来源：大力如山

在刚刚过去的上海外滩大会，如果你像我一样是带着好奇心去寻找券商科技创新的参观者，那大概率会感到失落。

因为把整个展馆绕完，你能看到的券商展台也只有两家：国泰海通和中泰证券。

上次 WAIC 那篇《看得到券商在今年 WAIC 上布展，看不到券业的 AI 运用发展？》我还抱怨只看到了国泰海通、华泰证券和中金的展台，没想到这次来的券商更少。

也许券商从来都不是这些大会的主角吧，就像展厅里真正扎堆的是支付宝、华为和各类硬件软件厂商，他们展示着眼花缭乱的大模型交互，以及运用到吃穿住行各种场景里的 AI 产品。

而仅有的两家券商展台上，所谓的 AI 展示都只是在一块无法交互的屏幕上，用传统的 PPT 展示着新款的 APP。

倒也可以理解，毕竟券商在金融科技上的核心诉求，一直都不是展示技术本身，而是向外界秀自己为多少科技公司完成了 IPO，写出多少篇漂亮的科技金融大文章。

至于 AI 在券商内部到底开发得怎么样，虽然连我们这些非 IT 岗位的从业者都不太清楚。但外界要因此觉得券商在原地踏步，那就大错特错了。

因为在一直被认为是靠市场吃饭、靠人情社交拿项目的传统金融行业，头部券商每年砸在 IT 上的钱，已经到了一个惊人的量级。

根据 2025 年报数据，国泰海通的信息技术投入是 32.35 亿元，华泰证券 26.79 亿元，招商证券19.08 亿元。三家投入最高的券商，已经比不少券商一整年的净利润还多。

而且不只是一两家券商阔气。2025 年单家投入超过 10 亿元的上市券商，也已经有了 11 家之多。

比如这次来大会展示的中泰证券，虽然业务排名常年在行业 15 名左右，但 10.03 亿元的 IT 投入，已经位于行业第 10。

所以每年几十亿的真金白银，究竟都被券商们砸向了哪里？

如果你听过我和老杨那期播客《金融何以科技？隐藏在 2026 年的券商 AI 战事里》，你就会知道都被花在了这里：

这里有高耸入云的算力壁垒与极其严苛的合规底线，有被时代巨轮悄然碾压的外包员工，还有在科技发展和业务需求之间走钢丝的券业 IT 人。

老杨说他有次在香港路过老虎证券的营业部，被这家装修得像是苹果体验店的营业部给震惊了：

客户可以一边喝着免费的咖啡，一边看着占据整面墙的巨大屏幕，屏幕上是不断被自动生成的可视化市场数据。

这就是作为券商金融科技从业者的老杨，心中最理想的金融科技展示画面。

但现实是国内绝大多数的券商营业部，依然还是十年前的陈设：白炽灯、台式机、皮沙发和红木桌。所以在线下能感受到的确实全是老登科技，而不是金融科技。

普通用户只有在线上交易和使用 APP 的时候，才能体会到那些没人会主动联想的券商科技实力。

比如券商 APP 用起来是否丝滑的背后，就是科技实力决定的 APP 更新迭代频率。线上交易时会不会宕机、交易指令会在多少秒内被执行的背后，也是科技实力决定的交易稳定性和交易速度。

支撑这一切的，正是券商极其庞杂且昂贵的金融科技投入：硬件、软件和人力。

首先是庞大的人力成本。比如业内公认科技实力最强的华泰证券，公开披露的自有 IT 人员就有 3000 多名，按照行业里通用的 1：2 外包比例估算，外包人员至少有 6000 多人。

所以华泰有专门给外包团队安排的单独办公楼就显得不足为奇了，毕竟这已经完全是一家中型互联网公司的体量。而这些庞大队伍的薪酬、福利和办公成本，就构成了券商每年 IT 投入的大头。

然后是硬件的采购、软件的开发，以及数据的购买和维护费用。

比如安全和稳定这俩金融机构对技术的最核心诉求，都是用钱换来的。监管要求的 " 两地三中心 "，也就是至少在两个城市拥有三个机房，已经是所有券商的硬性标配。包括所有服务器和网络设备，运行到一定年限之后，无论是否可继续使用也必须强制淘汰。

