碳基与硅基二级市场人机竞速分析

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、有条理地输出一些投资建议。过去一年间，AI程序迅速地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“数字大脑”、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”。

01 曾经最坚固的“堡垒”

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”。

02 哪些因素挡住了AI?

什么原因把AI挡在了金融核心业务系统以外？

走访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得快。

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？

03 曾经“堡垒”已经出现裂缝

虽然存在这样或那样的护城河，但悄悄地，这个堡垒早就出现了裂缝。

据相关了解，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地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，接着巨细靡遗地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”。

虽说这些工作目前AI“完成”得还比较粗糙，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，一些团队反映，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。

04 “没有感情”的优势和劣势

而在交易和下单环节，尤其是与量化策略结合时，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”地进行拆单、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？

05 主观和AI的结合是当下的需求

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，如何来帮助研究员做研究，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。

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！