<div id="readability-page-1">子夜时分，当勤奋的基金经理听完最后一场路演，看完最新一份研报，合上自己的电脑笔记本的时候。他的 “数字同行” 正在某处大模型基地中滋滋生长、默默长大。 从简单的数据处理工具，到完成研究报告阅读并提炼要点，再到有逻辑、有条理的输出一些投资建议。过去一年间，AI 程序迅速的跨过了几个初级阶段，着手开始动摇已延续了五六十年之久的传统投研流程。 当金融街上的年轻人还在用尼古丁和咖啡因对抗生物钟时，AI 算法凭借永不合眼的&#34;数字大脑&#34;、以及几分钟内上万字的输出效率，即将开始 “挑战” 他们的工位。 它们会真的替代他（她）们么？ “会的，十年之内，这个市场上 90% 的基金经理、分析师都会消失。” 一位公募机构的投资总监如此预测。 但也有研究总监不赞同他的预测。 “不需要十年，五年就够了”。 <h2>曾经最坚固的 “堡垒” </h2> 人工智能对普通人力岗位的替代不是现在才开始的，在传统制造业里这个趋势早已展开。 在吉利西安工厂的焊装车间，886 台焊接机器人以 0.5 毫米的精度完成车身焊接，配合 650 台 AGV 智能物流车，将原本需要 300 人的产线压缩到不足 50 人。 鞍钢集团的 “黑灯工厂” 更为彻底，在矿业公司工区，智能巡检机器人和清扫机器人闪烁着灯光在各处有序作业；在冷轧彩涂工区，整条生产线现场都空无一人，只见各类机器人配合无人天车，实现作业区域无人作业。 甚至在金融行业里，比如保险业，人工智能客服系统和保单审核系统，早已在各家大型机构里普及。如今的保险车险报案，客户第一接触的几乎 100% 是人工智能。 但在金融行业最重要的卖方研究、自营资管和投资银行等业务上，人工智能的渗透历经多年未有重大突破。 自上个世纪七十年代以来，一个卖方分析师的工作流程就是固定的，搜集数据和信息——整理数据和信息——整合出研究报告——对外发布和路演沟通。 这个流程自上个世纪末经由海外传入国内，和中国资本市场庞大的上市公司数量、惊人的流动性、以及空前的机构投资者数量结合，造就了海外难得一见的卖方研究市场规模。 在最高峰期，国内一家顶级的卖方研究所，用人规模可以达到近千人（含销售和服务团队）。一个大行业的研究组里可以有超过十名分析师，率领十多位实习生，负责跟踪研究上百家重点公司的动向。 在很长时间内，内地卖方研究机构的 “信息化” 主要体现在，应用 EXCEL 插件、把报告发布沟通方式从电话更改为微信群。 这个行业几乎是至今少数未被人工智能实质性影响的 “岗位堡垒”。 <h2>哪些因素挡住了 AI? </h2> 什么原因把 AI 挡在了金融核心业务系统以外？ 资事堂接触多家大型资管机构后，得到了以下的观点： 第一，投资研究的工作岗位有大量 “非标” 的工作细节。简单的人工智能系统，不可能替代这些工种。训练一个聪明的年轻人的效率，远比训练一个智能系统来的快。 第二，金融工作有很高的合规性和安全性要求。金融业务数据涉及大量敏感信息，使用 AI 处理这些数据可能存在泄露风险，尤其是在数据保护法规不完善的时候。 第三，金融工作有很高的专业性和成熟度要求，容错度很低。AI 人工智能的 “幻觉” 等情况，可能导致很严重的后果。 第四，金融行业传统上高度依赖人类经验和沟通并关联着严密的法律责任。尤其是在高风险决策中，人们可能更信任人类专家而非算法。这种文化阻力可能延缓了 AI 的采用。 但随着，Deepseek 们的日夜长大，这些曾经的 “壁垒”，真的那么坚硬么？ <h2>曾经 “堡垒” 已经出现裂缝</h2> 虽然存在这样或那样的护城河，但悄悄的，这个堡垒早就出现了裂缝。 据资事堂了解，在一些顶级资管机构内部，AI 机器人早就开始在发挥作用，只是对外 “秘而不宣”。 在这些机构里，AI 机器人已经开始部分的替代研究员参与线上的路演。 它们往往以实际团队中某研究员的身份登录系统，然后静静 “蹲” 在会议的角落里，然后巨细靡遗的录下所有的发言内容，以及问答提问。 先进一点的 AI，可能还会概括调研要点，并根据投资团队的要求，提炼 “关键词” 和 “重要内容”。 虽然，这些工作目前 AI“完成” 的还比较粗糙，但它们已经大大减少了人工劳力的耗用。 