隨着人工智能（Artificial Intelligence，AI）的快速發展,AI技術與業務深度融合成為券商資産託管業務增強核心競爭力的重要發展機遇。數據處理與分析、自然語言處理、自動化與流程優化、多模態交互等AI核心能力在産品引入、客戶服務、數據處理、估值核算、資金結算與賬戶管理、合規風控管理等券商資産託管業務場景的應用，對提升託管運營效率、強化風險管控、優化客戶服務等方面具有重要意義。同時，券商資産託管業務使用AI技術也面臨挑戰，需要解決數據質量與安全、決策可解釋性、模型適應性與穩定性以及投産比等問題。在AI技術的支撐下，券商資産託管業務將全方位重塑服務模式，促進客戶體驗個性化，加速行業協同創新，同時也將助力監管機構的監管工作，推動行業良性發展。

  構建四層AI架構體系 夯實託管業務AI應用的發展根基

  AI技術的基礎架構通常分為四個層次：算力實施層（Infrastructure as a Service，IaaS）、智算&&層（Platform as a Service，PaaS）、模型服務層（Model as a Service，MaaS）和應用服務層（Software as a Service，SaaS）。

AI基礎架構圖

  算力實施層作為AI架構的最底層，承擔着為AI模型的訓練與推理進程提供強大計算資源的重要職責。 智算&&層為AI模型的開發與部署提供工具及&&支撐，該層融合通用大模型與垂類大模型，達成開源模型與閉源模型的結合，進而構建起“1+N”的AI大模型底座。模型服務層把AI模型封裝成可供調用的服務，以滿足上層應用的需求。應用服務層直接針對特定業務場景提供服務，在資産託管業務裏，它提供智能客服、智能審核、風險預警等功能，有效提升業務運行效率與客戶服務體驗。

  在資産託管業務領域，依託的AI核心能力主要包括以下幾個方面：（1）數據處理與分析能力：AI技術具備高效處理大規模結構化與非結構化數據的能力，能夠通過數據挖掘和深度分析，為資産託管業務的決策制定提供有力支撐。（2）自然語言處理能力：NLP技術使AI能夠理解、解析和生成自然語言文本與語音，廣泛應用於智能客服、合同審核和合規管理等場景。（3）自動化與流程優化能力:結合機器人流程自動化（Robotic process automation，RPA）和智能體（Artificial Intelligence Agent，AI Agent）技術，可優化資産託管業務中的重復性任務，減少人工干預，降低錯誤率，並顯著提升業務效率。（4）多模態交互能力：AI技術支持多模態交互，包括語音識別、文本處理和計算機視覺等，能夠提供更智能、人性化的服務體驗。

  AI技術已融入資産託管業務 成為數智化轉型的核心驅動力

  在資産託管業務中，合同審查、投資監督、估值核算等環節涉及大量的文本和數據處理工作。通過引入光學字符識別（Optical Character Recognition，OCR）、自然語言處理（Neuro-Linguistic Programming，NLP）等AI技術，可以實現合同的智能審核、投資指令的自動匹配與監測以及估值核算的自動化處理，從而大幅提高作業效率，減少人工錯誤，實現降本增效。

  構建系統化、完整的數據鏈是強化風險管控的關鍵。在資産託管業務實現全生命周期、全流程線上化運行的前提下，AI技術通過搭建風險評估與預警系統，接入輿情數據，對海量數據進行整合與分析，可以實現對管理人及産品風險的及時跟蹤和預警監控，有助於託管機構及時發現潛在風險，迅速採取針對性的防範和應對舉措。

  託管機構借助AI技術可以搭建涵蓋智能客服、客戶畫像以及精準營銷等應用的智能化客戶服務體系。智能客服可提供全天候（7*24）在線服務，迅速響應客戶訴求，進而提升客戶滿意度；客戶畫像與精準營銷則能夠根據客戶偏好等特徵，推動標準化服務向“千人千面”的個性化服務演進，增強客戶粘性。

  推動AI技術與資産託管業務進一步融合 貫穿産品全生命周期

  在産品引入階段，託管業務經辦人需要將管理人和産品各類信息完整地提交至引入系統中，經審核後，將滿足要求的管理人、産品納入合作範圍。基於AI Agent技術，可以實現經辦人智能化辦理業務，為其提供材料識別、解析及業務自動化等一系列輔助工具。在合同管理中，系統根據産品要素表自動生成産品合同初稿，借助AI技術可智能審核部分合同條款，有效減少合同條款的人工審核時間，提高審核準確率。

