数字技术与智能化创新股票配资平台证监会，正全面重塑证券行业的生态体系和价值逻辑。
近年来，面对生成式AI技术带来的颠覆性变革，大部分券商持续强化金融科技布局，加大信息技术投入，着智力构建覆盖能投顾、精准营销、量化风控等核心场景的数字化解决方案。
大模型在证券行业落地进展迅猛，也带来成本高企等难题。受访人士认为，券商应对AI大模型的高成本挑战，核心思路是“精准投入、降本增效”，可通过优化投入结构、加强合作共享、走混合技术路线等方式，多管齐下破解成本之困。
8家投入金额超10亿元
2024年报数据显示，约有20家券商披露信息技术领域的资金投入情况，投入金额超过10亿元的有8家。
其中，华泰证券和国泰君安两家券商的资金投入规模在20亿元以上，分别以24.48亿元和22亿元的投入规模位居前列。
中金公司、招商证券、中信建投、广发证券、银河证券和申万宏源六家券商的投入金额均超过10亿元，分别为15.85亿元、15.83亿元、15.2亿元、13.77亿元、12.54亿元和11.85亿元。
近年来，券商高度重视信息技术管理工作，持续加大金融科技投入力度。15家券商2024年的信息技术投入金额实现增长。其中，光大证券的信息技术投入为6.59亿元，同比增长20.92%；红塔证券和南京证券的信息技术投入分别为1.73亿元和1.76亿元，同比分别增长13.82%和11.39%。
北京社科院副研究员王鹏在接受《国际金融报》记者采访时表示，数字金融对金融机构的数字化水平提出了更高的要求，促使券商加大信息技术投入。同时，市场交投活跃度上升，大量开户、交易需求对券商的服务能力和技术系统提出新挑战，促使券商强化信息系统建设。
“在证券行业竞争激烈的背景下，金融科技可以提高交易效率，帮助券商更好地理解客户需求，提供个性化服务，从而提升竞争力。”王鹏说。
南宁学院金融专家、博士石磊在接受《国际金融报》记者采访时表示，券商发力金融科技主要有三大核心驱动力：
首先是行业自身的转型压力。特别是中小券商，传统线下服务模式成本高、同质化严重，需要通过线上化、自动化实现差异化突围。比如说智能开户、电子合同这些应用，本质上是用技术重构业务流程，减少对人力的依赖，实现降本增效。
二是技术红利的倒逼。过去券商的IT系统更多是支持基础业务和流程管理，但现在像DeepSeek这类大模型的出现，让生成式AI能深度融入投顾服务、风险预警等场景。
三是监管合规的要求。现在对券商系统稳定性要求精确到秒级中断容忍，反洗钱监控要穿透多层嵌套交易，这些靠人工排查基本不太现实。比如盘中异常交易拦截，需要依赖算法实时识别。技术在这里既是合规工具，更是业务开展的准入门槛。
AI技术重塑业务场景
今年以来，DeepSeek人工智能技术在金融领域掀起创新浪潮，众多金融机构竞相推进该技术的应用落地。通过科技手段赋能传统金融业务转型，持续加码数字化能力建设已成为证券行业的普遍共识。
国泰君安在年报中指出，公司已基本建成企业级数据库，完成管理驾驶舱全面改版升级，初步落地智能化基础设施，行业首家实现将大模型能力全面融入客户服务体系，将持续推进自主金融科技创新。
在夯实AI大模型的底层能力基础上，券商探索以AI思维和技术重塑业务场景的可能。华泰证券首席执行官周易表示，目前公司已落地集异构算力、运营管理、应用开发三位一体的大模型平台体系，在投研、投顾、投行等典型场景取得进展。
券商在AI大模型布局方面取得突破进展。广发证券董事长林传辉表示，过去一年公司累计落地43个AI大模型应用，场景数量和业务覆盖保持行业领先。
“当前证券公司在AI大模型方面的投入显著，且应用效果初显。”王鹏认为，AI大模型已广泛应用于券商的经纪、研究、投行、合规等多个场景，为业务开展和管理模式优化提供了技术支持。
AI大模型在降低成本、控制风险、优化体验和增加收益等方面展现出广阔的应用前景。王鹏称，智能投顾服务可以通过AI大模型提供个性化的投资建议，帮助客户识别和规避潜在的投资风险；在异常交易监控、反洗钱等方面，AI大模型也能发挥巨大作用。
“目前券商对AI大模型的投入，可以用三个关键词概括：敢砸钱、见实效、有挑战。”石磊表示，最直接的效果就是降本增效。比如在风险防控这种硬核领域，中信证券用大模型+图计算拦截盘中异常交易，成功率直接拉高40%，这是人工盯盘难以达成的。
多措应对高成本挑战
生成式人工智能浪潮正引发证券行业底层技术架构的革新，同时模型训练所需的算力集群建设年均投入超千万量级，加之数据治理和算法迭代的持续性支出，行业正面临投入产出比优化的战略考验。
对此，记者采访获悉，券商应对AI大模型的高成本挑战，核心思路是“精准投入、降本增效”，具体可归纳为如下几点：
第一，优化投入结构，即钱要花在刀刃上。石磊表示，头部券商收缩IT总投入但聚焦核心业务场景，比如用大模型升级投研、客服、风控等高频刚需业务；中小机构则借力通用大模型快速落地，减少定制开发成本，实现主要业务的覆盖。
第二，技术走“混合路线”。数据安全是大前提，通过“大模型+小模型”组合降低算力消耗，同时活用开源技术（如DeepSeek）和实时接口，平衡性能与成本。
第三，加强合作与共享，即抱团分摊压力。王鹏建议，券商可与其他金融机构、科技公司等建立合作关系，共享技术资源和研发成果，降低研发成本。
第四，提升技术效率，探索商业化应用。通过技术创新和优化算法等方式，提高大模型的训练效率和推理速度，降低算力成本。积极推动AI大模型的商业化应用，通过提供智能投顾、风险管理等增值服务，实现技术投入的回报。
“未来券商拼的不只是技术烧钱速度，更是谁能把AI成本和业务价值精准匹配。”石磊打了个比方股票配资平台证监会，大模型最终会像水电一样，成为券商基础设施，关键看谁能先用出“性价比”。