【科技资讯】中信建投陶剑峰：从数字化到AI原生——以七层架构重构券商核心竞争力

“AI原生并非在现有传统系统之上额外增加一层AI功能，而是以AI为第一性原理，对交互、系统、数据、价值创造全链路进行颠覆性重构，是完全区别于传统数字化的范式跃迁。”

2026年，证券基金行业数字化转型正式告别简单叠加AI功能的浅层改造阶段，全面进入AI原生重构的深度变革周期。中信建投证券信息技术总监陶剑峰在”2026证券基金行业科技创新沙龙”上，以旗舰移动端”蜻蜓点金”为实践样本，完整拆解了券商从数字化转型迈向AI原生的落地路径、七层技术架构和自研”北斗”金融大模型工程化成果。

一、行业背景：监管完善与AI原生元年

中国证券投资基金业协会于2026年4月发布实施《基金经营机构大模型技术应用规范》，从数据安全、网络安全、基础设施、业务安全四大维度划定金融AI合规底线，标志着行业AI发展迈入标准化、合规落地新阶段。

行业竞争逻辑正从流量、渠道比拼，转向底层AI架构、垂直领域模型、企业级多智能体体系的核心能力角逐。

国内大模型三年演化路径

时间	阶段特征
2023年	通用大模型落地，行业上线基础对话机器人，支撑简单信息检索、文本生成
2025年	企业私有化部署成为主流，RAG检索增强、MCP工具集成普及，机构探索企业级金融AI场景
2026年	智能体规模化部署时代，Skills工具集、多智能体协同平台成熟，AI Agent从概念验证走向千万级用户商用落地

二、AI原生 vs 传统架构：四大维度本质差异

维度	传统互联网架构	AI原生架构
交互范式	多层菜单、Tab分页，用户逐层点击手动检索	用户意图驱动，原子化动态卡片承载多模态内容，系统实时生成服务界面，主动推送匹配场景的资讯、策略、工具
系统架构	固定API接口、标准化数据格式，模块耦合度高	独立AI总控层统一调度意图识别、会话记忆、知识库检索、智能体调度，依托MCP协议自由调用模型、工具、业务系统
数据逻辑	预整理、封装固定数据，静态页面展示	打通行情、财报、公告、研报、账户资产、交易行为全链路数据，大模型自主检索、清洗、整合、计算
价值创造	分散、独立的单项智能工具，功能叠加存在瓶颈	覆盖投前、投中、投后全流程，市场感知→策略决策→交易执行→持仓复盘→资产配置一站式赋能

三、落地路径：存量APP嵌入 vs 独立AI APP

中信建投选择在现有APP”蜻蜓点金”内深度嵌入AI能力，基于平台500万月活客户规模做出务实选择。

路线	优势	劣势
独立AI APP	全新原生交互设计、独立品牌、风险隔离	研发投入大、存量用户迁移成本高、独立运维与合规审查繁琐
存量APP嵌入AI （中信建投选择）	复用现有终端、运维、用户体系，落地速度快、用户转化链路短	需在存量架构中处理兼容性问题，重构深度受一定约束

四、蜻蜓点金AI智能体矩阵：覆盖投前投中投后

场景类别	具体功能
信息获取类	问股、问基、热点追踪、研报解读、金融知识科普，支持个股财务、基金持仓、行业政策、市场异动全维度查询
智能选品类	条件选股、资讯选股、基金筛选、投资价值量化分析，依托多因子模型生成匹配风险偏好的标的推荐
交易与账户类	智能盯盘、网格交易、条件单策略生成、账户诊断、持仓风险分析、资产配置方案输出
综合服务类	业务办理指引、智能客服、投资情绪陪伴、投顾建联服务

三大建设目标：降低普通投资者专业工具使用门槛、精准挖掘用户隐性投资需求、主动预判市场机会与持仓风险。

五、七层AI原生APP技术架构

中信建投自研AI原生底层架构自下而上分为七层，形成”算力底座—垂域模型—企业知识库—多智能体调度—意图中枢—安全网关—多模态终端”完整闭环：

层	名称	核心内容
L1	基础设施层	混合算力底座，融合公有云、私有云GPU资源，配套云原生运维、存储、安全管控，支撑千万级月活并发AI调用
L2	模型层 （核心竞争力）	“通用大模型+微调小模型+自研北斗垂域大模型”矩阵：通用模型负责意图识别，北斗承载金融专业推理、合规风控、智能体调度
L3	数据与工具层	券商独有核心壁垒：企业级金融知识库、自研MCP中台、证券专属Skills工具集（行情计算、财务拆解、量化因子、交易指令等原子工具）
L4	智能体平台层 （1+N架构）	一个总调度大脑统筹N个场景专用智能体，拆分投顾、客服、交易、账户四大类智能应用，多智能体分工协同、复杂任务链式执行
L5	AI总控层	替代传统API中枢，统一完成意图识别、跨会话记忆、多轮上下文、工具调度、安全围栏校验；绑定投资者账户身份，基于历史交易/持仓/浏览实现个性化服务
L6	网关层	GMSSL安全接入、流量管控、接口鉴权验签、服务路由，保障AI全链路安全合规
L7	互联网终端层	放弃固定页面，原子化交互卡片，实时任务中心调度行情/资讯/策略推送，支持语音/文字/图表多模态交互，长期弱化固定菜单

