AYX爱游戏,爱游戏体育,爱游戏体育官网,爱游戏APP下载

　　证券行业正在出现一个新现象，越来越多券商正把自身投研数据、研究框架、行情工具、财务模型和APP功能，拆成一个个可被大模型调用的Skills。

　　据不完全梳理，近期国泰海通、华泰证券、中信建投、中金公司、广发证券、中国银河、国信证券、等多家券商，均推出或上线了金融Skills能力。它们覆盖研报查询、行业观点、估值模型、每日复盘、ETF筛选、行情查询、财务数据、智能选股、因子分析、自选管理等高频投研与交易服务场景。

　　如果只看单家券商，Skills像是一个个新功能入口；但放到行业层面看，它更像是券商APP和投研能力的一次“接口化改造”。过去，用户要在APP里点击菜单、查找模块、阅读报告；现在，券商试图把这些能力封装成技能，让用户通过自然语言直接调用。

　　这也意味着，券商AI竞争正在从“谁有大模型”转向“谁有可调用的专业能力”。大模型本身越来越像公共底座，券商真正能形成差异的，是研究所观点、金融数据、估值模型、投顾框架、交易工具、合规治理和客户场景理解。Skills的密集上线，正在把这些能力推到AI Agent时代的前台。

　　梳理来看，不同券商上线的Skills名称和入口各不相同，但底层逻辑较为一致：把原先分散在APP、研究平台、数据终端或内部系统中的能力，转化为可被AI代理调用的标准化技能。

　　例如，的灵犀Skills是专为投资者打造的“AI技能仓库”，上线了查研报、查行情、查数据、出榜单、筛股票、自选股六大Skills。华泰智研推出Skill与MCP能力，围绕行业周度观点、专业研报查询、公司估值模型、市场每日复盘等场景，把研究所沉淀转化为可调用工具；即将推出的“蜻蜓Skill”首期聚焦ETF筛选、市场行情查询和上市公司财务数据查询；中金则更强调分析师Skill和专业投研方法论的数字化表达。

　　一次性提供股票基础信息、财务对比、龙虎榜、基金定投计算器、基金产品信息、ETF资金异动、ETF筛选、ETF榜单等数据Skills；银河证券将行情数据、技术指标、基本面指标和因子分析打包为四类示例；则围绕智能选股、ETF筛选、基金对比、宏观数据、行情财务、研报搜索、热榜查询、自选管理等客户高频需求做封装。

　　这些动作的共同点在于，券商不是简单把大模型接进APP，而是在把APP里的功能、研究所里的方法、金融数据平台里的接口，重新组织成AI可理解、可调用、可复用的技能模块。某种意义上，Skills正在成为券商AI服务的新颗粒度。

　　第一批券商Skills大多从数据查询和投研工具切入，这并不意外。金融服务最适合AI落地的场景，往往不是直接给出买卖建议，而是帮助用户更快完成信息获取、结构化整理和基础分析。

　　ETF筛选、行情查询、财务三表、估值对比、行业观点、研报检索、市场复盘、龙虎榜、资金流向、技术指标和因子分析，都是投资者和投研人员每天高频使用的基础能力。过去，这些能力分散在不同页面、不同系统和不同报告里；Skills的价值，是把它们变成一句话可触发的任务。

　　更进一步看，部分券商已经不满足于“查数据”。华泰的公司估值模型、海外宏观策略MCP，美债利率研判和跨资产隐含预期雷达，已经带有较强研究框架属性；中金的分析师Skill，则尝试把首席分析师的方法论、财务模型和研究资料转化为数字化服务。银河的因子分析Skill，则更接近量化研究工作流。

　　这说明券商Skills正在从信息工具走向投研流程。未来，客户需要的可能不是“帮我查某家公司收入是多少”，而是“帮我判断这家公司业绩变化来自价格、销量还是成本”，“帮我比较两只ETF在行业暴露和回撤控制上的差异”，“帮我用同一套框架复盘今天市场主线”。能把研究逻辑固化为可调用技能，更可能在AI投研场景中占据入口。

　　券商为什么要密集做Skills？一个重要原因是，通用大模型虽然能力提升很快，但在金融投研场景中仍然存在数据滞后、口径不统一、事实幻觉和合规边界不清等问题。

　　券商的优势恰恰在这里。研究所观点、估值模型、行情数据、财务数据、F10资料、基金信息、ETF资金流、因子模型和投顾产品，本来就是券商长期积累的专业资源。把这些资源封装成Skills，可以让AI调用真实、可追溯、可更新的金融数据和研究框架，而不是只依赖模型训练语料。

