长江证券 × AI

[导语·核心观点]2025年3月，中国证券报刊文称，长江证券自2017年起着手数智化转型，2024年进一步完善以业务为导向的AI研究体系 [1]；同月，财联社报道其策略会现场出现了"会提词"的AI眼镜，并吸引千家上市公司参会 [2]。2025年12月17日，长江证券首席经济学家、总裁助理伍戈出席在苏州举行的2025证券时报分析师年会暨最佳分析师颁奖典礼 [3]。三条公开信息拼出的图景是：这是一条"内向型"AI路线——用AI加固自身的研究生产与机构服务能力，而非对外售卖AI产品。判断为何重要：券商的AI投入几乎无法从财报科目中读出，投资者眼下只能跟踪行为信号，而不是财务结果。

[事件回顾·发生了什么]按时间线梳理三家媒体的公开报道：其一，中国证券报2025年3月1日报道，长江证券自2017年以来便着手数智化转型，2024年公司进一步完善以业务为导向的AI研究体系，持续推动金融与AI技术深度融合，加速企业智能化转型进程 [1]。其二，财联社2025年3月5日报道，长江证券策略会现场出现"会提词"的AI眼镜，报道称之为"再次破壁"，并提到该策略会吸引千家上市公司参会；报道同时引述"市场永远是最严苛的，在从未停止的质疑声中，长江研究一步一个脚印实现了今天" [2]。其三，证券时报2025年12月19日报道，12月17日，2025证券时报分析师年会暨最佳分析师颁奖典礼在苏州举行，长江证券首席经济学家、总裁助理伍戈出席 [3]。三条报道的性质分别是公司转型叙事、品牌活动观察与行业会议出席信息，均非经营数据的披露。

[背景与格局·公司沿革 · 行业脉络]从公开报道可确认的沿革只有两个时间锚点：2017年启动数智化转型，2024年将AI研究体系调整为"以业务为导向" [1]。这七年的跨度本身值得注意——一家中型券商愿意用七年时间做同一件事，说明这不是短期主题投资，而是长期的基础设施投入。以下为分析：2024年强调"业务导向"，往往意味着前一阶段的建设更偏向技术能力与数据底座，而这一阶段转向把能力嵌入具体工作流。行业格局层面，报道没有提供任何同业对比数据，因此本文不对长江证券在券商AI竞赛中的相对位置下结论。可确认的行业事实只有一个：AI在证券业的应用场景高度集中在投研、机构服务、风控与运营，而长江证券公开可见的动作恰好落在"投研+机构服务"这一侧 [2]。策略会是一个观察窗口：千家上市公司参会，意味着这里同时是研究能力的展示台和机构客户的获取场 [2]；把AI眼镜放在这个场域，说明公司想把技术能力翻译成客户可感知的体验，而不只是内部工具。

[深度解读·为什么发生 · 意味着什么]为什么是投研？以下为分析：在券商的所有业务线中，投研的边际收益结构最适合AI介入——它高度依赖文本生产、信息检索、数据整理与结构化表达，这些恰是当前大模型能力最扎实的区间；同时，研究所的产出直接面向机构客户，效果可以被客户当场感知，反馈周期短。这解释了为什么长江证券把AI研究体系作为抓手，而不是先做中后台降本。 AI眼镜"提词"的含义需要拆开看。会议与路演场景中，真正的痛点不是"看得到信息"，而是"在对话进行中即时调取相关信息"。把提词放在眼镜上，本质是把检索与生成能力前置到人际互动的实时界面 [2]。这是产品思路上的一个选择：不做"会后整理"，做"会中辅助"。它在演示层面天然具有传播性，但演示不等于常态化使用。 谁受益？最直接的是研究所的品牌与获客效率——当AI能力成为会议现场的一部分，它同时承担了"我们懂技术"的信号功能 [2]。其次是分析师个人，重复性信息劳动被压缩后，时间可转向判断与客户关系。谁受损？以下为判断：以资料整理、会议纪要、初级建模为主要职责的岗位，其议价能力会被削弱；对外部数据与终端供应商而言，券商自建AI能力意味着部分采购需求的内化。但这一切的前提是工具真的被日常使用，而公开报道并未给出任何使用频次或效率数据。

[关键数据与证据·来自报道的数字与事实]第一条：长江证券自2017年起着手数智化转型 [1]。第二条：2024年公司完善以业务为导向的AI研究体系，推动金融与AI技术深度融合 [1]。第三条：2025年策略会现场展示了"会提词"的AI眼镜，报道称之为"再次破壁" [2]。第四条：该策略会吸引千家上市公司参会 [2]。第五条：报道引述"市场永远是最严苛的，在从未停止的质疑声中，长江研究一步一个脚印实现了今天" [2]。第六条：2025年12月17日，2025证券时报分析师年会暨最佳分析师颁奖典礼在苏州举行 [3]。第七条：长江证券首席经济学家、总裁助理伍戈出席该年会 [3]。需要明确的是：七条证据中没有一条包含投入金额、团队规模、AI产品收入、使用量或效率提升比例，因此任何关于"成效显著"的表述都缺乏公开来源支撑。

