盡管OpenClaw(龍蝦)等智能體熱度已降，但其催生的“Skills”生態卻在證券行業生根發芽：6月1日，中金公司在推出“老于”分析師Skill后，再次上線5位分析師Skill；5月29日，華泰證券宣布AI漲樂上線Skills；此前，國泰海通、廣發證券、國信證券也相繼發布了Skills產品。

Skill通常指封裝為AI智能體可調用的標準化功能模塊，涵蓋行情查詢、數據篩選、選股分析、研報解讀、自選股管理等場景。從各家機構的產品定位和戰略意圖看，當前券商圍繞Skill構建的策略大致可分為三類：

一是技術基建派。以華泰證券為例，其發布“AI漲樂Skills”時表示，該Skills深度依托公司自有的投研能力與數據底座，而非依賴通用大模型。

二是業務創新派。典型代表是中金公司推出的“老于”等一系列分析師Skill，它不是簡單的功能堆疊，而是將一位位資深分析師的完整研究方法論進行“蒸餾”和封裝。在業內人士看來，中金公司此次布局的重點不在于技術能力的突破，而在于業務模式的創新，率先做出了行業此前沒有的產品形態。

三是生態建設派。例如國泰海通、國信證券，它們在上線Skills后，同步將其上架到華為小藝、騰訊Coze等第三方智能體平臺。廣發證券也表示正積極對接各大主流智能體生態平臺，推動優質Skills上架公域市場，助力智能體生態建設。

值得注意的是，目前推出Skills的券商全部為頭部機構，前十大券商中已有一半入局。某頭部券商網金人士告訴上海證券報記者，未跟進者并非全然受限于技術，而是出于對風險的考量?！皣鴥却蟛糠秩倘员３种烊坏臉I務保守性，擔心創新帶來的合規風險與業務風險，難以突破傳統投研、投顧服務的邊界，長期停留在AI輕量功能復刻的層面”。

Skills熱潮的另一面，是券商模型與算法備案的全面提速。易觀千帆數據顯示，截至2026年4月，證券行業已有近30家機構完成算法或模型備案，備案項目總數超過40個。

備案提速折射出一個行業現實：技術本身已難以構筑護城河。業內人士普遍認為，在DeepSeek、千問等通用大模型躋身全球頂尖的背景下，金融垂類大模型間的實力差距不會太大。因此，券商集體布局Skills，首先是一種防御性選擇：如果不做，可能被市場和客戶認為技術落后。而在防御之外，也有明確的進攻邏輯——用技術放大核心數據和人力資產的商業價值。

前述網金人士認為，中金公司此次推出分析師Skills的嘗試為行業提供了一個重要參考：打通券商沉睡數據資產的變現路徑。券商長期擁有海量獨家投研語料和分析師研究經驗，卻缺少合規、可行、可落地的商業化變現渠道，AI恰好成為盤活這類內部資產的關鍵載體。

當通用大模型逐漸普及，券商扎堆做應用層功能時，行業AI競爭的重心正從技術比拼，轉向數據盤活能力與業務創新魄力的較量，而這一切最終要回歸到對用戶需求的理解與場景化落地。

前述網金人士認為，行業或將圍繞兩個方向持續角逐：一是內部數據資產盤活開放能力，即能否將研究經驗、調研數據、分析框架進行合規“蒸餾”與標準化封裝；二是業務模式創新突破，即是否敢于嘗試無人落地的創新產品，比拼的是組織勇氣而非技術先進程度。前者決定AI服務的“天花板”，后者決定誰能率先觸及那個“天花板”。

不過，這條路上也存在懸而未決的風險和挑戰：首先是投研壁壘被削弱的風險。原本面向機構客戶、單份采購成本達數十萬元的深度研報，若被低價或免費的Skills復刻核心邏輯，將沖擊券商傳統的付費研報業務。其次是合規責任邊界模糊的風險。AI Skills在話術微調后，可能從客觀的行情分析、邏輯復盤滑向具體的投資建議。一旦輸出內容引發投資者虧損，產生投資糾紛，人工、AI系統與券商三方之間的責任如何劃分，目前尚無明確標準。

另一個無法忽視的現實是，Skills對普通投資者的實際效用仍存爭議。盡管Skills降低了操作門檻，但對普通人而言依然存在使用難度。不少業內人士對記者表示，AI技術迭代速度遠超用戶需求成長速度，絕大多數零售客戶并無剛性、高頻的AI投資服務需求，現階段行業呈現明顯的供需錯配。