編者按：DeepSeek的問(wèn)世猶如平地驚雷，讓外界進(jìn)一步見(jiàn)識(shí)了人工智能（AI）的魅力。參悟其中，券商研究所也意識(shí)到了AI高效賦能投研的極大可能性，不少分析師已相繼曬出相關(guān)的AI應(yīng)用體驗(yàn)或探索實(shí)踐。

未來(lái)，AI將在多大程度上賦能投研，這是一個(gè)值得探討的話題。AI對(duì)生產(chǎn)力的提升無(wú)疑值得各界欣喜，而AI給分析師帶來(lái)的“職業(yè)取代”之憂，以及技術(shù)平權(quán)將如何重塑券商研究業(yè)務(wù)格局，同樣值得一探究竟。

證券時(shí)報(bào)記者 馬靜

一場(chǎng)會(huì)議錄音轉(zhuǎn)化為文字摘要，從人工用時(shí)兩個(gè)鐘縮短至10分鐘；利用大模型智能體，可自動(dòng)生成日?qǐng)?bào)、周報(bào)等各類高頻報(bào)告；能夠結(jié)合市場(chǎng)情緒、指數(shù)ETF跟蹤誤差等因素優(yōu)化選基，幫助ETF模擬組合將年化收益率從6.75%提升至7.18%……

近日，證券時(shí)報(bào)記者采訪了數(shù)家研究實(shí)力強(qiáng)勁的券商研究所，受訪人士分享的AI應(yīng)用案例不一而足。

當(dāng)AI從數(shù)據(jù)處理環(huán)節(jié)突圍，步入決策分析輔助，投研范式將會(huì)產(chǎn)生何種改變？AI在解放生產(chǎn)力方面的“神效”，可以覆蓋投研全部流程嗎？對(duì)于這些問(wèn)題，受訪人士也詳細(xì)坦露了他們的深度思考。

化身“多面體”賦能投研各環(huán)節(jié)

其實(shí)，在DeepSeek橫空出世之前，中金公司、中信建投證券、廣發(fā)證券等大型券商研究所早已啟動(dòng)了“AI+投研”的應(yīng)用探索，并有了一定的落地成果。

據(jù)了解，中金研究于2023年開(kāi)始打造的對(duì)外一站式數(shù)字化投研品牌“中金點(diǎn)睛”，上線了找數(shù)據(jù)、AI搜索、智能紀(jì)要等三大對(duì)客服務(wù)，全端觸達(dá)用戶數(shù)近百萬(wàn)、覆蓋機(jī)構(gòu)投資者近十萬(wàn)；對(duì)內(nèi)則通過(guò)掌上投研及RMS等自研系統(tǒng)全方位賦能分析師，大幅提升報(bào)告模型、路演會(huì)議、客戶管理、質(zhì)控審核等工作場(chǎng)景的效率。

廣發(fā)證券則在行業(yè)指標(biāo)問(wèn)答調(diào)取和自動(dòng)繪圖、研報(bào)增強(qiáng)搜索與深度問(wèn)答等方面，均有了相應(yīng)產(chǎn)出。

中信建投證券亦在投研環(huán)節(jié)引入了AI大模型。證券時(shí)報(bào)記者了解到，中信建投證券多個(gè)研究團(tuán)隊(duì)都建立了自己的行業(yè)知識(shí)庫(kù)，將研報(bào)、紀(jì)要、模型等各類文字資料，全部通過(guò)大模型智能體（Agent）進(jìn)行統(tǒng)一管理，研究員可以隨時(shí)隨地向智能體詢問(wèn)相關(guān)專業(yè)問(wèn)題，并下載溯源文件。研究團(tuán)隊(duì)還借助大模型自動(dòng)生成行業(yè)日?qǐng)?bào)、周報(bào)等，其中內(nèi)容采集、信息整理、版式調(diào)整等工作均可由智能體自動(dòng)完成。

