50+家券商，近300位嘉宾齐聚，他们纷纷热议，事关大模型应用！

　　近期，作为行业最早探索金融大模型研发和应用的厂商之一，恒生在深圳、成都等地分别召开了多次行业研讨，旨在深度探讨大模型在金融领域的创新应用场景，促进券商业务与科技融合，助力证券行业的数智化转型。

　　这些研讨会上都聊了啥？关于大模型在业务场景中的应用，券商最关心什么？

　　今天就为大家一一揭晓。

　　券商共话大模型应用实践

　　当前，以大模型技术为引擎的人工智能，正重塑科技与产业的边界。以更低成本赋能大众获取AI服务，或将成为金融业态变革的关键力量。

　　机遇与挑战并存，对证券行业来说，券商既需应对大模型可能引发的IT投入迭代、业务格局重构与交易模式变革等疑虑，也需探索如何借力技术实现突破。

　　会上，招商证券数字化办公室数据治理负责人温然分享了招商证券在DeepSeek时代下智能用数场景的实践与探索：

　　目前，招商证券整合了DeepSeek等模型能力，构建了智能化的用数体系。针对数据开发与分析场景，招商证券推出了SQL生成助手DataCopilot，针对经营分析等业务用数场景推出了智能问数助手。

　　温然强调，高质量的数据集是AI应用的基石，优质的用户体验与可持续性的运营能力是产品成功的关键。

　　广发证券投行综合管理部数智化建设负责人全龙军分享了其在投行AI文曲星建设方面的实践：

　　广发证券投行AI文曲星聚焦投行文档处理与合规难题，在智能核查模块，实现了招股书勾稽关系校验（如收入增长率逻辑错误）、敏感词检测、格式合规审查；一键生成债券部分底稿功能，非结构化数据（商标、专利）自动提取准确率较高。在知识问答模块，结合RAG技术极大提升问答准确率，并通过语料清洗与业务协同优化效果。

　　广发证券投行AI文曲星通过技术架构分层，整合了数据、模型与应用能力，支持多源数据融合与私有化部署。

　　最后，全龙军指出，投行智能化需从“流程驱动”转向“数据+模型驱动”，构建业务闭环。

　　西南证券金融科技部智能化应用中心总经理蒋雨欣分享了证券投顾业务中大模型应用的实践与探索：

　　当前证券行业投顾服务场景中面临三大痛点：平均服务人数多，投顾人均服务3-4000人，长尾服务不足；每日海量金融信息难以高效处理；投顾专业水平差异大，影响服务质量。

　　西南证券依托大模型技术优势，打造“投顾AI助手”，目标覆盖更多普通投资者、提升服务效率与专业能力，并通过自主研发形成标准化应用。

　　投顾AI助手主要功能包括研报降维解读、咨询工具合成及标的多元分析，关键技术涵盖思维链优化及幻觉校验（质量/规则/合规三重过滤）。目前，已上线研报总结平台和4款资讯工具，实现了科技赋能、降本增效、流程优化等价值。

　　未来，在大模型应用方面，蒋雨欣建议关注算力补充（行业云协同）、数据质量提升、场景精准定位及跨团队协同共创，以推动技术与业务的深度融合。

　　恒生大模型应用探索

　　数智化时代，从数字员工到客户服务，基于AI或大模型应用技术的原生应用生机勃发。

　　在多地的系列研讨会上，来自恒生电子（600570）的技术专家们也分享了恒生在大模型在金融行业的多个业务场景应用：

　　大模型发展呈现三大趋势

　　研讨会上，恒生研究院林金曙指出，大模型呈现头部集中化、开源生态化、通用化三大趋势，金融机构需平衡性价比、合规性、数据安全，警惕开源模型依赖风险。大模型在金融领域的核心价值聚焦于运营、合规、投顾、投研等场景，但面临幻觉干扰、知识准确性不足、多系统协同难等挑战。

　　针对证券行业，林金曙建议采用“头部模型优先+插件化架构”：通过数据与模型能力解耦强化安全；通过插件或中控将模型、应用、数据进行连接，降低幻觉，将搜索、抽取、审核、查询数据等能力制作成插件应用于各领域。以“RAG+API”模式提升响应精准度，并专注语言推理能力优化，规避开源生态潜在风险，实现高效可控的智能化升级。

