大型語言模型（LLM）的分析能力已足以處理金融任務，但長橋（Longbridge）集團創辦人兼行政總裁 Nowa Zhu 接受訪問時直言，金融 AI 下一階段的競爭關鍵，在於券商能否建立一套可控制、可追溯及可審計的完整系統，並取得監管機構認可。日前於新加坡發佈新一代 AI 原生投資平台的長橋目前 AI 團隊已擴充至近 100 人，但涉及個人化投資訊號及交易計劃的功能，能否在香港推出仍要視乎與香港證監會的溝通進度。
語音下單不等於 AI 投資判斷
近期多家香港網上券商相繼將 AI 加入交易平台，主打新聞摘要、自然語言搜尋或語音下單功能。長橋集團行政總裁 Nowa Zhu 認為「一句說話下單」本質上只是把語音指令轉換為操作，不代表 AI 具備真正的投資判斷能力。他指出，完整的 AI 投資服務必須理解客戶資產狀況、風險承受能力、過往行為及投資目標，再結合市場事件與財務數據，產生符合個人需要的結果。
長橋集團把相關能力拆分為 Catalyst、Review、Signal 及 Plan 四個階段：Catalyst 協助整理影響市場的事件因素，Review 負責檢視投資組合表現，這兩項屬於資訊整理性質，監管風險相對較低。Signal 會按用戶風險偏好提供具方向性的市場訊號，Plan 則進一步制定交易計劃，這兩項最有可能觸及投資建議的監管範圍。Nowa 表示，香港用戶初期較大機會先開放使用 Catalyst 及 Review，Signal 與 Plan 功能仍要與證監會進一步討論。他強調，即使系統自動產生結果，持牌券商及專業團隊仍須承擔責任，標準應與人類持牌人員提供投資建議時相若。
AI 模型能力足夠 治理系統才是難題
談到技術樽頸，Nowa 裁認為主流 AI 模型能力已足以處理大量金融分析工作，更新速度亦由過往一年數次縮短至幾乎每月一次，應用範圍更延伸至生物科技及國防等高要求領域。他判斷，金融本身由數據、數學與邏輯組成，模型基礎能力並非現階段最大問題，真正困難在於如何把通用模型改造成適合金融行業、能直接服務投資者的系統。「如果要讓 AI 操作用戶的錢，就一定要令它合適、負責任及可以審計」，他表示。
系統需要在每次回答前掌握客戶完整背景，透過受控制且具確定性的流程運行，相同問題重複執行時結果不能出現完全不同方向，券商亦要保存推理過程、資料來源及工具調用紀錄以便日後審查。換言之，金融 AI 的核心不只是模型，而是包圍模型的整套治理系統，包含資料權限、風險控制、結果驗證與人工監督，這也解釋了金融智能體推出速度必然慢過一般用途 AI Agent 的原因。
新加坡框架較完整 不代表香港監管較嚴
長橋集團率先在新加坡推進較完整的 AI 投資功能。Nowa 強調這不代表香港監管較嚴，而是新加坡已發布較完整的原則框架，企業可據此設計合規流程；香港制度仍處於較早階段，加上集團要處理其他監管整改工作，與香港監管機構的溝通時間因而較遲。他指出，監管機構需要與業界釐清多項全新問題，包括 AI 每次工具調用是否都要留存、系統需保留多少推理細節，以及 AI 產生錯誤建議時責任應如何界定 — 部分法律專業人士面對 AI Agent 參與投資流程時，也坦言過往從未遇過同類情況。
回顧長橋近期的產品發展，公司已發佈 Longbridge Agent、採用語言使用者介面（LUI）的全新應用程式、Agent Platform，以及供開發者使用的 Skill、MCP 及 CLI，部分功能已加入香港版 App 供現有用戶使用具備 Skill 及 Subagents 能力的 Longbridge AI。他認為創新者不能等待所有規則完成後才開始，而要與監管機構共同尋找現有法律框架下的可行方法，不過監管亦需確保整個市場基礎設施及投資者保障機制已準備就緒，因此完全自動化的 Level 5 AI 投資功能最終將會出現，不過現階段仍然無法提供確切的時間表。
投資者習慣決定介面轉型速度
除監管外，香港投資者的使用習慣同樣影響長橋推出新介面的節奏。Nowa 指長橋計劃以 LUI（Language User Interface） 取代傳統圖表、選單及按鈕操作，讓用戶直接用自然語言完成搜尋、分析及交易任務。美國市場可由產品推出首日直接採用新介面，但香港已有大量活躍且具經驗的投資者，早已習慣現有 App 操作模式，長橋擔心突然全面轉為對話形式，部分用戶可能難以適應，因此正考慮同時保留兩個應用程式，或先把部分 LUI 功能逐步加入現有 App 觀察反應，再逐步提高佔比。
至於高頻交易能力能否下放零售市場，Nowa 則認為大型語言模型與高頻交易屬於兩種不同技術路線：語言模型適合處理中低頻分析，例如追蹤市場事件、比較資產及制定較長週期方案，但多輪推理及工具調用往往需要數秒至數十秒，無法滿足高頻交易的極低延遲要求；專業對沖基金早已使用參數規模較小、用途集中的模型處理交易，競爭關鍵在於下單速度而非解釋完整度。長橋現階段選擇以大型語言模型協助零售投資者改善中低頻決策，而非包裝成面向普通用戶的高頻交易工具。
計劃透過訂閱取得 AI 收入
長橋於去年第四季成立獨立 AI Business Unit，團隊已接近 100 人，並計劃透過訂閱模式取得 AI 收入，同時把 AI 能力延伸至自營證券業務及向銀行券商提供的 Longport Whale SaaS 系統，目前香港已有超過 100 家銀行及券商使用其技術方案。公司對 AI 投資「沒有上限」原因是大部分傳統券商缺乏自行研發能力，即使具備技術團隊也未必能迅速部署 AI，長橋希望在市場制度及產品仍處於成形階段時建立領先優勢。
與此同時，長橋除尖沙咀現有門店外，亦計劃在荃灣、旺角及銅鑼灣陸續開設分店，維持香港開立八間門店的目標，銅鑼灣旗艦店更將使用整棟大樓並設置大型 LED 顯示屏。Nowa 透露，門店帶來的客戶忠實度、留存率及轉介效果均高於預期，個別門店甚至可於一年內回本。
當 AI 開始參與投資決策，客戶未必只關心系統能做多少事，更會關心出現問題時誰負責、如何追查，以及能否找到真人協助 — 這正是長橋將 AI 效率與實體信任並行推進的核心邏輯。長橋能否將技術領先轉化為香港市場優勢，最終仍取決於監管協調、產品設計與投資者信任三者能否步伐一致。
