编辑《证券时报》 王蕊

　　春节过后，数十家券商纷纷宣布完成DeepSeek的部署。以DeepSeek为代表的人工智能模型按下了证券业数字化转型和重塑的加速键。

　　那么，人工智能模型对商业场景的渗透有多深呢？它能在多大程度上帮助证券公司降低成本和提高效率？面对人工智能浪潮，证券公司如何利用这股力量完成自身的数字化重塑？业内人士对这些问题有许多最新的分析和前景。

　　目前主要扮演助手角色

　　招商证券非银行金融首席分析师郑积沙认为，在内部，证券公司中后台业务场景的相对封闭性、业务流程的透明度和结果审计的高同步性为人工智能的错误提供了一定的包容性。在外部，DeepSeek目前专注于智能营销、智能问答、信息集成、风险提示等低交互环节，发挥辅助作用，降低成本，提高效率。

　　瑞银证券a股非银行金融行业分析师曹海峰预计，基于金融行业对准确性、可控性和风险控制的要求，未来两年生成人工智能内部授权将大于客户业务，大型模型主要作为员工助理辅助角色，提高业务自动化水平的简单场景。

　　过去，由于传统IT技术的能力，金融技术对证券公司业务的支持主要集中在流程管理等方面。随着生成人工智能的诞生，包括研究、交易、投资银行、营销客户获取、中后台运营等业务有望受益——如通过识别潜在客户、生成营销内容帮助证券公司营销客户，通过数据检索和整理提高研究人员的工作效率，通过优化交易算法、开发战略代码等方式授权交易。

　　证券公司人工智能团队负责人分析了《证券时报》的编辑，制约人工智能渗透到更复杂场景的主要因素有三个：一是数据质量和合规性，如何整理和使用有效数据，满足客户隐私保护和监管的要求，仍需探索和尝试。二是技术成熟度、大语言模型的稳定性、准确性和可解释性仍有待提高。第三，业务流程和组织结构的适应。人工智能应用必然会重塑证券公司现有的业务模式，后续的管理和流程优化也是一个不可低估的项目。

　　帮助证券业降低成本，提高效率

　　曹海峰认为，生成人工智能在金融业的发展潜力大于其他大多数行业。一方面，金融业积累了大量有价值的垂直培训数据；另一方面，大型模型主要逆转语言工作，金融业是语言工作丰富的行业。此外，金融业是典型的劳动密集型行业，未来人工智能带来的劳动力成本降低空间也相当可观。

　　中金财富表示，Deepseek显示出显著的效率优势，单日处理量超过1万份文件，比传统手动处理效率提高90%。国盛证券预计，Depseek大模型的加入将提高客户服务、业务运营和系统运维20%的工作效率。东兴证券透露，相关智能产品在规则解读、业务流程指导和软件使用查询等方面实现了准确的检索和二次响应，有助于提高工作效率。

　　目前，人工智能在证券行业的应用带来了显著的效率提高，预计将降低劳动力成本，提高利润。一些证券公司金融技术团队认为，访问大型模型可以帮助证券公司提高业务效率，创新业务模式，优化客户服务，这是行业发展的必然选择。

　　根据瑞银的计算，生成式人工智能对金融的影响主要是降低成本、提高效率和提高客户粘性，分别适用于59%、83%、44%的场景。在最佳情况下，预计到2030年，生成人工智能的应用将降低证券业40%的人工成本，增加30%的利润，推动证券公司ROE(净资产收益率)边际增长2.7个百分点。

　　然而，中信建设投资证券非银行金融首席分析师赵然分析，短期内，人工智能主要授权以个人为单位的标准化业务，优化流程，提高业务效率和客户体验。在中期，人工智能将关键授权前、中、后台业务协调，释放人员生产力。从长远来看，人工智能可以促进证券机构的快速转型，形成差异化的竞争力，在市场上占主导地位。

　　更多的场景有望逐渐着陆

　　曹海峰表示，证券公司、银行、保险等金融机构拥抱人工智能 态度积极，尤其是龙头企业，虽然投产率不到10%，但整体试点率约为 50%。随着DeepSeekekkk的发展，大型模型的性能决定了其行业应用的渗透性 随着R1模型的推出，预计大型模型在金融机构的应用将加速，并在早期阶段或主要应用于B端。

　　他还认为，由于目前技术不成熟，C端大型模型需要监督和记录，国内C端用户的支付意愿较低，C端场景的商业化将在短期内落后于B端。然而，在未来几年，随着大型模型技术的改进和监管政策的完善，生成人工智能将深入复杂的客户场景，重塑自动智能财富规划、智能金融产品推荐、自动机器人投资等新兴模式。

　　在大模型的帮助下，金融机构加速数字化转型的关键在于本地数据和业务逻辑的不断动态沉淀。”AI+“金融”的竞争力取决于能否继续积累高质量的业务数据，深化对垂直场景的认知，通过迭代形成“数据-模型-业务”的积极循环，从而提高金融服务水平。

　　业内人士预计，未来，开放deepseek将提供特色和多元化的自主研究模块，以提高机构服务的附加值，或成为大多数证券公司人工智能授权机构服务的途径之一。