奋进新征程 | 中信证券2026年资本市场年会
CITICS Capital Market Conference 2026
中信证券2025年资本市场论坛于11月12日在深圳召开，分论坛“人工智能驱动金融服务创新”汇集多位来自金融机构和科技公司的重磅嘉宾，就AI如何重塑金融服务形态、金融行业如何实现智能化升级等话题进行了精彩分享。
分论坛6
人工智能驱动金融服务创新
中信证券AI数字员工
于新利 中信证券首席信息官
中信证券首席信息官于新利深入阐述了中信证券选择数字员工作为AI在金融领域应用切入点的战略思考。他表示，“数字”代表数字化内核，“员工”则意味着AI的赋能属性。将二者结合，打造智能化、拟人化、高效协同的数字员工体系，是中信证券的关键布局。该体系旨在为每位员工配备多个“数字分身”，最终实现“一岗一数字员工、一人一数字团队”的人机协同新范式，彻底变革金融从业者的工作方式，大幅提升效率与服务质量。
于新利详细介绍了中信证券数字员工体系建设的具体实践。目前公司已上线18个数字员工，涵盖超级研究员、超级投行家、市值管理助理等核心岗位。其中，超级研究员能在几分钟内生成8-9万字带图表的细分产业趋势分析报告。超级投行家基于私域数据训练，能够快速撰写招股书、建议书等专业材料。这些数字员工日均调用Token数达13亿，已经具有极高的应用成效和工作效能。
面向未来，于新利强调，构建高效、可信的数字员工队伍，必须聚焦数据治理、算法可信、技术自主三大核心支柱。中信证券将持续夯实数据基础，构建“可靠、安全、可解释、可问责”的大模型能力，打造自主可控的金融AI底座，为业务创新与高质量发展提供坚实支撑。
大模型发展趋势及在金融行业的应用实践
张晓智 阿里云智能集团新金融解决方案副总经理
阿里云智能集团新金融解决方案副总经理张晓智系统阐述了大模型技术的最新发展趋势。Scaling Law（规模定律）依旧有效，模型参数、上下文长度和训练语料仍在持续扩展，为模型能力的提升奠定基础。然而，技术发展已进入从单一创新到复合创新的深水区。模型架构正朝着更接近人脑的“极致稀疏”方向演进，旨在以更低的能耗激活更强的能力，以应对未来算力瓶颈。在能力形态上，大模型正从语言模型发展为多模态模型，并最终将迈向“具身智能”，通过与物理世界的深度交互获取反馈数据，实现自我迭代与进化，这预示着AI将不再仅仅是“数字大脑”，更是能够感知和行动的“智能体”。
在金融行业应用实践方面，张晓智强调大模型正从提效的工具逐步升级为工作伙伴。他详细介绍了大模型在财富管理、科技金融、作业效率等场景的落地案例。例如在财富管理领域，通过打造私人金融顾问，不仅能够服务50万以上的高净值客群，还能覆盖1万到50万的中等客群，大幅扩展了服务范围和服务专业性，实现了人人可享的金融私人顾问愿景，打造极致的客户体验。
在作业效率提升方面，传统OCR技术在处理盖章、褶皱、连笔等复杂票据时存在局限，而大模型凭借其语义理解和交互能力，能够准确识别勾选框、生僻字等复杂要素，大幅提升财险、寿险等业务的处理效率。这些看似细微的改进，在实际业务中却能带来显著的价值提升。
大模型应用与金融行业
探索实践
张镜南 腾讯金融云首席AI专家
腾讯金融云首席AI专家张镜南在演讲中提出，AI应用的本质在于提升理解、生成和执行三大核心能力。他以游戏场景生动说明，AI需形成从接收指令、理解场景规则到执行复杂策略的完整能力链，这一架构在金融领域同样适用。目前，腾讯内部已有700多个业务应用接入大模型，并采用自研与开源模型结合的开放生态策略。例如，腾讯会议通过智能总结金融路演内容，实现了会议知识的有效沉淀；腾讯广告则利用AI将素材生成成本从数百元降至几分钱，大幅提升转化效率。
在智能客服场景，大模型的应用成效显著，将客服转人工率从27%降低至20%，降低了7个百分点。更值得关注的是，在需要人工介入的服务中，90%的客服人员会参考AI生成内容进行回复，这充分体现了人机协作模式的实际价值。这种高效协作的背后，是一套系统性的落地方法论，包括在架构、数据、平台、组织和生态五个方面的全面升级，以确保AI能力与业务场景深度融合。
