近日，由CIO时代主办，新基建创新研究院作为智库支持“智能引领·数字未来 | 2025 AI 智创未来 CIO 峰会”在京落幕。会上，证通股份有限公司副总裁黎峰做了主题为“证券行业AI应用实践与挑战”的精彩分享。

 

证通股份有限公司副总裁 黎峰

嘉宾观点

证券行业数字化转型已成为业界共识，AI是未来发展的重要方向。面临监管、技术、数据及市场与业务等层面挑战，推进业务与技术深度融合、统筹算力资源、完善风险防范与合规体系是关键。

金融业作为国家经济的核心，凭借其数据密集、知识密集、服务密集的天然特性，成为大模型落地应用、创造价值的前沿阵地。而在证券行业内部，数智化转型已成为行业共识，各证券企业内都有构建差异化的科技核心能力的需求，AI智能化事实上已成为了创新发展新引擎。

在数字化转型浪潮下，人工智能正深刻重塑证券行业的业务模式与发展逻辑。从智能投顾的策略优化到投行领域的效率革新，从合规风控的精准升级到跨机构的数据协同，AI技术已渗透证券业务全链条。然而，在技术赋能与业务创新的同时，行业也面临着制度、技术、数据、安全等多重挑战。

证券行业AI技术规模化

应用场景分析

AI在证券领域的应用，近年来实现了“代际跃迁”。从最初的RPA、流程自动化为主的“狭义AI”时代，到单模态任务模型和深度学习为主的“小模型”时代，目前已经进化到超直大模型预训与微调、多模态融合、智能体与工具调用的“大模型”时代。证券行业作为数据密集型与知识密集型行业，其海量的文字处理、复杂的数据分析需求与AI技术的适配性极高，催生出多个规模化应用场景。

（一）智能投顾与投研：从策略优化到趋势警惕

智能投顾领域的核心逻辑是借助大模型的数据分析能力，实现全生命周期的投资分析与组合推荐。通过整合市场数据、筛选优质标的，AI可快速生成个性化投资组合，为用户提供收益预期明确的理财方案。但值得警惕的是，当行业内投顾策略普遍依赖相似的AI 法与数据来源时，极易出现策略趋同现象——多家机构均倾向于打包市场头部标的形成组合，长期来看可能导致市场交易行为同质化，加剧局部波动风险。

在投研层面，AI的价值体现在对海量信息的高效处理。券商通过构建自主可控的大模型与行业语料库，将历年投研材料、上市公司公告、财务数据等转化为结构化数据库，结合搜索、解析、问答等功能，显著提升研究效率。例如，传统投研尽调需耗费数小时甚至数天，而借助AI技术可将时间压缩至10分钟，准确率高达95.4%，远超监管对文字处理精准度95%以上的核心要求。

（二）智能投行：文字处理与风险防控的双重革新

投行业务因涉及大量的信息披露、合同撰写、底稿审核等文字工作，成为 AI应用的重点领域。头部券商打造的一体化智能投行平台，以算力、语料库、自主可控大模型为底层支撑，覆盖尽调、质证、内控审核等全流程。其核心优势不仅在于提升文字处理效率，更在于通过规则引擎与逻辑校验，精准识别财务造假等风险。

某案例显示，某化工企业上市前披露的市盈率为20%，AI通过交叉验证其财务数据的逻辑关系与加减运算准确性，发现实际市盈率仅为15%，成功规避了后续爆雷风险。此外，AI历史案例中已展现出优于人工的文字错误识别能力——某上市公司内控审核中，人工仅发现34处文字错误，而AI可进一步挖掘数据矛盾、逻辑漏洞等深层问题，成为投行风险防控的重要工具。

（三）合规风控：从数据标注到智能预警

证券行业的合规风控对精准度与时效性要求极高，AI 技术通过重构合规流程实现提质增效。传统合规依赖人工标注法律法规、解读监管要求，效率低下且易出错。而基于专家经验抽象出的"主体-行为-关系"核心逻辑，无需大量人工标注即可实现精准合规判断，相关技术已获得专利认证，准确率远超传统标注方式。

在风险预警方面，AI 通过批量处理舆情数据、文书材料，自动生成风险报告与合规指引，覆盖信息披露合规、交易行为监控等场景。同时，结合隐私计算、区块链等技术，合规工作正朝着"数据可用不可见"的方向发展，在保障数据安全的前提下实现跨机构合规协同，解决开户流程繁琐、材料重复提交等行业痛点。

（四）流程协同：数字化转型中的流程重塑

AI对证券行业的变革不仅局限于单一业务环节，更在于推动全流程重塑。以开户业务为例，传统模式下用户需携带大量材料、耗费半小时以上完成办理，而通过AI技术与数据共享，用户在其他券商的开户记录、资产证明等信息可跨机构复用，仅需补充新的银行流水、征信材料即可完成开户，大幅提升用户体验。

这类变革的核心在于打破数据壁垒与流程冗余，而这需要行业层面的协同推进——包括建立统一的数据共享标准、推广数字员工与智能助手应用、构建跨机构协同机制等。正如行业共识所示，数字化转型并非简单的技术叠加，而是以 AI 为驱动的流程重构，即使是一把手牵头，若缺乏流程革新也难以实现真正的转型价值。

