金融科技赋能+区域深耕 麦高证券走“小而美”“专而精”发展之路

证券时报记者 刘艺文

当下，中小券商做好数字金融，既是“生存题”，也是“发展题”，更是“必答题”。麦高证券董事长兼总经理宋成接受证券时报记者采访时表示，公司以“金融科技赋能+区域特色深耕”双轮驱动，正努力走出一条“小而美”“专而精”的差异化发展之路。

据悉，站在新起点，麦高证券围绕“以金融科技为驱动、以财富管理为特色的全国知名新型券商”目标，一张蓝图绘到底，在数字金融赛道上跑出加速度。

从“有没有”到“好不好”

近年来，券商持续加大数字化转型力度。在宋成看来，证券行业数字化正处于从“量变”到“质变”的历史性跃迁阶段。过去五年解决的是“有没有”的问题，未来五年要解决的是“好不好”的问题。

他认为，这一阶段最根本的变化，是数字化的定位之变。五年前，行业数字化更多是“业务线上化”和“流程电子化”，是把线下的东西搬到线上。今天，数字化已经进入“深度融合、智能驱动”的新阶段，数字技术开始从支撑业务走向重塑业务、从后台走向前台、从成本中心走向价值创造中心。AI与数据，正成为行业高质量发展的“分水岭”。

“具体到麦高证券，作为新型互联网券商，我们没有路径依赖，得以一步到位将数字化作为核心战略支撑。这既是顺势而为，更是因情施策。”宋成向证券时报记者表示。

在战略引领下，麦高证券推进数字化转型有完整的内在逻辑，概括为“一个目标、双轮驱动、三个聚焦”。一个目标，即“数智麦高、协同赋能”，以数字金融为切入点，打造“线上数智服务+线下优质体验”的互联网金融综合券商，让科技成为业务增长引擎。双轮驱动，即业务数字化与管理数字化一体推进，前台以数字技术赋能财富管理等业务条线，中后台推动风控、合规、运营数智化转型。三个聚焦，即聚焦AI赋能、数据治理、信息安全，分别回答“用什么驱动”“靠什么支撑”“怎么保安全”的问题。

成效最终要靠经营业绩检验。2024年，麦高证券营收同比增长135.62%，净利润同比增长1095.03%；2025年营收同比增长55.60%，净利润同比增长133.36%。

AI大模型是核心引擎

当下，券商发展数字金融，最绕不开的就是AI大模型。宋成向证券时报记者介绍，AI大模型是麦高证券数字化战略的核心引擎，也是决定未来竞争格局的关键变量。

在宋成看来，大模型正如当年的云计算，成为各业务领域提效增能的通用基础设施。AI技术迭代迅猛，谁先找到适合自身的应用路径，谁就能抢占先机。特别是DeepSeek等国产大模型大幅降低应用门槛，对资源有限的中小券商而言，这是一次不容错过的历史窗口。

证券时报记者了解到，麦高证券数字化转型坚持“战略引领、场景驱动、分步推进、安全可控”原则，四者有机统一、层层递进，构成麦高AI应用的完整方法论。其中，场景驱动就是坚持价值导向、小步快跑、快速迭代，从业务最急需、价值最直接的领域切入，以场景落地检验技术成效，以业务价值配置资源投入。

麦高证券AI应用主要分为对内提效、对外普惠两大应用场景。对内，以IT运维和合规审计为突破口。网络设备AI智能巡检，对办公网和测试网全量设备每日自动巡检，AI自动分析硬件状态、链路性能并输出故障定位建议，巡检效率提升数倍，漏检率大幅下降。开盘行情AI监控，在集合竞价这一压力最大时段，对交易App和IDS接口两条链路实时监测，多次在人工发现前预警异常。审计追踪看板及AI批量处理，将审计发现问题自动分类、可视化展示并生成报告，效率显著提升、分类更准确、整改建议更全面。

对外，2025年4月推出“麦T宝”人工智能机器人，是麦高证券践行“算法技术平权”理念，以数字金融创新应用，推动金融服务普惠共享的集中实践：一是交易功能，配套5000余只个股适配策略及“麦T榜”优选池，帮助投资者捕捉价差、分散风险，缩小与机构的专业差距；二是智能拆单系统，动态拆分大额指令，降低操作失误，推动交易标准化；三是全流程风控，132项监管要求嵌入系统底层，7×24小时监控覆盖9大维度，确保算法服务合规运行。上线以来，月均新增客户超3000名，授权资产突破10亿元。

“这些场景虽尚属‘点’上突破，但积累了经验、锻炼了队伍、坚定了信心。AI落地没有捷径，中小券商唯有立足自身特色，深耕细分场景，才能走出差异化数智发展路径。”宋成表示。

从“外挂”走向“内嵌”

宋成认为，AI技术的迭代速度超出了很多人的预期。过去两年是大模型的“元年”和“应用探索年”，未来1—2年，将进入“规模化落地、深度融合、生态化发展”的关键期。一个突出的变化是，AI从“外挂”走向“内嵌”，不再是业务流程旁的辅助工具，而是重新定义业务流程本身。

具体而言，以下几个趋势值得关注：一是从单点应用迈向全链智能，二是从技术单驱迈向信创融合，三是从各自为战迈向共建共享。

证券时报记者获悉，麦高证券将重点在四方面布局：一是深化场景应用，按运营先行、客服跟进、业务探索的节奏，先在中后台验证模式，再向前台延伸，形成可复制的标杆场景；二是夯实数据底座，推进数据标准化、资产化，积极参与行业数据共享和公共知识库建设；三是强化人才队伍，内育外引并举，深化与头部科技企业合作，借船出海；四是保持战略敏锐，建立常态化技术跟踪和复盘机制，确保方向不偏、节奏不乱。