关于AI智能体的发展路径，张镜南提出了清晰的三阶段演进论。过去几年的“工具阶段”，AI以知识问答为主，完成了用户交互习惯的迁移。当前行业已进入“助手阶段”，其核心标志是具备了协作与任务调度能力，如腾讯元宝智能体能将用户问题精准路由至金融、医疗等专家模型。为支撑这一演进，构建智能体需统一主智能体、知识库和模型广场三大关键点，确保内外部协作的高效与一致。未来，行业将进入第三阶段——“全托管服务”，届时AI将成为能够独立承担职责的“硅基同事”，B端与C端的界限将趋于模糊，这无疑是未来的发展方向。
昇腾加速金融科技创新，
推动行业智能化升级
舒欢 华为昇腾泛企业总监
华为昇腾泛企业总监舒欢分析了AI在金融行业的落地趋势。当前AI在金融行业的落地呈现出从试点到规模、从增效到增值的双重趋势。在规模化方面，AI应用正从头部客户试点向中长尾机构扩展，同时从单点场景试点向多场景规模化应用延伸。以证券行业为例，从头部机构到更多中小券商都在积极推进AI应用，单个机构的智能体数量也从初期的十几个向数十个规模扩展。
在增值方面，AI正从赋能内部效率提升阶段，扩展到面向客户收入增长阶段。这一转变在数据层面也得到印证，全国日均Token消耗量，从24年初日均千亿，快速增长到今年6月的日均30万亿，预测最新日均80万亿，全世界日均消耗Token也在急剧增长。
在具体应用中，AI的价值创造能力已得到充分验证。智能外呼通过个性化推荐与多轮对话，使营销转化率提升超20%；信贷助手将报告撰写从天级缩短至小时级，对公不良贷款率显著下降；投研助手则帮助分析师高效处理海量财报，大幅提升研究效率。然而，要实现这些价值，必须解决通用大模型在金融领域幻觉率较高的问题，通过行业数据的微调和强化学习，可将模型准确率提升10个百分点以上，这为后训练服务提出了明确需求。
为支撑金融行业AI的规模化与深度应用，舒欢详细介绍了昇腾的全场景解决方案。昇腾坚持“硬件开放、软件开源、使能伙伴、发展人才”的核心战略。CANN深度开源开放，Mind系列软件全系开源，并成立技术委员会与产业伙伴共建生态。在解决方案层面，昇腾提供轻量化一体机方案满足中小机构开箱即用的需求；同时，针对大规模部署，通过大规模专家并行架构，将推理性能提升4-5倍，并保障业务高可靠性。这套从底层硬件到上层应用使能的全栈能力，正助力金融行业加速迈向AI驱动的智能新阶段。
以多场景大模型应用为起点，
共筑金融行业智能化新生态
喻友平 中关村科金总裁
中关村科金总裁喻友平指出，金融垂类大模型落地需要解决两个核心问题：一是在高准确率要求下如何保证容错率，二是如何让模型更好地遵循企业内部的业务规则。他认为，大模型应用最终要回归商业本质，实现降本、提效、增收，从“功能叠加”走向“业务原生”。
中关村科金构建了涵盖平台、应用、服务的完整大模型落地体系。其中，平台层具备多元算力的适配和统一纳管能力，提供数据清洗到治理的全流程工具链；应用层则根据业务场景灵活选择模型，如需高实时响应的外呼等互动场景中，会选用参数规模更小的模型以保障交互实时性。公司内部还建立了模型评测沙箱，持续跟踪十余种主流大模型的性能表现。
在场景布局上，中关村科金聚焦大模型在客户连接场景的应用，打造全媒体、全渠道、全旅程的智能联络中心，并应用人机协作的多种模式。其中，陪练智能体能够自主模拟各类客户场景，让员工在“干中学”，有效提升培训效率；座席辅助智能体与客服人员深度协同，将服务接待量提升5-8倍，甚至出现“一人可协同5-6台电脑的AI机器人”的协同场景；服务完成后，质检智能体实现100%全量检查，无死角地保障服务质量。这些应用共同构建了企业与客户连接的智能化闭环。
