香港证监会首份《大型机构 AI 应用及准备情况调查》深度解读：30% 已用智能体，监管从“管模型”转向“管工作流”

调查范围（来源1）：香港证监会于 2026 年 7—8 月调查了 20 家大型金融机构及其 78 家香港持牌法团，它们合计占持牌法团上半年证券成交额的 75.3%。

核心数据（来源1、来源2）：6 家机构已在生产环境使用代理型 AI，5 家在受控试点，合计 55%；95% 预期未来 12 个月加快用 AI，90% 已把 AI 接入内部系统。

最关键的信号（来源1）：证监会认为瓶颈已从模型能力转向安全、基础设施、治理和人才，监管重心要从“管模型”转向“管端到端工作流”。

监管方向（来源2、来源4）：证监会确立“安全为先、以人为本、协作主导”方针和四大重点，并将为自主性更高的 AI 应用制定务实、以原则为本的指引，不搞一刀切的人工审批。

与金管局 ART 框架合读（来源6）：银行和券商两条监管线在“问责落到人、权限分级、全流程监控”上高度趋同，持牌机构可以用一套智能体治理底座同时回应两边。

写作说明：标注“来源N”的为官方报告、新闻稿或媒体报道；“本文分析”为作者推论。调查百分比以 20 家机构为分母，每家占 5 个百分点；报告明确提示结果不代表全部持牌法团，也不是对控制有效性的独立验证（来源1）。

一、这份调查是什么

1. 首份：这是证监会第一次专门针对大型机构做 AI 准备情况调查（来源2）。
2. 样本：20 家大型机构，包括 12 家国际大行、5 家内地大型机构和 3 家大型网上零售券商，覆盖 78 家持牌法团（来源1）。
3. 市场份额：占持牌法团证券成交额 75.3%、证券客户数 47.1%、税前盈亏 49.9%、管理资产 24.9%（来源1）。
4. 口径：回答在集团层面合并，某项能力“有”不代表集团内每个实体、每条业务线都有（来源1）。
5. 一个细节：报告本身也用生成式 AI 协助了初步主题分析和起草，由证监会员工复核并对内容负责（来源1）。本文分析：监管者自己“示范”了人机协作和人类担责。

二、五个关键数字

三、AI 用在哪里：辅助多，决策少

前台（来源1）：投资研究与分析 80%，客户沟通文件和客户服务各 65%，营销 45%，交易执行 30%，产品分销 20%，投资建议与组合管理仅 15%。

中台（来源1）：合规与监管监察、网络与数据安全各 55%，反洗钱与金融罪行监察 35%，风险管理 30%。

后台（来源1）：技术开发支持 90%，内部内容生成 85%，信息处理 70%，交易处理与运营自动化 55%。

本文分析：AI 目前最强的落点是“帮员工干活”，越靠近投资决策和成交，越谨慎。这与银行业的节奏一致。

四、接入了什么系统：风险边界在外扩

证监会的核心判断（来源1）：

• 一旦 AI 能读取内部通讯、客户信息和运营系统，只关注“模型行为是否可靠”必要但不充分；
• 评估风险时，要把“检索信息的能力”与“修改记录、发起行动、批准决策的权限”区分开；
• 要看清模型、数据源、接口和下游流程的完整依赖链；
• 应对每条工作流建立端到端视图：目标、运行边界、数据流、权限和依赖，并有清晰的所有者。

五、智能体做到哪一步了

1. 能自主做什么动作

本文分析：动作越“写”、越不可逆，采用越少。智能体目前主要是“读”和“说”，真正“改”和“批”的仍是极少数。

2. 八个代表性案例（来源1）

证监会的结论很重要（来源1）：人类监督不等于逐项人工审批，关键在于谁定义系统的目标和权限、如何监控活动、何时以及怎样介入，并与应用的潜在影响相称。

3. 未来 12 个月

16 家（80%）预期代理型 AI 采用增加，其中 5 家大幅、11 家适度，4 家未定（来源1）。本文分析：主流是渐进扩张，而不是一步到全自主。

六、前沿 AI 与网络安全：攻防同时加速

• 18 家（90%）使用或评估前沿 AI 做网络防御：对手模拟 45%、威胁狩猎 40%、红队演练 35%、合成威胁检测 30%、预测性威胁分析 25%（来源1）；
• 收益：分析更快、覆盖更广、优先级更清楚；有机构称 AI 源码分析能发现常规渗透测试漏掉的漏洞，但投入了专门专家小组（来源1）；
• 代价：误报、需要验证、依赖专业判断，部分机构在修复和响应动作前保留人工审批（来源1）；
• 证监会 2026 年 6 月已发通函，提示 AI 可能加速漏洞发现与利用、降低钓鱼和深度伪造门槛（来源1）；梁凤仪在金融科技周表示将为持牌机构制定网络安全框架，对风险更高的机构提出更高要求（来源5）。