特别是有些被列为国家关键信息基础设施的券商，每年在网络安全、防黑客攻击上的 IT 投入，更是以亿为单位。

甚至那些在我们看来随处可得的免费新闻、研报和行情数据，对于金融机构来说也有一笔很大的成本。每家提供资讯服务的券商，每年要向万得、同花顺等数据服务商，支付高达千万甚至上亿的信息或数据采购费。

以上这些还都是券商多年来的传统投入项，随着这两年进入 AI 时代，券商之间的金融科技较量已经变成了更加重资产的游戏，主要来自于 AI 投入的铁三角：

算力、算法、数据。

其中算力靠卡，能够支撑大体量客户使用的千亿级参数模型，就需要数亿甚至数十亿的硬件投入。有实力的券商早早就开始了买卡囤卡，没来得及买或者没买够的券商，每年也需要花钱租赁。

而算法靠大厂，绝大多数券商都挖不动或留不住顶尖的 AI 科学家，只能靠购买专业模型进行自主调配。甚至头部券商们声称的自研，背后也都来自与互联网大厂或专业模型厂商的联合共研。

券商唯一掌握在自己手里的技术实力是自有数据，但也同样是用成本堆出来的。

" 很多券商都声称自己的数据有价值，但其实都是脏乱差的垃圾数据。"

老杨说行业前二十的券商才有可能拥有自有数据，行业前十的券商都至少内部配有 50 人的专职 IT 团队做数据清洗：

因为要时刻把全生命周期的客户信息、产品数据、行情数据，从各个孤立的系统中拉通、清洗和标准化。

行业内甚至有专门的 " 数据管理成熟度评估 "，400 多个严苛的数据指标评下来，全行业只有最头部的五六家券商，才能达到最高等级 5 级。至于排在 20 名开外的券商，手里的数据连参与评估的资格都没有。

看懂了吗？有钱才能买算力，有人才能研究算法，但没有高质量的数据底座，券商的 AI 运用仍是无源之水。

只是券商的数据并不是 AI 时代才开始清洗整理，早在数字化转型时代，券商就干起了这个最脏最累的活儿，一直干到现在：

" 数据的清理工作就像地永远得有人扫，以前是用扫把扫，现在是拿清洁车来扫，但不管工具多高级，数据一直在产生，地就得一直有人去扫。"

所以在这个砸钱听响的领域，券商的金融科技也早在多年前就已经 K 型分化。

虽然按照前面的分析，我们外行也可以通过年报里的 IT 投入数据，推算出来券商的金融科技实力格局。

比如根据 25 年年报数据，券商信息技术投入前十分别是：

国泰海通（32.35 亿元）、华泰证券（26.79 亿元）、招商证券（19.08 亿元）、中信建投（16.94 亿元）、中金公司（16.51 亿元）、广发证券（15.48 亿元）、银河证券（13.45 亿元）、国信证券（13.28 亿元）、申万宏源（11.07 亿元）、中泰证券（10.03 亿元）。

但这些成本数字所展示的排名并不准确，就像排名里没有的东方财富，科技实力强劲到 25 年的研发投入也有 10.67 亿。而券商老大哥中信证券都没在排名里谁信？它没在只是因为这些年没披露过 IT 投入数据。

幸好在老杨这种内行眼里，券商的金融科技实力格局，已经能通过 AI 运用排出更精准的三个格局明显且难以跃迁的梯队：

第一梯队大概有 7 家头部券商，国泰海通、华泰证券、招商证券、广发证券、中金公司、中信证券、东方财富。

他们已经搭建了完整的 AI 生态体系，从底层的算力卡，到中间的推理引擎、Agent 智能体编排工具，再到前端的 APP 或工作台。特别是华泰证券和国泰海通，更是以自建 AI 大模型技术遥遥领先其他几家。

甚至行业最强的华泰证券，科技实力已经外溢到了可以对外输出的程度。

比如在华泰官网上，你能看到除了传统的经纪、投行等业务板块介绍，还有行业罕见的科技业务板块：专门向券商同业或公募机构销售科技服务。这就像银行业里存在的科技子公司一样，虽然不一定能挣多少钱，但可以摊薄自己的科技开发成本。

第二梯队主要是排在行业前二十的部分券商，比如银河证券、国信证券、中信建投、申万宏源等。

他们跟第一梯队最大的差距，在于尚未搭建完成自己的 AI 体系。当然他们开发出来的 AI 工具和应用场景并不算少，但在内行老杨的眼里，这些成熟的垂类应用还无法在公司内部融合成系统闭环。

