基于大模型的证券行业机构业务AI赋能平台——来自中泰证券的实践案例

来源 | 中泰证券

一、项目背景及目标

近年来，我国金融大模型市场规模快速增长，2024年已达26.46亿元，年复合增长率超60%，技术应用从基础客服向投研分析、展业辅助、合规管理等核心场景加速渗透。头部券商如中信证券、国泰海通证券已通过自研大模型在智能投顾、舆情分析等领域建立优势，行业竞争进入“技术+场景”深度融合阶段。

中泰证券在内部运营中发现，投研业务高度依赖人工经验积累，从市场数据采集、研究物料生产到研究报告总结分析均需投入大量时间进行手工处理，特别是在处理非结构化数据，如电话策略会议录音时，人工转录与信息提炼过程存在效率瓶颈与信息失真风险；机构展业系统功能分散，客户经理需跨多个平台检索信息，商机响应周期长，缺乏数据驱动的精准营销支持工具，制约了机构客户综合服务能力的持续升级。为破解这些痛点，公司启动机构AI中心建设项目，项目覆盖基金投研助手、研报智能问答、主题新闻每日一图、研究所策略会议助手、研报撰写助手、股权业务线索挖掘、并购重组机会挖掘、上市公司监管案例分析、内容萃取通用能力九大场景应用。

目标通过大模型技术实现投研全流程自动化（数据采集→总结分析→报告生成）和展业场景智能化（线索挖掘→精准匹配→跟踪执行），缩短业务响应周期，提升员工效率与客户服务精准度，打造行业领先的智能化服务体系。

图 1 机构AI中心业务场景赋能目标

二、创新点

1.技术创新

融合私有化大模型、RAG增强检索、AI Agent、多模态内容生成技术，通过动态更新知识库与大模型多模态解析（文本、图表、语音）技术，降低模型分析幻觉，解决金融领域知识时效性与合规性难题，提升展业效率与服务专业性。

2.展业模式创新

利用AI大模型精准分析收购方与求购方企业财务数据、行业要求、企业资质等关键信息，智能匹配并购重组潜在标的；实时监控上市公司股份回购、股东变动等公告，通过大模型提取回购目的、实施进度等关键信息，生成机构业务展业服务线索，辅助一线展业人员提前介入客户需求，掌握先发优势，提升工作效率及展业成功率，为业务侧提供新的增长点。

3.业务交互创新

将AI大模型能力嵌入机构CRM、投研中台等业务系统，通过自然语言交互（多轮问答）简化操作，降低学习门槛，方便一线员工使用，提升系统利用率。

4.知识管理创新

构建结构化知识库与会议摘要提炼能力，支持跨场景、跨部门的知识复用，提升研究人员工作效率和非结构化数据复用效率。

5.安全创新

采用私有化部署大模型，数据交互严格限制于公司办公网域内，结合全程数据留痕与敏感信息脱敏技术，实现零数据泄露风险，确保金融数据安全可控。

三、项目技术方案

1.技术架构

基于微服务理解设计，分为四层架构——基础能力层（公司大模型MaaS平台）、组件能力层（领域小模型、向量数据库）、应用服务层（意图识别、多轮对话、内容抽取、函数调用）、下游接入层（API对接业务系统）。

图 2机构AI中心技术架构

2.业务模式

通过API为投研中台、机构CRM等系统提供智能化服务，支持基金投研助手、研报智能问答、主题新闻每日一图、研究所策略会议助手、研报撰写助手、股权业务线索挖掘、并购重组机会挖掘、上市公司监管案例分析、内容萃取通用能力九大场景。

3.商业模式

聚焦内部赋能，降本增效，间接提升客户服务能力与商机转化率，形成差异化竞争力。

四、项目过程管理

需求调研与立项（3个月）：明确业务场景需求，确认技术方案与架构设计，完成项目立项。

开发建设（4个月）：机构AI中心基础能力和相关场景应用的研发建设。

测试联调（1个月）：与关联业务系统进行测试联调。

试点推广（1个月）：上线试运行，覆盖部分内部测试用户，收集反馈并优化功能。

全面部署（1个月）：完成系统上线，开展用户培训、社群推广等相关产品服务运营推广工作，普及产品提升用户量。

五、运营情况

1.基金投研助手

该功能模块面向基金产品分析与客户服务场景，一线投研业务人员可以通过自然语言对话交互实现基金信息快速查询与多维度对比，同时投研助手还具备自动生成结构化分析结论的能力。基于大模型语义理解能力解析模糊需求，结合净值、评级、持仓等多源数据生成可视化报告，实现一线员工从查询到输出的全流程自动化，降低操作复杂度并提升服务专业性，提升投研服务工作效率。

