AI原生不是口号，是业务中枢

拆解广发证券易淘金App以天玑智融大模型为基座的AI原生化升级路径，解读从AI附加到AI业务中枢的转型逻辑，探索金融机构与企业AI落地的可执行策略。

让 AI 成为业务中枢，而不是功能附加。

这是广发证券在 2025 年 8 月官宣易淘金 App AI 原生化升级时抛出的一句话。掷地有声，却没有多少券商真正做到了。大多数金融机构的 AI 改造，是把大模型塞进原有 App 的某个角落，加一个聊天窗口，做一个问答机器人，然后对外宣称拥抱人工智能。广发证券走的路完全相反。它不是给旧产品贴一层 AI 皮肤，而是把 AI 变成了产品本身的内核，用自研「天玑智融」大模型重构了投资服务的底层逻辑。这才是 AI 原生真正的含义。

从交易工具到智能伙伴，这一跃发生了什么

2025 年 8 月，广发证券宣布易淘金 App 完成 AI 原生化升级，产品定位从「综合交易服务工具」转变为「全天候智能投资伙伴」。这个转变不是一句市场话术。它背后对应的是产品功能形态的根本重构。

传统券商 App 的逻辑是工具思维。用户打开软件，查看行情，分析数据，自己做出投资决策，然后完成交易。App 的价值在于工具效率——快、稳、全。用户需要具备投资知识和决策能力，工具只是执行的载体。但 AI 原生升级之后，这套逻辑被彻底打破了。易淘金要做的，是让系统主动理解用户需求，在投资全旅程中提供持续陪伴和智能决策支持，从「用户驱动工具」变成「系统与用户协同决策」。这个跨越的本质，是把金融服务的交付单位从「功能」变成了「智能体」——一个能感知、能分析、能决策、能执行、能复盘的数字化投资伙伴。

天玑智融，藏在品牌战役背后的技术底座

广发证券的 AI 升级不是直接用某家大模型厂商的通用能力包装一个聊天机器人。2025 年初，广发启动本地化大模型实践，构建了自研的「天玑智融」大模型服务作为技术基座。这一点至关重要。

证券行业有极高的合规要求和数据敏感性。客户的资产状况、交易行为、风险偏好、持仓数据，都是极其敏感的信息。用通用大模型直接处理这些数据，在合规上寸步难行。同时，证券投资场景的专业性极强，通用大模型的金融知识深度远远不够。这两重约束决定了，想要做真正贴近业务核心的 AI 应用，必须走本地化和自研路线。天玑智融的定位不是给产品加一个 AI 功能，而是成为整个易淘金产品体系的中枢神经系统，所有功能模块都挂在它上面运转。这正是「业务中枢」四个字的落点。对比之下，很多企业的 AI 改造更像是在办公室加装一台智能音箱，方便是方便，但离改变工作方式还差得很远。

十余个智能体，如何撑起一个完整投资闭环

易淘金此次升级最值得关注的产品细节，是围绕投资全旅程打造的一系列 AI 智能体模块。i助理-易小淘Plus、i盯盘、i交易、i复盘、i资讯、i投顾、i智投、i账户，十余项模块串成了一条完整链路，覆盖了投资者从感知市场变化、分析信息、做出决策、执行交易到事后复盘的全过程。

拆开来看，这些模块大致对应了投资链条上的几个关键节点。i盯盘解决感知层的问题，用智能方式让用户不错过关键行情变化；i资讯和i助理解决分析层的问题，对海量信息进行筛选和解读；i投顾和i智投解决决策层的问题，把专业的投顾能力用 AI 的方式规模化交付；i交易解决执行层的问题；i复盘解决学习层的问题，让每一笔交易都成为优化决策的养料。当一个产品能够用 AI 把整条链路串联起来，它就不再是一堆功能的堆砌，而是一个有内在逻辑的服务系统。用户不需要在功能之间跳来跳去，系统会根据用户所处的投资阶段主动衔接。这就是「千人千面、所思即所得」的底层支撑——不是推荐算法的个性化，而是服务流程的智能化重组。

投顾驾驶舱背后，藏着券商的核心竞争力焦虑

在众多 AI 模块中，i投顾模块尤其值得中国金融行业从业者关注。广发证券在这里打造了「投顾驾驶舱」和「数智投顾服务」。这个动作瞄准的是券商行业最核心、也是成本最高的一块业务：投资顾问。

