这是行业首家入驻IMA和Coze的券商，也是唯一一家将MCP中台与自研大模型深度耦合的券商。从2025年的8个C端Skill到2026年的127个全场景Skill矩阵，从110+到152个MCP工具，从4平台到6平台——广发证券用两年时间，把"AI优先"从一句口号变成了实打实的生态壁垒。天玑智融大模型2.0发布、AI投顾签约突破120万、月活冲到1562万——这些数字背后的战略逻辑，是本文试图回答的核心问题。
一、机构画像：从"数字化"到"AI原生"的战略跃迁
广发证券成立于1991年，是国内首批综合类券商，A+H股上市。传统上，广发以ETF做市与财富管理见长——这也解释了为何其Skill矩阵中ETF相关能力格外密集。但真正值得关注的是，广发在AI上的投入节奏呈现出清晰的"三阶段跃迁"：
| 阶段 | 时间 | 核心动作 | 战略意图 |
|---|---|---|---|
| 数字化基建 | 2020-2023 | 统一数据中台、云原生架构迁移、投行底稿电子化 | 为AI铺数据管道——没有干净的结构化数据，大模型就是空中楼阁 |
| 大模型研发 | 2023-2025 | 天玑智融1.0→2.0迭代、1000亿+tokens金融语料训练、多模态能力上线 | 自研而非采购——金融垂直场景的合规红线决定了通用大模型无法直接落地 |
| AI生态开放 | 2025-至今 | 入驻IMA/Coze/华为小艺/OpenClaw/腾讯云智研、开放12个API、Skill从8个扩至127个 | 从"自己做"到"让大家用"——生态效应才是真正的护城河 |
这个三阶段路径的独特之处在于：广发没有走"先买个大模型然后往业务上贴"的捷径，而是先花三年把数据底层建好，再自研大模型，最后才对外开放。这使其Skill在上线之初就具备"工业级"的稳定性——不是Demo，是生产系统。
关键里程碑
- 2025年3月：智能客服系统接入天玑智融大模型，复杂问题首次解决率跃升至89%
- 2025年5月：行业首家同时入驻IMA和Coze，8个C端Skill上线
- 2025年6月：推出AI投顾Pro，新增个性化资产配置与行业轮动策略
- 2025年9月：天玑智融大模型2.0发布（1300亿参数），AI量化选股功能上线
- 2025年11月：入驻OpenClaw开发者平台，开放12个金融API
- 2026年1月：投行IPO全流程AI落地，腾讯云智研合作上线；Skill总量达127个、MCP达152个
- 2026年2月：新增北交所舆情追踪、固收久期测算、两融适当性校验3个垂直Skill
二、Skill生态全景：从8到127，不只是数量增长
如果只看数量——127个Skill、152个MCP工具——很容易得出"广发在堆量"的片面结论。但拆开来看，这个数字背后的结构远比总量更有信息量。
2.1 按场景分类的结构化视图
| 场景域 | Skill数量 | 占比 | 代表能力 | 2025年新增 |
|---|---|---|---|---|
| 投研数据 | 45 | 35% | 财务对比、龙虎榜、ETF筛选/异动追踪、行业景气度、港股美股实时语义查询 | 12 |
| 合规风控 | 28 | 22% | 交易指令校验、适当性自动校验、北交所舆情预警、合规规则引擎 | 8 |
| 客户服务 | 22 | 17% | 客户画像分析（含跨周期行为回溯）、AI投顾Pro、智能客服 | 6 |
| 交易执行 | 18 | 14% | 基金定投回测、量化选股、ETF份额资金流监测 | 4 |
| 其他 | 14 | 11% | 投行招股书校验、问询函生成、底稿自动分类、固收久期测算 | 5 |
一个容易被忽视的结构特征：投研+合规合计占57%，且新增Skill中这两类占比最高。这是典型的"机构优先"思维——广发没有把所有资源砸向C端获客，而是在机构业务的核心环节（投研生产力、合规风险控制）做了纵深。这种选择在短期看不如东财的C端策略"性感"，但在长期看，机构客户的粘性远高于零售客户。
2.2 C端经典Skill评析（五维度评分）
尽管总量已达127个，C端用户最常接触的还是那8个经典Skill。我们用数据深度 / 交互体验 / 场景覆盖 / 竞品稀缺性 / 用户价值五个维度重新评分：