　　头部券商相关人士告诉记者，与金融数据平台推出的Skills相比，券商Skills在投资咨询方面更有优势，因为它融合了券商投研能力。其目标也是将券商APP中的功能逐步固化成Skills提供给客户，顺应Agent时代发展。

　　这句话点出了行业竞争的新方向。AI时代，金融机构的核心能力可能不是训练一个通用大模型，而是把自有专业能力以合规、稳定、可复用的方式接入大模型。对券商来说，研究所、财富管理、行情数据、投顾服务和交易工具，都会成为可被重新封装的能力资产。

　　券商Skills还有一个值得关注的变化，是从自用工具走向开放生态。提到，未来将逐步开放Skill技能开发接口，邀请行业合作伙伴共同打造多元化金融技能矩阵；支持通过APP领取，也可在OpenClaw、Coze等平台体验；入驻ima Skill广场，提供专业金融数据接口。

　　这意味着券商AI服务不一定只发生在自家APP里。随着智能代理成为新的用户入口，券商需要考虑如何让自己的数据、服务和品牌出现在用户常用的AI平台中。用户可能不再先打开券商APP，而是在某个Agent里提出问题，再由Agent调用券商Skills完成分析。

　　不过，商业模式仍处于早期。受访的头部券商负责人表示，大模型相关服务投入暂时无法准确核算回报，已知单项目投入约200万元，但目前难以明确对应收益。相关价值更多体现在隐形品牌价值、前期研发探索以及潜在获客，例如用户在通用AI工具中咨询开户推荐时，相关布局可能影响模型回答结果。

　　这也解释了为什么券商现阶段更愿意先做数据查询、研报搜索、ETF筛选、智能选股等低风险场景。Skills本身能否收费、如何分成、是否与投顾服务绑定、能否提升客户资产留存和产品转化，还需要更长时间验证。

　　在海外，部分互联网券商已经探索让客户通过智能代理直接下单交易。但在国内，Skills和Agent直接触达交易环节仍面临较高门槛。业内人士表示，国内目前尚未开放客户通过Skill、Agent直接下单股票交易的功能，这一模式需要打通委托下单和成交的全链路交易终端，短期落地难度较大。

　　这意味着，券商Skills当前更像是“投研与服务入口”，而不是“自动交易入口”。它可以帮助用户查行情、看财报、筛ETF、读研报、做复盘、生成分析，但一旦涉及投资建议、适当性管理和交易执行，就必须回到严格的监管与合规框架中。

　　这也是国内券商Skills发展与海外Agent交易探索的差异所在。国内券商需要在智能化与审慎监管之间找到平衡：既要提升服务效率和客户体验，也要避免AI生成内容误导投资者，避免越过投顾资质、适当性管理和交易安全边界。

　　因此，券商Skills的下一步可能不是直接替客户交易，而是先把投研辅助、客户服务、产品筛选、风险提示和策略解释做深。真正能穿越合规边界的，不是更激进的自动化，而是更清晰的责任链条、更稳定的数据口径和更可控的服务流程。

　　总体来看，券商密集上线Skills，是行业正在适应Agent时代的新入口变化。过去券商竞争APP功能、页面体验和内容服务；现在，这些能力正在被拆解成一个个可调用的AI技能。

　　这会带来两层变化。第一，券商服务从“人找功能”转向“问题找能力”。用户不需要知道功能藏在哪个菜单，只要用自然语言表达需求，系统就能调用相应Skill。第二，券商能力从“封闭APP”走向“开放调用”。谁的Skills更稳定、更专业、更易用，谁就可能在外部AI生态中获得更多曝光和客户入口。

　　从更长周期看，Skills可能成为券商财富管理和投研服务的基础设施。它既连接券商研究所和客户，也连接APP功能和大模型，还连接金融数据、投顾服务和智能代理。券商如果能把投研能力、客户服务能力和合规能力沉淀成标准化技能，就可能在AI时代形成新的服务壁垒。

　　这也是这轮Skills密集上线最值得关注的地方。券商不是在简单追一个AI概念，而是在重构自身能力的交付方式。把专业投研、数据服务、投顾框架和客户需求打包成可调用的技能，有可能在下一轮券商APP智能化和财富管理竞争中占据主动。