---
title: "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”"
date: 2026-11-03
description: "2026年11月2日，香港证监会发布首份大型机构AI准备情况调查：20家大型机构中30%已在生产环境使用代理型AI，25%在试点，90%已把AI接入内部系统。本文拆解调查数据、八个代理型AI案例、五大推广障碍与治理挑战，解读“安全为先、以人为本、协作主导”四大监管重点，并与金管局ART框架对照，给出券商与银行的落地清单。"
tags: ["智能体", "AI治理", "香港证监会", "香港金管局", "券商", "网络安全", "金融监管"]
schema_type: Article
references:
  - title: "Large Firm AI Readiness Survey（调查报告全文 PDF）"
    url: "https://www.sfc.hk/-/media/EN/files/COM/Reports-and-surveys/SFC_LargeFirmAIReadinessSurvey_02112026_EN.pdf?rev=e731b66c8d164c51a9626b70e4afe111"
    source: "香港证券及期货事务监察委员会，2026-11-02"
  - title: "證監會調查顯示人工智能應用日益普及 負責任的規模化發展仍具挑戰（新闻稿 26PR182）"
    url: "https://apps.sfc.hk/edistributionWeb/gateway/TC/news-and-announcements/news/doc?refNo=26PR182"
    source: "香港证监会，2026-11-02"
  - title: "Galvanising Responsible Innovation for Capital Markets through AI and Tokenisation（梁凤仪金融科技周发言摘要）"
    url: "https://www.sfc.hk/-/media/EN/files/COM/Speech/Synopsis_Panel-remarks-at-Hong-Kong-FinTech-Week-2026_FINAL.pdf?rev=55d68a0257194feeb8b66cd289bcb5e0"
    source: "香港证监会，2026-11-02"
  - title: "SFC to offer additional guidance on agentic AI adoption"
    url: "https://www.thestandard.com.hk/finance/article/347221/SFC-to-offer-additional-guidance-on-agentic-AI-adoption"
    source: "The Standard，2026-11-02"
  - title: "SFC Plans New Agentic AI Guidelines and Cybersecurity Framework"
    url: "https://fintechnews.hk/41691/hong-kong-fintech-week-news/sfc-agentic-ai-guidance-cybersecurity-tokenisation/"
    source: "Fintech News Hong Kong，2026-11-02"
  - title: "金管局公布「ART」框架推动银行业负责任应用人工智能"
    url: "https://www.hkma.gov.hk/gb_chi/news-and-media/press-releases/2026/10/20261015-3/"
    source: "香港金融管理局，2026-10-15"
---

**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

| 维度 | 数据 | 含义 |
|---|---|---|
| 势头 | 95%（19 家）预期 AI 使用增加，其中 9 家预期大幅增加（来源1） | 扩张是共识 |
| 覆盖 | 100% 在后台或支持职能用 AI（来源1） | 已进入日常运营 |
| 集成 | 90%（18 家）已接入内部系统（来源1） | 风险边界改变 |
| 自主 | 55%（11 家）允许代理型 AI 生产或试点（来源1） | 智能体进入实操 |
| 网络防御 | 90% 使用或评估前沿 AI 做网络防御（来源1） | 攻防双刃 |

## 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

| 接入对象 | 比例（来源1） |
|---|---|
| 电邮与企业通讯 | 85% |
| 文档与知识库 | 85% |
| 其他内部系统 | 70% |
| 市场数据与分析平台 | 65% |
| CRM / 客户数据 | 55% |
| 内联网 | 50% |
| 合规监察系统 | 45% |
| 交易 / 订单 / 组合系统 | 40% |
| 人事记录 | 35% |

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

| 自主动作 | 生产/试点 | 开发/考虑中 | 合计（来源1） |
|---|---|---|---|
| 检索信息 | 8 | 4 | 12 |
| 生成内容 | 7 | 3 | 10 |
| 查询内部系统 | 7 | 3 | 10 |
| 发送通讯 | 7 | 2 | 9 |
| 触发工作流 | 5 | 2 | 7 |
| 修改记录 | 2 | 1 | 3 |
| 发起交易 | 1 | 1 | 2 |
| 批准决策 | 1 | 0 | 1 |

