打造智能证券 推动证券服务降本提质增效

■迈向一流：全面提升证券公司服务效能（四）

□ 杨成长 龚 芳 袁宇泽

□ 在人工智能时代，证券公司传统盈利模式将受到显著冲击，行业竞争逻辑正从“资产优先、规模为王” 向技术驱动转型，对人工智能的深度布局与应用能力，将成为决定券商核心竞争力的关键因素

□ “十五五”时期，人工智能将深刻重塑社会生产方式及全球经济分工格局。主动拥抱这一变革，是证券行业适应智能经济新形态、把握发展新机遇的必然选择

□ 证券公司应从发展理念和战略高度重视人工智能的核心价值，以人工智能为抓手，全面重构证券公司服务链，以数智化能力实现降本提质增效：一是搭建贯穿数据端和业务端的人工智能一体化大构架；二是以产品管理、需求分析和策略适配为重点，赋能大财富业务发展；三是以产业研究和企业财务优化为抓手，赋能大投行业务发展；四是以智能化配置交易为核心，赋能大交易业务发展；五是以系统集成为抓手，切实降低证券公司运营成本

“十五五”时期数智化发展将成为赋能经济社会发展的重要推力。今年政府工作报告明确提出，智能经济新形态是培育壮大新动能和推进现代化产业体系建设的重要力量，要深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用。证券行业作为信息依赖、技术密集、网络枢纽属性的专业中介服务业，加快人工智能应用既是提升集约化运营水平与服务效能的迫切需要，也是塑造核心竞争力的关键举措。证券公司亟须从战略层面加快适配智能经济新形态，高度重视人工智能研发与应用，以“数据—模型—场景”为抓手搭建人工智能应用框架，聚焦智能投顾、智能融资方案、智能资产配置等高价值场景，全面赋能大财富、大投行、大交易业务发展。同时，通过全流程数字化改造实现降本提质增效，带动全社会证券服务成本下行，切实降低经营主体经营成本，提升服务实体经济与资本市场的综合效能。

一、数智化转型是推动证券公司价值链重塑的关键力量

（一）证券行业要通过降本增效带动全社会证券服务成本下降

证券行业是国民经济的重要组成部分，也是功能性服务业的关键一环。作为资本市场核心中介服务商，证券行业的高质量发展，直接影响资本市场的资源配置效率与全社会的投融资成本。近年来，以电信、仓储交运为代表的功能性服务业相继通过运营端的市场化改革，推进了全社会网络成本和物流成本的下降。证券行业作为金融服务业的重要分支，应加快摆脱以盈利为单一目标的发展模式，在做大行业规模的同时，更加注重服务效能的提升，通过降本提质增效切实降低全社会证券服务成本，实现行业服务质效与市场经营主体服务成本双优化。

（二）数智化转型是提升证券行业运营效率的关键

证券公司业务流程具有专业化、网络化特征，对数智化转型的依赖度较高，成为“人工智能+”的重要应用领域。

从服务端看，证券公司的服务对象和服务网络不断扩大，已通过线上线下一体化网络服务超2亿投资者。面对个人客户定制化、多元化和跨境化的财富管理需求，智能投顾、数字化服务成为提供1对1及时专业服务的关键；针对企业客户灵活、多元的投行服务需求，智能投研可提升产业判断力，数字化的底稿则筑牢项目筛选和质量管理的底线；面对机构客户差异化的资产配置需求，可通过智能化的研究、投资决策及智能风险监测，提供高效的一体化服务。可以说，人工智能已成为提升证券公司专业服务能力的重要基石。

从生产端来看，与一般业务流程不同，证券业务集研究、决策、执行、风控于一体，其中研究起到支撑作用。这意味着证券公司的业务流程天然具备专业化、智能化属性，因此人工智能的赋能效果将更为显著。同时，推动风控前置化、合规自动化及资源配置智能化，不仅能大幅降低证券公司的中后台成本，更能提升管理精细度。此外，通过构建智能化运营体系，证券公司可以有效压缩重复性人力成本的投入，优化刚性成本，并以自身运营成本的下降带动证券中介服务费率合理下行。

