书接上回，笔者和大家分享了证券公司智能体“要不要做？”的问题，答案是肯定的。不跟？就下牌桌！但在真正消耗人力物力财力之前，还有几个关键点必须考虑到。
一、优先级是什么？功能、人群、生态、差异化或是先解决有无？
二、主战场在哪里？元宝、豆包、蚂蚁还是自用？
三、人员怎么配置？新建项目组还是干脆外部共创？
四、不想沦为内部“玩具”，配套运营策略怎么搭？
五、心里没底！我自己能先手搓个Demo吗？
今天我们先讨论前三个问题。
关于优先级第一个问题先抛给各位产品经理。笔者认为，智能体在目前阶段也可以被归纳进“产品”的范畴中。但谨记，AI产品拿掉AI的部分，依然、必然还是好产品！所以各位产品经理赶紧先翻一翻自家的数字化产品，有哪些受欢迎的？值得更智能的？其实与近十年大家做的公告资讯化、数据产品化等并没有本质区别，这次大家可以先做产品AI化。不过这次的“AI化”不是简单的让产品“更聪明”，而是要让它“更鲜活，更有生命力”。
举个例子——“财经资讯智能体”。带大家一起来拆解。
对证券研究员而言，需求核心在于信息处理效率与深度。他们需要智能体具备全网资讯的实时抓取能力，并能结合行业知识图谱自动生成事件影响分析链（如“光伏新政→产业链成本结构变化→标的公司盈利模型修正建议”）。这要求智能体突破传统资讯的“事实罗列层面，进化到“逻辑推演”阶段。
投顾端的需求则聚焦于服务赋能工具化。优秀的财经资讯智能体应具备客户画像感知能力，例如当某客户持仓中出现新能源板块且风险测评显示保守型时，智能体需自动过滤激进策略资讯，同步生成“波动预警+对冲方案+沟通话术”组合包。这种“资讯-策略-服务”三位一体的输出，将重构投顾的工作流。
C端用户的核心诉求在于决策辅助的场景穿透力。区别于传统APP的栏目式资讯堆砌，智能体需实现“持仓关联提醒+资金规划建议+市场情绪解读”的动态融合。例如监测到用户重仓股突发利空时，即刻推送包含“历史相似案例波动曲线、机构持仓异动数据、期权对冲成本测算”的决策包。
设想一下：你有个朋友，每天都会不定时通知一些你关心的或者与你操作、研究行为相关的市场资讯、行业动态。不仅如此，他还是个导师、百事通、预言家，可以引导你提出下一个问题，或是主动帮你拓宽知识边界，在深度挖掘信息价值的同时减少“信息茧房”产生的概率。不仅如此，他的工作流也是完全由你决定，可以留完言就消失，也可以做到买卖调仓一条龙。
这个例子其实是想告诉大家。关于智能体建设的优先级，在解决有无问题后，暂时还没有形成常规意义上的“先后顺序”。而是先试水、先练手，而后去“找线头”，找到最小价值闭环的突破口，再结合各家公司的实际情况去考虑功能、人群、生态、差异化的问题。不过，笔者期望的智能体即服务（AaaS）新范式暂未有监管政策框架或适当性管理细则。所以很多长链路的功能（特别是涉及到交易相关的）可以规划，但无法落地。最好的实现方式肯定是先做出一个个“智能工具体”备用，未来某一天再组合为完整的智能体。
这里再附赠各位读者一些“财经资讯智能体”以外的“智能工具体”构想，供大家探讨，有兴趣的可以私信笔者交流。例如“投行业务智能体”、“合规风控智能体”、“量化策略生成智能体”、“智能投教陪伴体”、“上市公司画像智能体”等……
关于主战场随着证券公司智能体热度上升，头部券商凭借资源优势可能每月新增的“智能工具体”场景肯定会不少于20个，但真正产生业务价值的能有多少？选择与生态基因深度适配的主战场，成为决定智能体建设成败的关键命题。
1、微信生态（元器）：私域运营与深度服务的主阵地
生态特性：以企业微信为核心，覆盖13.4亿月活用户，具备强社交属性、客户生命周期管理能力及合规闭环（如会话存档功能）。
券商适配场景优先级：
-客户分层运营：通过企业微信构建“投顾-客户”专属服务链路，实现资产异动实时提醒、投教内容精准推送；
-内部协作提效：集成“知识问答”类工具，实现合规文档智能检索、投研知识联邦化共享；
-私域流量转化：利用小程序+公众号+智能体+APP的组合，完成从资讯触达到产品购买的闭环。
2、抖音生态（Coze）：年轻客群获客与投教内容裂变的核心场域
券商适配场景优先级：
-直播场景转化：结合行情波动开展实时解盘直播，嵌入低门槛开户入口；