| Skill | 数据深度 | 交互体验 | 场景覆盖 | 竞品稀缺性 | 用户价值 | 综合 |
|---|---|---|---|---|---|---|
| ETF资金异动追踪 | 5 | 4 | 5 | 5 | 5 | 4.8 |
| 财务对比 | 5 | 5 | 4 | 5 | 5 | 4.8 |
| 沪深龙虎榜 | 4 | 4 | 4 | 4 | 4 | 4.0 |
| ETF筛选 | 4 | 4 | 4 | 3 | 4 | 3.8 |
| 基金定投计算器 | 4 | 4 | 3 | 3 | 4 | 3.6 |
| 股票简况信息 | 4 | 4 | 3 | 2 | 4 | 3.4 |
| ETF涨幅榜单 | 3 | 3 | 3 | 2 | 3 | 2.8 |
| 基金简况信息 | 3 | 3 | 2 | 1 | 3 | 2.4 |
评分揭示了一个清晰的梯度：ETF资金异动追踪和财务对比两个Skill是广发的"护城河级"产品——它们在竞品稀缺性上均获满分，意味着市面上找不到同等级别的免费替代品。而基金简况、ETF涨幅榜单等基础类Skill评分偏低，反映出"通用信息查询"这个赛道已被东财、同花顺等充分覆盖，广发在这个层面难以形成差异。
2.3 2026年新增的3个Skill：信号意义大于功能本身
2026年2月上线的三个垂直Skill值得单独分析，因为它们代表了广发Skill策略的"深水区"转向：
- 北交所舆情追踪：覆盖舆情标签分类和负面风险预警——这不是一个"让散户看热闹"的功能，而是直接服务于机构投资者的风控需求。北交所公司信息披露频率低于主板，舆情监控的边际价值更高。
- 固收久期自动测算：支持债券、ABS等多品类一键计算——固收业务是券商自营和资管的核心利润来源，这个Skill的C端用户不会用、也不需要，但机构交易员会把它当日常工具。
- 两融适当性校验：嵌入业务办理全流程自动触发——典型的合规驱动型Skill，降低人工审核的差错率和时间成本。
这三个Skill的共同特征是：面向机构、面向专业、面向内部效率。它不是在做"让用户觉得好玩"的AI，而是在做"让业务跑得更快更稳"的AI。这是广发与东财在Skill策略上的本质分野。
三、天玑智融大模型2.0：自研路线的阶段性答卷
2025年9月发布的天玑智融2.0，是广发自研大模型路线的期中答卷。核心升级如下：
| 维度 | 1.0版本 | 2.0版本 | 提升幅度 |
|---|---|---|---|
| 参数量 | ~800亿 | 1300亿 | +62% |
| 金融语料 | 未公开 | 1000亿+ tokens | — |
| 金融术语识别准确率 | 86.4% | 98.7% | +12.3pp |
| 投研问答准确率 | 81.9% | 94.2% | +12.3pp |
| 常规问题响应时间 | ~2.0秒 | 1.2秒 | -40% |
| 多模态能力 | 仅文本 | PDF/财报图片/公告提取与摘要 | 新增 |
两个数字值得特别关注：金融术语识别准确率98.7%——这个数字意味着在绝大多数情况下，模型不会把"回购"理解为电商退货、把"质押"当成典当行的抵押。在金融场景里，术语理解错误不是"体验问题"而是"合规事故"。投研问答准确率94.2%——这个数字虽然看起来离"完美"还有距离，但在同行中已经属于第一梯队：东方财富妙想约97.8%（术语识别），但投研问答准确率未公开；华泰涨乐AI为92.5%。
3.1 落地的三个高价值场景
投行IPO全流程：2026年1月完成大模型在投行项目全流程的落地，支持招股书自动校验、问询函回复自动生成、底稿材料自动分类。单项目平均合规校验效率提升60%——对于动辄数百页招股书、数十轮问询回复的IPO项目来说，这不仅是"省时间"更是"降风险"。
AI研报生成：2025年8月上线的AI研报自动生成系统，将单篇研报生成时间从传统的4-6小时缩短至15分钟。截至2025年末，AI辅助生成的研报占总研报数量比例已达37%。这里的关键不是"机器写研报比人好"，而是"把人从日报复盘中解放出来，去做真正有洞察的深度研究"。
