上证报中国证券网讯（记者 闫刘梦）中信证券第十七届金融创新服务会议近日举办。本届会议以主题会、专场会、调研会、定向交流会等多种形式呈现，聚焦AI驱动资管变革、产品创新与策略迭代、全球市场投资三大核心领域。 中信证券认为，AI应用呈现入口效应、网络效应和马太效应。大模型正在成为软件与服务调用的统一入口，但Agent仍停留在各自的终端，A2A的网络效应可能成为应用侧大幅提效的下一步变革。 据悉，中信证券金融创新服务会议自2008年起举办，秉承“创新+服务”本色，已发展为以投资策略、衍生工具、资产管理、财富配置、产业前瞻、企业服务为核心领域的年度大型综合会议平台。 中信证券ETF策略与主题量化分析师伍家豪表示，当前基座模型仅依靠数据扩张获得的边际收益有所递减，能力增量同样来自神经网络结构改进、后训练算法以及Agent、Skill等工程封装。模型的评价重点也由考试得分和对话能力，转向代码生成、工具调用、指令跟随和多Agent协同。 他认为，未来若资管机构内部的买方研究员、投资经理及管理层的Agent能够在合规的前提下共享信息与需求，可减少观点传递中的低效与供需错配等问题。领域专家借助AI获得的效率提升往往更大，过去难以经济化满足的长尾需求也具备了开发条件。 九鞅科技CEO张启珑称，AI并不是在ChatGPT出现后才进入金融行业。过去四十年，从组合优化、因子模型和统计套利，到机器学习、另类数据与自然语言处理，金融始终是最早应用智能技术的行业之一。真正的新变化在于，如今的大模型开始把自然语言理解、通用推理、工具调用和代码执行连接起来，推动机器能力从计算、识别和理解，进一步走向思考与行动。 张启珑表示，当前三个技术拐点正在发生：模型能够自主完成的任务持续时间越来越长，长程任务的可靠性不断提高，Agent也从概念验证走向能够调用工具、执行任务并持续迭代的生产级应用。张启珑认为，这意味着AI正逐步具备进入真实生产环境的条件。当前的分水岭不只是出现了更聪明的问答模型，而是AI开始从“回答软件”转变为“可以承接任务的数字劳动力”。 月之暗面金融产品负责人徐天天在会议上表示，金融领域对大模型的需求正快速增长。大模型在投研中的价值不应停留在通用问答或工具调用层面，还需要基座模型、金融专业认知、专业数据与工作流设计相互配合。徐天天认为，即使通用模型能力较强，若缺少金融训练与实践积累，仅依赖检索补充资料，也很难达到有经验投资者的分析水平。因此，需将行业认知逐步融入模型和产品设计。 此外，现场还介绍了面向机构的托管Agent方案，相关能力仍处于测试和交流阶段。按照产品构想，该方案可在具备权限隔离和安全保障的云端环境中运行多Agent任务，支持投研、组合分析和风险监测，通过并行执行、独立复算和双源核对开展交付前自检，并将复核后的成果回写至看板或数据库。 阿里巴巴千问办公FDE负责人蔡震宇认为，企业AI原生转型大体经历三个阶段，且可并行推进。第一阶段是全员普及AI工具，由员工主导、AI辅助，先在材料审阅、经营分析、用户研究等高频场景中提升个人效率，同时形成数字化留痕、使用习惯和拥抱AI的组织文化。第二阶段是AI深度嵌入业务，Agent从个人助手转变为有身份、有权限、有上下文、能够进入流程的“数字员工”，与员工协同。第三阶段是建设组织级AI中枢：数字员工联网，业务活动沉淀为共享上下文，由AI承担感知、计算和调度，人负责判断与决策。目标不只是优化单个流程，而是让AI成为企业组织生产力的一部分。 中信证券ESG研究首席分析师宋广超介绍，中信证券搭建了“原则框架+工具箱+投票Skills”三层体系。原则层明确合规底线、股东权益优先、量化优先、纵横比较和可解释性；工具箱通过MCP及插件连接公司数据、议案文本、历史记录、预期、舆情和法律风险信息；Skills层按议案类型沉淀监管要求、经营合理性及股东权益影响的判断逻辑。核心不是让模型自由决策，而是将专业判断嵌入可追溯、可复核的工作流。 同花顺iFinD AI产品运营负责人介绍，同花顺调研显示，用户使用AI产品时，需求主要集中于基本面分析，其次是热点解读和智能选股。 多位嘉宾认为，金融AI正沿着“认知—行动—系统”演进：生成式AI解决内容生产，Agent开始调用工具并执行任务，Skill则把成熟方法沉淀为可复用能力。未来竞争重点不只是模型参数，而是能否围绕真实工作建立丰富、可靠的Skill生态。

