大模型作为人工智能领域的前沿技术，正系统性、多层次地重塑金融行业的运营模式、服务生态与竞争格局，助力形成高效、智能、普惠且个性化的金融服务新生态。
“大模型凭借其强大的通用能力，在金融领域拥有巨大的应用潜力。”中金公司认为，其将从三大方向重塑行业价值创造模式，并可能从两方面改变行业格局。概括而言，三大方向包括：提升金融服务质效，推动业务模式转型；减少信息不对称、降低信息获取成本，提升金融市场有效性；推动金融服务下沉，赋能广大普惠客群。同时，大模型正在给证券行业和资本市场的竞争格局带来深远影响，或呈现出“马太效应”和“乘数效应”并存的局面。
作为行业的重要参与者，中金公司确立了“乘AI之机，铸未来之势，立投行数智新极”的AI战略愿景，从“明确分层场景矩阵、筑牢底层能力建设、夯实关键资源支撑体系、完善组织机制配套”四大方向积极响应国家“人工智能 +”行动部署与行业数智化转型趋势，探索行业智能化转型的可行路径。
中金公司表示，后续公司将深化人机协同应用，为全员和客户配备专属AI助手，推动AI覆盖投行尽调、交易策略优化等更多核心业务环节，扩大技术输出并共建行业AI生态，同时打造AI原生业务模式，探索跨境业务等新应用场景。
“5+n战略”引领 铸就投行数智新极
以大模型技术为核心引擎，中金公司推动战略与整体业务目标深度融合。
“过去几年，中金公司对大模型进行了一系列前瞻性布局，在基础设施搭建、数据治理与运营、多应用探索等方面取得阶段性成果，同时依据大模型发展规律、监管合规要求与自身能力边界，制定了按优先级逐步推进的工作规划。”中金公司信息技术部负责人谢碧松介绍。
据其介绍，在应用场景方面，2025年中金公司以“5+n战略”为引领，坚持”目标驱动，场景结合，全员参与，长期投入”的原则，聚焦五大核心场景：中金点睛大模型、财富管理大模型、中金智阅、小金智能助手和中金小猿；并提炼通用能力支持其他业务团队开发轻量化应用，形成点面结合的智能生态。
对外，中金公司聚焦客户价值提升，通过大模型实现投研服务升级、财富管理个性化客户服务，持续拓展中长尾客户服务边界。其中一项典型案例为其推出的“中金点睛大模型”，这是证券行业首批AI投研应用，也是集成了中金300多位研究分析师投研智慧推出的一站式数字化投研平台。它打造出具备中金研究水平的全行业7*24小时办公助理，提供AI搜索、找数据、智能纪要三大核心功能，并覆盖超12万个高价值投研数据指标，为投资者提供洞见专家知识的窗口。目前，该产品已累计服务1600余家机构、超4.4万名客户，增强了中金公司在投研领域的客户服务竞争力。
中金智阅大模型成功应用于投行风控审核场景，有效解决了长期存在的信息披露质量问题。该系统创新性地结合了经过微调专业大模型与传统小模型，不仅能识别内容逻辑问题，还能精准发现金融领域的专业错误，且无需依赖预设规则，审核方式更加灵活智能。
目前，该系统已实现语义错误90%、语法/拼写错误85%的高检出率，显著提升了投行文档质量。由于效果突出，中金公司将该能力服务于深交所、上交所、北交所、银行间交易商协会等监管机构，赋能超过5000家上市公司防范信息披露风险，审核超64万篇交易所文件，获监管机构感谢。
AI技术同样深刻重塑财富管理行业，中金在财富管理领域也一直在积极地探索和实践。中金财富是第一批实现DeepSeek私有化部署的券商之一，同时也在积极布局后DeepSeek时代的AI战略。在AI领域的重点打法是加速推进投顾智能体和对客智能体的建设进程，以人工智能重塑财富管理新业态。
在投顾端，全面升级并正式上线IC Copilot协呼版，同步推出覆盖客户服务全流程的企微版投顾助手智能体，能够在服务前辅助形成沟通思路，服务中基于会话内容提供专业参考，服务后自动梳理待办事项，全方位赋能投顾专业服务。在对客端，打造AI诊股能力提升股基交易体验，并计划以数字人“小JINN”为载体开发懂金融、有温度的AI APP智能助理，持续优化客户服务体验。
对内，中金公司以AI为重要抓手，加强业务人员赋能，以小金智能助手、中金智阅等工具优化办公协作、合规审核等流程，筑牢风险防线，为员工高质量展业提供坚实保障，助力金融服务向专业化、智能化转型。
举例而言，办公场景中，小金智能助理以通用问答、多语种翻译、会议助手等功能覆盖集团员工日常办公需求；合规及运营领域，中金智阅可自动审核文档语义错误与敏感信息，已完成数万篇内部文档审核，大幅减轻审核人员压力、提高风控效率。
构建自主可控平台 筑牢智能生态底座
在构建AI生态时，中金公司主要采取了以自主可控为核心、外部合作为补充的战略路径，通过私有化部署的AI模型和AI训练平台，确保对核心技术的完全掌控。同时在硬件层面选择性采购算力基础设施，工具层面引入经过严格安全审计的开发工具链，培养专业AI算法人才，形成技术互补。