智能客服：2025年3月接入天玑大模型后，复杂业务问题首次解决率从61%跃升至89%，年服务用户超3600万人次。人工客服转接率下降至11%——这个数字的意义是：每100个咨询里只有11个需要人工介入，剩下89个被AI闭环解决。
3.2 调用量数据背后的业务结构
天玑智融大模型2025年全年累计调用量达8.7亿次，场景分布如下：
- 投研场景 45%——最大单一场景，说明大模型在广发内部首先是一个"生产力工具"而非"营销工具"
- 客服场景 28%——服务3600万人次的高频入口
- 合规场景 17%——中台化合规校验的规模效应开始显现
- 其他 10%
同时，开放平台Skill全年调用量4.2亿次，其中机构客户调用占比68%、个人客户32%。这个比例再次印证了广发"机构优先"的战略底色。
四、平台矩阵：6个入口的战略分工
广发是目前唯一覆盖6个第三方平台的券商。但数量之外更有价值的是每个平台的战略角色分工：
| 平台 | 入驻时间 | 战略角色 | 关键产出 |
|---|---|---|---|
| IMA | 2025年5月（首家） | 机构投研生态入口 | 天玑智融API供联盟成员调用，输出研报摘要、行业景气度分析 |
| Coze | 2025年5月（首家） | C端AI Bot流量池 | 3个官方Bot（投顾助手/研报速读/合规小助手），年调用2100万次 |
| 华为小艺 | 2025年 | 鸿蒙生态卡位 | 行情查询+AI投顾建议，覆盖HarmonyOS设备用户 |
| OpenClaw | 2025年11月 | 开发者生态 | 12个金融API接口，面向开发者开放非核心业务场景调用 |
| 腾讯云智研 | 2026年1月 | SaaS商业输出 | 研报生成能力封装为SaaS，面向中小券商/私募开放订阅 |
| 自有App | — | 核心用户阵地 | AI投顾Pro（120万签约）、AI量化选股（年化18.7%）、月活1562万 |
这个矩阵的设计逻辑是："一个能力，多端输出"。天玑智融大模型是唯一的大脑，但通过不同平台的接口封装，它可以在IMA上做机构研报、在Coze上做C端Bot、在腾讯云智研上做SaaS订阅——同一个模型，三种商业模式。这比"在每个平台单独开发一套AI"的路径，边际成本低了不止一个数量级。
值得注意的盲区：广发在飞书生态上缺席。东方财富已入驻飞书，这对机构客户（尤其是私募、资管）的触达是一个缺口——飞书的用户画像与广发的"机构优先"策略高度匹配。
五、同业对标：广发领先的维度和需要警惕的短板
把广发放到全行业坐标系中，它的位置清晰但不完美。
| 维度 | 广发证券 | 东方财富 | 国泰海通 | 华泰证券 |
|---|---|---|---|---|
| C端Skill数 | 127（含机构端） | 7 | 6 | 5 |
| MCP工具数 | 152 | 未公开 | 未公开 | 未公开 |
| 大模型参数量 | 1300亿（天玑2.0） | 1200亿（妙想） | 未公开 | 1100亿（涨乐AI） |
| 平台覆盖数 | 6 | 4 | 3 | 3 |
| AI投顾用户 | 120万 | 180万+ | 未公开 | ~85万 |
| 月活用户 | 1562万 | 未公开（估2000万+） | 未公开 | 未公开 |
| 开放API数 | 12 | 21 | 未公开 | 9 |
| AI研报占比 | 37% | 未公开 | 未公开 | 未公开 |
5.1 广发的三个结构性优势
- MCP中台架构是真正的护城河：127个Skill共享152个MCP工具池的架构，意味着新增一个Skill的边际成本趋近于零。其他券商每增加一个Skill都要从零搭后端，这种效率差距会随时间指数放大。
- 机构+零售双线并行的稳健性：Skill调用量中机构占68%——这不是"散户多就赢"的流量游戏，而是"机构用得越深、切换成本越高"的粘性逻辑。
- SaaS输出的先发优势：腾讯云智研合作是天玑智融从"成本中心"走向"利润中心"的关键一步。如果中小券商开始为广发的AI能力付费，竞争者与广发的差距不是在缩小而是在拉大。
5.2 三个需要警惕的短板
- C端安装门槛仍然偏高：API Key注册流程比东财的"应用内一键绑定"多了至少两个步骤。对于非广发客户来说，光是"找到gf.com.cn→注册→领Key→安装"的链条就足以劝退一半潜在用户。