上证报中国证券网讯（记者 闫刘梦）中信证券第十七届金融创新服务会议近日举办。本届会议以主题会、专场会、调研会、定向交流会等多种形式呈现，聚焦AI驱动资管变革、产品创新与策略迭代、全球市场投资三大核心领域。

中信证券认为，AI应用呈现入口效应、网络效应和马太效应。大模型正在成为软件与服务调用的统一入口，但Agent仍停留在各自的终端，A2A的网络效应可能成为应用侧大幅提效的下一步变革。

据悉，中信证券金融创新服务会议自2008年起举办，秉承“创新+服务”本色，已发展为以投资策略、衍生工具、资产管理、财富配置、产业前瞻、企业服务为核心领域的年度大型综合会议平台。

中信证券ETF策略与主题量化分析师伍家豪表示，当前基座模型仅依靠数据扩张获得的边际收益有所递减，能力增量同样来自神经网络结构改进、后训练算法以及Agent、Skill等工程封装。模型的评价重点也由考试得分和对话能力，转向代码生成、工具调用、指令跟随和多Agent协同。

他认为，未来若资管机构内部的买方研究员、投资经理及管理层的Agent能够在合规的前提下共享信息与需求，可减少观点传递中的低效与供需错配等问题。领域专家借助AI获得的效率提升往往更大，过去难以经济化满足的长尾需求也具备了开发条件。

九鞅科技CEO张启珑称，AI并不是在ChatGPT出现后才进入金融行业。过去四十年，从组合优化、因子模型和统计套利，到机器学习、另类数据与自然语言处理，金融始终是最早应用智能技术的行业之一。真正的新变化在于，如今的大模型开始把自然语言理解、通用推理、工具调用和代码执行连接起来，推动机器能力从计算、识别和理解，进一步走向思考与行动。

张启珑表示，当前三个技术拐点正在发生：模型能够自主完成的任务持续时间越来越长，长程任务的可靠性不断提高，Agent也从概念验证走向能够调用工具、执行任务并持续迭代的生产级应用。张启珑认为，这意味着AI正逐步具备进入真实生产环境的条件。当前的分水岭不只是出现了更聪明的问答模型，而是AI开始从“回答软件”转变为“可以承接任务的数字劳动力”。

月之暗面金融产品负责人徐天天在会议上表示，金融领域对大模型的需求正快速增长。大模型在投研中的价值不应停留在通用问答或工具调用层面，还需要基座模型、金融专业认知、专业数据与工作流设计相互配合。徐天天认为，即使通用模型能力较强，若缺少金融训练与实践积累，仅依赖检索补充资料，也很难达到有经验投资者的分析水平。因此，需将行业认知逐步融入模型和产品设计。

此外，现场还介绍了面向机构的托管Agent方案，相关能力仍处于测试和交流阶段。按照产品构想，该方案可在具备权限隔离和安全保障的云端环境中运行多Agent任务，支持投研、组合分析和风险监测，通过并行执行、独立复算和双源核对开展交付前自检，并将复核后的成果回写至看板或数据库。

阿里巴巴千问办公FDE负责人蔡震宇认为，企业AI原生转型大体经历三个阶段，且可并行推进。第一阶段是全员普及AI工具，由员工主导、AI辅助，先在材料审阅、经营分析、用户研究等高频场景中提升个人效率，同时形成数字化留痕、使用习惯和拥抱AI的组织文化。第二阶段是AI深度嵌入业务，Agent从个人助手转变为有身份、有权限、有上下文、能够进入流程的“数字员工”，与员工协同。第三阶段是建设组织级AI中枢：数字员工联网，业务活动沉淀为共享上下文，由AI承担感知、计算和调度，人负责判断与决策。目标不只是优化单个流程，而是让AI成为企业组织生产力的一部分。

中信证券ESG研究首席分析师宋广超介绍，中信证券搭建了“原则框架+工具箱+投票Skills”三层体系。原则层明确合规底线、股东权益优先、量化优先、纵横比较和可解释性；工具箱通过MCP及插件连接公司数据、议案文本、历史记录、预期、舆情和法律风险信息；Skills层按议案类型沉淀监管要求、经营合理性及股东权益影响的判断逻辑。核心不是让模型自由决策，而是将专业判断嵌入可追溯、可复核的工作流。

同花顺iFinD AI产品运营负责人介绍，同花顺调研显示，用户使用AI产品时，需求主要集中于基本面分析，其次是热点解读和智能选股。

多位嘉宾认为，金融AI正沿着“认知—行动—系统”演进：生成式AI解决内容生产，Agent开始调用工具并执行任务，Skill则把成熟方法沉淀为可复用能力。未来竞争重点不只是模型参数，而是能否围绕真实工作建立丰富、可靠的Skill生态。