图 3基金产品筛选示例图

图 4产品历史业绩对比分析场景示例图

图 5产品历史业绩对比分析场景示例图

图 6基金经理对比分析场景示例图

图 7基金经理对比分析场景示例图

2.研报智能问答

该模块基于私有化部署的大模型与RAG增强检索技术，实现研报语义解析、产业关联推理及图表混合内容理解。针对研究人员高频查询场景（如“某行业政策影响分析”），通过知识库精准匹配历史研报核心观点与数据结论，支持跨文档关键信息提取与逻辑串联，输出可追溯的答案来源，解决传统检索模式信息碎片化问题，强化研究结论的连贯性与可信度，提升相关研究工作的效率。

图 8研报智能问答示例图

图 9研报智能问答示例图

3.主题新闻每日一图

图 10 主题新闻每日一图示例图

该模块服务于一线研究人员，整合了监管动态、行业资讯与市场舆情等多源非结构化数据，通过大模型自动解析政策核心要点、产业链影响范围及关联标的，结合预设可视化模板生成包含数据图表、趋势曲线与摘要文本的日报图文。每日一图功能支持按行业标签体系分类呈现，帮助研究人员快速定位关键信息，减少人工筛选与图表制作等重复性工作时间，可将主题新闻每日一图制作耗时由小时级缩短至分钟级，提升研究人员工作效率。

4.并购重组线索挖掘

该助手通过整合买方需求标签（如“行业偏好”“估值区间”等）与卖方企业画像（如“主营业务”“盈利能力”等），利用大模型能力构建多维度匹配模型，智能匹配潜在并购标的，同时生成业务线索及买方卖方匹配度。展业人员可根据匹配度分级，自上而下开展工作，提升工作效率、撮合成功率。

图 11并购重组挖掘示例图

图 12并购重组挖掘示例图

图 13并购重组挖掘示例图

5.上市公司监管案例分析

该功能模块自动抓取官方监管案例，通过大语言模型解析违规类型、法规依据、处罚措施等要素并生成结构化标签，构建多维查询系统和监管知识库。支持用户按证券代码、处罚日期等条件筛选，并提供数据导出与批量下载功能。大幅节省人工整理监管案例的时间成本，通过服务内部员工，提供专业的培训材料和案例库，进而可服务上市公司充分了解行业标准和竞争对手的合规状况，为上市公司提供警示预警并辅助其提升自身的合规管理水平。

图 14上市公司监管案例分析示例图

图 15上市公司监管案例智能问答示例图

6.项目运营推广

在机构AI中心建设完成之后，研发部室与相关业务部室协同合作，积极推进用户培训工作，确保系统正式投入运营前，用户能够全面掌握系统功能及其显著优势。培训工作参考运营推广服务小组制定的工作方案，具体措施包括：按分支机构组织培训研讨会、在用户服务群中分享应用案例、通过E-learning平台发布在线培训视频、编撰用户使用手册等。在培训实施过程中，密切监控用户反馈，以便及时优化培训内容和方式。此外，在推广培训阶段，设立专门的服务群组或沟通渠道，为用户提供辅导和问题解答服务，并通过定期问卷调查和电话回访等方式，积极收集用户的宝贵意见和建议。

六、项目成效

1.业务价值效益

机构AI中心上线后，显著提升赋能中小企业综合金融服务能力。通过大模型生成股权业务线索及并购重组推介，按照当前业务开展情况测算，预计年度可实现近百条展业机会推送，有效提升一线员工展业成功率，为业务带来新的增长点。

2.时间价值效益

机构AI中心上线前，研报阅读与分析、电话策略会议复盘回顾、“主题新闻每日一图”素材物料生产、上市公司监管案例搜集整理等工作大约需要耗费数小时工作量。机构AI中心上线后，可在分钟级别完成信息检索、总结分析、内容生产等工作，降低60%的基础性、重复性工作耗时，大幅提升工作效率。

3.战略效益

通过建设机构AI中心，实现大模型在机构业务各场景的应用实践，提升了机构业务相关系统的智能化水平。助力公司沉淀大模型应用落地的实践路径并形成方法论指导，有助于催生更多大模型场景应用与产品创新。

七、经验总结

1.建设经验

以“解决一线痛点”为出发点，技术团队与业务部门紧密合作共建需求清单，确保功能实用性与易用性。

2.推广经验

通过小范围试点快速验证价值，降低全面推广风险。上线后通过分阶段培训与深度调研相结合的方式，确保用户能够全面掌握系统功能及其显著优势，并持续提供反馈意见优化迭代相关产品。

3.改进方向

未来将探索与外部数据源的合规对接，扩充数据来源与知识规模，进一步提升大模型结果的时效性与专业性。同时加强跨机构技术协作，共建行业级大模型应用实践标准。