子夜時(shí)分，當(dāng)勤奮的基金經(jīng)理聽完最后一場路演，看完最新一份研報(bào)，合上自己的電腦筆記本的時(shí)候。他的“數(shù)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(shù)據(jù)處理工具，到完成研究報(bào)告閱讀并提煉要點(diǎn)，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(gè)初級階段，著手開始動搖已延續(xù)了五六十年之久的傳統(tǒng)投研流程。

當(dāng)金融街上的年輕人還在用尼古丁和咖啡因?qū)股镧姇r(shí)，AI算法憑借永不合眼的"數(shù)字大腦"、以及幾分鐘內(nèi)上萬字的輸出效率，即將開始“挑戰(zhàn)”他們的工位。

它們會真的替代他（她）們么？

“會的，十年之內(nèi)，這個(gè)市場上90%的基金經(jīng)理、分析師都會消失。”一位公募機(jī)構(gòu)的投資總監(jiān)如此預(yù)測。

但也有研究總監(jiān)不贊同他的預(yù)測。

“不需要十年，五年就夠了”。

曾經(jīng)最堅(jiān)固的“堡壘”

人工智能對普通人力崗位的替代不是現(xiàn)在才開始的，在傳統(tǒng)制造業(yè)里這個(gè)趨勢早已展開。

在吉利西安工廠的焊裝車間，886臺焊接機(jī)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(chǎn)線壓縮到不足50人。

鞍鋼集團(tuán)的“黑燈工廠”更為徹底，在礦業(yè)公司工區(qū)，智能巡檢機(jī)器人和清掃機(jī)器人閃爍著燈光在各處有序作業(yè)；在冷軋彩涂工區(qū)，整條生產(chǎn)線現(xiàn)場都空無一人，只見各類機(jī)器人配合無人天車，實(shí)現(xiàn)作業(yè)區(qū)域無人作業(yè)。

但在金融行業(yè)最重要的賣方研究、自營資管和投資銀行等業(yè)務(wù)上，人工智能的滲透歷經(jīng)多年未有重大突破。

自上個(gè)世紀(jì)七十年代以來，一個(gè)賣方分析師的工作流程就是固定的，搜集數(shù)據(jù)和信息——整理數(shù)據(jù)和信息——整合出研究報(bào)告——對外發(fā)布和路演溝通。

這個(gè)流程自上個(gè)世紀(jì)末經(jīng)由海外傳入國內(nèi)，和中國資本市場龐大的上市公司數(shù)量、驚人的流動性、以及空前的機(jī)構(gòu)投資者數(shù)量結(jié)合，造就了海外難得一見的賣方研究市場規(guī)模。

在最高峰期，國內(nèi)一家頂級的賣方研究所，用人規(guī)模可以達(dá)到近千人（含銷售和服務(wù)團(tuán)隊(duì)）。一個(gè)大行業(yè)的研究組里可以有超過十名分析師，率領(lǐng)十多位實(shí)習(xí)生，負(fù)責(zé)跟蹤研究上百家重點(diǎn)公司的動向。

在很長時(shí)間內(nèi)，內(nèi)地賣方研究機(jī)構(gòu)的“信息化”主要體現(xiàn)在，應(yīng)用EXCEL插件、把報(bào)告發(fā)布溝通方式從電話更改為微信群。

這個(gè)行業(yè)幾乎是至今少數(shù)未被人工智能實(shí)質(zhì)性影響的“崗位堡壘”。

哪些因素?fù)踝×薃I?

什么原因把AI擋在了金融核心業(yè)務(wù)系統(tǒng)以外？

資事堂接觸多家大型資管機(jī)構(gòu)后，得到了以下的觀點(diǎn)：

第一，投資研究的工作崗位有大量“非標(biāo)”的工作細(xì)節(jié)。簡單的人工智能系統(tǒng)，不可能替代這些工種。訓(xùn)練一個(gè)聰明的年輕人的效率，遠(yuǎn)比訓(xùn)練一個(gè)智能系統(tǒng)來的快。

第二，金融工作有很高的合規(guī)性和安全性要求。金融業(yè)務(wù)數(shù)據(jù)涉及大量敏感信息，使用AI處理這些數(shù)據(jù)可能存在泄露風(fēng)險(xiǎn)，尤其是在數(shù)據(jù)保護(hù)法規(guī)不完善的時(shí)候。

第三，金融工作有很高的專業(yè)性和成熟度要求，容錯(cuò)度很低。AI人工智能的“幻覺”等情況，可能導(dǎo)致很嚴(yán)重的后果。

第四，金融行業(yè)傳統(tǒng)上高度依賴人類經(jīng)驗(yàn)和溝通并關(guān)聯(lián)著嚴(yán)密的法律責(zé)任。尤其是在高風(fēng)險(xiǎn)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的采用。

