來源：資事堂

　　子夜時分，當勤奮的基金經理聽完最後一場路演，看完最新一份研報，合上自己的電腦筆記本的時候。他的“數字同行”正在某處大模型基地中滋滋生長、默默長大。

　　從簡單的數據處理工具，到完成研究報告閱讀並提煉要點，再到有邏輯、有條理的輸出一些投資建議。過去一年間，AI程序迅速的跨過了幾個初級階段，着手開始動搖已延續了五六十年之久的傳統投研流程。

　　當金融街上的年輕人還在用尼古丁和咖啡因對抗生物鐘時，AI算法憑藉永不合眼的“數字大腦”、以及幾分鐘內上萬字的輸出效率，即將開始“挑戰”他們的工位。

　　它們會真的替代他（她）們麼？

　　“會的，十年之內，這個市場上90%的基金經理、分析師都會消失。”一位公募機構的投資總監如此預測。

　　但也有研究總監不贊同他的預測。

　　“不需要十年，五年就夠了”。

　　曾經最堅固的“堡壘” 

　　人工智能對普通人力崗位的替代不是現在纔開始的，在傳統製造業裏這個趨勢早已展開。

　　在吉利西安工廠的焊裝車間，886臺焊接機器人以0.5毫米的精度完成車身焊接，配合650臺AGV智能物流車，將原本需要300人的產線壓縮到不足50人。

　　鞍鋼集團的“黑燈工廠”更爲徹底，在礦業公司工區，智能巡檢機器人和清掃機器人閃爍着燈光在各處有序作業；在冷軋彩塗工區，整條生產線現場都空無一人，只見各類機器人配合無人天車，實現作業區域無人作業。

　　甚至在金融行業裏，比如保險業，人工智能客服系統和保單審覈系統，早已在各家大型機構裏普及。如今的保險車險報案，客戶第一接觸的幾乎100%是人工智能。

　　但在金融行業最重要的賣方研究、自營資管和投資銀行等業務上，人工智能的滲透歷經多年未有重大突破。

　　自上個世紀七十年代以來，一個賣方分析師的工作流程就是固定的，蒐集數據和信息——整理數據和信息——整合出研究報告——對外發布和路演溝通。

　　這個流程自上個世紀末經由海外傳入國內，和中國資本市場龐大的上市公司數量、驚人的流動性、以及空前的機構投資者數量結合，造就了海外難得一見的賣方研究市場規模。

　　在最高峯期，國內一家頂級的賣方研究所，用人規模可以達到近千人（含銷售和服務團隊）。一個大行業的研究組裏可以有超過十名分析師，率領十多位實習生，負責跟蹤研究上百家重點公司的動向。

