中原证券 × AI

[导语·核心观点]9月1日，中原证券（A股）在官网发布两份询比采购公告，一份是“AI安全合规治理联合研究项目”，另一份是“大模型云端弹性资源服务项目”[1]。同一家公司，2023年12月就在研报中建议重视AI技术进展、看好内容生产端的应用[3]，2026年4月又援引国家数据局数据强调日均Token调用量的增长[2]。核心判断：这条新闻的重点不是“券商谈AI”，而是一贯看多AI叙事的券商自己开始为AI付费——而公告既没有金额，也没有交付结果。为什么重要：它是检验AI落地真伪的一枚低成本标本。

[事件回顾·发生了什么]先把可核对的事实与不可核对的部分分开。可核对的是：中原证券官网“采购项目公告”栏目显示，公司发布两个询比采购项目——“AI安全合规治理联合研究项目”与“大模型云端弹性资源服务项目”，公告页面标注日期为9月1日[1]。不可核对的是：报道未披露采购预算、投标方、评标结果与交付周期[1]，也没有说明由哪个部门牵头、服务哪些业务。再看这家公司的公开表态。2023年12月14日，证券时报报道其研报观点：建议持续重视AI技术进展，模型技术进步与生成内容质量的提升，能够加速AI技术在内容生产端的应用[3]。2026年4月28日，新浪财经报道其研报称，AI模型密集更新、能力提升带来应用机会，并援引国家数据局数据称，国内日均Token调用量相比2025年底的100万亿增长40%以上[2]。三条材料串起来看，一个方向是观点输出（2023年、2026年的研报），另一个方向是资源投入（9月1日的两份采购公告）。需要提醒的是，采购公告与研报披露之间是否存在因果关系，报道并未说明，这属于观察者的推断而非事实。

[背景与格局·公司沿革 · 行业脉络]中原证券是A股上市券商，而这三则材料恰好暴露了它的两重身份。第一重是卖方研究的提供者：券商研究所通过研报向机构与个人客户输出观点，研报本身是服务能力与获客工具，并不等同于公司对AI的自营投入，也不构成AI相关收入（分析判断）。2023年12月那则研报把AI的落点指向内容生产端，并提及对文化相关产业的带动[3]，这是典型的产业趋势判断，而非产品发布或订单披露。第二重是AI能力的采购方：一家持牌机构要在大模型上做事情，绕不开三样东西——算力与模型调用、数据与业务系统的接入、以及合规与安全的边界[1]。9月1日的两份公告，恰好对应“资源”与“治理”两项，说明至少在流程层面，公司已把AI从研报选题变成了采购条目（分析判断）。行业格局上，金融是AI落地中最贵也最慢的场景之一：它对准确性、留痕、权限与可解释性的要求，远高于一般内容生成；任何面向客户的输出，都可能触及投资者适当性、信息隔离与合规要求（分析判断）。这也解释了为什么采购名称里出现“安全合规治理”和“联合研究”这类措辞——它们是低承诺、可回退的切入口。

[深度解读·为什么发生 · 意味着什么]为什么发生？三点判断。其一，动机错位。写研报看多AI，服务的是市场情绪与客户需求；采购AI服务，面对的是内部成本与合规约束。两者可以同时为真，也可以完全脱钩：一家公司可以连续几年写AI研报，却只在办公自动化层面使用AI（分析判断）。其二，“云端弹性资源”这个措辞透露的是需求不确定。弹性意味着按用量付费、随调用波动伸缩，适合尚未跑通的业务场景；如果公司已明确看到大规模、稳定的内部推理需求，更常见的选择是长期合约或私有化部署（分析判断）。仅凭“弹性”二字不能证明任何事，但它与“需求规模待验证”这一假设相容。其三，把“AI安全合规治理”写成“联合研究项目”，是规则未定型时的典型动作：当监管口径、行业标准、审计方式都尚未稳定，企业一次性投入大额预算做平台化建设风险很高，选择与研究机构或服务商联合研究，既拿到信息，也保留了随时收缩的权利（分析判断）。意味着什么？对云厂商与模型厂商，这是一个小而明确的需求；对合规与安全服务商，这是一条新入口——从“卖工具”变成“共写规则”；对中原证券自身，短期体现为费用端支出，长期能否成立，取决于AI用量能否转化为可计量的效率指标，例如投研初稿周期、合规与客服问答的人工替代率（分析判断）。若转化不了，采购就会沉淀为IT成本而非生产力。受益与受损并不对称：供应商拿到的是确定的收入，公司拿到的是不确定的能力。这不是一家公司独有的问题，而是当前“采购AI”的企业共同面对的结构。

