研究員最先被替代？資管AI浪潮下，誰在悄悄出局？

“AI技術正在深度重構資產管理的全鏈條，這一進程的速度將比歷史上任何一次變革都更為迅猛。”近期，晨星全球CEO兼總裁Kunal Kapoor表示，AI改變了財富管理行業的投研分析、組合構建、客戶服務、財富管理渠道等多個環節，過去這些技術只屬于少數機構投資者。

在這場變革的共識下，大型金融機構自建AI工具、中小機構接入大模型、一線財富經理自己也在使用AI工具。

而在效率躍升的同時，新的不確定性也在浮現：當AI逐步參與決策鏈條，投研人員的角色邊界如何定位？一旦AI介入交易或建議環節，責任歸屬如何界定？在機構“跑步入場”的喧囂背后，職業重塑的陣痛與合規焦慮正在接踵而至。

財富產業鏈AI競賽

隨著2025年上市券商年報披露進入尾聲，“AI戰略”成為行業核心關鍵詞。華泰證券（601688.SH）明確提出“All in AI”戰略，招商證券（600999.SH）成立“AI研究所”，國泰海通（601211.SH）等機構相繼發布大模型。根據Wind數據，截至2026年4月29日，已披露2025年年報的上市券商信息技術合計投入約為249.76億元。

除券商外，公募基金及第三方財富管理機構亦在同步加碼。工銀瑞信基金總經理楊帆表示，AI應用已成為影響未來幾年公司競爭力的重要變量。天弘基金量化投資部負責人楊超透露，公司已啟動全面AI轉型。他認為，在模型迭代加速的環境下，核心競爭力已從階段性的模型本身轉向能夠驅動持續迭代的平臺機制。

目前，財富管理行業已初步形成“頭部自建底座、中小機構敏捷接入、一線人員按需使用”的多層級生態，并沿著兩條路徑推進：一是機構端投研與服務體系的系統性重構，二是工具化應用在從業者端的常態化滲透。

在投研領域，AI正經歷從輔助工具向生產力核心的轉變。訊兔科技創始人李羅丹指出，投研工具正從繁雜的數據終端向單一的AI終端演變。其旗下的AI投研產品Alpha派在過去3年服務超過9萬名投研人員，覆蓋機構超6000家。他觀察到，AI對買方資管的滲透已完成“三級跳”：從早期的會議紀要處理，進化到2024年年底具備多步驟拆解能力的智能體，直至今日具備端到端完成復雜投研任務的能力。

這種底層生產力的變革在數據調用上得到了直觀體現。阿里云金融行業線副總經理徐志良透露，某頭部券商平均每名程序員每天調用的Token數量高達3000萬個。這一趨勢表明，AI已深度嵌入資管機構的研發流程。

在服務與交易側，效率提升正由實驗室數據轉向實操結果。易方達財富總經理韓香介紹，該公司已對投顧全流程實施AI賦能，持倉分析報告的生成時間已從人工時代的數小時縮短至約10分鐘。

盈米基金董事長肖雯表示，公司內部部署了200余個私有化模型，月均Token消耗量達千億級，內部AI應用超過3000個。其AI服務系統累計回答客戶問題240萬個，用戶通過率超過90%。

麥肯錫全球董事合伙人馬奔分析認為，全球財富管理機構的AI布局重心正發生轉向：從單純的后臺效率提升，延伸至精準客戶畫像、個性化組合建議，以及通過“實戰代練”系統提升投顧人員的專業能力。

盡管技術供給側已實現“平權”，但在實際應用端，從業者的使用深度呈現顯著分化。徐志良指出，在同一機構內部，頂尖用戶利用AI輔助開發的單日花費可達8000元，而尾部用戶仍傾向于“手搓人類古法寫代碼”，兩者之間形成了明顯的“效率鴻溝”。

這種分化同樣存在于業務一線。東方財富證券副總經理鄧娟指出，面對全市場超過1萬只公募產品，研究員和基金經理已無法依靠人力覆蓋。她認為，利用AI實時輔助投顧進行KYC（了解客戶）并生成即時配置建議，已成為行業對抗信息過載、實現規模化服務的必要手段。

AI終端下職能優勝劣汰

對于財富管理行業的從業者而言，是否擁抱AI已不是一道選擇題，而是一道生存題。

“這輪AI浪潮與既往技術革命的不同之處在于，它最先沖擊的不是體力勞動者，而是智力工作者。”嘉實財富總經理陶榮輝表示，隨著AI推理和編程能力的突破，美國部分大型科技公司已大幅減少招募應屆計算機專業畢業生，這種寒氣正加速向財富管理行業的投研核心圈滲透。

