一、证券经营机构智能化发展

　　在数字化浪潮推动下，随着大数据、人工智能、区块链及大模型等前沿科技的迅猛发展，证券经营机构正经历广泛而深入的智能化转型。这场变革不仅升级了技术基础设施、提升了数据处理与决策效率，更驱动业务模式创新、服务优化与业务流程再造。通过引入先进数字技术，证券经营机构正构建高效、智能、个性化且安全的服务体系，既优化客户体验，也增强自身竞争力与市场适应力，这既是技术飞跃，更是经营与服务理念的革新，预示着行业未来发展新趋势。

　　（一）智能化发展的时代背景

　　证券经营机构智能化发展处于多因素交织的时代背景之下，一方面，人工智能等技术持续突破，为智能化提供坚实支撑；另一方面，个人投资者更倾向使用数字化工具，聚焦交易便捷性、资金安全与个性化服务。

　　金融“五篇大文章”是2023年中央金融工作会议明确的重要战略部署，数字金融作为其中关键内容，为证券行业智能化转型指明了方向。为深入贯彻党的二十届三中全会和中央金融工作会议精神，中国人民银行等七部门联合印发《推动数字金融高质量发展行动方案》，从技术创新、风险防控等维度为金融机构数字化转型划路线图，强调人工智能等技术的合规应用。近期中国证监会主席吴清在中国证券业协会第八次会员大会中指出，行业机构要稳步探索推进人工智能等技术在资本市场的布局和应用，为行业高质量发展培育新优势、注入新动能。这些政策与指引，既为证券经营机构智能化提供了发展空间，也明确了合规底线，推动行业规范高效发展。

　　宏观经济变化、投资者对服务质量的更高要求、国际金融市场复杂性及金融科技公司竞争压力，均促使传统证券经营机构通过智能化转型应对挑战，推动智能化成为行业数字化升级的关键方向。

　　（二）智能化发展中的挑战与痛点

　　尽管证券经营机构智能化发展迅速，但仍面临结构性挑战，现有体系呈“烟囱式单点化”特征，AI工具与系统割裂，难以协同共享资源，主要问题包括：

　　1、数据域知识孤岛化

　　内部数据分散于各条线，知识沉淀与检索能力不足，员工获取信息需耗费大量精力，影响信息传递利用效率，进而削弱业务决策的及时性与准确性。

　　2、AI工具集成度低

　　AI能力各自独立，缺乏统一平台整合，员工需频繁切换工具，降低协同办公效率，增加时间与沟通成本，不利于业务高效开展。

　　3、智能化能力不足

　　系统对复杂交互支持有限，人机交互不自然，依赖固定流程与手动配置，难以实现问答助手、任务规划等智能化、自动化协作。

　　（三）大模型技术带来曙光

　　在证券经营机构智能化发展面临诸多挑战之际，大模型技术的突破性发展为行业破解困境带来了关键解决方案。

　　大模型凭借革命性技术优势，改变传统技术与业务融合模式。语义理解层面，大模型能深度洞察证券行业专业术语、业务逻辑与多场景需求，精准解析自然语言指令，打破人机交互壁垒；逻辑推理层面，依托海量数据训练的认知能力，可处理投研分析、合规判断等复杂场景，为决策提供智能支撑；多模态处理层面，能一体化处理文本、图像、语音等多元数据，整合行业多源异构信息，支撑全场景智能化。

　　同时，大模型泛化能力强、适配速度快，通过行业语料微调、知识嵌入即可贴合专业场景需求，无需单独开发各业务环节，大幅降低转型门槛与成本。大模型技术能为证券经营机构智能化提供体系化解决方案，推动行业向更高效、智能、精准方向跨越式发展。

　　二、基于大模型的AI门户平台的构建与实践

　　在证券行业智能化转型向纵深推进的背景下，华安证券精准把握大模型技术引发的行业变革机遇。公司深度借鉴国内外金融机构前沿实践，结合自身业务布局与技术积淀，在公司“十五五”规划金融科技子规划指引下，以“一体四翼”为核心建设目标，系统性开展基于大模型的AI门户平台构建工作。

　　其中，“一体”指自主可控的大模型基座，是整个服务体系的核心，保障技术应用的自主性和安全性；“四翼”对应对客服务、投资投研、合规风控、内部管理四大核心业务领域，全面覆盖公司关键业务环节。

　　通过构建知识管理、能力治理和智能体研发三大支撑体系，华安证券形成大模型快速迭代与应用机制，成功实现从“能力孤岛”到“一站式智能协同平台”的跨越式转型。

　　（一）全域知识管理体系构建

　　针对金融领域知识分散异构、更新滞后、检索低效等核心痛点，华安证券搭建全域知识管理体系，通过标准化整合、智能化运营与精细化管控，破解知识孤岛难题，实现知识资产的高效利用、安全共享与动态沉淀，为业务决策与员工办公提供全方位知识支撑。

