9 月 2 日，腾讯 WorkBuddy 开放平台正式上线，广发证券成为首家入驻该生态专区的券商机构，双方联合发布 " 广发证券 "Buddy 应用专区，首批上线 12 项自研 Skill 与 9 项专家能力；9 月 7 日，阿里千问开放平台上线十余款金融智能体，其中国泰海通 " 灵犀 "、兴业证券智能投资助手、东吴 " 秀财 "、中金财富 4 款为券商智能体；9 月下旬，中信建投自研的 " 蜻蜓 Skill" 六大技能也上线 WorkBuddy 技能广场。
从接入 DeepSeek，到上线 Skills，再到近期券商密集入驻 WorkBuddy，证券行业对外部大模型及 Agent 生态的拥抱仍在加速。但一个新的问题随之出现，当越来越多券商使用相同或相近的通用大模型，券商 AI 最终靠什么拉开差距？
不是替代关系，三个层面的差别才是关键
券商 AI 与通用大模型是二选一的对立吗？在受访券商看来，答案是否定的。
从实施路径看，目前多数券商 AI 应用是在通用大模型基础上做微调或后训练，再结合券商独有的应用场景服务员工与客户。真正的差异体现在三个层面。
其一是知识底座。通用大模型的语料主要来自公开互联网，而券商 AI 的知识建立在行情、交易、持仓、投研与监管口径等专域数据之上，并叠加机构长期积累的研究框架与业务经验。同一句提问，在通用模型处得到的多是 " 公开信息归纳 "，在券商 AI 处则可被接入资金流、产业链位置与历史上相似的行情结构。
其二是交付物。通用大模型多以独立问答形态存在，交付的是信息与内容；券商 AI 必须内嵌于真实业务流程，与权限体系、风控规则、合规审查和责任链条共同运转，交付的是可执行、可留痕、可问责的业务结果。这也解释了为何券商的 AI 最终往往指向下单、盯盘、复盘，而非停在聊天框。
其三是信源与边界。金融行业的专业性决定了合规是创新底线，" 信源可靠、输出可控 " 是垂类模型绕不开的两道闸门。
样本一：广发证券，把 AI 装进成熟 App 而非另起炉灶
2026 年 7 月，广发证券发布易淘金 AI 原生版 "AI 透镜 "，底座为自研 " 天玑智融 " 大模型服务平台，融合 RAG 检索增强生成与 Agent 编排技术，形成 " 规划—工具—记忆—进化 " 闭环；企业侧搭建 Skill Hub 平台，沉淀 30 类标准化智能体插件，并布局 MCP 开放工作台，上线账户管理、行情资讯、数据工具等 110 余项 MCP 服务。广发证券的特殊性在于，它不是把 AI 做成一个入口，而是做成一张网。
对客户端，把 AI 装进成熟 App。2026 年 7 月，广发发布易淘金 AI 原生版 "AI 透镜 "，围绕 " 聚光、放大、透视、望远 " 四类能力，对应选股、盯盘、交易与问答四大高频场景。其中交易场景可识别用户模糊表达并在确认后协助完成委托，让 AI 从 " 辅助查询 " 走到 " 辅助执行 "。与部分同业另建独立 AI App 不同，广发选择 " 就地升级 "，数千万存量用户无需迁移。
对内员工侧，AI 的另一头连着投顾与研究员。自研 " 天玑智融 " 投顾驾驶舱集成近 50 个专业智能体，覆盖个股点评、估值分析、研报总结等 20 余项核心功能，服务 300 余家营业部、数千名一线投顾；投行垂域大模型 " 投行文曲星 " 覆盖 10 类业务场景、落地 56 项细分 AI 功能；研究侧 " 智慧数 " 系统沉淀 8.8 万份精选研报、9 万余项全行业核心指标、800 余条主题产业链图谱，借助 AI 思维链投研智能体，将行业定期报告生成时长由 4 小时压缩至 15 分钟。
内容链路则是被外界低估的一环。据公司向记者介绍，广发证券以 " 金创翼 " 全媒体内容运营中心贯通热点雷达、智能创作、智能审核、分发中心与数据驾驶舱；在易淘金 App 侧则形成 " ‘淘金早班车’盘前提炼线索、盘中解读异动与轮动、盘后结合自选持仓生成个性复盘 " 的全天候陪伴矩阵。
样本二：中金财富，垂直大模型押注买方投顾
如果说广发侧重路径选择，中金财富则侧重重做服务。据公司向记者介绍，其金融垂直大模型并非简单的问答机器人，而是萃取中金 300 名资深研究员与近 3000 名一线投顾的成熟方法论，基于内部投研数据与实时行情构建，意在解决传统 AI 服务 " 零散化输出 "" 多场景点式分布 " 的行业难题。
产品侧，智能助手 " 小 Jinn" 主打从 " 问答 " 到 " 主动服务 "：早间推送专属 AI 早报，盘中跟踪个股异动并主动提醒，热点事件发生时梳理从政策出台、行业反应到资金流向的完整时间线；"AI 智投 50" 系列则围绕客户交易动线，覆盖算法、诊股、择时、选股与持仓诊断。中金财富表示，公司将于近期推出 V13.0 版 AIAPP，主线是 " 与我相关、主动服务 "，聚焦线上买方投顾服务体系建设。
弹药来自业务本身。截至 2026 年 6 月，中金财富买方投顾保有规模已突破 1700 亿元，产品保有规模突破 5300 亿元。在外部生态侧，中金财富智能体也已于 9 月出现在千问开放平台。
外接模型与自建能力并不矛盾，券商 AI 进入 " 双层竞争 "
回看过去一年券商 AI 发展的路径，技术迭代实际上已经经历数次重点迁移。
2025 年初，券商关注重点还是 DeepSeek 等基础模型的接入速度和本地部署能力。当时华福、国金、国元、兴业、光大、国泰海通等多家券商先后披露完成 DeepSeek 部署，广发证券、中金财富等亦快速跟进；彼时主要应用仍集中在知识问答、投研、客服、研发辅助等领域。
到了今年，竞争开始进入第二阶段。Skills 与 Agent 兴起后，券商开始将金融数据、研究方法和业务工具输出到更多 AI 入口；WorkBuddy 的出现，又进一步将竞争延伸到外部生态。
但从广发证券和中金财富最新披露的实践看，" 接入外部模型 " 和 " 建设内部垂直能力 " 实际并不是两条相互替代的路线。
外部通用大模型解决的是语言理解、推理以及智能体编排等基础能力问题；券商内部模型和金融能力层，则负责解决数据可信度、专业深度、业务执行以及合规边界问题。前者决定 AI" 够不够聪明 "，后者越来越决定它 " 能不能真正用于证券业务 "。
尤其是在金融服务场景中，合规仍是一道无法绕开的门槛。中金财富称，其 AI 输出基于内部投研数据及可靠资讯源，并通过金融安全机制控制模型输出；广发证券则强调，券商 AI 需要与权限、风控、合规审查及责任体系共同运行。
由此来看，券商 AI 竞赛正在形成越来越明显的 " 双层结构 "：底层是通用大模型与 Agent 生态，越来越开放和标准化；上层则是各家券商多年形成的数据资产、研究能力、业务流程、客户体系以及合规能力。当基础模型逐渐成为行业 " 标配 " 后，真正难以快速复制的，或许恰恰是后者。