老杨之所以会如此清楚这个差距，是因为他所在的券商就属于第二梯队。

我以为第二梯队券商的科技发展目标，就是进入第一梯队。没想到老杨跟我说内部口号确实一直这么喊，但两梯队之间的鸿沟全行业都知道难以填平：

" 梯队之间的差距，早在数字化转型时期就存在了，到了 AI 时代这个差距还越来越大了。比如第二梯队也有花上亿买算力卡的券商，但每天算力闲置率可能高达 90%。因为没有像第一梯队券商那种自上而下的科技驱动文化。"

那第三梯队呢？

如果用老杨的 dirty talk 来定义，前二十之外的大部分券商都属于第三梯队。不像第二梯队只是在内部喊口号，对外展示的还是真正的技术。第三梯队的券商，在金融科技上对内对外都是在喊口号。

因为他们对外展示的 AI 应用，只是从专业的金融科技服务商那里买的壳，然后套在自己身上穿给别人看的。

当然没人愿意一直喊口号，但金融科技的水平都是历史继承下来的。第三梯队里那些没能完成上一阶段数字化转型的券商，根本不可能把还停留在手工台账水平的东西直接 AI 化。

所以现在能做的只有买点合用的壳，套在他们已经很久没更新过的 APP 上，方便领导对外喊几句已经赶上 AI 列车的口号。

三个梯队之间难以跃迁的差距背后，本质上还是组织文化的不同。

在大部分券商里，IT 员工一直被视为 " 做支持的 " 中后台部门。他们中有写底层运维代码的纯后台，也有扮演项目经理角色的中台：收集和理解业务部门需求、招标采购，测试验收，不断在业务部门和外部供应商之间受夹板气。

但就是没有真正的前台，因为金融行业的科技特点就是：业务驱动科技。

比如投行部门的数字员工系统，外面看好像是 IT 部门主动给投行做的业务开发，内部其实是投行主动给 IT 说需要做这个才能做，因为开发成本是从投行的利润里出，谁出钱谁才有权提。

而在第一梯队里的头部券商里，这个特点正在发生反转。

IT 不再是单纯的中后台，他们开始尝试驱动业务，或者说公司组织的领导层，开始决定用科技驱动业务，就像互联网大厂一样，学着不断用科技引领券商的获客生死，效果也已经开始在市场上显现：

" 现在第二、三梯队券商的客户年龄线越来越老，基本都是老一代的存量客户。而新增的 Z 世代年轻客户，全都被第一梯队头部券商更智能化的 APP、更极速的交易体验、更炫酷的科技活动给吸走了，其他券商连观望的资格都没有了。"

老杨感叹在靠规模效应吃饭的券商行业里，金融科技的竞争已经越来越激烈。因为落后一步，失去的可能是一整代年轻人的业务入口。

而有这种焦虑的不只是老杨，还有周易，那位执掌华泰的 CEO。

第一梯队里的两家头部券商，一直有场隐藏的科技竞赛，只是我们外人很少听说。

比如国泰海通和华泰证券都说自己有业内首家 AI 原生 APP，虽然整个行业确实也就这两家有这个技术，但到底谁的才是首家？老杨跟我说：

" 真正研发是华泰证券先研发的，圈内老早就有消息说华泰在研发，但第一个把 APP 发出来的，是国泰海通。"

先研发的和先发出来的不是同一家，恰恰代表了行业这两家头部科技券商，不完全相同的金融科技发展策略。

比如华泰证券的技术实力确实行业最强，技术家底更厚，IT 人才也更多，所以金融科技一直都是以自研为主。最近几年的行业金融科技发展，基本上也都是华泰的自研在引领全行业。

而来自于国君和海通这两家券商合并的国泰海通，科技实力同样来自于国君和海通这两家实力都很强的 IT 合并。只是国君的金融科技以自研为主，海通的金融科技以外采为主。所以目前尚在整合期的国泰海通，还是自研 + 外采的组合。

按照老杨的说法，自研和外采没有高下之分，只有快和慢的区别。

自研在前期开发慢，在后期整合进内部系统快。外采在前期直接采购快，在后期整合进内部系统形成闭环慢。所以自研的华泰和有外采的国泰海通，确实也都有自己是首家的不同节奏理由。

