长城证券 × AI

[导语·核心观点]2025年3月7日，长城证券（002939）在同一天密集释放了一组AI信息：投资者关系活动公告称公司已成功上线大模型[1]，媒体跟进报道其计划搭建AI算力平台以支撑满血版DeepSeek等模型部署、并已组建专职AI团队[2]，同时确认长城AI智能体平台仍处于开发阶段，未来拟赋能六大业务条线[3]。核心判断是：市场对券商AI的定价长期停留在概念层面，而这家中小券商的动作已进入工程化落地环节，属于被低估的实质性投入；但「开发中」与「成功上线」之间仍隔着验证周期，价值重估需要催化剂，而非叙事。

[事件回顾·发生了什么]事件的起点是一份公告。3月7日，长城证券发布投资者关系活动记录，主题围绕人工智能技术的应用及未来发展规划，公司明确表示已成功上线大模型[1]。同日，证券时报与第一财经的报道补充了更多细节：其一，公司计划搭建人工智能算力平台，用于支撑满血版DeepSeek大模型以及其他模型的有效部署[2]；其二，公司已部署专门负责AI建设的团队，并计划未来引入更多AI人才[2]；其三，正在开发的长城AI智能体平台，未来将赋能财富管理、投资银行、投资研究、资产管理、风控合规及金融科技等多个条线的AI场景及应用[3]。三条信息出自同一时间窗口，均属公司自述口径，未披露投入金额、团队规模、已上线模型的具体应用场景或调用量，也未给出智能体平台的上线时间表。

[背景与格局·公司沿革 · 行业脉络]理解这组信息，需要放进券商行业IT与AI投入的脉络里。券商对金融科技的投入并非新事，行业此前经历过柜台系统电子化、移动端、数据中台等几轮演进（此为行业一般性观察，非本次报道内容）。2025年初，随着DeepSeek系列模型开源与本地化部署成本下降，金融机构出现一轮「本地部署大模型」的讨论与尝试（分析判断，非报道事实）。长城证券在这一轮中的位置值得注意：以A股上市券商（002939）的身份[1]，它并非头部机构，IT预算与人才储备通常弱于大型券商，难以在算力军备竞赛中取胜，但相对更可能选择「平台化加场景复用」的路径。从公开信息看，公司选择先规划算力平台承载模型、再由智能体平台对接财富管理、投行、投研、资管、风控合规与金融科技六大条线[2][3]，是一条典型的「先建底座、再铺应用」路线。这种路线在国内券商中并非孤例，但公开披露到智能体平台层面的中小券商并不多（分析判断）。

[深度解读·为什么发生 · 意味着什么]这组信息最重要的不是「券商也在做AI」，而是投入结构的选择。券商应用AI大致有两条路径：一是采购外部模型或工具，嵌入客服、文档、代码等单点场景，本质是费用项；二是自建算力与平台层，把模型能力封装为可被多条业务线复用的服务，本质是资产项。长城证券公开的动作接近后者——先规划算力平台承载满血版DeepSeek等模型[2]，再由智能体平台对接六大业务条线[3]。这种「一底座、多场景」的结构与单点采购的关键差别在于边际成本：场景越多，单场景分摊越低。这是判断其AI投入是否具备重估价值的核心观察点。 第二个信号是团队。公司称已部署专门负责AI建设的团队，并计划引入更多AI人才[2]。对中小券商而言，人才是比算力更稀缺的约束——算力可租可买，能把模型与业务流程真正对接起来的复合型人才很难外包。判断：若长城证券的AI团队具备稳定的产品化能力，其稀缺性高于算力平台本身。 谁受益、谁受损？受益的一方首先是内部高文本密度的条线：投研报告初稿、投行尽调与申报材料、财富管理客户沟通，都属于可被智能体承接口径的工作[3]；其次是客户，服务响应半径有望扩大。受损的一方可能是重复性岗位的编制需求，以及部分标准化金融IT模块的外部供应商（分析判断）。但必须强调，这些受益在报道中没有任何量化支撑，属于从业务结构反推的预期，而非已发生的事实。

