招商证券 × AI

[导语·核心观点]2025年年报中，招商证券净利123亿元再创历史新高，财富管理成为第一收入来源，同期信息技术投入同比增长20.58%，公司提出建设“AI证券”[3]；2025年8月，“招商证券天启大模型”完成广东省生成式人工智能服务备案[4]。这些是资本市场可核实的硬信息，也是本文讨论的起点。本文判断：招商证券的AI布局在券商中起步早、链条相对完整，但公开证据目前仍集中在“投入与资质”层面——备案不等于业务收益，投入增长不等于效率提升。真正值得跟踪的，是未来3—6个月能否出现结果侧的量化指标。

[事件回顾·发生了什么]招商证券的AI路径可大致分为三段。第一段是2016年起的探索期，公司自述“前瞻性开启AI领域探索与建设”[2]。第二段是2022年11月，公司在行业内率先开展基础模型构建与算力资源配置工作，并把生成式AI能力建设列为2024年之后的重点方向[2]。第三段是产品与合规落地：PC端已上线自然语言选股，用户可用自然语言替代复杂公式选股，并支持云端海量行情计算，以及热点时事、财务资讯、技术指标的自然语言检索[1]；2025年8月，“招商证券天启大模型”完成广东省生成式人工智能服务备案[4]；在财富管理领域，公司表示正探索构建以AI为核心的新型财富管理生态，深度整合行情、资讯等内容[4]。财务侧，2025年年报显示信息技术投入同比增长20.58%，年报高频提及“AI”，并提出建设“AI证券”[3]。

[背景与格局·公司沿革 · 行业脉络]券商对AI并不陌生，早年集中于量化交易、智能投顾与客服机器人，多为规则系统与推荐算法。生成式AI带来的技术范式不同：能力来自预训练与算力堆叠，而非逐条规则编写，这使“自建基础模型+配置算力”成为头部机构的新选项[2]。招商证券在2022年11月先行投入基础模型与算力，说明其技术判断更多来自内部对算力与数据资产的长期规划，而非追逐当时的外部热点（此为分析）。行业层面，券商AI的竞争维度正从“有没有功能”转向“模型是否合规可用”：广东省生成式AI服务备案属于准入性合规动作，意味着模型可在合规框架内对外提供服务[4]。与此同时，财富管理已是招商证券第一收入来源，净利123亿元创历史新高[3]，这使AI的落点天然偏向财富管理场景——投顾辅助、内容生产、客户交互与投研检索，都是可被人机协同重构的环节[1][4]。

[深度解读·为什么发生 · 意味着什么]为什么是这个时点？三个驱动力。其一，财富管理需要规模化触达。投顾人数有限，而客户对资讯解读、持仓诊断的需求近乎无限，自然语言交互是把服务能力低成本复制的路径，PC端自然语言选股正是这种思路的雏形[1]。其二，合规闸门打开。生成式AI在金融场景的最大障碍不是技术而是可解释与可监管，完成备案意味着模型具备对外服务资格，AI功能从内测走向上线成为可能[4]。其三，投入已经发生，需要产出。信息技术投入同比增长20.58%[3]，在利润创历史新高的年份，这类预算相对容易通过；但一旦市场环境变化，AI投入将直接面对ROI审问。 意味着什么？招商证券的AI价值不在讲故事，而在三处可衡量的变化：客户自助解决问题的能力（检索与选股替代部分人工问答）、内容生产的边际成本（资讯解读、研报摘要）、投顾的覆盖半径。谁受益最大？短期是财富管理条线与IT部门，前者获得工具，后者获得预算与话语权[3][4]。谁可能受损？一是基础客服与资讯整理类岗位，重复性问答最容易被替代；二是中小券商，若无力承担基础模型与算力成本，只能采购第三方能力，产品同质化风险上升（此段为分析，报道中无直接证据）。 但必须指出，公开证据目前只覆盖“能力”而非“效果”。自然语言选股上线[1]、模型完成备案[4]、投入增速披露[3]，都属于投入侧或资质侧信号，尚缺客户使用率、留存、AUM转化、投顾人效等结果侧数据。因此本文基调是：招商证券位于券商AI布局的第一梯队，但“AI证券”是否成立，仍待业务数据验证。