不过按照公司组织文化的定义，国泰海通未来大概率也会以自研为主。毕竟是国君合并的海通，组织文化肯定以自研的国君为主。再者说都已经是券业航母了，如果连点引领行业发展的自研焦虑都没有，还怎么赢过另一家券业科技巨头。

我一直以为只有仰望 " 双泰 " 的其他券商，才会因为追不上它俩的科技步伐而焦虑。没想到双泰之一的华泰证券，竟然也会因为科技发展而焦虑。

前阵子媒体发了篇对华泰证券 CEO 周易的专访，主要是介绍华泰证券全速拥抱 AI 背后的战略逻辑。其中让人意外的不是文章里华泰已经喊了多年的 "ALL IN AI"，而是周易说的另一句话：

" 今年是我入行券业二十年来最焦虑的一年。"

这位行业里少有的以科技驱动业务的券商掌门人，到底在焦虑什么？

周易觉得 AI 正在改写证券行业的游戏规则，在技术平权的浪潮之下，传统优势的消解不是渐进式的，而是颠覆式的。就像券商修了多年的护城墙，会突然遭遇导弹的横空出世，从此护城墙只剩象征意义。

因此华泰给出的自研方向，是要用 AI 主动拆掉自己传统业务的护城墙。

比如已经迭代到第三个版本的 "AI 涨乐 "，在 8 月就启动了 T+1 迭代，向更高程度的 AI 自主开发、自主迭代方向演进，要逐步减少对传统研发流程的依赖。相比同样已迭代到第三个版本的国泰海通 " 灵犀 "，在外滩大会上的展示还只是一套 PPT 演示。

我其实看不太懂周易展示的华泰自研方向高级在哪，老杨解释说高在了那个迭代速度上：T+1。

老杨用他们公司举例，平时做一个 IT 项目是今年立项、明年采购、后年交付，要跨三个年头。而 T+1 的意思是需求今天提出来，明天就改完。这种迭代水平别说券商了，可能现在的互联网大厂都实现不了。

这么看起来，华泰在金融科技上的野望，确实已经快的都走到互联网行业前列了。但问题是这场由 AI 主导的拆墙，真能代替行业传统护城河改变券业格局吗？

两周前我分析各家券商中报的那篇文章《券商的中场故事，已经被写在了 2026 年的中报里》里，有个看起来好像不一样的结论：

AI 虽然是券商的新曲线，但终究只是券商巨头们的旧游戏。

周易看到的是在技术平权之下，哪家券商砌的旧墙都会不值钱。我看到的是正在砌新墙的仍是旧巨头们：

因为金融科技的格局甚至比资本更加集中，比如华泰和国泰海通这两家已经在金融科技上位于行业断层领先的券商，每年持续几十亿的 IT 投入，正在让其他券商上牌桌的机会越来越小。

其实这两个观点并不矛盾。就像虽然双泰是最早有自研大模型技术的券商，但随着技术的发展，如今自研模型的性价比已经不如直接买通用模型再调用，所以晚起的券商们早就不在自研模型上投入追赶了。

这么看技术平权是真的，护城墙也确实在贬值。但同样的大模型，遇到的是各家不同的调试水平，最终各家把技术变成产品的能力仍然是不平的。

不平的背后，依然还是各家券商的组织文化，究竟把科技赋能放在更上还是更下。

周易早在华泰 2025 年报致辞里就写过一句话：旧地图上找不到新大陆。那么等到华泰被 AI 重写完的那天，行业的新地图会变成什么样？

也许就像那篇专访里他又新留下的 16 个字：

" 履冰而行，难凉热血；破而后立，百折向东。"

至少券业的 IT 从业者们，现在就已经看到了其中的 " 破 "。

即便证券行业里有不同的券商组织文化，从业者面临的仍是同一个降本增效故事。

就像无论公司的金融科技战略如何宏大，落到每一个具体从业者身上，AI 带来的直接感受只有这个：

有能力的人更忙，躺平的人更闲，职场正在两极分化。

老杨说在金融科技部门，一个原本需要 UI 设计师加班干两天的产品原型图，现在用 AI 工具半天就搞定了。但领导发现产出效率和质量提升后，下一次会提出更高的要求，压缩更短的时间。