  客戶服務方面，智能客服已成為券商資産託管行業優化客戶體驗、提高服務效率以及擴大市場覆蓋面的重要手段。大規模預訓練模型（以下簡稱“大模型”）的出現，為智能客服進一步優化和升級提供了新的可能性。智能客服機器人可以採用“大模型+小模型”雙引擎架構，充分發揮大模型在語義理解與知識歸納方面的優勢，在已有小模型智能知識庫現有成熟功能的基礎上，利用大模型的語義擴展能力，提升問答匹配精度與準確率，可以實現更智能、更精準的客戶服務體驗。建立“動態問動態答”智能問答機制，針對管理人對其自身管理産品信息的查詢需求，通過與業務系統數據打通，管理人可以向智能客服諮詢運營流程進度、合同參數、各類指標計算原理等問題，減少人工客服工作量，提高回復準確性與及時性。

  資産託管業務運作中，每日需要處理來自內外部的大量數據用於後續估值核算、資金結算等業務環節。針對內部數據，AI解析技術可以支持自動提取産品募集、成立文件中的要素數據；針對基金合同等文件，可以提供各類樣本與人工標注訓練模型，由系統自動識別變更、補充條款，並與原參數設置關聯，降低人工操作的錯誤率。針對外部數據，AI解析技術可以支持自動提取場內交易對賬單、場外確認單據、場外標的産品行情和持倉文件中業務所需的關鍵信息，並不斷擴大解析範圍；引入新智能化解析工具，可以開發出由業務人員自主操作的可視化訓練/標注頁面，重點支持傳統AI解析工具尚無法解析的場景，進而提升整體解析率，提高業務流程自動化水平。

  估值核算效率是資産託管業務中客戶重點關注的環節，估值核算效率很大程度取決於估值流程自動化水平。建立智能估值運營&&和智能估值風控&&，基於AI估值技術的應用，有助於保障估值時效性和估值準確性。智能估值運營&&可用於批量産品估值進程的自動化調度，基於對數據管理&&、份額登記系統、資金清算系統、估值系統數據的調用、讀取、分析和轉換，精準生成估值流水和結果，減少日常估值流程中斷，不斷提高AI估值完成率。智能估值風控&&可以將風險控制節點嵌入估值流程，實現多指標監控，保障估值準確性。

  資金結算與賬戶管理方面，可以利用RPA技術在證券賬戶開立環節支持自動錄入證券賬戶開戶信息、上傳開戶材料附件，在完成證券賬戶開立後實現自動下載開戶回單，極大提升證券賬戶開立效率。利用RPA及OCR技術，可以在銀行間付費環節實現指令信息與出款信息的自動校驗等。針對所需投資附件較多、人工審核耗時較長的場外業務劃款指令，利用大模型對不同格式的投資附件進行文件信息提取，基於業務審核點在系統中預置審核規則實現指令預審，提高指令審核效率，給客戶以顯著的劃款提速感知，優化客戶體驗。

  合規風控方面，可以建立託管及服務業務風險監控系統，利用AI技術對多個渠道的輿情數據進行智能整合；對輿情數據進行語義識別及提煉，自動識別輿情中提及的管理人，基於風險輿情人工調整管理人風險等級。基於RPA技術，可以自動獲取管理人的監管處罰、誠信公示等風險信息，實現對管理人風險等級的動態調整，強化管理人風險管控。

  未來AI模型將朝着更高效率、更高精準度且具備更強可解釋性的方向不斷演進。一方面，研究人員致力於開發更先進的神經網絡架構，進一步提升模型在自然語言處理等複雜任務上的性能、提高響應速度、提升客戶體驗，弱化“機器”的感覺，強化“類人”的服務。另一方面，可解釋性AI將成為研究熱點，通過可視化技術、特徵歸因分析等手段讓資産託管業務從業者以及客戶理解模型決策過程，從而增強對AI技術的信任。同時AI將打破數據模態壁壘，實現文本、圖像、語音、視頻等多模態數據的深度融合。在券商資産託管業務中，多模態AI技術可整合客戶的文字諮詢、語音指令、&&操作行為（例如鼠標點擊軌跡圖像）等多源信息構建更全面、立體的客戶畫像，從而提供更加個性化精準服務。例如，當客戶諮詢問題時系統可綜合客戶的歷史操作記錄、語音情感分析以及當前操作行為，快速理解客戶需求並給出最合適的服務方案。

  展望未來 AI技術將全方位重塑資産託管業務服務模式

  客戶服務方面，可借助AI強大的數據分析與模式識別能力深入洞察客戶需求與偏好，為客戶提供高度個性化的託管服務體驗。行業協同方面，AI技術將推動證券公司與金融科技企業、科技巨頭以及其他金融機構展開更為深入、高效的協同創新活動，促進各方資源共享與優勢互補，共同探索金融業務的創新發展路徑，推動整個行業生態的繁榮與發展。風險管理方面，AI可幫助託管機構自動識別業務中潛在的風險點，不斷提高風險識別與預警能力，託管機構需充分利用AI技術優化自身風險管理能力，促進業務活動在合規及風險可控的框架內有序健康開展，實現行業發展與風險管理的良性互動。