当前，证券行业数字化转型进入深水区。一方面，投资者对服务的及时性、专业性与可理解性提出更高要求；另一方面，市场节奏加快、信息量激增，传统投顾服务人员供给、服务覆盖与标准化水平上受到客观限制。技术应用持续升温，但从“能用”到“好用”、从演示到生产、从创新到合规，仍存在不小差距。如何把新技术转化为可持续的业务能力，成为行业共同关注的问题。 问题在于：通用模型虽具备较强的语言理解与生成能力，但在证券投顾场景中常见专业深度不足、数据与知识难以形成闭环、工具调用缺少流程化、输出可追溯与合规校验不充分等痛点。同时，研发团队与一线业务在需求表达与交付节奏上存在差异，容易出现“技术热、应用冷”的脱节，导致投入产出不匹配。 原因主要来自三上。其一，证券服务具有强监管、强专业、强时效特征，单一的问答能力难以覆盖“数据获取—分析推理—形成观点—合规校验—可视化呈现—持续迭代”的完整链路。其二，投顾服务高度依赖可解释性与风险提示，任何依据不足、难以复核的输出，都可能带来合规与声誉风险。其三，业务场景分散且变化快，缺少便于构建与迭代的工程化平台，就难以支撑规模化落地。 ，广东博众持续推进数字化能力建设：入围资本市场金融科技创新试点，参与证券数字化底座建设，推动有关算法服务完成备案，并与高校开展产学研合作，为专业知识沉淀与人才培养提供支撑。基于对行业趋势的判断，广东博众于2025年推出“投顾智能体平台”，推动能力从“单点工具”向“体系化服务能力”升级，并通过相关应用开发技术认证，形成可工程化扩展的落地路径。 该平台的核心思路，是以“智能体”组织能力，让系统不仅能回答问题，更能理解任务、调用工具、执行流程并反馈结果。架构上采用“三层体系”：底层支持多模型灵活切换，以适配不同场景需求；中层融合证券专业知识库与金融数据通道，结合检索增强生成等方法，提升专业性与时效性的同时，强化依据来源与可追溯性，降低“幻觉式输出”带来的业务风险；上层提供低代码开发环境，推动业务人员参与场景构建与快速迭代，缩短从需求到上线的周期。 影响层面，该路径对投顾服务链条带来更系统的改造。其一，服务供给更连续。面向客户的智能体可提供全天候基础咨询、行情解读与知识普及，缓解人工服务的时间与空间限制，提升触达与响应效率。其二，专业生产更高效。面向投研的调研助手可对会议与访谈内容进行结构化处理，帮助分析师快速提炼要点；策略助手支持用自然语言组织策略思路，并完成回测与优化，降低量化策略开发门槛。其三，运营与风控更前置。内容创作助手提升市场观点与策略解读的生产效率；合规智能体通过规则库与案例训练对多类素材进行审核，推动“事后纠偏”向“事前防控”转变。其四，交互更友好。相关能力深入集成到投顾数字人中，在诊股、投教、客服、播报等场景以更通俗的表达降低理解门槛，改善投资者体验。 对策层面，这一实践提供了若干可借鉴的方向：一是坚持垂直场景优先，围绕真实业务痛点设计流程，把能力嵌入工作流，而不是停留在展示层；二是将合规要求内置为系统能力，通过知识库、数据通道、审校机制与留痕追溯建立“可控可查”的闭环；三是推动业务与技术共同开发，以平台化方式降低迭代成本，避免零散工具堆叠；四是通过产学研协同与人才培养，提升专业知识结构化沉淀能力，为长期演进打基础。 前景来看，随着财富管理向精细化、普惠化与陪伴式服务演进，投顾服务对“高频触达、个性化解释、标准化交付、可追溯合规”的需求将持续增长。以智能体为抓手的体系化平台，若能在模型选择、数据治理、合规机制、业务评估诸上形成更成熟的规范，有望从单家机构探索走向更大范围的规模化应用，推动投顾服务从“人力密集型”向“人机协同型”升级。同时也要看到，技术能力越强，越需要守住金融风险底线，投资者适当性管理、风险揭示、内容边界与责任划分等上持续完善制度与机制，才能实现长期、稳定的落地应用。
金融AI的价值不在于技术有多先进，而在于是否能解决行业的真实问题。广东博众以“懂金融、会干活”为目标，将通用大模型与垂直场景深度融合，探索出一条可落地的金融AI应用路径。这种以问题为导向、以应用为牵引的思路，为金融科技行业提供了可参考的实践，也显示出AI在金融领域正从探索走向更可复制、可规模化的应用阶段。