汇添富基金董超：AI时代，投资研究的挑战与机遇

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也给资本市场带来了一大批投资机会。

根据人工智能安全公司Anthropic最新发布的人类技能AI替代率报告，“计算机”和“商业金融”以94%的潜在替代率排名前列。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，人们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？

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，市场容量、信息密度、资管产品爆发式增长。

首先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）。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。

其次是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”，如今围绕上市公司和资本市场每天产生的数据、报告及其他资料浩如烟海。

最后，资管产品大爆发：金融产品供给本身也在大爆发。从过去的以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。

这几个市场背景的变化，都对研究和投资组合管理提出了更大的挑战。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

大语言模型可以用于处理各种文本数据，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，一定会非常快速地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）效率极高，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，例如下跌时习惯性恐慌、上涨时容易过度乐观。

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，即使AI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、无差别地学习各个行业、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。主观、略带模糊的投资体系被归结于标准化的因子表达，提炼为一个个可执行的“skill”，形成明确可解释、可执行的规则，基于AI工具稳定高效执行，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。这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”，所以价值投资依然是市场少部分投资者的行为准则。