-数据驱动优化：利用抖音数据引擎分析用户兴趣标签，定向推送基金评测、资产配置等内容。
3、蚂蚁生态（Agentar）：支付场景与基金理财的流量枢纽
生态特性：依托支付宝10亿用户，覆盖支付、理财、信用等高频金融场景，具备强交易属性与用户信任基础。
券商适配场景优先级：
-开户导流：通过支付宝“财富号”直连证券开户系统，实现“理财-炒股”场景无缝衔接；
-智能投顾：嵌入蚂蚁AI能力，为长尾客户提供自动化资产诊断；
-联合产品创新：开发余额宝类现金管理工具，承接低风险偏好客户资金。
券商适配场景优先级：
-智能客服升级：接入“文心一言”优化问答准确率，降低人工客服成本；
-投研辅助：利用大模型实现研报摘要生成、产业链图谱动态更新；
各大生态AgentBuilder对比
谈完主流生态选择，再来谈谈内部落地。笔者对近期两件看似不相关的事情有所感触。
其一，5月22日，在晨星（中国）2025年度投资峰会上，黄燕铭以东方证券研究所所长身份首次公开发声。他强调证券公司向财富管理转型，要攻克投顾带教与资产配置难题，会对投顾分层分类挑选培养，教其研究方法、产品知识等。
其二，字节跳动旗下飞书新上线“知识问答”功能，该功能是基于企业知识的企业专属AI问答工具，可用于项目管理，能整合信息生成项目进度、预算等情况的回答；在人员协作上，帮忙找人，精准定位相关人员；助力文档撰写，自动生成项目总结、周报等初稿并优化；方便知识检索，员工快速检索公司资料、了解制度流程等；还可用于学习辅助，提供个性化知识推荐和学习路径规划。
如果将这两件事揉在一起呢？试想一下，黄所长亲自训练一个“投顾培训智能体”，主要就做投顾培养的工作，会不会有事半功倍的效果？
未来，随着AIAgent技术的成熟，证券公司可能进一步将智能体嵌入更为复杂的业务流程，形成“第三方平台引流（即，公域获客智能体）+自用系统提效（即，私域投顾智能体）”的双轮驱动模式。
市场格局与趋势，笔者认为只有技术融合与场景细分并行，券商才能在智能体的抢滩登陆战中胜出，甚至，私以为“业务场景开发先行+技术军备竞赛次之”才是正解，单纯迷信AI可能反受其吞噬。
未来趋势呈现两大特点：
1、技术融合：AI大模型与传统金融模型结合，如招商证券的“AI+全景规划”和中信证券的“生成式AI+量化投资”，提升策略精准度。
2、场景细分：智能投顾向“买方化”转型，如银河证券的“问TA”平台，智能客服向多模态交互升级，如华泰证券的股市助手，智能交易向自动化执行演进，如银河证券的债券询价机器人。
从市场份额看，豆包和蚂蚁在消费级应用中占据主导，而自用系统在企业级场景中更具优势。2024年中国大模型应用市场中，百度、阿里云、商汤科技位列前三，但豆包凭借用户规模和生态整合能力，在证券行业的渗透率快速提升。智能投顾领域，全球市场规模预计2028年达1422亿美元，混合机器人顾问和高净值个人服务是主要增长方向。
关于人员配置这个问题让笔者不由自主想的到十年前网金部门刚刚组建的时候。大家普遍采用“互联网基因+金融经验”的复合型人才配置，有一种英雄不问出处，你行你就上的感觉。
有券商的IT技术人员构成主力（占比约40%），主要来自券商内部信息技术部门及互联网公司技术团队，负责搭建手机开户、在线交易等基础设施（如APP建设）；传统经纪业务骨干（占比30%）从中后台部门或线下营业部抽调，承担服务逻辑线上化改造；新媒体运营人员（占比20%）多具有门户网站、论坛运营背景，人均管理3-5个社交媒体账号，通过公众号、股吧、微博等渠道开展内容营销；另有10%的跨界人才来自互联网平台，主导App用户体验重构。
现如今，网金的生死转型也基本进入尾声。有的并入业务部门，有的跟科技部门整合，还有的则升级为数金，有00后高材生加入团队，也有“老人”默默靠边，甚至离开，笔者时常感慨、行业一片唏嘘。回头来看，当下AI发展的大背景下，大家再次处在同一起跑线，都还在新手村，AI如何重构业务也都还在探索阶段，成立新部门着实没有必要，也不现实。但项目组的形式，确是可以、更应该尽快的搞起来了。
面对AI技术的颠覆性冲击，证券行业的人员配置逻辑正在经历二次进化——既非简单复制互联网时代的“基因混搭”，也不要执着于部门形态的物理重组，而是转向“能力模块动态拼装”，成立“AI驱动型项目组”。
