財(cái)聯(lián)社6月21日訊（記者 王晨）證券行業(yè)正在出現(xiàn)一個(gè)新現(xiàn)象，越來(lái)越多券商正把自身投研數(shù)據(jù)、研究框架、行情工具、財(cái)務(wù)模型和APP功能，拆成一個(gè)個(gè)可被大模型調(diào)用的Skills。

據(jù)不完全梳理，近期國(guó)泰海通、華泰證券、中信建投、中金公司、廣發(fā)證券、中國(guó)銀河、國(guó)信證券、等多家券商，均推出或上線了金融Skills能力。它們覆蓋研報(bào)查詢、行業(yè)觀點(diǎn)、估值模型、每日復(fù)盤(pán)、ETF篩選、行情查詢、財(cái)務(wù)數(shù)據(jù)、智能選股、因子分析、自選管理等高頻投研與交易服務(wù)場(chǎng)景。

如果只看單家券商，Skills像是一個(gè)個(gè)新功能入口；但放到行業(yè)層面看，它更像是券商APP和投研能力的一次“接口化改造”。過(guò)去，用戶要在APP里點(diǎn)擊菜單、查找模塊、閱讀報(bào)告；現(xiàn)在，券商試圖把這些能力封裝成技能，讓用戶通過(guò)自然語(yǔ)言直接調(diào)用。

這也意味著，券商AI競(jìng)爭(zhēng)正在從“誰(shuí)有大模型”轉(zhuǎn)向“誰(shuí)有可調(diào)用的專(zhuān)業(yè)能力”。大模型本身越來(lái)越像公共底座，券商真正能形成差異的，是研究所觀點(diǎn)、金融數(shù)據(jù)、估值模型、投顧框架、交易工具、合規(guī)治理和客戶場(chǎng)景理解。Skills的密集上線，正在把這些能力推到AI Agent時(shí)代的前臺(tái)。

不是簡(jiǎn)單上新功能，而是APP能力被重新封裝

梳理來(lái)看，不同券商上線的Skills名稱(chēng)和入口各不相同，但底層邏輯較為一致：把原先分散在APP、研究平臺(tái)、數(shù)據(jù)終端或內(nèi)部系統(tǒng)中的能力，轉(zhuǎn)化為可被AI代理調(diào)用的標(biāo)準(zhǔn)化技能。

例如，國(guó)泰海通的靈犀Skills是專(zhuān)為投資者打造的“AI技能倉(cāng)庫(kù)”，上線了查研報(bào)、查行情、查數(shù)據(jù)、出榜單、篩股票、自選股六大Skills。華泰智研推出Skill與MCP能力，圍繞行業(yè)周度觀點(diǎn)、專(zhuān)業(yè)研報(bào)查詢、公司估值模型、市場(chǎng)每日復(fù)盤(pán)等場(chǎng)景，把研究所沉淀轉(zhuǎn)化為可調(diào)用工具；中信建投即將推出的“蜻蜓Skill”首期聚焦ETF篩選、市場(chǎng)行情查詢和上市公司財(cái)務(wù)數(shù)據(jù)查詢；中金則更強(qiáng)調(diào)分析師Skill和專(zhuān)業(yè)投研方法論的數(shù)字化表達(dá)。

廣發(fā)證券一次性提供股票基礎(chǔ)信息、財(cái)務(wù)對(duì)比、龍虎榜、基金定投計(jì)算器、基金產(chǎn)品信息、ETF資金異動(dòng)、ETF篩選、ETF榜單等數(shù)據(jù)Skills；銀河證券將行情數(shù)據(jù)、技術(shù)指標(biāo)、基本面指標(biāo)和因子分析打包為四類(lèi)示例；國(guó)信證券則圍繞智能選股、ETF篩選、基金對(duì)比、宏觀數(shù)據(jù)、行情財(cái)務(wù)、研報(bào)搜索、熱榜查詢、自選管理等客戶高頻需求做封裝。

這些動(dòng)作的共同點(diǎn)在于，券商不是簡(jiǎn)單把大模型接進(jìn)APP，而是在把APP里的功能、研究所里的方法、金融數(shù)據(jù)平臺(tái)里的接口，重新組織成AI可理解、可調(diào)用、可復(fù)用的技能模塊。某種意義上，Skills正在成為券商AI服務(wù)的新顆粒度。

從數(shù)據(jù)查詢到投研流程，Skills開(kāi)始覆蓋決策鏈條

第一批券商Skills大多從數(shù)據(jù)查詢和投研工具切入，這并不意外。金融服務(wù)最適合AI落地的場(chǎng)景，往往不是直接給出買(mǎi)賣(mài)建議，而是幫助用戶更快完成信息獲取、結(jié)構(gòu)化整理和基礎(chǔ)分析。