但隨著，Deepseek們的日夜長大，這些曾經(jīng)的“壁壘”，真的那么堅(jiān)硬么？

曾經(jīng)“堡壘”已經(jīng)出現(xiàn)裂縫

雖然存在這樣或那樣的護(hù)城河，但悄悄的，這個(gè)堡壘早就出現(xiàn)了裂縫。

據(jù)資事堂了解，在一些頂級資管機(jī)構(gòu)內(nèi)部，AI機(jī)器人早就開始在發(fā)揮作用，只是對外“秘而不宣”。

在這些機(jī)構(gòu)里，AI機(jī)器人已經(jīng)開始部分的替代研究員參與線上的路演。

它們往往以實(shí)際團(tuán)隊(duì)中某研究員的身份登錄系統(tǒng)，然后靜靜“蹲”在會議的角落里，然后巨細(xì)靡遺的錄下所有的發(fā)言內(nèi)容，以及問答提問。

先進(jìn)一點(diǎn)的AI，可能還會概括調(diào)研要點(diǎn)，并根據(jù)投資團(tuán)隊(duì)的要求，提煉“關(guān)鍵詞”和“重要內(nèi)容”。

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

尤其是面對現(xiàn)在海量的路演和上市公司反路演，AI們勤懇無怨、24小時(shí)不休、多線程的優(yōu)勢已經(jīng)展露出來了。

另外，一些團(tuán)隊(duì)反應(yīng)，在重要的專題研究中，AI研究員雖然不如人工那么有邏輯、善于歸納分析。但它們善于從海量信息中搜集相關(guān)內(nèi)容，并做一定程度的整合的能力，還是體現(xiàn)出一定的價(jià)值。尤其是專題的時(shí)效要求較高、工作量巨大時(shí)。

“沒有感情”的優(yōu)勢和劣勢

而在交易和下單環(huán)節(jié)，尤其是和量化策略結(jié)合是，AI智能機(jī)器人的應(yīng)用空間可能更大。

比如，在交易環(huán)節(jié)，AI智能機(jī)器人可以“智能化”的進(jìn)行拆單、下單、搶單、撤單等工作，而且完成效率很高。

另外，在設(shè)計(jì)交易策略時(shí)，AI機(jī)器人幾乎不會受上一筆、更上一筆的“情緒”影響，這個(gè)特點(diǎn)在很多場合都具備優(yōu)勢。

而在一些大型的量化私募機(jī)構(gòu)里，AI能夠參與的“工種”可能更多——因?yàn)楹笳撸诮灰最l度、合規(guī)要求方面，有時(shí)候會比公募機(jī)構(gòu)有著更寬松的空間。

從這個(gè)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(jī)構(gòu)的“關(guān)聯(lián)”公司里，并非意料之外，而是情理之中。

而且，在主觀投資范圍里，AI可能也有自己的應(yīng)用場景。

“在未來某個(gè)時(shí)候，不排除有人通過巴菲特的交易案例來訓(xùn)練巴菲特風(fēng)格的交易機(jī)器人。”一位基金經(jīng)理說。

那還需要人力么？

主觀和AI的結(jié)合是當(dāng)下的需求

雖然，呼嘯而來的遠(yuǎn)景令人驚訝，但當(dāng)下的現(xiàn)實(shí)似乎還是在于如何把資深投研人員的“主觀能力”和AI的“特點(diǎn)”結(jié)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(jīng)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(jīng)理做投資的：

AI并不做預(yù)測，AI的分析行為均基于已存在的數(shù)據(jù)做更全面的分析。

比如，市面上某標(biāo)的開始大漲，AI通過對該基金的投資邏輯進(jìn)行拆解,判斷它究竟是趕上了行業(yè)的風(fēng)口，還是自身的價(jià)值潛力才盈利。AI機(jī)器人逐漸了解到優(yōu)秀的標(biāo)的都具備怎樣的特質(zhì)，然后基于自己強(qiáng)大的數(shù)據(jù)計(jì)算力，做歷史層面的各種假設(shè)和測試，給出接下來的投資信號。

甚至，根據(jù)他們的作圖，主觀的投研團(tuán)隊(duì)可以看10個(gè)以上的行業(yè)，而AI模型可以追蹤上百個(gè)細(xì)分行業(yè)的動態(tài)。

在核心業(yè)務(wù)場景落地方面，中金財(cái)富表示DeepSeek展現(xiàn)出顯著的效率優(yōu)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(yè)研報(bào)、上市公司公告等非結(jié)構(gòu)化文本進(jìn)行自動化解析，輔助投資顧問高效完成市場熱點(diǎn)分析和大盤解讀，顯著提升信息處理效率與決策精準(zhǔn)度，單日處理量突破萬份文檔，較傳統(tǒng)人工處理效率提升90%。

匯添富基金近日宣布，已完成DeepSeek系列開源模型的私有化部署，并將應(yīng)用于投資研究、產(chǎn)品銷售、風(fēng)控合規(guī)、客戶服務(wù)等核心業(yè)務(wù)場景。

或許，那個(gè)洶涌的時(shí)代，已經(jīng)接近到來！