（三）数智化是推动证券公司盈利模式重塑的重要力量

过去，证券公司依托牌照优势、信息差、专业研究和机构客户网络实现快速扩张。然而，近年来行业在快速发展的同时也出现了成本增速高于收入与利润增速的现象：2014年至2024年间，行业总资产和净资产的复合年化增速分别达到26%和28%，但营业收入和净利润复合年化增速分别为5.7%和5.6%。总成本上升速度过快，导致ROE和ROA在规模扩容的同时呈现波动下滑的态势。

在人工智能时代，随着信息获取门槛降低、数据处理能力普及、基础研究同质化加剧，证券公司传统盈利模式将面临较大冲击，以智能投顾、程序化交易、高频算法为代表的数字新业务将成为证券公司新的盈利增长点。在竞争格局上，“资产优先、规模为王”的旧逻辑正被重塑，数智化能力将成为证券公司的核心壁垒。未来，部分具备AI赋能优势的金融科技公司有望成为细分领域的领先者。证券公司对人工智能的深度布局及应用能力，将成为决定其核心竞争力的关键因素。

二、证券公司数智化转型面临三大难题

过去十年，证券行业在信息技术领域的投入经历了跨越式增长，总投入金额已从2017年的116亿元攀升至如今的逾400亿元，占营业总收入的比重也提升至近10%。尽管持续的投入已推动部分服务场景的优化升级，但从整体来看，证券行业在利用人工智能实现降本提质增效方面，仍面临三大核心难题。

（一）人工智能一体化大构架尚未形成

一体化大构架的缺失，导致证券公司内部形成大量数据孤岛，数智化转型的集成效应大打折扣。尽管近年来证券公司纷纷加大投入，但多数仍停留在各业务条线、各部门分散作战的阶段：从交易系统的算法执行到业务流程的自动化处理，从研究部门的智能投研到网点的客户服务，这些场景都尚未有效衔接起来。

究其根源，在于普遍缺乏一套自上而下、贯穿前中后台的数字化与人工智能化总体构架。目前各自为战的智能化转型模式虽然可以在局部场景解决特定问题，但因缺乏统一的底层数据标准、技术接口和算力调度机制，高质量数据难以在全公司范围流动共享，最终形成大量数据孤岛与技术孤岛：前台交易端的智能定价模型无法直接调用中台风控的实时监测数据；后台财务系统的预测分析结果也难以反向指导业务决策。尽管近期证券行业对人工智能一体化构架的重视程度显著提升，但多数公司仍采用“头痛医头、脚痛医脚”的补丁式集成方式，远未构建起能够支持全域智能化的大模型协同体系。

（二）客户、业务及运营端的数智化转型均面临堵点

一是在业务端，业务的线上化、智能化程度不高，业务开展仍高度依赖人力。证券业务必须先实现标准化、规范化与流程化，才能在此基础上推进全面的线上化与智能化。其中，标准化重在统一业务规则与数据口径，规范化旨在确保操作合规可控，流程化则着眼于打通跨部门协作链条。从当前行业实践来看，大多数业务在上述“三化”层面仍存在明显短板：业务流程依赖人工经验判断，自动化系统难以覆盖复杂场景，跨部门协同缺乏固化流程，导致线上化多停留在表单电子化阶段，未能形成真正的业务闭环。例如：投行承销业务中在项目尽调、材料制作、发行定价等环节仍高度依赖个人经验与手工操作，缺乏统一的作业标准与节点管控；财富管理业务在客户画像构建、产品适配推荐等环节尚未形成标准化范式，导致投资顾问的服务质量参差不齐。

二是在运营端，证券公司的管理系统与业务系统往往分离。以合规风控、中台运营为核心的管理系统多由风险管理或运营部门主导建设，主要服务于内部合规审计与风险指标计算，与前台业务实际产生的数据、业务流程及决策逻辑关联度较弱。由于业务系统以提升交易效率与客户体验为核心目标，而控制系统更侧重事后监督与统计报送，二者在数据标准、响应时效和建设目标上存在天然差异，进一步加剧了运营与业务的脱节。一方面，业务人员在日常操作中需要在多平台间反复切换，显著降低工作效率，难以获得一线业务有效认同；另一方面，当市场剧烈波动或发生突发风险时，相对独立的控制系统难以实时获取业务端的异常交易信息，进而实现有效的风险预警和隔离。同时，业务端的创新调整也无法及时同步至管理系统，容易形成业务快速推进、内控机制滞后补位的局面，最终削弱内控和风险管理的整体效能。

