硅谷刚刚结束的GTC 2026上，黄仁勋笑称，“现场来的最多的是金融分析师而不是开发者”，可见资本市场对AI的关注，过去几年AI也在资本市场带来了一大批投资机会。而另一方面，根据Anthropic最新发布的人类技能AI替代率报告（Labor Market Impacts of AI：A new Measure and Early Evidence），“计算机”和“商业金融”以94%的潜在替代率位列最高。现在AI Coding的能力已经无可置疑，考虑AI的进化速度，相信在金融领域全面应用甚至颠覆只是时间问题。

在研究AI带来的投资机会之外，不禁思考略显沉重的话题：AI时代，“传统”的投资研究范式会发生怎样的重塑？当AI可以撰写报告、做出投资判断，研究员、投资经理的价值又将如何体现？“手工匠人”式的主观投资，如何向规则化、科学化的组合管理体系升级？

一、资本市场持续扩容，研究和投资的复杂度指数级提升，“传统”投研体系面临严峻挑战

随着资本市场的发展壮大，呈现出市场容量、信息密度、资管产品爆发式增长态势。

一是市场容量持续扩张。到今年二月底，A股上市公司数量已接近5500家，总市值超116万亿元（数据来源：中国上市公司协会）。科创板、北交所、美股中概股回归，投资范围不断扩大。不仅是数量的增长，随着经济转型，产业结构也在发生动态变化——从传统制造业、金融周期行业主导，到硬科技、新能源、生物医药等技术复杂、快速变化、国际化程度高的新兴产业占比快速提升，产业研究的复杂度大幅提升。

信息密度指数级提升：上市公司研报曾经只是少部分券商能够提供的“稀缺产品”，调研现场为主、经常交流一个小时、一天时间在赶路。如今线上电话会议大幅普及，产业链供应链上下游数据库、专家会议不断丰富，各类自媒体渠道信息扩散极快。围绕上市公司和资本市场每天产生的数据、报告、资料浩如烟海，市场信息密度指数级提升；

资管产品大爆发：金融产品供给本身也在大爆发。从过去的主动权益基金为核心，到现在私募量化、指数ETF、主动权益、固收+、FOF乃至全天候策略百花齐放，仅量化交易占比据估计已经接近三成。在此背景下，单纯的股票多头策略遭遇多重考验：一方面，Alpha的挖掘难度因竞争加剧而陡增；另一方面，主观产品的风格稳定性、业绩持续性相比量化产品整体上略有不足。近几年私募量化和固收+受投资者追捧也体现了这一背景。

这几个市场背景的变化，都对研究和投资组合管理都提出了更高的挑战。而这些挑战恰恰为大模型的深度应用提供了基础。

二.AI大模型应用适逢其时，将对投研体系形成重塑与颠覆

大语言模型本身就是处理各种文本数据，包括年报、纪要、报告、财务模型，这也是为什么Anthropic认为最容易应用的领域之一就是金融分析。现在已经开始有一些应用，虽然还比较早期，但是相信以AI的进步速度，一定会非常快速的重塑现有的投研体系。

AI介入投研工作，主要是有着无法企及的优势：1）极高效率，一分钟生产深度报告，相当于一个初级研究员几天的工作量；2）全面覆盖，没有行业偏见，相比而言研究员和基金经理受精力限制往往只能深度覆盖少部分行业；3）全天候，24小时在线、全市场投资；4）稳定性。严格规则化和纪律性，没有主观判断的随意性、杜绝了人性的一些缺陷，例如下跌习惯性恐慌、上涨容易过度乐观。

AI会取代大量的基础研究工作，包括冗长的年报、复杂的专家访谈纪要、繁琐的财务数据，AI能在几秒钟内完成提取、对比和摘要。从这个意义上讲，传统投研体系中充当“信息搬运工”的初级分析师，是最容易被替代的。大量的初级研究工作可能将很快由AI辅助完成。