[关键数据与证据·来自报道的数字与事实]报道中可直接引用的事实有五条。第一，2025年3月7日，长城证券召开投资者关系活动，讨论人工智能技术应用及未来发展规划[1]。第二，公司表示已成功上线大模型[1]。第三，公司计划搭建人工智能算力平台，支撑满血版DeepSeek大模型及其他模型的有效部署[2]。第四，公司已部署专门负责AI建设的团队，并计划未来引入更多AI人才[2]。第五，长城AI智能体平台处于开发阶段，未来将赋能财富管理、投资银行、投资研究、资产管理、风控合规及金融科技等多个条线[3]。需要指出的是，五条事实均未附带量化指标：没有模型参数规模、没有部署节点数、没有覆盖用户量、没有节省工时或成本数据，这决定了任何关于财务影响的推断目前只能是假设。

[风险与争议·审慎的批评视角]第一重风险是证据强度。全部三条来源集中在同一日，且核心内容来自公司投资者关系活动与对其的转述，属于典型的自述口径，缺少第三方验证与量化指标[1][2][3]。「成功上线大模型」这一表述本身高度模糊，无法判断是全员可用，还是个别部门试点[1]。 第二重风险是选择性披露。投资者关系活动天然是报喜渠道，公司没有披露AI投入的预算规模、算力采购成本、团队人数与人力成本，因此外界无法判断这笔投入对费用率的影响方向。 第三重是商业上的不确定性。券商AI的收益更可能先体现为成本节约，而成本节约能否穿越券商以人力与资本为主体的成本结构，尚待观察（分析判断）。若AI只是让员工写材料快一点，很难支撑估值重估。 第四重是监管与合规。智能体若进入投资顾问、投资研究甚至风控合规条线[3]，将直接触碰适当性管理、留痕、责任归属等敏感环节；自动化执行动作在合规场景中的边界尤其需要明确。 第五重是技术风险。大模型在金融场景中的幻觉问题、跨条线智能体调度带来的权限与数据隔离问题，都是工程难点，而非宣传口径能覆盖的问题。

[未来展望·情景推演]保守情景：AI能力停留在内部助手层面，智能体平台长期处于开发与试点状态，财报中看不到可量化的效率指标，市场不再为券商AI支付溢价，估值回归传统经纪与自营框架。触发信号是后续披露中缺少场景上线与使用数据。 中性情景：智能体平台在投研或财富管理等一到两个条线率先上线并形成规模化使用，公司在定期报告中给出可验证的效率或成本数据，AI从叙事变为经营变量，估值获得温和重估。触发信号是平台上线公告与可量化运营指标。 乐观情景：平台真正成为六大条线的统一入口[3]，算力平台完成对多种模型的承载[2]，内部复用带来的边际成本优势显现，甚至形成可对外输出的能力。触发信号包括算力平台落地、AI人才引进兑现、以及明确的业务成效披露。三种情景的分水岭不在技术，而在公司是否愿意并能够公开可验证的数据。

[建议与启示·面向决策者]对券商与其他金融机构的决策者，有三条可操作建议。其一，用可验证指标锚定AI投入，而非以「上线」「部署」作为里程碑。建议至少跟踪四项：模型调用量、任务自动化率、单任务处理成本、以及人工复核比例。长城证券目前披露的表述无法回答这些[1][2][3]，这正是外部评估的困难所在。其二，平台化优先于点状采购，但要设阶段门槛。智能体平台的价值来自跨条线复用[3]，若六个条线各自采购工具，边际成本优势将不复存在；建议为平台设定明确的场景接入数与复用率门槛，未达标则收缩。其三，多智能体调度需要治理层先行。当智能体开始跨条线执行任务时，权限隔离、操作审计、失败回滚必须内建于调度层，这正是AgentSH这类多智能体调度平台试图解决的问题——把调度与治理做成基础设施，而不是让每个业务团队各自造轮子。对投资者沟通而言，建议公司在下一次披露中给出至少一项可量化进展，否则AI投入只能被计入成本，而无法被计入价值。

[结语·一句话立场]长城证券在3月7日一次性交出了一份相对完整的AI进展清单：模型已上线、算力平台在规划、团队已就位、智能体平台在开发[1][2][3]。就证据本身而言，它足以证明公司不是蹭概念，却远不足以证明价值已经兑现。这是一家被低估还是被高估的公司，答案不在公告里，而在未来几个季度能否拿出可量化的场景数据。