ETF篩選、行情查詢、財(cái)務(wù)三表、估值對(duì)比、行業(yè)觀點(diǎn)、研報(bào)檢索、市場(chǎng)復(fù)盤(pán)、龍虎榜、資金流向、技術(shù)指標(biāo)和因子分析，都是投資者和投研人員每天高頻使用的基礎(chǔ)能力。過(guò)去，這些能力分散在不同頁(yè)面、不同系統(tǒng)和不同報(bào)告里；Skills的價(jià)值，是把它們變成一句話可觸發(fā)的任務(wù)。

更進(jìn)一步看，部分券商已經(jīng)不滿足于“查數(shù)據(jù)”。華泰的公司估值模型、海外宏觀策略MCP，美債利率研判和跨資產(chǎn)隱含預(yù)期雷達(dá)，已經(jīng)帶有較強(qiáng)研究框架屬性；中金的分析師Skill，則嘗試把首席分析師的方法論、財(cái)務(wù)模型和研究資料轉(zhuǎn)化為數(shù)字化服務(wù)。銀河的因子分析Skill，則更接近量化研究工作流。

這說(shuō)明券商Skills正在從信息工具走向投研流程。未來(lái)，客戶需要的可能不是“幫我查某家公司收入是多少”，而是“幫我判斷這家公司業(yè)績(jī)變化來(lái)自價(jià)格、銷(xiāo)量還是成本”，“幫我比較兩只ETF在行業(yè)暴露和回撤控制上的差異”，“幫我用同一套框架復(fù)盤(pán)今天市場(chǎng)主線”。能把研究邏輯固化為可調(diào)用技能，更可能在AI投研場(chǎng)景中占據(jù)入口。

券商優(yōu)勢(shì)不在通用AI，而在專(zhuān)業(yè)數(shù)據(jù)和研究可信度

券商為什么要密集做Skills？一個(gè)重要原因是，通用大模型雖然能力提升很快，但在金融投研場(chǎng)景中仍然存在數(shù)據(jù)滯后、口徑不統(tǒng)一、事實(shí)幻覺(jué)和合規(guī)邊界不清等問(wèn)題。

券商的優(yōu)勢(shì)恰恰在這里。研究所觀點(diǎn)、估值模型、行情數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、F10資料、基金信息、ETF資金流、因子模型和投顧產(chǎn)品，本來(lái)就是券商長(zhǎng)期積累的專(zhuān)業(yè)資源。把這些資源封裝成Skills，可以讓AI調(diào)用真實(shí)、可追溯、可更新的金融數(shù)據(jù)和研究框架，而不是只依賴模型訓(xùn)練語(yǔ)料。

頭部券商相關(guān)人士告訴記者，與金融數(shù)據(jù)平臺(tái)推出的Skills相比，券商Skills在投資咨詢方面更有優(yōu)勢(shì)，因?yàn)樗诤狭巳掏堆心芰?。其目?biāo)也是將券商APP中的功能逐步固化成Skills提供給客戶，順應(yīng)Agent時(shí)代發(fā)展。

這句話點(diǎn)出了行業(yè)競(jìng)爭(zhēng)的新方向。AI時(shí)代，金融機(jī)構(gòu)的核心能力可能不是訓(xùn)練一個(gè)通用大模型，而是把自有專(zhuān)業(yè)能力以合規(guī)、穩(wěn)定、可復(fù)用的方式接入大模型。對(duì)券商來(lái)說(shuō)，研究所、財(cái)富管理、行情數(shù)據(jù)、投顧服務(wù)和交易工具，都會(huì)成為可被重新封裝的能力資產(chǎn)。

開(kāi)放生態(tài)正在成形，但商業(yè)模式仍在探索

券商Skills還有一個(gè)值得關(guān)注的變化，是從自用工具走向開(kāi)放生態(tài)。中信建投提到，未來(lái)將逐步開(kāi)放Skill技能開(kāi)發(fā)接口，邀請(qǐng)行業(yè)合作伙伴共同打造多元化金融技能矩陣；國(guó)信證券支持通過(guò)APP領(lǐng)取，也可在OpenClaw、Coze等平臺(tái)體驗(yàn)；廣發(fā)證券入駐ima Skill廣場(chǎng)，提供專(zhuān)業(yè)金融數(shù)據(jù)接口。

這意味著券商AI服務(wù)不一定只發(fā)生在自家APP里。隨著智能代理成為新的用戶入口，券商需要考慮如何讓自己的數(shù)據(jù)、服務(wù)和品牌出現(xiàn)在用戶常用的AI平臺(tái)中。用戶可能不再先打開(kāi)券商APP，而是在某個(gè)Agent里提出問(wèn)題，再由Agent調(diào)用券商Skills完成分析。