　　在很長時間內，內地賣方研究機構的“信息化”主要體現在，應用EXCEL插件、把報告發布溝通方式從電話更改爲微信羣。

　　這個行業幾乎是至今少數未被人工智能實質性影響的“崗位堡壘”。

　　哪些因素擋住了AI？ 

　　什麼原因把AI擋在了金融核心業務系統以外？

　　資事堂接觸多家大型資管機構後，得到了以下的觀點：

　　第一，投資研究的工作崗位有大量“非標”的工作細節。簡單的人工智能系統，不可能替代這些工種。訓練一個聰明的年輕人的效率，遠比訓練一個智能系統來的快。

　　第二，金融工作有很高的合規性和安全性要求。金融業務數據涉及大量敏感信息，使用AI處理這些數據可能存在泄露風險，尤其是在數據保護法規不完善的時候。

　　第三，金融工作有很高的專業性和成熟度要求，容錯度很低。AI人工智能的“幻覺”等情況，可能導致很嚴重的後果。

　　第四，金融行業傳統上高度依賴人類經驗和溝通並關聯着嚴密的法律責任。尤其是在高風險決策中，人們可能更信任人類專家而非算法。這種文化阻力可能延緩了AI的採用。

　　但隨着，Deepseek們的日夜長大，這些曾經的“壁壘”，真的那麼堅硬麼？

　　曾經“堡壘”已經出現裂縫

　　雖然存在這樣或那樣的護城河，但悄悄的，這個堡壘早就出現了裂縫。

　　據資事堂瞭解，在一些頂級資管機構內部，AI機器人早就開始在發揮作用，只是對外“祕而不宣”。

　　在這些機構裏，AI機器人已經開始部分的替代研究員參與線上的路演。

　　它們往往以實際團隊中某研究員的身份登錄系統，然後靜靜“蹲”在會議的角落裏，然後鉅細靡遺的錄下所有的發言內容，以及問答提問。

　　先進一點的AI，可能還會概括調研要點，並根據投資團隊的要求，提煉“關鍵詞”和“重要內容”。

　　雖然，這些工作目前AI“完成”的還比較粗糙，但它們已經大大減少了人工勞力的耗用。

　　尤其是面對現在海量的路演和上市公司反路演，AI們勤懇無怨、24小時不休、多線程的優勢已經展露出來了。

　　另外，一些團隊反應，在重要的專題研究中，AI研究員雖然不如人工那麼有邏輯、善於歸納分析。但它們善於從海量信息中搜集相關內容，並做一定程度的整合的能力，還是體現出一定的價值。尤其是專題的時效要求較高、工作量巨大時。

　　“沒有感情”的優勢和劣勢

　　而在交易和下單環節，尤其是和量化策略結合是，AI智能機器人的應用空間可能更大。

　　比如，在交易環節，AI智能機器人可以“智能化”的進行拆單、下單、搶單、撤單等工作，而且完成效率很高。

　　另外，在設計交易策略時，AI機器人幾乎不會受上一筆、更上一筆的“情緒”影響，這個特點在很多場合都具備優勢。

　　而在一些大型的量化私募機構裏，AI能夠參與的“工種”可能更多——因爲後者，在交易頻度、合規要求方面，有時候會比公募機構有着更寬鬆的空間。

　　從這個意義上說，Deepseek這樣具有突破性意義的AI通用大模型，誕生在一家頂級私募機構的“關聯”公司裏，並非意料之外，而是情理之中。

　　而且，在主觀投資範圍裏，AI可能也有自己的應用場景。

　　“在未來某個時候，不排除有人通過巴菲特的交易案例來訓練巴菲特風格的交易機器人。”一位基金經理說。

　　那還需要人力麼？

　　主觀和AI的結合是當下的需求 

　　雖然，呼嘯而來的遠景令人驚訝，但當下的現實似乎還是在於如何把資深投研人員的“主觀能力”和AI的“特點”結合。

　　比如，以DeepSeek爲代表的AI，如何來幫助研究員作研究，幫助基金經理做投資。

　　2024年9月，浙商基金是這樣解釋他們的AI如何幫助基金經理做投資的：

　　AI並不做預測，AI的分析行爲均基於已存在的數據做更全面的分析。

　　比如，市面上某標的開始大漲，AI通過對該基金的投資邏輯進行拆解，判斷它究竟是趕上了行業的風口，還是自身的價值潛力才盈利。AI機器人逐漸瞭解到優秀的標的都具備怎樣的特質，然後基於自己強大的數據計算力，做歷史層面的各種假設和測試，給出接下來的投資信號。

　　甚至，根據他們的作圖，主觀的投研團隊可以看10個以上的行業，而AI模型可以追蹤上百個細分行業的動態。

　　在覈心業務場景落地方面，中金財富表示DeepSeek展現出顯著的效率優勢。通過大模型的自然語言處理與事件推理能力，可對政策解讀、行業研報、上市公司公告等非結構化文本進行自動化解析，輔助投資顧問高效完成市場熱點分析和大盤解讀，顯著提升信息處理效率與決策精準度，單日處理量突破萬份文檔，較傳統人工處理效率提升90%。

　　匯添富基金近日宣佈，已完成DeepSeek系列開源模型的私有化部署，並將應用於投資研究、產品銷售、風控合規、客戶服務等核心業務場景。

　　或許，那個洶湧的時代，已經接近到來！

　　風險提示及免責條款

　　市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：凌辰