[关键数据与证据·来自报道的数字与事实]1）投入：2025年年报显示信息技术投入同比增长20.58%，年报高频提及“AI”并提出建设“AI证券”[3]。2）时间线：公司自2016年起探索AI建设；2022年11月在行业内率先开展基础模型构建与算力资源配置[2]。3）合规：2025年8月，“招商证券天启大模型”完成广东省生成式人工智能服务备案[4]。4）产品：PC端提供自然语言选股，支持云端海量行情计算，以及热点时事、财务资讯、技术指标检索[1]。5）战略定位：在财富管理领域探索构建以AI为核心的新型财富管理生态，深度整合行情、资讯等内容[4]。6）业绩背景：净利123亿元再创历史新高，财富管理为第一收入来源[3]。 上述六条中，仅第6条为结果性财务数据，其余五条均为投入、资质或能力描述，尚无一条量化说明AI对收入或成本的贡献。

[风险与争议·审慎的批评视角]第一，投入增速不等于回报。信息技术投入同比增长20.58%[3]是成本项，报道未披露AI专项预算占比，也无AI带来的收入或成本节约数字，把投入增长等同于AI见效属因果跳跃。 第二，备案不等于业务成效。“天启大模型”完成备案[4]只说明合规准入，用户规模、调用量、准确率、幻觉率均未公开。金融场景容错率极低，模型在个股解读或财务检索上的一次错误就可能触发投诉与合规事件，而报道未说明准确率与人工兜底机制。 第三，口径与样本问题。本文依据的多为公司自述与官方披露，“行业内率先”[2]缺少第三方审计与同业可比口径，难以横向验证。 第四，产品价值可能被高估。自然语言选股[1]降低的是表达门槛，投资决策的核心难点在策略与风控，该功能对实际收益的贡献可能有限，同质化后容易沦为获客噱头。 第五，监管与数据合规。生成式AI服务受备案与内容安全约束[4]，若监管口径变化或输出触及投资建议边界，功能可能被迫收缩；客户数据用于训练的范围与授权方式，公开信息未予说明。 第六，行业分化。若头部券商凭算力与数据形成模型代差，中小机构可能被锁定在第三方能力上（此点为分析，非报道事实）。

[未来展望·情景推演]保守情景：AI停留在功能层，年报继续披露投入增速但无业务侧量化口径，市场难以判断成效，估值层面AI几乎不产生溢价。中性情景：财富管理条线出现工具级渗透，AI用于投顾辅助与内容生产，公司在下一份年报中首次披露用户数、调用量或人效指标，AI从成本中心转为效率工具。乐观情景：AI能力外溢至机构服务与投研，出现可归因的AUM或收入贡献口径，“AI证券”由口号变为业务标签。 对应的可跟踪节点有五项：一是2026年年报是否出现AI相关的用户、调用或效率披露[3]；二是“天启大模型”是否出现更高级别备案或跨区域服务[4]；三是PC端自然语言选股是否扩展至移动端与更多场景[1]；四是是否推出面向投顾或机构客户的AI产品线；五是是否披露AI带来的成本节约或人力结构调整。上述指标若在3—6个月内仍无一项落地，则更可能落入保守情景（此段为情景推演，非既有事实）。

[建议与启示·面向决策者]面向券商及其他金融机构决策者，有三条可操作建议。其一，把AI投入拆成两本账：能力建设账（模型、算力、数据治理）与场景收益账（人效、成本、客户转化），后者必须设定可被审计的指标，否则投入增速只是费用增长[3]。其二，把合规与准确率作为前置指标而非事后补丁，备案只是准入[4]，真正决定成败的是错误率、人工兜底比例与可追溯性。其三，正视任务的复杂度：像“对比三家公司现金流并生成合规摘要”这类金融任务，需要检索、计算、合规校验、生成多个环节协同，单一模型很难稳定完成。AgentSH这类多智能体调度平台的价值，正在于把模型、工具与合规规则编排成可审计的工作流，与券商强调的可解释、可追溯天然契合。建议先在一两个高价值场景试点，用3个月跑出准确率与人工替代工时的基线数据，再决定是否扩大投入。

[结语·一句话立场]招商证券的AI布局时间跨度长、投入真实、合规动作到位，这是事实[2][3][4]。但从“率先投入”[2]到“AI证券”之间，隔着结果侧数据这一道尚未跨越的门槛。把它读成一场已经成功的转型，为时过早；把它读成一次成本虚耗，同样缺乏证据。合理的立场是：保持关注，用清单验证——在可量化的业务指标出现之前，任何结论都只是预期。