尤其是面对现在海量的路演和上市公司反路演，AI 们勤恳无怨、24 小时不休、多线程的优势已经展露出来了。 另外，一些团队反应，在重要的专题研究中，AI 研究员虽然不如人工那么有逻辑、善于归纳分析。但它们善于从海量信息中搜集相关内容，并做一定程度的整合的能力，还是体现出一定的价值。尤其是专题的时效要求较高、工作量巨大时。 <h2>“没有感情” 的优势和劣势</h2> 而在交易和下单环节，尤其是和量化策略结合是，AI 智能机器人的应用空间可能更大。 比如，在交易环节，AI 智能机器人可以 “智能化” 的进行拆单、下单、抢单、撤单等工作，而且完成效率很高。 另外，在设计交易策略时，AI 机器人几乎不会受上一笔、更上一笔的 “情绪” 影响，这个特点在很多场合都具备优势。 而在一些大型的量化私募机构里，AI 能够参与的 “工种” 可能更多——因为后者，在交易频度、合规要求方面，有时候会比公募机构有着更宽松的空间。 从这个意义上说，Deepseek 这样具有突破性意义的 AI 通用大模型，诞生在一家顶级私募机构的 “关联” 公司里，并非意料之外，而是情理之中。 而且，在主观投资范围里，AI 可能也有自己的应用场景。 “在未来某个时候，不排除有人通过巴菲特的交易案例来训练巴菲特风格的交易机器人。” 一位基金经理说。 那还需要人力么？ <h2>主观和 AI 的结合是当下的需求 </h2> 虽然，呼啸而来的远景令人惊讶，但当下的现实似乎还是在于如何把资深投研人员的 “主观能力” 和 AI 的 “特点” 结合。 比如，以 DeepSeek 为代表的 AI，如何来帮助研究员作研究，帮助基金经理做投资。 2024 年 9 月，浙商基金是这样解释他们的 AI 如何帮助基金经理做投资的： AI 并不做预测，AI 的分析行为均基于已存在的数据做更全面的分析。 比如，市面上某标的开始大涨，AI 通过对该基金的投资逻辑进行拆解，判断它究竟是赶上了行业的风口，还是自身的价值潜力才盈利。AI 机器人逐渐了解到优秀的标的都具备怎样的特质，然后基于自己强大的数据计算力，做历史层面的各种假设和测试，给出接下来的投资信号。 甚至，根据他们的作图，主观的投研团队可以看 10 个以上的行业，而 AI 模型可以追踪上百个细分行业的动态。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/d0c7b72a-719b-4850-9409-e93d02374fca.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="865" height="309" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/d0c7b72a-719b-4850-9409-e93d02374fca.png"/> 在核心业务场景落地方面，中金财富表示 DeepSeek 展现出显著的效率优势。通过大模型的自然语言处理与事件推理能力，可对政策解读、行业研报、上市公司公告等非结构化文本进行自动化解析，辅助投资顾问高效完成市场热点分析和大盘解读，显著提升信息处理效率与决策精准度，单日处理量突破万份文档，较传统人工处理效率提升 90%。 汇添富基金近日宣布，已完成 DeepSeek 系列开源模型的私有化部署，并将应用于投资研究、产品销售、风控合规、客户服务等核心业务场景。 或许，那个汹涌的时代，已经接近到来！风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</div>

金融业 ETF - SPDR

在金融行业，人工智能正在迅速改变传统投研流程，可能在未来五到十年内取代 90% 的基金经理和分析师。AI 的高效数据处理和逻辑输出能力使其在投资建议生成上具备优势。尽管在制造业和保险业中，AI 的应用已相对成熟，但在卖方研究和投资银行等领域，AI 的渗透仍面临挑战。

- AI 正在逐步替代传统投研流程，提升效率。  
- 许多金融岗位面临被 AI 取代的风险，尤其在数据处理上。  
- 尽管存在文化和合规障碍，AI 的应用仍在金融行业逐渐扩展。  

“碳基"VS"硅基"：二级市场的人机 “生死竞速”