给大家普及“金花房间卡怎么买 ”房卡链接获取2026年09月22日 04时00分04秒
-->
当AI走入投研深处：
一场效率革命 ，一道行业新题
究竟是机器替代人，还是人驾驭机器？这一场待解的争论 ，如今在资管行业持续发酵 。
AI替代研究员完成部分基础工作 ，已成为现实 。办公室可以变“轻”，投研平台却在变“重 ”；机器承担的工作越来越多 ，人的价值越来越向判断集中。不只是研究岗位 ，当AI走进资管业务深处，从研究 、交易 、风控到归因分析，一场关于效率、组织和决策权的重构才刚刚开始 。与此同时 ，当大量基础研究工作被机器接手 ，研究经验如何沉淀 、年轻研究员如何成长，也成为摆在资管机构面前的新课题 。
资管“新十二时辰 ”
对于投资经理而言 ，过去熬夜跟踪海外市场 、搜集信息的工作方式 ，正在被AI改变。
6点50分，张炀民的手机屏幕亮了起来。一份名为《鸣山盘前策略》的简报已在邮箱中等待检阅 ，写下这份简报的 ，是一台没有关机的电脑 。随着AI逐步嵌入投研流程，他的研究团队也随之精简 。
“效率是第一生产力。”张炀民告诉上海证券报记者 。从景林资产到鸣山基金 ，从大平台研究员到私募基金创始人兼投资经理 ，长期身处研究与投资决策一线的他，正通过AI重新构建工作流 。
“现在对信息差的争夺精确到了秒级。”张炀民说 。过去每天要花大量时间翻研报、刷新闻 、找产业资料 ，如今 ，这些工作被拆成一个个“岗位 ”，交给不同的AI智能体 。
每天6点10分，电脑开始抓取隔夜美股 、A50期货、美元指数 、VIX等数据 ，扫描事件日历和快讯 ，再交给大模型形成盘前判断。大模型形成的判断须同时给出方向 、量化阈值和时限；没有抓到的数据，则直接标注“数据缺失 ” 。7点30分 ，另一个跟踪产业链变化的AI“岗位”开工 ，专门“蹲守 ”产业链专家、卖方分析师 、供应商高管等人士的动态 。随后，跟踪宏观 、科技、医药、有色等领域的智能体陆续开工 ，把过去24小时的信息压缩成变化量 、传导路径和可交易条件 ，再由汇总程序寻找相互矛盾之处。
等张炀民坐到餐桌前喝咖啡时，几十个网页和一长串未读消息 ，已变成一份分好“重复 、噪音、新变化 ”的清单 。真正值得追踪的两三条关键信息 ，再被转给研究员进行交叉验证 。这套流程减少了夜间处理信息的时间，也让他能在开盘前完成关键信息筛选。
团队变“轻” ，平台变“重”
不只是张炀民。记者近期走访多家私募机构发现 ，办公室比想象中安静得多，大部分时候，机器在工作 ，人在作判断 。
一位私募基金经理告诉记者 ，对于部分中小私募而言，券商研究所可以提供外部研究支持 ，而公告整理 、研报阅读 、数据提取、信息初筛等工作 ，则愈发倾向于交给AI 。与此同时，从大模型会员 、专业数据库到智能体 、代码工具 ，一些私募正在加大AI相关投入。办公室里少了几张工位 ，后台却多了一批24小时运转的“数字研究员 ” 。
但有一个位置很难省掉——交易员 。即使部分私募将研究团队压缩至数人，交易执行岗位仍被保留下来。从基金经理作出判断到一笔真实交易落地 ，中间仍涉及指令执行、成交跟踪 、异常处理和交易风控等环节 。
于是 ，一幅新的投研图景出现：基金经理深入产业调研，券商研究所提供外部支持 ，AI留在后台昼夜处理信息 ，交易员守着最后的执行环节 。办公室看起来“空 ”了，投研链条却没有消失，而是在重新分工。
头部公募则呈现出另一种变化 。相较直接压缩团队 ，头部公募更重视依托技术平台重构投研流程 。
“基金经理早已告别‘单兵作战’的模式 ，他们站在公司整体平台能力之上，依托大模型 、机器学习这些前沿技术 ，实现投资决策从‘人工筛选’到‘智能挖掘’、从‘个体决策’到‘人机协同’的跨越。 ”华夏基金总经理李一梅表示 ，投研模式也从经验驱动向科学驱动的“平台化 、工业化”模式转型 。
易方达基金相关人士告诉记者，目前 ，公司EWork平台上可供员工安装调用的Skill ，已覆盖投研 、交易、运营、销售 、市场 、合规、IT等核心业务条线，普通员工也可以根据自身工作需求创建和分享Skill 。
广发基金自2013年开启系统化建设 ，目前其自研的“阿基米德 ”一体化投研系统已服务于固定收益 、主动权益 、被动指数、跨境投资等业务 ，并在智能投研 、智能风控 、智能交易、归因分析等环节实现应用。
机器向前一步，人往何处走
AI最终能走到投资决策的哪一步？随着AI持续渗透 ，研究员乃至基金经理是否会被AI取代？对此 ，受访机构人士的看法不一。
沪上一位公募基金经理产生了一些危机感：“被替代是很有可能的，我甚至认为这是大势所趋 。 ”当前，他也在积极使用各类大模型 ，在家也会借助大模型处理各类报告 、辅助研究分析 ，“我只希望没那么快被淘汰 ” 。
张炀民也曾试着将“人机协同”的底线往前推，有时效率提升令人惊喜 ，但有时AI也会犯错。
“能不能杜绝AI喂错东西？不能 。 ”张炀民说 ，“能做的是让每一次错都被记下来，让它下一次错得少一点 。 ”此前 ，他一度希望AI直接产生投资观点 ，甚至参与仓位判断；如今，AI更多负责筛选观点 、发现异常 ，人则负责验证和决策。
每天收盘后 ，AI自己也要“接受拷问” 。下午4点，“裁判”智能体根据真实收盘价给早上的判断逐一打分——命中、部分命中还是落空 ，由代码裁决 ，不允许模型自评 。系统还会寻找连续走强却没有被原有框架覆盖的板块，弹出“踏空提醒 ”。“到头来，人的判断和决策反而更重要了 。 ”张炀民感叹道 。
华宝基金权益投资部基金经理夏林锋坦言 ，相较通用大模型 ，基金公司更关注如何将AI与自身投研框架深度结合。主观投资涉及行业景气判断 、商业模式认知和投资逻辑迭代等复杂因素，如何将基金经理长期积累的研究经验转化为可复制 、可训练的“技能模块” ，并将成熟的投资框架和投研方法在模型中有效固化 ，是AI进一步落地时需要解决的问题 。目前，外部AI工具仍存在“数据幻觉 ”、事实错误及信息源可信度不足等问题 ，相关结果仍要通过传统研究方法进行交叉验证 ，尚难直接用于投资决策 。
AI的边界依然清晰。“AI带给资管行业的变化，并不只是少用几名研究员、多部署几个智能体。当越来越多基础工作交给机器 ，效率提高之后 ，如何让年轻研究员完成必要的研究训练，如何将资深基金经理依赖长期实践形成的经验沉淀为机构能力 ，如何在人机协同中守住投资决策和风险控制的责任边界 ，都需要重新回答 。对于资管行业而言，真正需要重构的或许不仅是一套投研工作流，更是一套与人机协同时代相适应的人才培养 、经验传承和决策机制 。 ”一位业内人士说。
（文章来源：上海证券报）
