編者按：DeepSeek的問世猶如平地驚雷，讓外界進一步見識了人工智能（AI）的魅力。參悟其中，券商研究所也意識到了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)用體驗或探索實踐。

未來，AI將在多大程度上賦能投研，這是一個值得探討的話題。AI對生產(chǎn)力的提升無疑值得各界欣喜，而AI給分析師帶來的“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。

證券時報記者 馬靜

一場會議錄音轉(zhuǎn)化為文字摘要，從人工用時兩個鐘縮短至10分鐘；利用大模型智能體，可自動生成日報、周報等各類高頻報告；能夠結(jié)合市場情緒、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，證券時報記者采訪了數(shù)家研究實力強勁的券商研究所，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？對于這些問題，受訪人士也詳細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，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年開始打造的對外一站式數(shù)字化投研品牌“中金點睛”，上線了找數(shù)據(jù)、AI搜索、智能紀要等三大對客服務(wù)，全端觸達用戶數(shù)近百萬、覆蓋機構(gòu)投資者近十萬；對內(nèi)則通過掌上投研及RMS等自研系統(tǒng)全方位賦能分析師，大幅提升報告模型、路演會議、客戶管理、質(zhì)控審核等工作場景的效率。

廣發(fā)證券則在行業(yè)指標問答調(diào)取和自動繪圖、研報增強搜索與深度問答等方面，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。證券時報記者了解到，中信建投證券多個研究團隊都建立了自己的行業(yè)知識庫，將研報、紀要、模型等各類文字資料，全部通過大模型智能體（Agent）進行統(tǒng)一管理，研究員可以隨時隨地向智能體詢問相關(guān)專業(yè)問題，并下載溯源文件。研究團隊還借助大模型自動生成行業(yè)日報、周報等，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，更是讓券商研究所以進一步積極的姿態(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)用場景。

申萬宏源研究總經(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，信息搜集（公告和公開新聞等）、數(shù)據(jù)處理（撰寫數(shù)據(jù)與公告一致性檢查）、風(fēng)險預(yù)警（風(fēng)險警示、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，近期進一步利用AI大模型工具輔助開展研報翻譯、會議紀要等工作，未來還會在研報撰寫輔助、研報審核、信息加工、內(nèi)部工作流程提效等方面開展更多工作。

針對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、研報質(zhì)量把控及風(fēng)險排查等領(lǐng)域的應(yīng)用。

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

高級應(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為，AI明顯改善了投研效率。那么，在投研的諸多場景中，AI大模型能解放多少生產(chǎn)力？

國信證券經(jīng)濟研究所策略首席分析師王開基于該所的實踐，從不同應(yīng)用層級描述了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、熱點追蹤、宏觀研究、資產(chǎn)配置、市場洞察、框架搭建等領(lǐng)域。據(jù)王開介紹，在初級應(yīng)用階段，AI主要承擔數(shù)據(jù)清理、熱點追蹤和指標計算等任務(wù)。例如，AI能夠自動歸納市場信息，提升熱點追蹤效率。這些任務(wù)相對標準化，AI可完全自動執(zhí)行，因此AI的有效性在理論上不會打折扣。

在中級應(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，國信證券總量團隊嘗試用ETF優(yōu)化風(fēng)險平價模型，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%?！半m然AI能夠在中級應(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%。”王開說。

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

從上述分享中可以看出，當下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，仍獨木難支。

中信證券信用債首席分析師李晗也告訴證券時報記者，在信用債市場的投研實踐中發(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、機會挖掘和標的定價等多個方面的實踐中仍存不足之處，離不開投研人員的核心把控。

海量數(shù)據(jù)處理問題待解決

在采訪中，受訪人士也都提到了當下受到熱議的AI幻覺問題（如生成錯誤信息）。

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)語料混合了很多不嚴謹?shù)男旁?；二是大模型本身缺乏金融?shù)據(jù)和語料，使得回答可用度和可信度降低?！暗覀円灿X得無需因噎廢食，接受它的不完美，并在實際應(yīng)用中通過多個工程手段來減少AI幻覺發(fā)生的概率?！痹撊耸客瑫r說。

中信建投證券研究所有關(guān)人士也有類似觀點，“好比人與人之間需要時間彼此了解，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、申萬宏源、國信證券、浙商證券等券商在這方面的解決思路和實踐，其實可以從不同階段對AI幻覺進行針對性規(guī)避。首先，是在預(yù)處理階段，使用合法合規(guī)公開的數(shù)據(jù)來源，接入金融數(shù)據(jù)庫，并將自身知識成果的積累沉淀整合為投研知識庫。其次，是在輸入層面，用Prompt Engineering的手段、通過上下文注入等技術(shù)實現(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，并將其融入生成過程。最后，是在輸出層面，通過人工、多模型交叉驗證、重復(fù)抽樣驗證等方式復(fù)核，還可以通過提供引文溯源對比來實現(xiàn)。甚至還可以引入一個多智能體的框架，由專門的智能體負責(zé)模型輸出結(jié)果的驗證，并通過智能體內(nèi)部的多輪對話，盡最大可能保證輸出的可靠性、準確性。

從現(xiàn)實來看，私有化部署的模型算力有限，無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“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信息資訊時，需要借助云端大模型的能力，但很多時候很難準確界定私域信息和公開信息。

王開也提到，當下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)分析的場景下，計算延遲影響了應(yīng)用效率。不過，國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，提高計算效率。同時，通過批量處理與并行計算優(yōu)化數(shù)據(jù)流，進一步提升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？

站在當前時點看，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)動要素，推動研究范式由經(jīng)驗驅(qū)動向數(shù)據(jù)驅(qū)動升級?！蓖蹰_同時也指出，從應(yīng)用實踐看，AI在投研中的作用更傾向于從1到1.5的增量優(yōu)化，而非從0到1的創(chuàng)造性構(gòu)建，其核心價值在于提升計算效率、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。浙商證券研究所有關(guān)人士直言“投研流程不會發(fā)生顛覆性的改變”，比如AI大模型投研應(yīng)用于自動信息處理和規(guī)模數(shù)據(jù)分析兩大方向，其本質(zhì)是對人力勞動密集環(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為，隨著大模型不斷發(fā)展，更多投研場景中可以使用AI進行提質(zhì)增效。不過，整體而言，大模型的優(yōu)勢在于文字與推理，而不在于判斷與創(chuàng)造。在他看來，未來人工主導(dǎo)、人機協(xié)作可能仍是常態(tài)。

“人機協(xié)同的本質(zhì)是認知能力再分配，并非效率疊加。分析師借力AI Agent的目標，是努力從‘信息處理’中解放出來，更多參與價值判斷與價值分發(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，未來，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)進行賦能；而分析師的戰(zhàn)場則向更高階的認知維度遷移，在AI的輔助下理解知識，輸出觀點，進行決策。最終，基于人類與AI認知差異形成雙向賦能通道，實現(xiàn)1（人）+1（AI）＞2，在人與AI能力矩陣的乘數(shù)效應(yīng)中創(chuàng)造價值。

“可以把AI當作一位不錯的合作伙伴，在AI驅(qū)動、人工創(chuàng)作和校準基礎(chǔ)上，未來投研流程或會有AI與資深分析師互相提示、AI與人工都校準等趨勢?！眲⒀蟊硎?。