三是在客户端，人工智能对客户体验的提升效果有限，业务流程自动化程度依然偏低。当前，证券行业的人工智能化转型普遍存在“前端智能化、后端传统化”的割裂现象：前端虽具备智能化的交互界面，但其背后依托的仍是传统且相互割裂的业务系统。客户在智能客服或线上表单界面完成初步操作后，一旦进入核心交易、复杂业务办理等关键环节，仍需退出智能场景，重复填报资料、上传证明文件，或进行多次跳转的繁琐操作。此外，有些证券公司的App虽然上线智能客服、智能推荐、智能投顾等功能模块，但实际精准度欠佳。客户最关心的核心业务节点，如复杂业务办理的顺畅度、个性化问题的解决效率等，并未因人工智能应用而有实质性改善，客户体验并未得到明显提升。

（三）数智化推动证券公司降本增效的效果还不显著

一方面，数字化系统投入没有带来明显的结构性成本压降。尽管近年来行业持续加大IT系统建设投入，但大量资金集中于基础设施搭建和系统采购，中后台运营刚性成本并未出现明显下降。合规风控审核仍以人工逐单核验为主，智能预警和自动审批能力偏弱；监管材料报送、数据整理等工作高度依赖人工复核，自动化处理水平偏低。从实际成效看，人工智能赋能未能有效替代人力密集型作业，反而形成人力成本与系统投入双重压力，导致证券公司成本收入比居高不下，制约了行业的高质量发展。当前，人力成本仍是证券公司最重要的支出构成，在业务及管理费用中的占比普遍达到70%左右，其中合规与运营类人员占比更是持续攀升。

另一方面，技术投入尚未成为证券公司新的业务增长驱动力。线上渠道虽然极大拓展了证券公司的服务范围，但获客成本仍然高企，客户转化率与留存率未能同步提升，单纯依靠流量采买获取的客户质量参差不齐，难以沉淀为有效资产。

在业务赋能层面，人工智能工具的研发应用并未给客户带来实质体验升级，导致客户认可度偏低、使用黏性不足；投资银行业务中，数字化工具虽在尽职调查环节实现小幅提效，但在项目筛选、质量把关、招股说明书撰写等核心环节，仍高度依赖人工经验和关系网络，技术赋能对业务模式的变革作用十分有限。

在客户管理上，由于缺乏精细化的分层分类管理，证券公司内部交叉销售能力相较于海外大型投行仍有较大差距，基于数据价值挖掘的精准营销与综合金融服务难以落地，通过技术创新挖掘新业务增长点、培育核心竞争力的成效尚不明显。

三、以人工智能为抓手，全面重构证券公司服务链

“十五五”时期，人工智能将深刻重塑社会生产方式及全球经济分工格局。主动拥抱这一变革，是证券行业适应智能经济新形态、把握发展新机遇的必然选择。证券公司应从发展理念和战略高度重视人工智能的核心价值，将其作为推动生产力重构的核心引擎，全面嵌入业务全链条及运营管理全过程，以数智化能力实现降本提质增效，切实推动全社会证券服务成本下降，不断提升服务实体经济的综合效能。

（一）搭建贯穿数据端和业务端的人工智能一体化大构架

搭建人工智能一体化大构架是证券公司实现数智化转型的关键抓手。证券公司要在顶层设计上高度重视人工智能的系统性和集成效应，以数据为基础，以具体业务为场景，构建覆盖数据层、模型层、应用层的全链路一体化智能体系，为业务创新提供源源不断的内生动力。

在数据端，重点解决各类业务数据分割、标准不统一带来的数据孤岛和技术孤岛问题。要通过企业级数据中台建设打通财富管理、投资银行、资产管理、研究、自营等业务条线的数据壁垒，统一数据标准与口径，实现“一个客户、一套数据、一种视图”的一体化管理。要建立常态化的数据治理机制，完善数据清洗与脱敏流程，实施严格的数据分级分类管理与质量评分机制，确保为大模型训练提供高质量、可持续的数据供给。在数据中台建设和应用过程中，要将客户数据保密与信息安全置于首位，在合规前提下挖掘数据要素价值，平衡数据价值挖掘与隐私保护之间的关系。