　　体系构建“个人-部门-业务条线-公司”四级管理架构，全面覆盖各类知识资源的全生命周期管理，既保障个人知识沉淀与部门协作共享，又支撑跨条线业务协同与公司级知识资产统筹。在数据接入环节，打造智能化多模态处理机制，针对PDF、Docx等文本文件，通过专业解析工具实现标准化格式转换，完整保留关键信息与语义逻辑；对于包含图表、手写签名、印章等有价值信息的图片文件及含图文档，采用“OCR+视觉解析”组合策略，完成图像内嵌文字的高精度提取与结构化转化，确保多源异构知识的有效整合与统一存储。

图1：基于向量库的RAG问答技术框架图

　　核心依托检索增强生成（RAG）技术架构，如图1所示，结合金融领域专业特性优化知识检索与问答能力。通过文本分块、向量化处理构建高效检索索引，搭配金融知识图谱实现图增强检索，将传统关键词匹配升级为语义关联推理，大幅提升复杂查询的精准度；设计多路召回引擎与智能排序机制，整合文本检索、向量匹配、图谱推理及历史问答复用等多维度能力，最大化提升知识召回率与相关性；同时引入提示词工程技术，对用户问题进行行业术语语义改写与复杂任务拆解，让知识问答更贴合业务场景需求。

　　为保障知识资产安全合规，建立分级权限管控机制，精细化划分普通使用者、部门管理员、系统管理员、部门负责人、公司领导等不同角色的访问权限，明确个人级、部门级、条线级、公司级知识库的操作范围与共享边界，在保障知识共享效率的同时，筑牢数据隐私与信息安全防线，确保敏感知识仅对授权人员开放。

　　（二）统一能力治理体系搭建

　　为解决传统AI能力分散孤立、接口异构、协同低效、调用复杂等行业共性痛点，华安证券构建统一能力治理体系，通过标准化框架实现全域AI资源的统筹管理、高效复用和灵活调度，最大化释放AI资源价值，为平台场景落地提供坚实能力支撑。

图2：华安证券AI资产地图

　　一是开展全域AI资源盘点梳理。组建跨部门专项团队，对公司内部数据、算力、模型、平台等各类资源进行全面排查、分类统计与价值评估。聚焦办公场景核心需求，筛选出具备高业务价值、可流转共享的核心AI能力，形成可视化的全域能力资产地图，如图2所示，清晰呈现资源分布、关联关系与流转路径，为资源优化配置提供直观依据。

　　二是建立统一能力标准体系。基于资源梳理结果，设计标准化能力元模型，对数据、工具、知识三类核心能力进行规范化描述与接口适配，明确能力名称、业务领域、功能描述、输入输出格式、调用约束、权限要求等关键属性，实现不同类型、不同技术栈能力的语义统一与兼容互通。其中，数据类能力按“业务领域-能力域-服务粒度”三级体系划分，封装为标准化API接口；工具类能力采用“场景-模块-原子工具”三级抽象体系，统一整合后规范接口协议与权限管理；知识类能力基于现有多层次知识库体系，按条线业务进行语义对齐，强化资源快速定位能力和知识管理。

　　三是构建标准化能力运营机制。通过标准化注册机制，将各类AI能力纳入统一管理平台，形成“一次治理、多场景复用”的能力资产库。引入模型能力协议（MCP）作为核心互操作标准，实现能力的动态发现、智能调度与跨系统协同，支持智能体可视化编排与自动化执行，大幅提升AI资源的配置效率、协作价值与应用灵活性，为平台快速响应多样化业务需求提供核心保障。

　　（三）智能体研发体系落地

　　为打通技术能力与业务场景的适配鸿沟，解决复杂办公流程中工具切换频繁、操作步骤冗余、人机交互不自然等痛点，华安证券构建灵活高效的智能体研发体系，通过动态任务拆解、自适应能力调度与可视化流程编排，实现复杂办公场景的端到端智能化处理，推动办公模式从“工具操作”向“需求驱动”转型。

图3：智能体构建流程示意图

　　智能体构建遵循“意图解析-能力适配-流程搭建-自动化执行”的核心逻辑，如图3所示。依托意图理解大模型深度解析用户自然语言需求，结合AI能力统一框架、金融业务知识图谱和上下文语义分析，精准把握用户真实意图，将复杂任务拆解为逻辑清晰、可独立执行的子任务单元。例如，针对资产配置类需求，可自动拆解为客户画像分析、风险偏好评估、产品匹配推荐、方案合规审查等子任务，确保每一个业务环节都能得到精准赋能。