值得一提的是，DeepSeek-R1在推理能力方面的顛覆效果，以及低成本高效能等優(yōu)勢(shì)，更是讓券商研究所以進(jìn)一步積極的姿態(tài)擁抱AI大模型。受訪券商研究所人士均提到，近期已在多方面廣泛應(yīng)用AI大模型，并持續(xù)探索新的應(yīng)用場(chǎng)景。

申萬(wàn)宏源研究總經(jīng)理助理、TMT總監(jiān)、首席分析師劉洋表示，目前正在研發(fā)新平臺(tái)，信息搜集（公告和公開(kāi)新聞等）、數(shù)據(jù)處理（撰寫(xiě)數(shù)據(jù)與公告一致性檢查）、風(fēng)險(xiǎn)預(yù)警（風(fēng)險(xiǎn)警示、提示函等）等都應(yīng)用了大模型技術(shù)。

廣發(fā)證券發(fā)展研究中心表示，近期進(jìn)一步利用AI大模型工具輔助開(kāi)展研報(bào)翻譯、會(huì)議紀(jì)要等工作，未來(lái)還會(huì)在研報(bào)撰寫(xiě)輔助、研報(bào)審核、信息加工、內(nèi)部工作流程提效等方面開(kāi)展更多工作。

針對(duì)分析師日常需要高頻處理的文字內(nèi)容工作，中金公司研究部也正在積極測(cè)試探索大模型在非結(jié)構(gòu)化信息提取、中英文字/圖表互譯、研報(bào)質(zhì)量把控及風(fēng)險(xiǎn)排查等領(lǐng)域的應(yīng)用。

中信建投證券研究所則正在探索一個(gè)內(nèi)部的深度報(bào)告輔助撰寫(xiě)的智能體解決方案。其核心思路是，借助DeepSeek強(qiáng)大的規(guī)劃、推理能力，對(duì)研究員給定的研究課題進(jìn)行任務(wù)拆解、大綱制定，并逐步完成。

高級(jí)應(yīng)用中AI有效性約40%

可以看出，AI大模型在投研業(yè)務(wù)上的應(yīng)用場(chǎng)景極其廣泛，并將突圍數(shù)據(jù)處理環(huán)節(jié)，參與到信息加工和決策分析輔助方面。幾乎所有受訪人士都認(rèn)為，AI明顯改善了投研效率。那么，在投研的諸多場(chǎng)景中，AI大模型能解放多少生產(chǎn)力？

國(guó)信證券經(jīng)濟(jì)研究所策略首席分析師王開(kāi)基于該所的實(shí)踐，從不同應(yīng)用層級(jí)描述了AI賦能投研的有效性。大模型在投研工作的落地環(huán)節(jié)，包括數(shù)據(jù)處理、熱點(diǎn)追蹤、宏觀研究、資產(chǎn)配置、市場(chǎng)洞察、框架搭建等領(lǐng)域。據(jù)王開(kāi)介紹，在初級(jí)應(yīng)用階段，AI主要承擔(dān)數(shù)據(jù)清理、熱點(diǎn)追蹤和指標(biāo)計(jì)算等任務(wù)。例如，AI能夠自動(dòng)歸納市場(chǎng)信息，提升熱點(diǎn)追蹤效率。這些任務(wù)相對(duì)標(biāo)準(zhǔn)化，AI可完全自動(dòng)執(zhí)行，因此AI的有效性在理論上不會(huì)打折扣。

在中級(jí)應(yīng)用階段，AI主要輔助專題研究、宏觀分析和資產(chǎn)配置優(yōu)化。比如資產(chǎn)配置方面，國(guó)信證券總量團(tuán)隊(duì)嘗試用ETF優(yōu)化風(fēng)險(xiǎn)平價(jià)模型，并選ETF基金做模擬資產(chǎn)配置，發(fā)現(xiàn)AI能夠結(jié)合市場(chǎng)情緒、指數(shù)ETF跟蹤誤差等因素優(yōu)化選基，幫助ETF模擬組合將年化收益率從6.75%提升至7.18%。“雖然AI能夠在中級(jí)應(yīng)用領(lǐng)域發(fā)揮重要作用，但由于AI仍需人類決策者提供研究框架，因此整體AI有效性約為60%。”王開(kāi)說(shuō)。

