<div id="readability-page-1">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，到完成研究報告閲讀並提煉要點，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&#34;數字大腦&#34;、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”。 <h2>曾經最堅固的 “堡壘” </h2> 人工智能對普通人力崗位的替代不是現在才開始的，在傳統制造業裏這個趨勢早已展開。 在吉利西安工廠的焊裝車間，886 台焊接機器人以 0.5 毫米的精度完成車身焊接，配合 650 台 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” 更為徹底，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核系統，早已在各家大型機構裏普及。如今的保險車險報案，客户第一接觸的幾乎 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。 在最高峰期，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為微信羣。 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”。 <h2>哪些因素擋住了 AI? </h2> 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？ <h2>曾經 “堡壘” 已經出現裂縫</h2> 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 “秘而不宣”。 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。 <h2>“沒有感情” 的優勢和劣勢</h2> 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——因為後者，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。 從這個意義上説，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。” 一位基金經理説。 那還需要人力麼？ <h2>主觀和 AI 的結合是當下的需求 </h2> 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 為代表的 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 的分析行為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。 <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、客户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，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户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。</div>

金融業 ETF - SPDR

在金融行業，人工智能正在迅速改變傳統投研流程，可能在未來五到十年內取代 90% 的基金經理和分析師。AI 的高效數據處理和邏輯輸出能力使其在投資建議生成上具備優勢。儘管在製造業和保險業中，AI 的應用已相對成熟，但在賣方研究和投資銀行等領域，AI 的滲透仍面臨挑戰。

- AI 正在逐步替代傳統投研流程，提升效率。  
- 許多金融崗位面臨被 AI 取代的風險，尤其在數據處理上。  
- 儘管存在文化和合規障礙，AI 的應用仍在金融行業逐漸擴展。  

“碳基"VS"硅基"：二級市場的人機 “生死競速”