传统投顾服务是典型的人力密集型业务。一个资深投顾能服务的客户数量是有限的，服务质量依赖个人能力，难以标准化和规模化。这导致一个残酷的现实：高净值客户享受着高质量的投顾服务，而大量普通投资者只收到冷冰冰的交易通道。券商的客户结构因此呈现出明显的分层断裂。AI 投顾的出现，理论上可以打破这个约束。数智投顾服务把投顾的专业能力产品化，用大模型对市场信息、客户持仓、风险偏好进行综合研判，输出个性化的投资建议和陪伴服务。投顾驾驶舱则把 AI 的研判能力赋予一线投顾人员，帮助他们更高效地服务更多客户。这样数量庞大的中间客户群体，第一次有可能接触到接近专业投顾级别的服务体验。对于券商而言，这不仅是服务模式的升级，更是客户资产留存率和单客户价值的重构机会。

AI 原生 vs AI 附加，一道关于企业组织能力的考题

广发证券这案例最大的价值，不在于它做了一款 AI 升级的 App，而在于它示范了「AI 原生」和「AI 附加」之间的本质区别。这个区别需要拆解到三个层面来看。

第一个层面是架构差异。AI 附加是在既有产品上增加智能功能，产品的主体逻辑不变。AI 原生则是让 AI 成为产品的核心架构，所有功能围绕 AI 能力重新组织。易淘金的十余个智能体模块，不是分散的 AI 功能点缀，而是共同构建了一个完整的智能服务网络。第二个层面是数据流向的差异。AI 附加模式下，数据仍然按照传统功能模块各自流动，AI 只能在有限的上下文中提供辅助。AI 原生模式下，用户在全链路的行为数据被统一汇聚到 AI 中枢，形成持续学习和个性化服务的正循环。第三个层面是组织能力的差异。AI 原生形态要求业务团队、技术团队、内容团队围绕 AI 能力重新设计工作流程，而不是技术团队单独开发一个功能后甩给业务部门。绝大多数企业做到第二个层面就已经困难重重，不是技术卡住了，而是组织卡住了。

从证券到全行业，什么能学什么不能学

广发证券这套打法能迁移到其他行业吗？答案是：逻辑可以学，路径不能抄。

能学的逻辑有三条。第一，AI 投入必须锚定核心业务场景，而不是边缘试用。广发把 AI 直接做进面向 C 端客户的主 App，赌的是核心交易和财富管理体验的竞争力。相比之下，很多企业把 AI 预算花在内部文稿润色和会议纪要上，投入产出比天然受限。第二，高合规、高专业度行业做 AI，本地化自研不是可选项，是必选项。证券、保险、医疗、法律，这些行业的 AI 应用必须把数据安全和专业能力掌握在自己手里。第三，AI 的规模化价值在于重构服务流程，而非取代单点功能。思考框架应该是：AI 让哪些以前做不到的服务变成了可能，而不是 AI 让哪个现有环节省了点人力。不能学的路径在于资源门槛和业务复杂度不同。自研大模型、十余个智能体模块、全流程打通，这套打法需要足够的技术积累和业务场景纵深。对于多数中小企业而言，更务实的做法是在一个垂直场景做到极致，用外部成熟模型加私有数据完成差异化。

留给中国企业管理层的三个判断

广发证券易淘金的 AI 原生化升级，本质上是一次产品哲学的宣言。价值不在于技术参数的领先，而在于回答了一个根本问题：AI 之于企业，究竟是成本项还是业务项？

第一个判断：未来两年，头部企业的 AI 竞争将从功能竞赛转向架构竞赛。谁先完成 AI 原生化的产品重构，谁就能在新的用户体验标准下抢到认知先发。第二个判断：AI 项目的评估标准必须转向业务闭环完成度。一个 AI 功能能不能覆盖完整的业务链条，决定了它从「锦上添花」到「不可替代」的距离。第三个判断：组织重构的速度决定 AI 落地的上限。AI 原生不仅是产品命题，更是组织命题。只有业务、技术、数据三方的协作方式随着 AI 重新对齐，所谓「业务中枢」才可能从口号变成现实。对广发证券而言，这场升级刚过开局。对观望的中国企业而言，窗口期正在收窄。AI 不会淘汰行业，只会淘汰那些至今还把它当作功能附加的企业。