　　通过智能匹配机制为各子任务筛选最优AI能力组合，结合业务规则、资源负载情况与历史应用效果，从能力资产库中动态调取适配的工具、数据与知识资源，形成候选能力集合；再由用户结合业务需求精度要求、操作习惯等因素进行精准优化，既保障了自动化处理的效率，又保留了人工干预的灵活性，充分体现“以用户为中心”的设计理念。

　　基于标准化协议搭建可视化工作流编排界面，支持用户通过拖拽操作完成AI能力的灵活组合与流程配置，直观定义组件间的数据流向、执行顺序与触发条件，实现异构能力的无缝协同与自动化执行。目前已落地投研分析、资产配置、机构业务商机挖掘等多个核心场景智能体，有效覆盖投顾服务、投行审核、机构拓展等关键业务环节，显著提升复杂业务处理效率与质量。

　　（四）平台技术架构支撑

　　AI门户平台采用“底座层-中台层-应用层”三级分层架构，通过接入层统一适配，如图4所示。构建“技术能力-中台治理-业务场景”的全链路贯通闭环，确保平台具备高稳定性、高扩展性与高适配性，为各类业务场景的深度赋能提供坚实技术保障。

图4：AI门户平台整体框架图

　　底座层作为核心支撑，整合人工智能算力平台与大模型全生命周期管理系统。算力平台采用“本地GPU集群+云平台资源”的混合架构，本地算力重点保障合规监控、客户画像生成、敏感数据处理等高安全性任务，确保核心数据在可控环境中运行；云端资源满足弹性扩展、外部API集成与突发性算力需求，实现算力资源的灵活调度与最优配置。大模型管理平台支持开源大模型本地化部署、行业适配微调、全流程训练与推理，通过日志监控、性能分析、安全防护、流量控制四维保障体系，确保模型运行稳定可靠。数据支撑方面，整合关系型数据库、内存数据库、搜索引擎、分布式存储等多元存储方案，实现对结构化与非结构化数据的高效存取、实时同步与全生命周期管理，满足不同业务场景的数据处理需求。

　　中台层承担技术中枢职能，通过“内嵌+外挂”双模架构实现大模型与各类AI能力的深度协同。对数据、工具、知识三要素进行集中治理与智能调度，通过统一能力治理框架实现能力标准化，构建办公智能体，支持复杂业务流程的自动化编排与执行；同时搭建全链路监控体系，对机器资源、工具运行、系统性能、服务质量进行实时监控与故障预警，快速响应并解决运行过程中的各类问题，保障平台高可靠性运行。

　　应用层聚焦“四翼”核心业务，构建覆盖通用办公、专业业务、知识管理等场景的多元服务矩阵。通用办公场景涵盖多模态问答、文档智能处理、会议辅助、数据建模等功能，满足员工日常办公高效处理需求；“四翼”业务助手场景针对性打造投顾投研类、机构业务类、合规风控类、投行助审类专用工具，实现业务场景精准赋能。

　　接入层通过统一API、iFrame嵌入及WebSocket等技术接口，打通各终端与业务系统，结合精细化权限管理，实现能力跨平台共享与集中调用，让员工在现有办公环境中即可便捷使用平台各类服务。

　　三、总结与展望

　　在数字化与智能化蓬勃发展的大趋势下，证券经营机构的智能化转型成为行业发展的关键路径。

　　在此过程中，华安证券积极探索智能化发展之路，围绕大模型构建AI门户平台的实践，以“一体四翼”为核心目标，通过全域知识管理、统一能力治理、智能体研发三大支撑体系的协同落地，成功打破了证券行业“数据孤岛”“能力孤岛”等传统困境，实现了技术能力与业务场景的深度耦合。平台通过四级知识管理架构整合多模态知识资源，以标准化治理框架统筹全域AI能力，用智能体实现复杂场景端到端自动化，依托三级分层技术架构保障稳定高效运行，显著提升了内部办公效率、业务协同质量与合规风控水平，为大模型技术在券商协同办公领域的规模化应用提供了可落地、可复制的实践范式。

　　在未来，华安证券将持续深化大模型技术与证券业务的融合创新，一方面推动与投资投研、客户关系管理等关键系统的深度协同，打通全链路数据壁垒，构建智能化业务闭环；另一方面拓展多模态数据处理能力与多智能体协同机制，进一步提升复杂任务处理的精准度与效率，同时强化个性化服务能力，为客户与员工提供更智能、高效的服务体验，助力华安证券在行业智能化转型中稳步前行，持续夯实核心竞争力。

　　（作者潘晓明、齐爽、江顺宇任职于华安证券股份有限公司）