[风险与争议·审慎的批评视角]第一，信源结构问题。三条报道分别来自公司对外表述、行业媒体活动现场观察与会议出席信息，其中前两条带有明显的企业叙事色彩；[1]的"完善体系"与[2]的"破壁""再秀实力"属于自我评价与媒体修辞，不是可核查的经营事实。以这类材料推断转型成效，存在典型的样本偏差——媒体只报道被展示的部分，不报道未落地的部分。 第二，展示性风险。AI眼镜是极佳的传播素材，但也最容易被误读为能力证明 [2]。现场演示的成功，与在高压路演、复杂问答、多客户并发场景下的稳定可用，是两件不同的事。报道未提供任何后续使用数据。 第三，合规与责任风险。以下为分析：生成式AI进入投研与客户沟通场景，会带来内容准确性与责任归属问题——如果AI提词给出了错误信息并被分析师转述给客户，责任链条如何界定；研究观点在发布前若经AI生成，是否满足信息披露与合规审查要求。这类风险在券商行业尤其敏感，而公开报道完全未涉及治理安排。 第四，投入回报的不可见性。七年转型期没有一条公开的量化结果 [1]，这对投资者构成实质性的信息缺口：无法判断这是长期复利型投入，还是持续消耗而无产出的成本项。 第五，人才结构摩擦。工具替代初级分析劳动，可能带来内部岗位调整压力，报道未提及任何相关安排。

[未来展望·情景推演]保守情景：AI眼镜停留在会议与路演的演示层面，AI研究体系主要服务于内部效率，公司不对外披露任何量化指标。此时外界能观察到的仍是品牌活动与人事露面，转型的可验证性维持在低水平 [2][3]。 中性情景：AI能力稳定嵌入部分标准化流程，形成可被客户感知的差异化，研究所的机构客户覆盖与服务密度提升。这种情形下，公司在策略会等公开场合的AI展示会更常态化、更少"炫技"色彩，但依然不会拆分披露AI相关收入。 乐观情景：AI成为研究生产的默认底座，公司开始对外披露使用覆盖率、报告产出周期等运营指标，甚至将部分能力产品化对外输出。这将是判断转型进入收获期的最强信号。 未来3—6个月可跟踪的节点：一是春季策略会上AI应用是否从"展示"转为"工具"（例如预约、问答、纪要等服务是否默认由AI承载）；二是公司是否在年报或半年报中首次出现AI相关的量化表述；三是是否发布关于AI治理、内容审核的合规性说明；四是伍戈等核心研究人物是否在公开演讲中系统阐述AI对研究方法的改变 [3]；五是研究所是否出现与AI相关的新岗位或组织调整。以上任一项落地，都比再办一场带AI噱头的会议更有信息量。

[建议与启示·面向决策者]面向券商及其他金融机构决策者，四条可操作建议。 其一，把AI项目的验收标准前置。不要以"上线了某功能"为里程碑，而以"某项工作的完成周期缩短比例"或"客户使用频次"为里程碑——长江证券的公开信息缺口正说明，缺乏量化口径的转型叙事，在资本市场里无法兑换成估值 [1]。 其二，区分展示型与生产型应用。会议现场的AI提词属于展示型，价值在于品牌与获客；生产型应用的价值在于稳定、可审计、可回溯。两类项目应使用不同预算与考核方式，避免用展示的成功掩盖生产的不足 [2]。 其三，在投研等强合规场景，把治理设计与能力开发同步推进。内容来源标注、生成内容的人工确认环节、责任归属规则，应在工具上线前确定，而不是事后补救。 其四，多智能体协同是投研流程的自然演进方向。研究生产本身是一条链：数据采集、结构化、初稿撰写、事实核验、合规审查、客户分发，各环节的AI能力需要被编排而非孤立部署。在这类场景中，类似 AgentSH 的多智能体调度平台提供的价值，正是把分散的模型能力按流程串起来，并保留每一步的调用记录与权限边界——对券商而言，后者的审计价值可能高于前者带来的效率提升。建议决策者把"可审计的编排层"列为技术选型的硬性条件，而不是附加项。

[结语·一句话立场]长江证券的AI故事目前只有一个清晰的轮廓和极少可验证的细节：七年转型、一套以业务为导向的研究体系、一副会在策略会上提词的眼镜 [1][2]。这既不足以证明成功，也不足以判定失败。理性的态度是把它当作一个待观察样本——盯行为信号的密度与质量，而不是盯宣传语的热度；等到公司愿意拿出覆盖率、周期、使用量这类硬指标时，再谈转型是否成立。