在高频、高复杂业务场景中，中关村科金的方案已通过规模化验证。以消费金融场景为例，大模型外呼已实现日均触达量超1200万，从过往的小模型外呼全面进化为纯粹的大模型驱动，用户体验和转化率均得到显著提升。在消保场景，大模型贯穿事前规范检查、事中快速反应和事后违规处理的全流程，实现合规管控与风险防控的智能化。该能力正快速复用于更多的金融场景中，包括与中信证券共建大模型财富助手，与头部城商行合作打造智能体应用开发平台，与东亚某头部银行共创智能审单平台等，逐步构建覆盖全金融业态的智能化生态。
同花顺Hithink大模型应用与实践
芮通 同花顺AI总监
同花顺AI总监芮通在分享中介绍，公司金融垂类大模型HithinkGPT在通用大模型基础上，融合同花顺的数据优势、证监会监管要求及交易相关指令集，专门服务于金融场景分析、搜索和分析框架。
随着市场佣金下调，投顾业务在券商收入中的占比日益加重，但当前绝大多数基层投顾仍以销售属性为主，其知识体系难以满足新的要求。这构成了一个巨大的行业痛点。智能投资助理问财通过思考规划、工具调用和反思执行的完整流程，将人均用户对话数从3-5轮提升至8轮，增强了用户黏性与商业变现机会。投顾人员使用智能助手后，单个问题的回复时间从3分钟缩短至1.5分钟，核心价值在于用机器的快速迭代能力，弥补了投顾人员高昂的学习成本，并直接解决了知识型投顾供给不足的问题。
基于丰富的行业实践，芮通提出了金融大模型落地的三阶段实施路径。该路径的核心洞察在于，它深刻理解并试图化解客户在AI落地时的普遍焦虑：规划困难、硬件成本高，以及在浪潮中“掉队”的担忧。因此，实施路径第一阶段是提供云端SaaS服务，让客户以最低成本快速验证价值，避免前期巨大投入；第二阶段是开放核心能力，支持客户进行二次开发，满足个性化需求；第三阶段才是本地化深度建设，满足自主可控的最高要求。
AI赋能实践与探索助力
公募基金高质量发展
迟哲 天弘基金副总经理、首席信息官
天弘基金副总经理、首席信息官迟哲在分享中指出，当前AI技术发展呈现加速的态势，大模型应用在全面普及。根据麦肯锡2025年最新调研，88%的企业已在至少一个业务场景中使用大模型，39%的企业认为AI对利润产生了有效影响。在此背景下，金融机构拥抱大模型已成为必答题。面对这一趋势，天弘基金采取了“小步快跑、迭代修正”的核心策略，通过业务场景牵引资源投入与应用落地，在此过程中持续培养内部用户对大模型的认知与接受度，逐步实现人+AI的心智塑造。
基于三年实践，天弘基金构建了自主可控的四层AI架构，涵盖从底层的算力管理，到中间的模型即服务与工具即服务，再到顶层的智能体即服务。迟哲强调，其核心并非单纯的技术堆砌，而是“创造一个与业务专家共同进步的智能体系统”，这个过程本质上是由业务用户来教会智能体完成复杂工作。该成果受到了用户和监管的认可，荣获了2024年度人民银行金融科技发展奖一等奖。
对于未来发展，迟哲预计未来的投研工作是人与大模型、智能体协同工作的合作模式，智能体工作内容的完成比例也将持续上升。他进一步指出，私有数据将成为机构差异化竞争的核心，而机构间智能体协同将成为未来非常重要的变化。迟哲还预计未来券商研究所和买方机构很有可能通过MCP等协议实现知识同步，投研工作将由多个机构的智能体协同完成：机构间智能体之间更直接、高效的知识交换将成为重塑投资行业效能的重要路径。
本文所载的资料、观点及预测仅用于信息参考及投资逻辑分享，而不构成任何具体的投资操作意见。投资者在进行具体投资决策前，还须结合自身情况并配合其他分析手段。本文提及的任何证券或金融工具均可能含有重大的风险，投资者不应单纯依靠相关信息而取代自身的独立判断，还须自主作出投资决策并自行承担投资风险。中信证券不对使用本资料所产生的任何直接或间接损失或与此有关的其他损失承担任何责任。市场有风险，投资需谨慎。
本资料若涉及任何问题可能对嘉宾观点形成宣传或进一步扩散的行为，还请事前征求发言嘉宾本人意见。涉及会议纪要内容的任何解读行为，还请联系相关客户经理协助您进行确认。感谢您的理解与配合。
特别声明：特邀参会嘉宾在交流中表达的观点属个人意见，不代表中信证券立场。