AI可以学习复制一些看似“艺术性”的投资方法：相比于可阅读的文本资料，投资组合管理看似具有非常高的主观性，长期以来也主要依赖投资人的主观判断。但如果用AI的话语体系来表达的话，基金经理本质上是一个“模型”，每一笔投资决策就是做一次“推理”。对行业、公司和市场的研究学习就是训练“模型”的过程。面对同样的基本面信息，不同的投资者可能做出完全不同的投资决策，背后就是投资决策的“模型”的差异，或者说，基金经理某种意义上就是一个掌握某些特定“skill”的“Agent”。这些skill一般可以拆解成宏观分析、行业比较、个股选择、交易等等方面。以个股选择为例，往往又可以拆解为质量、估值、增长、动量不同因子。例如格林布拉特的“神奇公式”选股就是用质量和估值两个简单的因子。既然投资方法可以解构为因子，某种程度上就可以用AI来学习、复制。例如，让AI完全按照巴菲特的投资体系来训练，是不是就可以复制一个巴菲特版的选股Agent？

量化投资与主动投资的界限可能会逐渐模糊：以往量化投资，基于金融市场量价数据分析、利用中高频交易获利，与基于基本面信息做价值判断的主动投资从底层逻辑上并不直接相关。但AI大模型与基本面研究的原理高度契合。未来基于大模型学习基本面知识、做投资判断的基本面量化与主动投资的界限可能会逐渐模糊；这也意味着Alpha的挖掘难度会进一步加大。

三.应对之道：AI赋能下的主动投资进化

当然，我们也要乐观的看到，即使AI进步的再强大，主观研究也依然有独特优势和不可替代性，关键是拥抱AI赋能的同时，发挥主观能动的优势，在信息平权的时代，完成从“信息优势”到“认知优势”的跃迁，从“个体智慧”到“人与AI协同”的转型。

第一，坚守AI无法结构化的判断维度。基础的信息的搜集分析（纪要、报告、财务数据）将很快被AI取代，而投资真正的判断恰恰在这些信息之外的深刻认知，比如企业家精神、护城河、产业前景等等。这些都需要实地调研、长期跟踪、深入产业才能够判断，这背后恰恰是投资中最稀缺的，对管理层、对商业模式、对产业中长期趋势深刻的洞察力。

第二，深度壁垒对抗广度优势。持续“强化学习”、形成更专业的垂类“小模型”。也许未来AI可以做到全面、无差别的学习各个行业、所有上市公司，但是投资者仍然可以在具体行业、具体公司的研究深度上领先，这背后是长期的投资研究中积累的私有数据、经验教训形成的行业研究框架，相当于在特定领域持续“强化学习”。

第三，坚守正确的投资理念与价值观。某种意义上AI并没有“价值观”，只是数学上的统计结果。例如，现在的量化策略多数暴露在某些特定的因子上，仅仅是因为这个因子过去有效，与价值投资、做深入价值判断的本质依然有较大的差异。这种策略的长期持续性也存在一定的不确定性。

最重要的是，在AI时代，全面拥抱AI的工具和理念，规则化组合管理，把过去某种意义上的“手工匠人”式投资，升级为规则化、科学化投资体系。把主观、略带模糊的投资体系归结于标准化的因子表达，提炼为一个个可执行的“skill”，包括实现个股选择、组合构建、交易体系等等的规则化。聚焦长期最有效的“因子”，形成明确可解释、可执行的规则，基于AI工具稳定高效率执行，实现组合管理的科学性、投资业绩的稳定性。

“市场短期是投票器、长期是称重机”。从100年前到今天，投资研究的门槛、便利性今非昔比，随着投资研究工具的进步，市场“投票”变得越来越容易，但“称重”的能力似乎并没有变化，体现在市场短期有效性急剧提升但长期依然存在重大的结构性投资机会。正如巴菲特所说，“没有人愿意慢慢变富”，价值投资依然是市场少部分投资者的行为准则。

从这个意义上讲，直面AI时代，拥抱AI赋能主动投资，更好践行规则化投资、价值投资，可能仍然是投资的正道。

风险提示：基金有风险，投资需谨慎。本资料涉及的观点和判断仅代表我们对当前时点的看法，基于市场环境的不确定性和多变性，所涉观点和判断后续可能发生调整或变化。本资料仅为宣传材料，不作为任何法律文件，本文仅用于沟通交流之目的，不构成任何投资建议。基金管理人承诺以诚实信用、勤勉尽职的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金的过往业绩不预示未来表现，基金管理人管理的其他基金业绩并不构成基金业绩表现的保证，投资人应当仔细阅读《基金合同》《招募说明书》《产品资料概要》等法律文件以详细了解产品信息。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。