AI 同样没有让 IT 从业者们轻松，仍像是一个无形的监工，鞭打着每一头快牛来增效。与此同时，另一场无声的降本正在 IT 外包的身上发生。

比如券商往年会雇佣大量外包员工来干简单重复的 IT 工作，行业平均雇佣比例通常是 1：2，1 名正式员工配比 2 名外包员工。但这两年很多券商给科技口下的核心 KPI 是：

" 今年用 AI 替代掉多少外包雇佣名额？"

曾经由 IT 外包负责的软件测试、基础 UI 设计、简单代码编写等工作，已经被 AI 自动化成批的替代。那些替代不了的降本，也逐渐转移到正式员工的增效上。

甚至业务部门的同事，也开始给 IT 从业者制造巨大焦虑。比如有些业务人员习惯使用第三方 AI 工具，让 AI 用几分钟写出一个系统功能原型稿，然后甩给 IT：

" 我用 AI 几分钟做的都比你们开发的系统好用，你们能不能照着实现？"

面对这种外行式的嘲讽，IT 们只能一边掉头发，一边耐心解释前端原型不能叫系统：

" 我们做的系统要承载上万人同时并发交易而不崩溃，要保证数据库在海量查询时不发生错乱，以及确保敏感的金融数据不被黑客攻破。"

这些看不见的冰山底座，才是券商 IT 正在搭建的技术壁垒。

但无论如何争辩，车轮也已经滚滚向前，就像老杨自己也在用互联网大厂开发的 AI 办公工具，他甚至跟我抱怨：

" 有的券商已经给全员提供免费 Token 和算力了，我们还是自掏腰包买 token 去干公司的活。"

我其实好奇的是如果券商给员工买 AI 工具，究竟会买哪家的。

毕竟在我把字节的豆包、阿里的千问、腾讯的 WorkBuddy 都用了一遍后，发现都挺好用也很难看出区别，既然我这种外行不会选，那搞技术的内行呢？

一家券商采购 AI 办公工具的内部流程，当然是非常专业的：给各个业务部门发调研表，统计需要多少账号，再写一份详细的论证报告，把市面上同类产品挨个比一遍。

但真正推动过这类事的老杨，给我的则是另一套解释：

决定买哪款的原因，并不像写的那样要看哪款产品能力最强，而是看谁的产品适配性最强。如果都适配，那么会选大多数同业都在用的那个。

比如决定第三方办公 AI 工具的，是券商的内网。因为券商在公司内网装了防火墙，不少券商会屏蔽掉员工电脑里阿里、字节的链接，但很多员工要用到 QQ 和企业微信所以腾讯系链接允许被打开，这才是很多券商选择购买 WorkBuddy 的真正原因。

比如没有自研能力的券商在选择 APP 的 AI 壳时，多数都会跟字节的豆包合作。因为豆包一开始就有 APP，可以直接把通用能力抽出来卖给券商。等阿里的千问、腾讯的元宝有 APP 的时候，行业的购买习惯早已经养成了。

再比如最近各家券商都在搞的投研模型，如果买得起大概率会买阿里的投研模型底座。因为行业最早也最好的投研模型中金 " 点睛 "，就是中金和阿里共同研发出来的，阿里也早就拿这个成功案例向其他券商推销，老杨说看了确实挺好，他们家就很想买，只是买不起。

所以如果真正决定整个行业金融科技方向的，一直都是 " 同业都在用 "。那么周易在那篇文章里所表达出的焦虑是否正确，也要看是不是行业共识了。

虽然我没能在外滩大会上看到国泰海通的类似焦虑，但却从老杨这个一线从业者身上听到了同样声音：

" 最终，我们希望券商的系统变成一个黑灯工厂。"

这是我在那期播客《金融何以科技？隐藏在 2026 年的券商 AI 战事里》的最后，问老杨觉得 AI 最终会让券商变成什么样？

他跟我描绘了这个有些科幻的场景：

在理想的券商内部运转中，一切不需要人类大脑进行复杂博弈、不需要人承担法律责任的流转节点，都将由 AI 组成的智能体自动决策做掉，就像一条不需要开灯的自动化流水线。

听完这个我才有点理解老杨的焦虑从何而来，因为他们早就知道在券商里 AI 最先替代的，将会是自己这些研究 AI 的从业者。但我还是无法理解周易的焦虑，又从何而来？

老杨跟我说他能理解，因为周易也曾是技术出身，老一代的科技从业者。