在业务端，要构建以业务场景为落脚点，以模型能力为核心竞争力的发展模式。要统筹算力成本、模型安全与运行效率，采取“敏感数据本地部署、非核心场景云端弹性调用”的混合构架，在保障核心交易与客户隐私安全的前提下，充分利用云端算力降低边际成本。要持续提升模型治理能力，加大高质量金融语料训练投入，加快推进本地化金融行业专业大模型研发，打造具有证券行业特色的专业大模型，切实解决模型与业务脱节、数据与业务流程割裂的问题，真正实现模型能力对业务深度赋能。同时，证券公司要认识到人工智能并非对现有业务流程的简单替代，应采用线上线下融合模式，将人工智能深度嵌入全业务流程。由线上渠道承担标准化交互、数据采集与初步需求识别等工作，线下则聚焦决策陪伴与复杂问题处置，提供有温度、有专业价值的综合服务。

（二）以产品管理、需求分析和策略适配为重点，赋能大财富业务发展

证券公司需要将人工智能深度融入大财富业务核心链条，构建以客户为中心、以数据为驱动的新型财富管理能力，形成贯穿产品入库管理、客户需求分析和投资策略适配的完整业务闭环，切实满足居民财富管理需求。

一是构建以人工智能驱动的产品全生命周期管理体系。传统模式下，产品入库依赖手工尽调与静态指标，产品评价流于形式，难以适应快速变化的市场环境。证券公司可依托人工智能技术，对全市场产品开展持续、多维度的分级分类评价，深入分析产品的收益特征、风险敞口、风格漂移、策略一致性等要素，建立科学的产品评价与分级体系。结合风险收益特征、市场环境变化及客户反馈数据，实现产品的智能筛选与组合优化，将庞大、杂乱的产品货架，转变为标签清晰、层次分明、可被算法理解与调用的标准化产品库，为居民财富管理提供丰富、及时、差异化的投资工具体系。

二是构建动态的客户需求分析与画像。客户需求并非仅凭简单询问就能获取的显性信息，而是隐藏在交易行为、财务场景与心理偏好中的复杂图谱。因此，其真实投资偏好的获取，绝非传统问卷所能实现。证券公司要借助人工智能设计科学的行为指标体系，通过分析客户的交易记录、浏览轨迹、持仓结构、资金流动等多源数据，构建动态化的客户360度全景画像。这种由人工智能构建的画像，不是静态的标签堆砌，而是对客户当下状态与未来可能性的概率性解读，从而真正做到了解客户，精准把握其当下需求与未来潜在需求。

三是将客户需求与产品供给进行智能化匹配，并生成可执行的个性化投资建议。在精准刻画客户需求、清晰解构产品特征的基础上，通过大模型与智能推荐算法协同，为客户生成高度适配的投资操作建议。证券公司可依托人工智能提升市场研判、产品匹配、组合优化、风险预警等综合能力，通过可视化交互界面引导客户理解配置逻辑，逐步培养其长期投资理念。同时，打通交易执行环节，实现从策略建议到委托下单的无缝衔接，并根据市场动态自动进行组合智能再平衡。

（三）以产业研究和企业财务优化为抓手，赋能大投行业务发展

证券公司应将人工智能深度融入大投行业务全链条，重塑以研究驱动、数据为根基、综合服务为核心的新型投行服务能力，构建集产业研究、财务结构优化和综合融资方案设计于一体的全链条智能化服务体系，助力企业实现高质量发展。

一是通过人工智能进行深度的产业研究，提升项目挖掘和价值判断能力。投行业务的起点是对产业逻辑的深入理解，传统的产业研究依赖分析师个人经验与有限的数据来源，难以实现对全市场、全产业链的实时跟踪。证券公司需借助智能投研，运用自然语言处理与知识图谱技术，自动抓取并整合行业研报、政策文件、专利数据、新闻舆情等海量信息，构建动态更新的产业链图谱。在人工智能赋能下，投行业务将从被动等待企业上门，转向主动挖掘优质标的，在项目来源端建立先发优势，提升项目储备的质量与前瞻性布局能力。

