“碳基"VS"硅基"：二級市場的人機 “生死競速”

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"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”。

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 “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。

“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？

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 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。

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。