证券行业 AI 应用面临的多重挑战

尽管 AI 在证券行业的应用成果显著，但技术本质与行业特性决定了其仍面临多重挑战，涵盖制度、技术、数据、安全等多个维度。

（一）制度层面：监管框架待完善

当前国内尚未形成针对证券行业 AI 应用的完整制度安排，券商多处于 "摸着石头过河" 的探索阶段。据悉，相关监管办法已进入修改阶段，预计 2024 年底公开征求意见、2025 年上半年正式出台。未来监管将聚焦四大方向：鼓励 AI 技术创新应用、强化风险日常管理与报备机制、要求上线前开展专项风险评估、明确算法原理与信息披露义务。制度的缺失导致行业应用缺乏明确标准，部分创新业务面临合规不确定性。

（二）技术层面：算法、模型与组件风险凸显

技术风险是 AI 应用的核心挑战，主要体现在三个方面：一是算法风险，证券行业量化交易普及，算法的鲁棒性偏差、因子捕捉失效等问题时有发生，且不存在永远盈利的通用算法，行业内 "挣钱即合理" 的评价逻辑进一步加剧了算法迭代的盲目性；二是模型风险，大模型的 "幻觉" 问题可能导致错误决策，例如某券商CIO履历查询中，AI因简历缺失而拼接同名人员信息，形成虚假履历；同时，模型偏见可能导致信息茧房，如同小红书的个性化推荐，证券AI若过度推送单一类型股票，将影响投资者决策；三是组件风险，开源组件的广泛使用导致系统框架、工具链、插件存在安全漏洞，一旦被攻破可能引发数据泄露、模型投毒等严重后果。

（三）数据层面：治理、共享与安全的三重困境

数据作为 AI 的 "燃料"，其质量与流通效率直接决定应用效果。当前证券行业数据面临三大问题：一是数据治理难度大，内部数据存在缺失、重复、质量参差不齐等问题，而数据治理作为 "脏活、苦活、累活"，因产出不明显导致投入不足；二是数据共享壁垒高，券商之间的客户数据、投研数据属于核心机密，难以直接共享，即使是开户记录、资产区间等非敏感数据，跨机构流通机制也尚未建立，限制了AI的跨领域赋能；三是数据安全风险突出，部分敏感数据无法脱敏处理，且存在数据投毒、AI 广告排名操纵等新型风险，若被恶意利用可能引发市场混乱——例如通过污染模型诱导投资者集中买卖某只股票，加剧股市波动。

（四）市场与基础设施层面：落地不平衡难题

市场层面的挑战主要表现为三大风险：市场行为趋同风险，AI 策略同质化可能导致集中交易，加剧市场波动；业务替代风险，自动化工具的普及可能引发行业竞争格局重构；伦理风险，算法偏见与责任模糊可能引发合规纠纷。

基础设施层面的不平衡问题同样突出。当前AI应用场景多集中于行业头部券商，这些机构具备充足的算力、算法与资金投入；而中小机构面临 "算法不行、算力不够、资金短缺"的困境，难以开展自主AI创新。

证券行业 AI 应用的未来发展方向

面对挑战，证券行业AI应用需从技术创新、行业协同、风险防控三个维度发力，推动高质量发展。

（一）技术与业务深度融合，聚焦核心场景落地

2025年作为创新大年，证券行业将迎来交易系统迭代升级的关键期，AI功能将成为新一代系统的核心配置。未来行业需跳出"技术噱头"思维，聚焦投入产出比高的核心场景：在投研领域深化大模型与行业数据的结合，提升策略生成的差异化与有效性；在投行领域拓展AI在并购重组、再融资等复杂业务中的应用；在合规风控领域构建全流程智能监控体系，实现风险的早识别、早预警、早处置。同时，以"业务流程重塑"为核心，推动 AI 从辅助工具向业务核心引擎转变。

（二）强化行业协同，构建共建共享生态

解决中小机构困境与数据壁垒问题，需要行业层面的协同推进：一是搭建行业统一的通用大模型与人工智能数据中心，为中小机构提供算力租赁、算法共享等服务，降低技术应用门槛；二是建立高质量数据标准与共享机制，通过隐私计算、数据脱敏等技术，实现 "数据可用不可见"，打破信息孤岛；三是推进 "人工智能 + 资本市场" 试点工作，鼓励券商与科技企业、监管机构合作，探索创新应用模式，形成可复制、可推广的行业经验。

（三）健全风险防范体系，筑牢安全防线

风险防控是证券行业 AI 应用的底线。未来行业需构建全链条风险防范体系：在技术层面，加强算法审计与模型可解释性研究，减少 "黑盒" 风险，建立开源组件安全评估机制；在数据层面，完善数据治理体系，加强数据安全防护技术研发，防范数据泄露与投毒风险；在监管层面，积极配合监管政策落地，建立 AI 应用报备与风险评估机制，明确算法责任划分与信息披露要求。

·END·

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。