　　林金曙强调，金融行业要找数据多、业务多或用户多的场景，确保有数据支持。要坚信大模型是美好的事物，如何知道比了解结果更重要。

　　财富管理：“场景驱动+技术赋能”

　　在财富管理领域，恒生技术专家分享了智能投顾助手的主要亮点：恒生智能投顾助手以“场景驱动+技术赋能”破解财富管理痛点，覆盖理财产品分析、持仓诊断、资产配置及智能保险等核心场景：投顾助手自动生成配置观点、营销话术与个性化持仓报告；智能客服整合知识库实现工单自动化与精准应答；智能陪练通过情绪模拟与场景演练提升合规能力。

　　相关数据显示，上线恒生智能投顾助手后，某银行的保险产品销售解释成本降低40%，某券商企微端响应速度提升60%。

　　账户运营：大幅提升运营效率

　　当前，证券行业的账户运营存在系统复杂，培训成本高、业务办理耗时长，驳回率高的痛点。会上，恒生技术专家分享的恒生大模型账户运营解决方案，通过光子大模型的中控能力，集成了知识问答、流程自动化与智能推荐等功能，实现了菜单精准定位、断点引导及智能录入。

　　该解决方案上线后，助力某券商在两周内实现AI咨询托管量超50%，助力某券商的机构业务节点从13个缩减至8个，效率提升60%。

　　运营管理：降本增效与风控能力双提升

　　在运营管理领域，恒生聚焦券商运营与合规痛点，以安全高效驱动智能化转型：

　　通过构建智能审核体系，多重校验定期报告、营销物料、基金合同等，保障运营安全；通过大模型赋能运营参数智能抽取，准确率≥95%；通过邮件智能分拣及邮件内容智能解析，大大提升运营效能。

　　机构业务：量化交易终端更智能

　　在机构业务领域，恒生i私募量化交易终端PTrade推出大模型服务，基于DeepSeek提供AI量化编程、AI量化纠错、AI问答服务三项大模型场景服务，全面提升客户服务质效。

　　针对量化交易技术门槛高、开发周期长等痛点，PTrade通过自然语言生成Python策略代码并支持回测优化，将开发周期从1个月压缩至3天，效率提升50%。其智能纠错功能覆盖了语法与逻辑错误，非技术人员可快速生成有效策略，能够助力中小机构、个人高净值客户实现“技术平权”。

　　智能投研：显著提升“搜读算写”效率

　　目前，专注服务投研业务领域的恒生聚源新一代投研端WarrenQ已全面接入DeepSeek。

　　数据显示，通过DeepSeek的深度思维链能力，WarrenQ显著提高金融数据调取效率和准确性15%，用户可通过自然语言生成投资策略并实时回测，基金对比与行业分析效率提升70%。

　　WarrenQ搭载的AI观点、脱水财报、政策研究、AI脑图等AIi工具，让业务人员无需频繁与大模型问答，点击即可获得日常高频所需的信息精华。

　　此外，WarrenQ有本地化、API、SaaS三种服务模式，可为金融机构提供试用权限。

　　DeepSeek一站式基建解决方案：全流程降本增效

　　会上，恒生电子王佳玮介绍了恒生光子大模型一体机DeepSeek版及一站式基建解决方案，以“全链路赋能、灵活适配、生态协同”为核心亮点，实现从算力配置到业务落地的全流程降本增效，助力金融机构快速构建智能应用生态。

　　| 全域覆盖：支持垂直领域（金融高频场景）与通用任务（OA办公）AI开发，适配多模态及行业定制模型。

　　| 智能底座：兼容多种芯片，通过调度引擎实现大/小模型一键部署、推理加速及算力智能扩展。

　　| 敏捷开发：内置低代码编排工具+企业级知识库，快速构建投研/合规等场景应用，对接恒生垂直领域API。

　　| 灵活交付：提供买断/租赁双模式及国产化方案，开箱即用。

　　| 深度协同：与昇腾战略合作优化模型性能，提供商业调优服务。