- 品牌传播声量不足：广发的AI能力在行业内口碑很好，但在C端用户的认知中远不如东财妙想。东财有App内置入口的天然流量池，广发缺少同等级别的自有传播渠道。
- 飞书生态缺位：对于私募、资管等机构客户，飞书是日常协作的核心工具。东财已抢先入驻，广发如果不补上这个缺口，可能在这个高价值用户群体中被拉开距离。
六、结论与展望：标杆之后是什么？
广发证券在AI Skill领域的地位可以这样概括：它是目前国内券商中，唯一将"AI能力"从"业务附属品"做成了"独立产品线"的一家。其他券商也在做AI，但多数停留在"在App里加个AI助手"的层面——本质上是在用AI优化存量业务。广发则是在做"AI原生"的增量：MCP中台、多平台分发、SaaS输出——这些不是优化，是新造。
"把专业能力做成标准化产品，放在用户最容易触达的地方。"——这句话在2025年定义了广发的打法，在2026年依然是它与其他券商的核心差异。
2026年下半年的三个关键观察点
- 天玑智融会否发布3.0？2.0发布已近一年，如果下半年推出3.0且在多模态（特别是实时行情图表的视觉理解）上有突破，将进一步拉大与同业的代际差。
- SaaS订阅收入是否规模化？腾讯云智研合作是试水，如果2026年下半年能公布具体付费客户数和收入规模，天玑智融将正式从成本中心转型为利润中心。
- Skill会否突破200个？按当前增速（2025年+32个，2026年已+3个），127→200只是时间问题。但更有趣的问题不是"能不能到200"，而是"第128到第200个Skill会被用在哪些新场景"——投行、固收、衍生品、跨境？每个新场景的打开都意味着一个新的业务护城河。
如果你只能推荐一家券商的AI Skill给金融从业者使用，2026年的答案仍然是广发证券。不是因为它的Skill最多，而是因为它的架构最对——MCP中台化 + 自研大模型 + 多平台分发，这三件事同时做对的，目前只有广发一家。
常见问题
广发证券的127个Skill和152个MCP工具是什么关系？
MCP（Model Context Protocol）工具是底层数据管道，负责对接行情数据库、财报系统、合规规则引擎等数据源；Skill是面向用户的应用层封装，每个Skill调用若干个MCP工具来完成任务。广发的架构优势在于MCP中台化——127个Skill共享152个MCP工具池，新增一个Skill只需编排已有MCP工具而非从零开发后端，边际成本极低。这与其他券商「一个Skill一个独立后端」的烟囱式架构形成本质差异。
天玑智融大模型2.0相比1.0有哪些核心提升？
2.0版本于2025年9月发布，三大核心提升：①参数量从~800亿跃升至1300亿（+62%），基于1000亿+tokens金融专属语料预训练；②金融术语识别准确率从86.4%提升至98.7%，投研问题回答准确率达94.2%（+12.3个百分点）；③新增多模态能力，支持PDF研报、财报图片等非结构化数据的自动提取与摘要生成。推理速度也优化了40%，常规投研问题响应时间缩短至1.2秒。
广发证券的AI能力在哪些平台上可以体验？
目前已入驻6个平台：①Coze——3个官方Bot（AI投顾助手、研报速读、合规小助手），年调用2100万次；②IMA（智能投研联盟）——天玑智融API供联盟成员调用；③华为小艺技能中心——行情查询+AI投顾建议，覆盖HarmonyOS设备；④OpenClaw开发者平台——开放12个金融专属API；⑤腾讯云智研——天玑研报生成SaaS服务面向中小券商/私募开放订阅；⑥自有渠道——广发证券App内AI投顾Pro、AI量化选股等功能。其中IMA和Coze均为行业首家入驻。
广发证券的AI投顾和东方财富的有什么本质区别？
核心差异在定位和深度。东财妙想侧重「广度」——7个Skill覆盖从选股、诊基到宏观查询，零配置安装门槛极低，依托天天基金+东方财富App的庞大用户基数（AI投顾签约180万+）。广发侧重「深度」——ETF资金异动追踪、财务六维对比、龙虎榜历史回溯三个高壁垒Skill是东财产品矩阵中找不到对等物的。广发AI投顾Pro的个性化资产配置方案生成和行业轮动策略推送也更偏向机构级服务能力。简言之：东财做「普惠AI」，广发做「专业AI」。