笔者在这再次强调，“网金”由10年前部门级的实体化，转变为10年后公司级的职能化，大浪淘沙之下，遥想当年，多少领袖先驱，今何在？复盘是必要的，说AI开启下一个“网金”黄金十年绝不为过，诸公切勿重蹈覆辙啊。
言归正传，项目架构怎么设？笔者本着非医学专业可以胡说八道的逻辑，给大家举个例子。
技术底座团队（20%）：由大模型算法工程师、金融知识图谱架构师组成，负责构建智能体开发平台，这是骨骼系统。
业务重构小组（40%）：从投顾、研究、合规风控等条线抽调骨干，转型为“AI训练师”，通过标注研报、对话记录等非结构化数据，教会智能体理解“政策底”、“估值锚”、“监管线”等专业概念，这是神经系统。
场景创新单元（30%）：吸纳具有AIGC经验的Z世代人才，专攻智能体与业务场景的化学融合反应，这是血液系统。
合规防火墙（10%）：这次重组一定记得带上合规人员和网金老将，毕竟合规是底线，老将则充当“历史经验存储器”与“复杂场景决策器”，这是免疫系统。
当然，也可以采用和第三方共创的模式，自去年王玲站台豆包大模型和火山引擎智能体平台推出“华泰股市助手”后，华泰证券在AI时代又跑在了最前面。5月中旬，华泰证券联合字节跳动Coze，合作开发“华泰A股观察助手”已开启内测，该智能体依托扣子空间通用智能体技术，引入专业金融领域API，可自动生成定制早报，也能针对具体问题深度研究分析，为用户提供更多投资决策辅助。（一个典型的智能工具体）
笔者也为大家整理了一些，可以为证券基金行业公司提供搭建智能体的服务或者基于大模型搭建应用的企业信息。（以下内容基于公开信息整理，不涉及产品推荐）
博众智能体解决方案
核心产品：投顾智能体（AI+IP双轮驱动），整合DeepSeek、通义千问等大模型技术，覆盖投研、投教、投顾决策全链条。
技术架构：基于DeepSeek大模型，模块化工具链与低代码开发框架，支持第三方插件与数据源快速接入。
应用场景：智能选股与诊股、7×24小时投教陪伴、研报生成，结合用户行为数据优化教学路径。
技术亮点：实时情绪与基本面融合分析，轻量化部署，IP知识库沉淀。
业务定位：证券基金行业垂直场景智能化（投研→投顾决策闭环）。
况客科技智能体解决方案
核心产品：TOWA智能体平台，覆盖基金投顾Agent、ETF投顾Agent、私募投顾Agent等10余款垂直产品。
技术架构：支持DeepSeek、Claude、GPT-4o等多模型，数据插件化（FunctionCall/RAG），全本地化部署。
应用场景：基金投研、合规风控、市场资讯自动化，响应时间低于20秒。
技术亮点：国家认证算法备案，金融场景覆盖率95%，人工审核通道保障合规。
业务定位：金融机构全业务线AI赋能（投研-财富-合规全链条）。
深擎科技智能体解决方案
核心产品：乾坤圈Agent平台，支持多模型协作（DeepSeek、Kimi、千问等）。
技术架构：PEER多智能体框架（规划-执行-表达-评审），金融数据增强插件，三重合规校验机制。
应用场景：个股/板块异动解读、热点事件分析、基金账户诊断。
技术亮点：拟人化交互设计，多模态处理能力，支持私有化部署。
业务定位：券商投顾业务专属AI中台（降本增效+合规增效）。
金牛创智智能体解决方案
核心产品：AI金融智能体（与中航证券联合研发），包含智能会议纪要生成、个股深度剖析（杜邦分析）等功能。
技术架构：结合DeepSeek任务筹划能力，政务知识库+RAG技术，模糊需求→解决方案链拆解。
应用场景：政务文件处理、企业合规报告生成（如《选址合规分析报告》）、投顾决策支持。
技术亮点：波特五力模型行业预判，自动生成合规报告，双向助力群众与职员效率提升。
业务定位：政务+金融双赛道智能体（“AI金小二”政务助手+证券智能决策）。
智能体竞赛已鸣枪，但监管沙盒与适当性管理仍是悬顶之剑。建议从业者以“工具集”形态低调练兵，既保持技术敏感度，又为合规落地预留缓冲区。下篇将详解智能体运营策略与轻量智能体Demo手搓指南（笔者目前比较倾向以Coze为案例），助你在智能体军备竞赛中抢占先手。
题图来自Unsplash，基于CC0协议。