七、卡在哪里：障碍与治理挑战

1. 推广障碍（来源1）

2. 治理挑战（来源1）

最值得注意的是 85% 的机构难以扩展 AI 清册和全生命周期控制（来源1）：清册碎片化、供应商能力变化快、第三方产品内嵌 AI 功能越来越多。本文分析：连“我们到底在用哪些 AI”都说不清，就谈不上治理智能体。

八、监管方针：安全为先、以人为本、协作主导

梁凤仪表示，由于每个中间步骤都靠人工审查不现实，证监会将制定务实、以原则为本的指引，重点是在整个工作流中保持人类问责与监督（来源4）；前沿模型和代理型 AI 的发展可能跑在传统监管评估与标准制定周期之前（来源3）。

九、与金管局 ART 框架合读

在《多智能体时代谁负责》一文中，我们解读了金管局 2026 年 10 月 15 日公布的 ART 框架（来源6）。两份文件放在一起看：

本文分析：

1. 两条监管线已经汇合：银行看“意图与问责”，证监会看“工作流与权限”，本质都是把智能体的每个动作挂回一个对结果负责的人；
2. 清册成为共同的第一步：金管局的“AI 代理纪录册”与证监会的“AI 清册覆盖代理授权活动”几乎同义；
3. 反对形式化签字：两边都承认逐项人工审批既不现实也不有效，转而要求按影响分级的监控和介入；
4. 双牌照集团的机会：既有银行牌照又有证券牌照的集团，可以建一套统一的智能体治理底座，分别映射到两个监管口径。

十、给券商与银行的落地清单（本文分析）

1. 先盘点：建立覆盖模型、应用、智能体和第三方内嵌 AI 的统一清册，每项写明所有者、用途、状态和授权动作；
2. 按动作分级：把智能体权限分为“读、说、触发、改、交易、批准”六级，越往后越需要人在回路和事前测试；
3. 画工作流图：对每个代理型应用画出目标、边界、数据流、权限和依赖，标出人工介入点；
4. 可观测与可追溯：记录输入、输出、工具调用和动作日志，配数据血缘，确保事后能还原“谁授权、谁执行、谁负责”；
5. 客户触点前置合规：AI 生成的客户交互要先判断是否构成招揽、建议，接入适当性与弱势客户识别；
6. 网络安全双向用 AI：用前沿 AI 做红队和威胁狩猎，同时把 AI 系统本身纳入攻击面管理，修复动作保留人工审批；
7. 第三方与集中度：对模型和云供应商做尽调、审计权、退出与替换安排；
8. 跨法域一套底座：集团框架统一设计，按香港、内地和其他法域要求分别映射；
9. 从试点到生产设门槛：明确试点转正的验证标准、成本测算和业务价值指标；
10. 准备迎接指引：证监会将出代理型 AI 指引和网络安全框架（来源4、来源5），现在建好清册和分级，未来合规成本最低。

十一、冷静的边界（本文分析）

1. 样本只有 20 家大型机构，不能代表中小券商和资管；
2. 数据来自机构自报，并非监管对控制有效性的验证（来源1）；
3. 不同机构对“代理型 AI”“前沿 AI”理解不同，30% 并不等于 30% 的机构已有同样自主程度的系统（来源1）；
4. 证监会尚未发布具体指引，现在的“四大重点”是方向而非规则。

结语

这份调查最重要的不是“30% 已用智能体”，而是证监会给出的判断：AI 规模化的约束正从模型能力转向安全、基础设施、治理和人才（来源1）。金管局问“多智能体时代谁负责”，证监会回答“把人锚定在整条工作流上”。对持牌机构来说，下一步的竞争力不是谁先上更多智能体，而是谁能说清楚每个智能体能做什么、谁为它负责、出了事怎么停。

事实来源

1. 证监会调查报告全文（来源1）：样本、数据、案例、障碍、治理挑战与四大监管支柱。
2. 证监会新闻稿（来源2）：30%、25%、95%、90% 等核心数据和四大重点。
3. 梁凤仪发言摘要与媒体报道（来源3、来源4、来源5）：代理型 AI 指引和网络安全框架计划。
4. 金管局新闻稿（来源6）：ART 框架。

本文推论部分（非来源表述）：动作分级与趋势判断、与 ART 框架的对照结论、落地清单、冷静的边界与结语。

本文不构成任何法律或投资建议。

（内容由AI生成，仅供参考）