admin 近日在 GTC 2026 上，NVIDIA 首席执行官黄仁勋表示，“到场的大多数人都是金融分析师，而不是开发者”。我们可以看到资本市场对人工智能的兴趣正在增加。近年来，人工智能也给资本市场带来了很多投资机会。根据 Anthropic 最新的《人类技能人工智能替代率报告》（人工智能对劳动力市场的影响：新测量和早期证据），“计算”和“商业金融”位居榜首，潜在替代率高达 94%。人工智能编码的力量现已得到广泛认可。考虑到人工智能发展的速度，我相信它在金融领域得到充分利用只是时间问题。除了研究人工智能所带来的投资机会，我们不禁思考以下几个问题：新课题：人工智能时代“传统”投资研究范式将如何重塑？投资研究者和管理者的价值将如何体现人工智能什么时候可以生成报告并做出投资决策？如何将主观的“手工”投资转化为形式化、科学化的投资组合管理体系？ “传统”投资研究体系面临挑战。随着资本市场的发展壮大，市场容量、信息密度和资产管理产品呈现爆发式增长。一是市场容量不断扩大。截至今年2月底，A股上市公司数量已达近5500家，市值超过116万亿元（数据来源：中国国有企业协会）。科创板、科创板、北交所、美国概念股回归，投资范围不断扩大。随着经济转型，它们的数量不仅在增加，而且产业结构也在发生动态变化。借助传统制造业和金融周期的优势硬技术、新能源、生物医药等技术复杂、变化快、国际化程度高的新兴产业比重快速增加，产业研究复杂度也显着增加。信息密度呈指数级增长。上市公司研究报告一度是只有少数券商才能提供的“稀缺商品”。他们主要进行c的研究，我们经常在移动中花费一个小时甚至一天的时间进行交流。如今，网络电话会议十分盛行，产业链、供应链上下游数据库和专家会议不断丰富，各自有媒体渠道的信息迅速传播。上市公司和资本市场每天都会产生海量的数据、报告和信息，市场信息密度呈指数级增长。资产管理力爆发式增长金融产品：金融产品本身的供应也在呈爆炸式增长。曾经以主动型股票基金为主，现在私募量化、指数ETF、主动股票、“+债券”、FOF甚至全天候策略风靡一时。量化交易本身只占近30%。在此背景下，纯粹的长期股权策略面临多重挑战。一方面，由于竞争加剧，阿尔法挖矿的难度大幅增加。另一方面，主观产品的风格稳定性和业绩的持续性与量化产品整体相比有些不足。近期私募量化和“+债券”在投资者中的热度就体现了这一背景。市场环境的这些变化给研究和投资组合管理带来了额外的挑战。而这些挑战为大规模模型的详细应用提供了基础。应用范围大规模人工智能模型的出现将重塑和颠覆投资研究体系。大语言模型本身处理各种文本数据，例如年报、会议纪要、报告和精细模型科学家。这就是为什么 Anthropic 认为最适用的领域之一是财务分析。一些申请已经开始。尽管仍处于相对早期阶段，但我们相信人工智能的进步速度将很快重塑现有的投资研究体系。将人工智能纳入投资研究业务具有无可比拟的好处。首先，它非常高效，1分钟内即可生成详细报告。这相当于一个年轻研究人员几天的工作量。其次，我们提供公正、全面的行业报道。相比之下，由于能源限制，研究人员和基金经理只详细覆盖了少数行业。酒吧经常不营业。第三，它是全市场的投资，在线，24小时我们的一天，无论天气状况如何。第四，稳定。规则和严格的纪律，缺乏主观判断的随机性等。人工智能取代了大量的基础研究工作，包括大量的年度报告、复杂的专家访谈笔录和繁琐的财务数据。人工智能可以在几秒钟内提取、比较和聚合。从这个意义上说，在传统投研体系中充当“信息承载者”的初级分析师是最容易被取代的。人工智能可能很快就会协助许多主要研究任务。人工智能可以学会模仿看似“艺术”的投资技巧。