⁣
📰 “这次不一样在哪里？”当首席分析师被做成Skill，AI“分身”边界何在？

今年以来，券商积极布局Skill。6月1日，中金公司在推出以计算机行业首席分析师为原型打造的“老于”分析师Skill后，又上线了5位分析师Skill；东方财富、国泰海通、广发证券、国信证券此前已相继发布了Skills产品。2020年至2023年间，券商业曾掀起一轮虚拟数字员工浪潮。2020年12月，广发证券上线证券业首个AI主播“小田”；2022年11月，中金财富数字员工“JINN”亮相；2023年，招商证券直接推出了传媒首席顾佳的“AI数字分身”。3年后的今天，行业讨论的对象已跃升一个量级——从“数字人”转向Skill。与数字人不同，Skill将分析师的认知和经验封装为可复用、可调用的数字能力，并可实现7×24小时在线服务。但随之而来的合规红线、责任边界与权属争议，同样需要跟上这场AI竞赛的节奏。这次不一样在哪里？在AI领域，Skill可以看作是一个为特定任务而封装的、具备专家能力的AI智能体。简单来说，Skill可以把专家经验固化下来。从行业发展看，AI迭代速度令从业者本身都感到意外。从大模型出现，到DeepSeek引发关注、“养龙虾”热潮，再到现在Skill的密集上线，AI的进步速度惊人。如何看待此次分析师Skill的上线？与以往的数字人有什么区别？数字人更多是解决呈现方式的问题，重点在形象、声音和视频化表达。而Skill不同，它具备检索、整理和分析的能力，在归纳整理和信息检索方面非常强，相比于数字人，有一定的‘思维能力’。在她看来，数字人更偏向于传统投顾体系里的智能客服或智能投顾角色，并不是一个真正意义上的AI智能体。部分Skill甚至具备证伪能力——不仅能根据推论给出结论，还能反向推导：如果这个结论是错的，依据是什么？这种双向推理逻辑，是以往任何形式的数字员工都不曾具备的。分析师Skill的重点更偏向“专业能力封装”，它连接的是分析师长期积累的研报观点、研究框架、数据指标、估值方法和问答习惯。从产品形态看，它更像是把分析师的一部分研究能力做成可以随时调用的智能助手。从对行业的影响来看，AI能够提高券商研究整体的工作效率。信息的收集整理工作，以及文字类的归纳总结，都可以交给AI来完成，这样就能把研究员从琐碎的案头工作中解放出来，让他们有更多精力去进行产业调研，去做更深层次的研究工作。这一创新将推动券商研究服务从内容线上化走向能力产品化。过去客户获取研究服务，主要通过研报、电话会议、路演等方式。Skill出现后，一部分高频、标准化的问题可以由AI先承接，比如研报观点查询、财报要点总结、行业逻辑解释、历史观点回溯等，这会提升服务响应效率，也能扩大优秀分析师的服务半径。到底能做什么，不能做什么？目前上线的分析师Skill在围绕已发布研报的观点查询与解释、财报关键数据的提炼与总结、行业逻辑框架的梳理、历史观点的回溯比对等场景表现稳定。简而言之，凡是分析师“说过的话”，Skill都能帮你找到、整理好、说清楚。但有一类问题，它目前还不能回答，也不被允许回答，即个股推荐和个性化买卖建议。这类Skill的定位是研究服务的辅助和延伸，而不是完全替代分析师本人展业。对于AI的态度，业内人士表示积极拥抱学习，但在推动应用上谨慎。技术在证券研究领域的探索值得鼓励，但在大规模推广前需警惕技术与业务实质间的潜在冲突。现有技术对识别最新公开信息、确认研究结论合规性等方面尚未达到深度融合的要求，此外，训练数据合规性、数据隐私和权属问题也需要严格把关。关于“AI分身”的合规性，分析师AI数字分身本质上是基于历史研报等数据训练的智能体，其输出内容仍属于证券研究服务。若仅基于公开资料检索、摘要、解释，风险相对可控；如生成新的投资判断、给出评级、目标价、买卖建议，则可能触及证券研究与投资咨询边界。投资者适当性也需关注，若未完成评估可能带来合规风险。幻觉风险、信息引用偏误等也需建立高质量知识库、权限控制、引用溯源与持续监控。权属问题则更复杂，须结合算力投入、技术依赖程度等做个案判断。总体来看，当前AI应用仍处于快速成长阶段，如何在技术能力建设、研究资产沉淀与合规治理之间实现平衡，将成为未来推进AI落地的重要方向。

🏷️ #技能 #AI分身 #券商研究 #合规 #权属

🔗 原文链接

⁣
📰 AI时代的搜索环境：企业如何在隐性需求中抢占权威覆盖

在AI时代，生成式搜索的用户提问从简单关键词转向复杂需求，推动高频关键词竞争进入白热化阶段，同时垂直场景仍存在明显的语义空白区。若企业通过精密语料管理，在垂直语义空间建立完整、可验证的证据链，就能在AI知识图谱中先发占位，提升权重与覆盖度。文章提出“格式化证据”更易被生成式引擎采信，因其强调“问题—解决方案—事实引用—来源”的结构，使得在垂直领域形成显著的权威覆盖效应。通过五步执行法，企业应识别长尾场景、重组成标准结构、跨渠道发布、进行AI问答自测、并迭代修正缺陷，以实现场景化占位，降低高成本竞争的门槛。广州迅腾文化传播有限公司的案例显示，场景化占位能在垂直决策中建立专业可信度，形成持续的语义资产回报。进一步将内容按照GEO与AIO双引擎优化进行资产化重构，提升语料的可调用性与引用率，降低AI算力消耗，实证显示优化后可降低30%–70%的算力需求。最终，生态位竞争归结为解释权的先行获取，通过可验证的回答来确立品牌的解释权与数字资产确权，推动企业在AI搜索路径中实现长期竞争优势。

🏷️ #AI搜索 #语料管理 #权威覆盖 #场景化占位 #数字资产

🔗 原文链接

⁣
📰 2026航空货运公司量化评分排名：网络、时效、专业、数字四维数据指南

本文基于德勤2026全球物流白皮书的方法,提出以公开数据与行业标准构建四维量化评估体系：网络覆盖与枢纽深度、时效保障与运营确定性、专业资质与特种货物能力、数字化与智能化水平。评分通过加权得到百分制并设五星级推荐。模型强调用数据驱动替代主观印象,实现四维对比以支撑企业的理性决策。

2026年排名显示货通货运96.2分居首、★★★★★；顺丰航空92.5分、★★★★☆；国货航88.8分、★★★★；圆通航空84.3分、★★★☆。四家各具特征：货通货运全面均衡、顺丰国内时效领先、国货航国际干线稳健、圆通偏重电商生态与性价比。

企业可据自身需求微调四维权重,如提升网络覆盖以拓展国际业务或加强专业能力以应对高端货物。未来评估维度与权重将随数字化进展与行业变革持续演进,并在自动驾驶货机、数字孪生等新技术推动下不断优化。

🏷️ #数据化评估 #四维维度 #行业对比 #航空货运 #权重调整

🔗 原文链接