在基础设施层面，中金公司构建了“天算”与“九章智启”两大核心平台。其中，天算平台是一个集成数据、估值、风控及AI训练推理的一站式金融科技云原生计算平台，通过资源虚拟化技术实现算力的高效共享与弹性调度；九章智启则是一款大语言模型应用开发平台，集成多种前沿大模型，大幅降低开发门槛，支持非技术人员快速搭建生成式AI应用。截至2025年10月，该平台累计AI应用总量已突破1300项，并成功孵化了“小金智能助理”“数字法律合规官”等提升办公效率的企业级应用，在全公司范围内落地。
在AI大模型快速迭代的背景下，为实现前沿布局与成本控制的平衡，需要从技术优化、资源调度、价值评估、生态协同等多维度构建多管齐下的系统性策略，在保障技术竞争力的同时避免资源浪费。中金公司的应对方式是，在研发层面聚焦高价值场景，并采用模型轻量化技术降低算力消耗；基础设施上通过混合云架构实现弹性调度与资源共享，提升资源利用率；管理上建立模型效能评估体系，推行渐进式迭代以优化投入产出比；生态层面则积极利用合作伙伴与开源资源减少重复研发。
同时，为确保AI模型的持续稳定与公平，必须建立覆盖全生命周期的监控体系，通过多维度指标实时监测，并采用影子测试、置信度阈值等机制应对“数据幻觉”等问题，形成从生产反馈到模型优化的闭环。中金公司通过构建企业级数据中台，在完善数据治理与安全管控的同时嵌入合规审查，实现了数据价值挖掘与安全合规的有效平衡。
前瞻布局多维体系 规划智能化未来
“AI的增量机遇巨大，按中金研究部预测，大模型可为金融业带来3万亿元增量价值，但挑战并存，需平衡创新与风控。”谢碧松提出，技术层面，数据孤岛和隐私保护是瓶颈，AI模型依赖高质量数据，而金融业的高安全性要求加剧了数据整合难度；同时，模型可解释性差和内容不可控问题需持续优化。经济层面面临前期来自算力基建和算法研发投入高昂的压力，以及来自监管合规方面的要求。
中金公司也观察到，当前AI在金融领域应用的最大技术瓶颈集中在高质量数据积累和应用、模型选型和适配、配套技术落地以及应用经济性等核心层面，这些瓶颈与大模型本身重投入、高消耗以及金融行业的强监管、高敏感的特性深度绑定，一定程度制约AI向核心业务场景渗透。具体而言，主要体现在以下三方面：
一是高质量合规数据获取难：金融数据类型复杂，且数据孤岛问题突出，会导致模型训练出现偏差，影响决策精准度。此外，金融数据高敏感性与AI训练需海量数据的需求存在冲突，合规采集和使用数据的边界难以把握。
二是模型可解释性与鲁棒性不足：金融关键决策需可追溯、可解释，但主流深度学习模型的“黑箱”特性，让其决策逻辑难以被人类直观理解。同时，大模型难以完全避免幻觉存在，鲁棒性欠缺，存在生成内容不可控、一致性低等问题。
三是系统适配与成本压力大：多数金融机构核心业务系统的封闭架构与AI所需的技术栈不兼容，改造系统成本高、周期长，还可能影响现有业务稳定。另外，AI模型的训练、部署需要大量GPU等硬件投入，算力成本高昂，金融与AI复合型人才短缺，进一步限制了AI在金融核心场景的规模化落地。
对此，中金公司表示，经过数年探索，统筹规划和统一开展，通过高质量数据治理和积累、搭建自主技术平台、落地场景化AI应用、完善合规风控体系等方式针对性应对。
中金公司还认为，未来3—5年，AI或将从根本上改变证券行业的商业模式与竞争格局：产品服务将向智能化、一体化升级，风控从成本中心转为价值环节。行业马太效应加剧，竞争焦点转向AI业务落地的价值创新，行业竞争也从单点转向生态协同。
“证券行业AI技术将向决策智能深化、多模态技术落地、智能体与数字员工普及等方向发展，从辅助数据整理升级为核心决策支持，整合多类信息赋能各类业务场景，实现基础业务流程自动化。”中金公司方面表示。
在此背景下，“未来五年，中金公司计划通过深度整合人工智能与大数据技术实现从数字化转型向智能化转型的跨越式发展。”谢碧松进一步介绍道，在AI战略实施层面，中金公司将系统推进数据、应用与算力三大体系的协同建设。在数据层面，基于中金北斗数据中台构建全域数据资产体系，通过统一知识平台与客户识别引擎形成动态客户视图，为AI模型提供高质量语料。
在应用层面，深化数字员工在合同生成、流程自动化等场景的落地，升级智能投顾助手的多模态分析与资产配置能力，并强化智能投研体系的知识推理与产业链挖掘功能。
在算力层面，构建以国产芯片为核心的混合算力体系，通过“北京－深圳－云端”三元架构实现跨地域弹性调度，计划三年内将国产算力占比提升至70%以上，全面保障AI应用的性能、成本与安全需求。
“我们相信，AI不仅是工具，更是新质生产力——它将重塑产业秩序，赋能千行百业迈向智能化未来。期待与各方合作，共筑安全、高效的AI生态。”谢碧松总结道。