不過(guò)，商業(yè)模式仍處于早期。受訪的頭部券商負(fù)責(zé)人表示，大模型相關(guān)服務(wù)投入暫時(shí)無(wú)法準(zhǔn)確核算回報(bào)，已知單項(xiàng)目投入約200萬(wàn)元，但目前難以明確對(duì)應(yīng)收益。相關(guān)價(jià)值更多體現(xiàn)在隱形品牌價(jià)值、前期研發(fā)探索以及潛在獲客，例如用戶在通用AI工具中咨詢開(kāi)戶推薦時(shí)，相關(guān)布局可能影響模型回答結(jié)果。

這也解釋了為什么券商現(xiàn)階段更愿意先做數(shù)據(jù)查詢、研報(bào)搜索、ETF篩選、智能選股等低風(fēng)險(xiǎn)場(chǎng)景。Skills本身能否收費(fèi)、如何分成、是否與投顧服務(wù)綁定、能否提升客戶資產(chǎn)留存和產(chǎn)品轉(zhuǎn)化，還需要更長(zhǎng)時(shí)間驗(yàn)證。

交易功能仍有邊界，合規(guī)決定落地速度

在海外，部分互聯(lián)網(wǎng)券商已經(jīng)探索讓客戶通過(guò)智能代理直接下單交易。但在國(guó)內(nèi)，Skills和Agent直接觸達(dá)交易環(huán)節(jié)仍面臨較高門(mén)檻。業(yè)內(nèi)人士表示，國(guó)內(nèi)目前尚未開(kāi)放客戶通過(guò)Skill、Agent直接下單股票交易的功能，這一模式需要打通委托下單和成交的全鏈路交易終端，短期落地難度較大。

這意味著，券商Skills當(dāng)前更像是“投研與服務(wù)入口”，而不是“自動(dòng)交易入口”。它可以幫助用戶查行情、看財(cái)報(bào)、篩ETF、讀研報(bào)、做復(fù)盤(pán)、生成分析，但一旦涉及投資建議、適當(dāng)性管理和交易執(zhí)行，就必須回到嚴(yán)格的監(jiān)管與合規(guī)框架中。

這也是國(guó)內(nèi)券商Skills發(fā)展與海外Agent交易探索的差異所在。國(guó)內(nèi)券商需要在智能化與審慎監(jiān)管之間找到平衡：既要提升服務(wù)效率和客戶體驗(yàn)，也要避免AI生成內(nèi)容誤導(dǎo)投資者，避免越過(guò)投顧資質(zhì)、適當(dāng)性管理和交易安全邊界。

因此，券商Skills的下一步可能不是直接替客戶交易，而是先把投研輔助、客戶服務(wù)、產(chǎn)品篩選、風(fēng)險(xiǎn)提示和策略解釋做深。真正能穿越合規(guī)邊界的，不是更激進(jìn)的自動(dòng)化，而是更清晰的責(zé)任鏈條、更穩(wěn)定的數(shù)據(jù)口徑和更可控的服務(wù)流程。

從APP智能化到Agent時(shí)代，券商開(kāi)始爭(zhēng)奪新入口

總體來(lái)看，券商密集上線Skills，是行業(yè)正在適應(yīng)Agent時(shí)代的新入口變化。過(guò)去券商競(jìng)爭(zhēng)APP功能、頁(yè)面體驗(yàn)和內(nèi)容服務(wù)；現(xiàn)在，這些能力正在被拆解成一個(gè)個(gè)可調(diào)用的AI技能。

這會(huì)帶來(lái)兩層變化。第一，券商服務(wù)從“人找功能”轉(zhuǎn)向“問(wèn)題找能力”。用戶不需要知道功能藏在哪個(gè)菜單，只要用自然語(yǔ)言表達(dá)需求，系統(tǒng)就能調(diào)用相應(yīng)Skill。第二，券商能力從“封閉APP”走向“開(kāi)放調(diào)用”。誰(shuí)的Skills更穩(wěn)定、更專(zhuān)業(yè)、更易用，誰(shuí)就可能在外部AI生態(tài)中獲得更多曝光和客戶入口。

從更長(zhǎng)周期看，Skills可能成為券商財(cái)富管理和投研服務(wù)的基礎(chǔ)設(shè)施。它既連接券商研究所和客戶，也連接APP功能和大模型，還連接金融數(shù)據(jù)、投顧服務(wù)和智能代理。券商如果能把投研能力、客戶服務(wù)能力和合規(guī)能力沉淀成標(biāo)準(zhǔn)化技能，就可能在AI時(shí)代形成新的服務(wù)壁壘。

這也是這輪Skills密集上線最值得關(guān)注的地方。券商不是在簡(jiǎn)單追一個(gè)AI概念，而是在重構(gòu)自身能力的交付方式。把專(zhuān)業(yè)投研、數(shù)據(jù)服務(wù)、投顧框架和客戶需求打包成可調(diào)用的技能，有可能在下一輪券商APP智能化和財(cái)富管理競(jìng)爭(zhēng)中占據(jù)主動(dòng)。

（財(cái)聯(lián)社記者 王晨）