二是从优化企业财务结构出发，为企业提供智能化的综合融资方案。证券公司在投行业务中需通过全面财务分析，挖掘企业潜在财务诉求。可通过人工智能深度学习模型对目标企业的历史财务报表进行多维度剖析，涵盖盈利能力、盈利质量、现金流健康度等关键指标，识别其财务痛点与优化空间。同时，结合行业数据与可比公司分析，围绕企业的股权结构优化、流动性管理、公司治理提升及风险管控等核心需要，为企业匹配债权融资、股权融资、资产证券化等多元化融资工具，并对不同融资组合方案进行模拟推演，综合评估融资成本、实施时效、控制权影响及市场接受度，最终形成最优资本运作方案与专业化交易结构设计。

（四）以智能化配置交易为核心，赋能大交易业务发展

证券公司需要将人工智能深度融入大交易业务链条，借助人工智能在设计资产组合、降低交易成本、提升交易效率三方面的赋能，构建贯穿资产配置、交易方式选取和交易系统建设于一体的大交易业务体系，全面提升大交易业务的功能定位。

一是运用人工智能动态优化资产配置方案，提升组合收益。证券公司可借助人工智能技术构建覆盖全市场、全品类的智能配置流程，对股票、债券、基金、衍生品等各类资产进行实时监测与分析；通过机器学习模型分析宏观经济周期、产业政策动向、市场情绪指标等多维数据，动态预判各类资产的风险收益特征。结合客户画像精准刻画其风险偏好、流动性需求与投资目标，生成个性化的动态资产配置方案，不断优化组合投资收益水平。

二是利用人工智能技术优化交易方式、管控交易成本，降低集中交易对二级市场的冲击。证券公司要充分运用人工智能技术，实时分析市场微观结构数据，包括订单流变化、买卖盘口深度、市场波动率等海量指标，通过强化学习模型动态选择最优交易路径。针对大额订单，人工智能可自动拆分为多笔小额订单，智能识别市场流动性充裕的时间窗口分散执行，有效平抑交易对市场的瞬时冲击，减少价格波动影响。

三是通过数智化赋能优化交易系统，进一步提升市场价格发现功能。在交易执行层面，人工智能正成为优化交易系统、提升整体效率的关键技术支撑。证券公司要通过人工智能推动交易系统由被动执行向主动感知转型，通过实时分析市场流动性变化、订单拥堵状况，智能选择最优交易路径，大幅降低交易延迟，提升市场价格发现效率。同时，通过实时负载自动分配算力资源，确保核心交易系统在高并发场景下稳定运行，提升资本市场运行的内在稳定性。此外，证券公司还可以借助人工智能实现异常交易行为的实时识别与拦截，筑牢合规交易的底线。

（五）以系统集成为抓手，切实降低证券公司运营成本

证券公司要通过前中后台和各业务条线的系统集成，实现对全业务链条的数智化赋能，全面实现降本提质增效。

一是做好前中后台集成，通过人工智能实现前台客户界面、中台业务流程、后台风险管理的深度贯通。在前台实现客户需求精准识别与自动响应，将大量标准化咨询服务从人工转向自动智能处理，有效降低获客与服务成本；在中台对开户、审核、交易指令传递等环节进行自动化处理和流程串联，消除部门间手工传递环节，提升流程效率；在后台将集成的风险管理与合规监控系统实时嵌入业务链条，实现审批、监控、预警的一体化闭环管理。通过前中后台的智能集成形成“前台敏捷触客、中台高效运转、后台精准控制”的协同效应，从全业务链条实现成本压降和集约化运营。

二是加强不同业务条线间的协同集成。证券公司应以人工智能驱动跨业务系统集成，通过建设统一的数据中台与业务中台，将各业务线的客户信息、交易记录、研究数据等进行整合与标准化治理，构建客户资产全景视图，实现产品智能匹配与交叉销售，真正达成“一套系统支撑多元业务、一个客户创造多重价值”的经营效能。同时，运用人工智能对各业务条线、各类网点的成本利润贡献进行分析与动态评估，以此优化网点布局与内部资本配置，进一步降低综合运营成本和资金成本。

（杨成长系全国政协委员、申万宏源研究所首席经济学家；龚芳系申万宏源研究所政策研究室主任、首席研究员；袁宇泽系申万宏源研究所资深高级研究员）