▍技术变革持续重构证券投资入口，AI开始触及决策环节。

回顾行业发展，营业部时代的核心资源是牌照、网点和交易通道；PC互联网降低了行情与资讯获取成本，推动用户注意力向金融信息平台和财经门户迁移；移动互联网进一步降低开户、交易和客户触达成本，行业竞争由线下网点转向APP入口、线上获客和账户运营。此前技术变革主要改变信息获取和交易执行方式，但投资研究与判断仍高度依赖投资者自身能力。AI进一步降低专业决策能力的使用门槛，意味着证券行业竞争可能由争夺用户入口和交易入口，延伸至争夺投资决策入口。

▍AI时代证券平台的核心功能将由信息展示转向投资任务执行。

传统证券软件主要提供行情、资讯、数据和交易工具，用户仍需自行完成信息筛选、公司理解、标的比较和投资判断。大模型使平台能够通过自然语言理解用户意图，并调用数据和专业工具，将复杂问题拆解为可执行、可验证和可持续跟踪的投资任务。AI有望重构发现机会、理解资产、形成判断、构建组合和跟踪复盘五个环节，短期更现实的定位是承担投研中后台工作、辅助用户决策，而非自动荐股或完全替代投资者作出最终判断。从产品形态看，行业整体正由自然语言取数和工具调用向智能体执行多步骤投研工作流过渡，账户资产闭环仍处早期。

▍证券AI的竞争壁垒来自“数据—任务执行—商业闭环”三层能力。

第一层是专业金融数据，竞争重点将由数据覆盖转向数据能否支持口径比较、时点还原、投资变量提炼和结论追溯；第二层是由应用系统工程（Harness）支撑的任务执行能力，即能否将模型、数据、工具、投研框架、结果验证和权限控制组织为稳定、可持续迭代的工作流；第三层是产品、账户资产与商业闭环，决定AI能否由投研工具进一步进入组合管理、资产配置和财富管理。单纯接入大模型或搭建通用问答功能难以形成长期壁垒，真正具备竞争力的平台需要形成“专业数据—任务产品—用户反馈—账户资产”的正向循环。

▍不同资源禀赋决定证券产业链公司的AI受益路径。

金融信息平台拥有高频行情入口、专业数据和投研工具库，更有机会升级为AI投研任务入口，其中同花顺的优势在于用户入口、金融数据库、工具编排能力和机构工作流的结合。东方财富和指南针能够将AI判断进一步连接到证券账户和客户资产：东方财富更偏向以财经流量、投资社区和基金销售强化财富管理闭环，指南针则以高ARPU投资工具和高付费意愿客户切入，潜在弹性更高，但合规边界也更敏感。恒生电子、金证股份、顶点软件等金融IT公司有望受益于机构端数据治理、知识库、模型管理和合规系统建设；传统券商则需要依托账户、持仓、研究和产品供给构建自身决策入口，否则可能进一步向账户与交易基础设施角色退化。独立第三方AI投研工具具备产品迭代优势，但数据依赖、客户留存及商业模式仍需持续验证。

▍风险因素：

金融AI监管和投顾合规风险；投研工作流与任务执行能力稳定性和产品化不及预期风险；模型供应商集中、调用成本和服务稳定性风险；产品同质化和上游模型厂商向应用端延伸风险；金融数据授权、隐私和知识产权风险；资本市场活跃度及客户IT投入下降风险。

▍投资策略。

围绕决策入口、资产闭环和机构基础设施三条主线配置。优先关注拥有高频投资任务入口、专业金融数据和工具编排能力的金融信息平台；关注能够把AI判断连接到证券账户和客户资产的财富管理闭环平台；最后建议关注受益于金融行业相关IT建设需求的金融IT公司和数字化、财富管理能力领先的券商