在高級(jí)應(yīng)用階段，AI主要用于市場(chǎng)深度洞察和大型課題研究。王開(kāi)表示，盡管AI在數(shù)據(jù)處理和分析方面有優(yōu)勢(shì)，但仍然難以獨(dú)立完成完整的研究邏輯和因果推理，高級(jí)應(yīng)用的AI有效性約為40%。

從上述分享中可以看出，當(dāng)下AI在基礎(chǔ)性、重復(fù)性的投研工作中表現(xiàn)較好，但越到創(chuàng)造性的深度思考階段，仍獨(dú)木難支。

中信證券信用債首席分析師李晗也告訴證券時(shí)報(bào)記者，在信用債市場(chǎng)的投研實(shí)踐中發(fā)現(xiàn)，AI在數(shù)據(jù)處理方面較人工效率有一定提升，但在策略應(yīng)用、機(jī)會(huì)挖掘和標(biāo)的定價(jià)等多個(gè)方面的實(shí)踐中仍存不足之處，離不開(kāi)投研人員的核心把控。

海量數(shù)據(jù)處理問(wèn)題待解決

在采訪中，受訪人士也都提到了當(dāng)下受到熱議的AI幻覺(jué)問(wèn)題（如生成錯(cuò)誤信息）。

據(jù)浙商證券研究所有關(guān)人士介紹，這主要體現(xiàn)在兩方面，一是大模型信息混雜，互聯(lián)網(wǎng)語(yǔ)料混合了很多不嚴(yán)謹(jǐn)?shù)男旁矗欢谴竽Ｐ捅旧砣狈鹑跀?shù)據(jù)和語(yǔ)料，使得回答可用度和可信度降低。“但我們也覺(jué)得無(wú)需因噎廢食，接受它的不完美，并在實(shí)際應(yīng)用中通過(guò)多個(gè)工程手段來(lái)減少AI幻覺(jué)發(fā)生的概率?！痹撊耸客瑫r(shí)說(shuō)。

中信建投證券研究所有關(guān)人士也有類似觀點(diǎn)，“好比人與人之間需要時(shí)間彼此了解，才能建立信任一樣，人與AI也需要不斷磨合?！?/p>

綜合中金公司、中信建投證券、申萬(wàn)宏源、國(guó)信證券、浙商證券等券商在這方面的解決思路和實(shí)踐，其實(shí)可以從不同階段對(duì)AI幻覺(jué)進(jìn)行針對(duì)性規(guī)避。首先，是在預(yù)處理階段，使用合法合規(guī)公開(kāi)的數(shù)據(jù)來(lái)源，接入金融數(shù)據(jù)庫(kù)，并將自身知識(shí)成果的積累沉淀整合為投研知識(shí)庫(kù)。其次，是在輸入層面，用Prompt Engineering的手段、通過(guò)上下文注入等技術(shù)實(shí)現(xiàn)更結(jié)構(gòu)化的提示詞，設(shè)定邊界、明確約束，避免大模型隨意發(fā)揮。在生成階段，還可以使用RAG（檢索增強(qiáng)生成）、Graph RAG等手段檢索相關(guān)高質(zhì)量文檔，并將其融入生成過(guò)程。最后，是在輸出層面，通過(guò)人工、多模型交叉驗(yàn)證、重復(fù)抽樣驗(yàn)證等方式復(fù)核，還可以通過(guò)提供引文溯源對(duì)比來(lái)實(shí)現(xiàn)。甚至還可以引入一個(gè)多智能體的框架，由專門的智能體負(fù)責(zé)模型輸出結(jié)果的驗(yàn)證，并通過(guò)智能體內(nèi)部的多輪對(duì)話，盡最大可能保證輸出的可靠性、準(zhǔn)確性。

從現(xiàn)實(shí)來(lái)看，私有化部署的模型算力有限，無(wú)法滿足海量信息處理需求是券商研究所使用AI大模型的另一個(gè)“攔路虎”。中信建投證券研究所有關(guān)人士坦言，這使得公司在處理公開(kāi)信息資訊時(shí)，需要借助云端大模型的能力，但很多時(shí)候很難準(zhǔn)確界定私域信息和公開(kāi)信息。