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）

| 应用 | 状态 | 人的角色 |
|---|---|---|
| 研究报告搜索问答 | 生产 | 完全代理型，持续测试质量阈值 |
| 网络安全运营 | 生产 | 决策受人监督 |
| 强化尽调辅助 | 生产 | 决策支持，保留人工监督 |
| 软件开发支持 | 生产 | 写入或执行代码时人在回路 |
| 算法执行与对冲（深度强化学习） | 生产 | 电子交易治理、风险限额，交易员监督 |
| 询价（RFQ）处理 | 试点 | 用户复核输出 |
| 追保与抵押品处理 | 生产 | 用户复核并批准入账，例外人工处理 |
| 开户与 KYC 文件处理 | 生产 | 人工验证，配护栏、权限、可观测性和数据血缘 |

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）

| 障碍 | 比例 |
|---|---|
| 技术整合、基础设施与可控扩展 | 70% |
| 成本、资源与商业论证 | 60% |
| 数据质量、可得性、隐私与安全 | 55% |
| 监管合规与跨法域协调 | 55% |
| 人才、员工接受度与变革管理 | 55% |

### 2. 治理挑战（来源1）

| 挑战 | 比例 |
|---|---|
| 治理、生命周期控制与 AI 清册 | 85% |
| 人才、资源与问责 | 65% |
| 验证、监控与人工监督 | 60% |
| 监管与跨法域协调 | 55% |
| 数据、安全与第三方风险 | 45% |

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

| 支柱 | 证监会要做什么（来源1、来源2） |
|---|---|
| 投资者保障 | 研究 AI 交互何时构成招揽或主动营销、何时越界成投资建议，开户、适当性、客户沟通和弱势投资者如何处理；无论由人还是 AI 提供服务，持牌机构都要对合规和投资者结果负责 |
| 网络安全与韧性 | 评估防御能否跟上 AI 威胁，管理对 AI 系统和第三方供应商的依赖，保障关键运营持续和恢复 |
| AI 治理与应用 | 推动以人为本的端到端工作流治理：定目标与边界、控制访问与授权动作、监控活动、有效介入、清晰问责；为自主性更高的应用制定原则为本指引，不规定具体技术，不搞一刀切人工审批 |
| 交流与协作 | 与业界、科技公司、学界和其他监管机构共建知识与能力，改造 BRMQ 等监管信息流程；协作不稀释各机构自身责任 |

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》](/articles/hkma-art-agentic-ai-accountability-bank)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：

| 维度 | 金管局 ART（银行） | 证监会调查（券商与资管） |
|---|---|---|
| 性质 | 监管指引，取代 2019 年高层原则 | 调查报告＋监管方向，后续出指引 |
| 核心关切 | 问责碎片化，多智能体无人担责 | 自主性提高后如何落实问责于人 |
| 解法关键词 | 意图为本问责、AI 代理纪录册、有效介入 | 端到端工作流治理、授权动作分级、成比例监督 |
| 人工审批 | 强调有效介入而非形式签字 | 明确不要求逐项人工审批 |
| 清册 | 重要 AI 代理纪录册 | AI 清册应覆盖重要代理及其授权活动 |
| 安全 | 具韧性：安全运行、安全失败、有效恢复 | 网络安全与运营韧性列为安全为先核心 |

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。

## 常见问题

Q: 30% 和 25% 分别指什么？

A: 20 家受访机构中，6 家（30%）允许代理型 AI 在生产环境运行，5 家（25%）允许在受控试点或测试中使用，合计 55%（来源1）。

Q: 证监会会要求每个 AI 动作都人工审批吗？

A: 不会。报告明确，以人为本的治理不要求对每个输出或动作人工审批，控制应与应用的权限和潜在影响相称（来源1）。

Q: 证监会接下来会出什么？

A: 将为自主性更高的 AI 应用制定务实、以原则为本的指引，并为持牌机构制定网络安全框架（来源4、来源5）。

Q: 和金管局 ART 框架是什么关系？

A: 两者分属银行和证券监管，但都聚焦问责落实到人、AI 清册和有效介入，可以合并设计治理体系（来源1、来源6，本文分析）。

## 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）*