六、核心壁垒：自研”北斗”金融垂域大模型

北斗定位非通用问答模型，而是面向券商投顾全流程智能体体系定制的领域基础模型。

四大核心能力

能力	说明
领域知识强化	海量证券专业语料持续预训练：研报、上市公司公告、定期财报、金融政策、投顾书籍、内部知识库，建立对金融术语、交易规则、产业链逻辑的深层认知
专业任务增强	围绕个股归因、持仓诊断、资产配置、风险解读、策略生成等投顾核心场景指令微调，强化结构化分析、量化计算、专业投资表达
合规风控对齐	内置完整金融合规规则与风险边界样本，通过偏好对齐将审慎表述、荐股边界、风险提示内化至输出；所有分析可溯源、可回溯
智能体协同适配	针对任务规划、多工具链式调用、长期上下文记忆专项优化，支撑复杂投资任务分步拆解、闭环执行

训练数据飞轮

数据类型	规模
行业预训练高质量文本	10B Tokens
投顾场景监督样本	40万条，人工标注+大模型蒸馏双路径加工
强化学习反馈样本	存量10万条，每月新增5000条用户真实交互样本

评测结果

基于Fin-Eval、BizFinBench、人大金融大模型评测集等公开基准及自建投顾/合规/智能体评测样本，横向对比DeepSeek-V3、Qwen2.5、Qwen3-32B：

Agent工程化平台

面向500万月活客户的规模化并发场景，搭建一站式Agent开发运维平台，覆盖业务构思→智能体设计→流程编排→场景测试→灰度发布→全链路监控→用户反馈迭代完整生命周期。实现：

• 全流程任务追踪
• AI效果链路观测
• 问题自动化复盘

依托APM监控、全链路Trace日志、操作审计体系，保障千万级用户访问下智能体稳定、可控、可审计。

七、产品愿景：四层智能体系

智能层级	定位	能力
感知智能	用户的”市场之眼”	实时资讯/行情/舆情扫描，自动过滤无效信息，主动推送持仓相关异动、政策利好与风险
决策智能	用户的”投资大脑”	多因子选股、热点主题挖掘、大盘风险预警、资产轮动策略，量化测算收益与风险
执行智能	用户的”操作手脚”	AI对话与交易链路打通，网格交易、条件盯盘、一键调仓、业务办理，自然语言下达交易指令
场景智能	贴身专属投资顾问	基于长期持仓/交易行为/风险偏好完成账户深度诊断，输出收益拆解、非理性交易提示、资产配置优化方案

最终完成从”炒股工具”向”长期投资伙伴”的身份转变。

八、行业四大挑战

挑战维度	核心问题
业务进化	用户深度感知难度高，多模态行为识别待优化；大模型长期记忆/跨会话学习不成熟；普通投资者/高净值/机构用户的差异化服务分层待建设
技术重构	IT全栈架构重新搭建，终端/网关/调度/模型/存储均需重构，研发周期、算力投入、人才门槛极高；多智能体编排、链式推理、千万级并发响应速度仍是通用难点
合规护航	两大模糊边界：①AI自动生成的个股/基金推荐是否等同于券商投资建议、责任主体如何界定；②智能体自主交易/自动调仓的授权范围和风控标准缺少统一规范。证券行业AI荐股、智能交易、Agent审计的统一法规和全流程审计标准仍存空白
组织人才	需搭建全新AI管理体系（模型全生命周期管理、数据中台治理、智能体运维），建立模型上线标准/风险退出/审计追溯；人才体系需全员AI普及培训+金融AI复合人才培育+算法/Agent/数据治理专业团队储备

AI原生重构不是局部功能升级，而是业务架构、技术架构、合规体系、组织人才的全面重塑。券商需要从零设计AI驱动系统，以自研垂域大模型构建核心壁垒，以多智能体平台实现规模化落地，最终完成从”炒股工具”到”长期投资伙伴”的范式跃迁。

来源：智能投研技术联盟（ITL）微信公众号，原文来源金科创新社；演讲人陶剑峰，中信建投证券信息技术总监。