助編程會減少工作崗位,這需要轉變觀念。目前公司開展的全員AI培訓覆蓋了96%的員工,通過培訓讓業務部門和IT部門員工都能運用AI提升業務水平,賦能業務發展。
最后,數智化轉型是體系化工程,已是行業共識。若用冰山比喻,IT系統建設、大數據AI算法和模型應用是露出水面的部分,更重要的是水下的業務模式轉變、組織架構和機構變革、人才能力和結構改變。數智化轉型的有效推進,關鍵在於改變人,這需要長期堅持、與時俱進,任重道遠。
以上是我的分享,不當之處請大家指正,謝謝!
新浪聲明:所有會議實錄均為現場速記整理,未經演講者審閲,新浪網登載此文出於傳遞更多信息之目的,並不意味着贊同其觀點或證實其描述。