王開(kāi)也提到，當(dāng)下API調(diào)用的響應(yīng)速度仍然存在一定瓶頸，尤其是在高頻次、大規(guī)模數(shù)據(jù)分析的場(chǎng)景下，計(jì)算延遲影響了應(yīng)用效率。不過(guò)，國(guó)信證券研究所也在探索解決思路，即將部分AI處理流程遷移至本地化模型，以減少API調(diào)用依賴，提高計(jì)算效率。同時(shí)，通過(guò)批量處理與并行計(jì)算優(yōu)化數(shù)據(jù)流，進(jìn)一步提升AI在復(fù)雜投研任務(wù)中的響應(yīng)速度。

好工具還是業(yè)務(wù)顛覆者？

站在當(dāng)前時(shí)點(diǎn)看，AI在全方位賦能投研上仍不夠完滿，但AI的發(fā)展日新月異，未來(lái)將在多大程度上重構(gòu)券商投研業(yè)務(wù)呢？

“隨著大模型的發(fā)展，AI正從信息處理工具躍升為投研體系的核心驅(qū)動(dòng)要素，推動(dòng)研究范式由經(jīng)驗(yàn)驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)升級(jí)。”王開(kāi)同時(shí)也指出，從應(yīng)用實(shí)踐看，AI在投研中的作用更傾向于從1到1.5的增量?jī)?yōu)化，而非從0到1的創(chuàng)造性構(gòu)建，其核心價(jià)值在于提升計(jì)算效率、優(yōu)化分析框架，而非完全取代人工推理。

這也是受訪人士的共識(shí)。浙商證券研究所有關(guān)人士直言“投研流程不會(huì)發(fā)生顛覆性的改變”，比如AI大模型投研應(yīng)用于自動(dòng)信息處理和規(guī)模數(shù)據(jù)分析兩大方向，其本質(zhì)是對(duì)人力勞動(dòng)密集環(huán)節(jié)的替代，而非投資邏輯的顛覆。

中金公司非銀行金融及金融科技行業(yè)首席分析師姚澤宇認(rèn)為，隨著大模型不斷發(fā)展，更多投研場(chǎng)景中可以使用AI進(jìn)行提質(zhì)增效。不過(guò)，整體而言，大模型的優(yōu)勢(shì)在于文字與推理，而不在于判斷與創(chuàng)造。在他看來(lái)，未來(lái)人工主導(dǎo)、人機(jī)協(xié)作可能仍是常態(tài)。

“人機(jī)協(xié)同的本質(zhì)是認(rèn)知能力再分配，并非效率疊加。分析師借力AI Agent的目標(biāo)，是努力從‘信息處理’中解放出來(lái)，更多參與價(jià)值判斷與價(jià)值分發(fā)?！敝行沤ㄍ蹲C券研究所有關(guān)人士亦提到。

在該位受訪人士看來(lái)，未來(lái)，AI Agent將深度介入信息采集、數(shù)據(jù)清洗、基礎(chǔ)分析等腦力活中的“體力活”，更多為投研工作的非決策類環(huán)節(jié)進(jìn)行賦能；而分析師的戰(zhàn)場(chǎng)則向更高階的認(rèn)知維度遷移，在AI的輔助下理解知識(shí)，輸出觀點(diǎn)，進(jìn)行決策。最終，基于人類與AI認(rèn)知差異形成雙向賦能通道，實(shí)現(xiàn)1（人）+1（AI）＞2，在人與AI能力矩陣的乘數(shù)效應(yīng)中創(chuàng)造價(jià)值。

“可以把AI當(dāng)作一位不錯(cuò)的合作伙伴，在AI驅(qū)動(dòng)、人工創(chuàng)作和校準(zhǔn)基礎(chǔ)上，未來(lái)投研流程或會(huì)有AI與資深分析師互相提示、AI與人工都校準(zhǔn)等趨勢(shì)?！眲⒀蟊硎尽?/p>