与易于阅读的文字材料相比，投资组合管理显得非常主观，长期以来主要依赖于投资者的主观判断。然而，当用AI语音系统表达时，基金经理本质上是一个“模型”，所有的投资决策都变成了“推论”。研究一个行业、公司或市场就是形成“模型”的过程。即使面对在相同的基本信息下，不同的投资者可以做出截然不同的投资决策。这背后是投资决策“模型”的差异。换句话说，基金经理在某种意义上是一个充分利用某些“技能”（能力）的“代理人”（智力）。这些技能一般可以分为宏观分析、行业比较、个股选股、交易等。比如个股选股往往可以分解为不同的因素，比如质量、估值、成长性、动量等。例如，格林布拉特的选股“神奇公式”使用两个简单的因素：质量和估值。由于投资方法可以分为要素，因此可以使用人工智能来学习它们并在一定程度上模仿它们。例如，如果人工智能经过充分训练来遵循巴菲特的投资系统，它是否可以重新创建巴菲特版本的选股代理？量化投资和主动投资之间的界限可能会逐渐消失引诱。迄今为止，通过分析金融市场成交量和价格数据，利用中高频交易产生利润的量化投资，尚未与主动投资基于基本面信息进行价值判断的底层逻辑直接相关。然而，大规模人工智能模型与研究的基本原理非常一致。未来，学习基本面、基于大规模模型进行投资决策和主动投资之间的界限可能会逐渐变得模糊，这也意味着阿尔法挖掘将变得更加困难。还会增加更多。对策：人工智能赋能下激进投资的演变 无论人工智能如何发展，主观研究仍然有其自身的优势和不可替代性。关键是要利用人工智能的赋能，同时最大限度地发挥主观能动性的好处。在信息平等的时代，我们将将完成从“信息优势”到“认知优势”、从“个体智能”到“人机协作”的转变。首先，我们坚持人工智能无法构建的判断维度。基础信息（会议纪要、报告、财务数据）的收集和分析很快将被人工智能取代。真正的投资决策在于这些信息之外的深层知识，包括创业精神、护城河和行业视角。确定这一切需要实地研究、长期监测和详细的行业研究。这背后正是投资最缺乏的：对行业中长期管理、商业模式和趋势的深入了解。二是深度壁垒面宽优势。持续“提升学习”，形成更专业的垂直“小模式”。也许未来人工智能能够全面了解所有行业和上市公司，但投资者仍然会能够带头深入研究具体行业和公司。这背后是长期投资研究积累的经验、教训和私人数据形成的行业研究框架，相当于在特定领域不断进行“强化学习”。三是坚持正确的投资理念和价值观。从某种意义上说，AI没有“价值”，只是数学统计结果。例如，当前大多数量化策略都会受到某些因素的影响，仅仅是因为它们在过去有效。这与价值投资和细致的价值判断的本质还是有很大不同的。该战略的长期可持续性也存在不确定性。最重要的是，在AI时代，这意味着我们必须全面采用人工智能工具和理念，规范投资组合管理，将过去的“手工”投资升级为常规的科学投资。耳鼻喉系统。标准化的因素表述将主观的、有些模糊的投资体系提炼为可操作的“技能”，包括个股选择、投资组合构建、交易系统等实施规则。通过聚焦长期有效的“因素”，形成清晰、可解释、可执行的规则，并基于人工智能工具稳定、高效地执行，实现科学的投资组合管理和稳定的投资业绩。 “短期来看，市场是一台投票机，但长期来看，它是一台称重机。”从100年前到今天，投资研究的可及性和便利性从未像以前那样。投资研究工具的进步使得在市场上“投票”变得越来越容易，但“评估”的能力似乎保持不变。虽然这反映在短期市场效率的大幅提高上，但仍存在重要的长期问题。rm结构性机会。正如巴菲特所说：“没有人愿意慢慢致富。”价值投资仍然是市场上少数投资者的常态。从这个意义上说，直面AI时代，拥抱AI主动投资，践行规则投资和价值投资，或许仍是正确的投资方式。
（编辑：康博）