11月28日，在“2025量化行业高质量发展大会暨金融科技·量化机构金牛奖颁奖典礼”上，微软中国首席技术官韦青发表主题演讲。他认为，当前证券行业智能化转型的核心在于信息处理能力，机构需把握技术发展周期规律，明确人机协同边界，避免简单追逐AI概念。同时应坚持实证导向，将技术深度融入业务流程，实现“化学性融合”而非“物理性叠加”。唯有技术能力与投资专业知识深度融合，方能在数字化时代构建差异化竞争优势。

　　洞察周期本质把握技术发展规律

　　“在技术行业，当一个话题被贩夫走卒谈论时，这个话题大概率已经结束了。”韦青以微软20年股价变化为例，市场往往只关注充满故事性的上涨阶段，却忽略了企业在无人关注时期的深耕积累。他认为，证券行业对周期的深刻理解同样适用于技术发展，从业者需要透过表象看清技术演进的本质规律。

　　韦青认为，当前行业面临的核心挑战在于信息处理能力。随着机器生成的信息已超越人类知识总量，谁能在信息的深度、广度、速度上建立优势，谁就能在投资决策和市场预判中占据先机。这要求证券机构不能简单追逐AI概念，而要深入思考如何提升组织的信息处理效能。

　　明确人机边界构建协同工作模式

　　“人做人的事，机做机的事。”在韦青看来，智能化转型的关键在于明确人机分工。他认为，信息文明应让人回归本质，专注于提供异常值和创新洞察，将规律性工作交给机器处理。

　　在机器擅长的回归分析领域，如果所有投资机构都采用相同的机器学习方法，最终将趋于同质化竞争。真正的核心竞争力在于，谁能在标准化模型基础上提供独特的人类洞察，为算法注入差异化的“离群值”，从而训练出与众不同的投资模型。

　　借鉴电气化社会发展历程，韦青预测2025年将成为AI应用的重要分水岭。正如电力行业分为发电、输电、电器设计和应用四个环节，AI产业也将分为模型开发、模型部署、应用开发和场景应用四个环节。他认为，未来几年的主流机会在于如何有效应用AI技术，而非单纯追求模型能力。

　　此外，韦青特别提到组织内部的能力建设。一方面，要培养员工主动获取信息和高效决策的能力，避免过度依赖机器导致思维退化；另一方面，要建立实时学习机制，让模型能够持续适应市场变化，而非停留在历史数据训练的静态状态。

　　坚持实证导向推进智能化深度落地

　　韦青基于大量项目经验，总结出AI落地的“一横一竖”框架。“一竖”是企业必须完成的基础建设，包括文化重塑、人才培养、流程再造、数据治理、算力算法配置等，这些是企业内部应做好的家庭作业。“一横”则是面向市场的价值创造，即快速了解客户需求、解决实际问题、形成反馈闭环。

　　他认为，智能化只是解决问题的最后一环，如果缺乏前期的文化、人才、流程和数据准备，单纯引入AI技术难以产生实效。更重要的是，许多企业的人事财务制度只奖励“摘果子”的人，导致无人愿意承担基础建设工作。

　　韦青认为，成功的智能化转型需要三个关键要素：首先，采用设计思维，明确问题本质，在方案空间中寻找匹配，而非盲目追求最先进技术。其次，坚持“有-有用-有作用”的评估标准，技术的价值在于解决问题而非炫技。最后，建立实时学习机制，让技术能力与业务需求持续迭代升级。

　　“真正伟大的技术是不用再提的技术，是内化在日常工作中的技术。”韦青表示，当AI成为各项业务的基础支撑，无需特别强调时，才标志着智能化转型的真正成功。

　　对于证券行业而言，智能化转型的终极目标不是拥有最强大的模型，而是将技术能力与投资专业知识深度融合，形成独特的竞争优势。单有技术而缺乏行业知识，或单有行业知识而缺乏技术赋能，都无法在激烈竞争中胜出。只有技术专家与投资专家紧密协作，通过实证检验不断优化，才能构建真正有效的智能化体系。

　　韦青表示，在技术快速演进的当下，从业者应从关注“如何做”转向思考“为什么做”，明确战略方向而非固守具体终点。在无人区探索中保持开放心态，避免断言式判断，坚持实证导向，让技术创新在实践中接受市场检验，在服务实体经济中实现自身价值。