今年以来 ，AI Agent（AI智能体）正在快速渗透券商的核心业务场景。易观千帆数据显示 ，截至2026年7月末，已有32家券商完成算法与模型备案，备案项目总数超过50个 。其中 ，有10余家头部券商完成了多模型备案 。当前 ，AI Agent已在券商投研 、投顾 、运营、审核等环节落地，应用范围持续拓宽。
受访专家认为 ，2026年是券商AI Agent从试点走向规模化验证的关键节点。当前 ，大模型的推理和工具调用能力明显增强，Agent已能完成多步骤、较复杂的任务链；各券商从单点业务试水转向公司级战略布局 ，算力 、数据 、人才投入均有实质提升 ，发展前景极为广阔 。
持续加码布局智能体
随着券商应用大模型的能力持续跃升，AI投研正从概念验证迈入规模化落地阶段 。
近日 ，国泰海通研究所正式发布Nova投研AI全域产品生态。作为产品生态的核心后台 ，NovaStation目前已上线11个专项智能体和30余个投研专用Skills，其研究能力通过“道合·灵犀智慧投研 ”可直达客户 。
在构建生态外 ，也有券商选择系统改造投研链路 。招商证券国际推出的高股息实战AI原生投研2.0执行系统 ，将主动选股改造为可审计、可复核的自动化生产线。在这一模式下，AI Agent不再只是生成答案，而是在工程约束下完成整个研究生产过程 ，但最终结论与评级仍由持牌分析师签署并负责 。
“AI正在完成一次角色跃迁：从提效与内容生产的工具 ，到在用户所设框架与授权之下进入判断链路的协作主体——它改变的不单是投研效率，更是投研范式 。 ”招商证券国际分析师 、AI原生投研团队牵头人陈泓道表示。
除赋能专业投研之外 ，AI赋能券商业务的价值也正在财富管理端加速释放 。中信建投证券近期推出的“蜻蜓Skill广场” ，以“一句话调技能”为核心理念，用户只需用日常语言描述需求 ，即可快速获取结构化的分析结果 。
光大证券首席资产配置研究员王开在接受上海证券报记者采访时表示 ，当前智能体应用正从通用工具向投研 、合规、客户服务等核心业务流程渗透，并已产生可量化的效率改善。“当然 ，目前仍处于早期阶段 ，距离成熟商业模式还有距离，对此我们保持理性乐观 。 ”他说 。
赋能业务提效与服务普惠
当市场需求从标准化走向个性化 ，当行业竞争从信息差转向效率差 ，持续加码智能体正成为券商撬动存量市场 、提升业务效率的重要路径。
国金证券金工首席分析师高智威向记者举例道：在券商的研究场景中，AI可以从公开信息中提取公司业务收入 、经营数据等关键信息，自动整理形成财务模型底稿 ，并完成业绩预测参考 ，同时保留表格之间的计算逻辑；在金融产品分析场景中，AI可以调用数据接口和分析框架 ，自动生成包含数据支撑的研究报告 ，提升研究流程的标准化水平。
高智威认为，未来以Skills为代表的能力模块 ，将成为连接大模型、金融数据和具体业务场景的重要工具 。通过金融数据库 、知识库和定制化工作流的结合 ，AI有望覆盖数据获取 、研究分析、报告生成等完整投研流程，成为券商投研体系的重要基础设施 。
此外 ，智能体更深层的价值在于让金融信息服务走向普惠。有行业人士分析认为 ，传统线下一对一投顾资源天然稀缺，通常只能覆盖中高净值客户 ，大量客户只能排队咨询通用客服 ，但客服人员缺乏投顾资质，无法对专业行情进行有效解读，AI的介入可改变这一格局 。更重要的是 ，AI在合规框架内可绑定用户持仓数据 ，结合其盈亏情况与风险偏好定制分析内容，实现真正意义上的个性化投顾服务 。
合规问题仍是挑战
智能体赋能券商业务的价值正在加速释放 ，但其同时带来的合规风险与挑战 ，仍是市场关注的焦点。
此前，方正证券某分析师在研报中将2024年某重要会议表述误标为“2026年6月7日 ” ，被市场质疑与AI大模型“幻觉”有关 。受访专家表示 ，大语言模型在AI辅助资产配置和投资研究的场景中存在用户迎合效应 、金融幻觉 、上下文遗忘等系统性缺陷，使得单纯依赖大模型输出难以完整捕捉真实风险收益特征 。
对此 ，王开表示 ，智能体赢得信任的关键在于，让投资者理解AI建议的依据与局限 ，对思维链路不透明的地方进行“开箱 ”溯源。同时投资者需要明晰的是 ，持牌机构和从业人员始终是责任主体，AI永远是“辅助驾驶 ”而非“自动驾驶”，最终还是需要券商用长期、稳定的市场表现赢得口碑 。
高智威表示 ，就AI投研领域来说 ，券商需要建立稳定的数据基础，通过金融数据库、研报数据库 、公告数据等多元信息来源 ，为AI提供高质量的数据支撑 。同时需将研究框架和业务流程嵌入AI系统 ，通过RAG（检索增强生成） 、Skills等机制，使AI能够基于明确的数据来源和分析逻辑完成任务。
（文章来源：上海证券报）