[关键数据与证据·来自报道的数字与事实]可核对的数字与事实如下：其一，9月1日，中原证券官网发布两份询比采购公告，分别为“AI安全合规治理联合研究项目”与“大模型云端弹性资源服务项目”[1]；公告未披露金额、投标方与中标结果[1]。其二，2026年4月28日的报道称，其研报指出AI模型密集更新、能力提升带来应用机会，并援引国家数据局数据，称国内日均Token调用量相比2025年底的100万亿增长40%以上[2]。其三，同一摘要中另出现“（日均调用量）1000亿增长了1000多倍”的表述[2]，与“100万亿”的基数在量级上互相冲突，抄录或引用时应回到原始发布口径核对。其四，2023年12月14日的报道称，其研报建议持续重视AI技术进展，认为模型技术进步与生成内容质量提升可加速AI在内容生产端的应用[3]。其五，在上述全部材料中，未出现采购金额、AI相关收入、客户订单或产品上线时间表。

[风险与争议·审慎的批评视角]第一，证据等级错配。三则材料中，两则是券商自身发布的研报，属于利益相关方的观点；一则是只表明流程启动的采购公告。“券商研报看好AI”与“券商具备AI能力”之间没有必然联系，用它推导公司业绩或估值，属于把观点当事实。第二，数据局限。[2]引用的Token调用量本身受价格下降、免费额度、重复调用与统计口径变化影响，与收入、利润之间不存在稳定换算关系（分析判断）；且该摘要内部数字自相矛盾，量级相差悬殊，说明连转述环节都未校准。第三，采购不等于落地。询比采购公告只说明供应商遴选程序启动，不等于签约、不等于交付、更不等于上线并产生效益；报道中没有任何验收或成效信息[1]。第四，卖方研究的结构性动机。券商研究覆盖热门赛道，本身也服务于机构客户与交易活跃度（分析判断），看多表述需要与可披露的经营数据分开评估。第五，合规与伦理风险。生成式AI一旦进入投顾建议、投研内容生产等持牌业务环节，将面对留痕、权限、信息隔离与适当性管理的约束（分析判断）；这也正是公司自己把“安全合规治理”单列采购的原因[1]。第六，市场误读风险最大的一条：把公司“自己用AI”与“公司研究覆盖的AI标的”混为一谈，两者是完全不同的投资含义。

[未来展望·情景推演]以下为情景推演，非预测。保守情景：两份采购完成，AI主要用于内部合规问答、文档辅助与办公降本，外部无可披露的AI收入，市场关注度随时间回落。中性情景：云资源与安全治理能力嵌入投研、客服、风控等具体流程，形成部分可量化的效率指标，但单项AI收入仍难以对外披露，公司更多以“数字化转型”口径呈现。乐观情景：联合研究形成可复用的AI安全合规方法论，并通过研究服务或行业协作对外输出，成为新的服务能力。三个情景的共同观察窗口是一致的：后续是否出现中标或签约公告、年报与半年报中IT投入与数字化表述是否变化、以及公司在研报之外是否对自己的AI项目作出披露。需要强调的是，在出现金额、客户与验收信息之前，任何情景都无法被证实（分析判断）。

[建议与启示·面向决策者]给企业决策者的四条操作建议。其一，把采购公告当起点而非结论：优先核对是否披露预算金额、中标方、验收标准三项，缺一项就应把结论降级为“意向”。其二，严格区分“引用AI数据”与“拥有AI能力”，Token类指标只有同口径、同价格周期对比才有意义，否则只是活跃度噪声。其三，金融类机构落地AI，建议优先选择可留痕、可审计、边界清晰的场景起步，并把安全合规治理与业务试点并行推进而非先后排队——中原证券把治理单列采购，本身就说明边界尚未定型[1]。其四，当企业同时接入多家模型、多个内部系统与多条业务流程时，真正的成本与风险会从“模型好不好”转移到“调用是否被管理”：谁调用、调用了哪个模型、花了多少钱、留没留痕。把多模型调用统一编排、统一权限与统一审计，是让AI支出从不可见费用变成可归集账目的前提，这也是AgentSH这类智能体调度平台要解决的问题。对投资者而言，核实清单可以很短：金额、对手方、验收结果、以及下一期财报中是否有可对应的收入或成本科目。

[结语·一句话立场]值得关注的不是“券商看好AI”，而是它开始为AI付费；值得警惕的是，把付费当成业绩。两份采购公告没有金额、没有结果，三则报道里两则出自券商自己的研报[1][2][3]。在出现金额、订单与效益指标之前，最合理的位置是把它归入“值得跟踪的产业信号”，而不是“值得定价的投资事实”。