“我們最開始以為，最先被替代的會是交易員、產品經理或者投資顧問。”一家公募基金投資部負責人提到，隨著AI應用的推廣，最受影響的居然會是研究員。長期以來，研究員被視為資管行業的“特種兵”，每日深陷于海量財報、研報與公告的泥淖中。然而在AI眼中，這種高強度的智力作業正面臨嚴重的“生產力降維”。

“行業以前有很多看研報、看數據的終端，但今天只有一個終端，就是AI的終端。”訊兔科技創始人李羅丹表示，AI對買方資管的滲透已實現從基礎搜集到端到端處理復雜任務的進化。過去需要一名初級研究員耗費數天完成的財報拆解、背景調查和數據對齊，現在只需通過AI助手即可秒級生成。

楊超認為，在模型迭代越來越快的環境下，人的核心價值不再是維護某個階段性的模型，而是轉向對底層邏輯的定性判斷，研究員的職能正從“尋找答案”被迫轉向“定義問題”與“邏輯證偽”。

韓香則認為，AI能將持倉分析報告的生成時間壓縮至10分鐘，但它無法代替人類顧問的工作，構建基于人與人之間長期互信的深度鏈接。

“未來所有端到端、所有線上案頭工作全部可以被AI取代。”李羅丹認為，未來線下的服務越來越貴，人和人的服務會變成“奢侈品”，一手產業信息的獲取、無法被AI集成的非共識認知，以及人與人之間的關系管理，這些都是未來人工投資研究的價值所在。

AI決策合規邊界尚需厘清

相比崗位重塑，更現實的問題在于，當AI逐步從“輔助判斷”走向“影響決策”，財富管理行業所依賴的信義義務、責任歸屬與合規框架，也迎來前所未有的壓力測試。

“如果你用AI來下單，將來一旦出錯，從合規的角度，到底是人的錯誤，還是機器的錯誤？這有點說不清楚。”在九鞅投資董事長何華看來，AI在多數金融機構的實際應用，仍止步于信息處理和輔助決策，真正介入執行環節的案例極為罕見，因為存在不確定性、不可控性，大量金融機構不敢將AI引入交易端。

Dify亞太區總經理陳璐莎認為，金融行業AI應用面臨三個顯著特征，重流程、重合規、重協作，而合規最重要，因為合規是金融的第一要素。現階段AI在金融機構的落地，很大程度上是將原有工作流在合規框架內進行數字化改造，而非真正意義上的決策替代。

與此同時，AI應用還可能面臨一個系統性風險，即算法同質化。當頭部機構廣泛采用相似的AI底層模型和策略框架時，市場上的策略趨同將進一步加劇，進而可能放大波動、削弱Alpha的可持續性。楊超指出，正是因為預判到這一趨勢，天弘基金選擇以AI驅動策略向“獨立于市場Beta的Alpha源”方向轉型，以期在同質化加劇的背景下建立差異化的“護城河”。

長期關注證券基金與投資理財領域的上海漢聯律師事務所合伙人宋一欣律師告訴記者，目前中國對于AI參與金融決策的監管框架仍不完整。現行的《證券法》《基金法》對于AI參與投研決策或交易執行的責任歸屬均無明確規定。近期出臺的《金融產品網絡營銷管理辦法》則主要覆蓋營銷端，對投研和交易環節的AI介入暫未涉及。

這一法律空白，導致“合規焦慮”在相當程度上成為一個無法落地的問題。機構擔憂，但找不到可以對標的規則；從業者謹慎，但缺乏明確的邊界參照。

嘉實財富總經理陶榮輝認為，責任需要人來“背鍋”，現階段AI介入財富管理的一個核心約束是法律責任的可歸屬性，這在很大程度上決定了AI能否決策核心環節。

宋一欣同樣認為，現行法律不承認AI具有獨立的法律人格，從海外經驗來看，美國證券交易委員會與英國金融行為監管局對于AI參與投資決策均已形成初步監管框架，核心原則圍繞可解釋性、責任歸屬與信義義務展開。國內監管機構的公開表態目前仍較為有限，但行業對相關細則出臺的預期正在上升。

馬奔認為，正因財富管理服務中充斥著合規風險和信義責任風險，AI在該行業的落地，對風險管理的嵌入要求遠高于其他行業，所以怎么把風控嵌入到模型應用和應用流程中，是極為關鍵的要素。

北京京都律師事務所合伙人騰杰律師向記者表示，未來短期內最有可能出現的監管動向，或將集中在AI生成內容的合規審查、算法交易的透明度要求以及智能投顧的信義義務認定等具體領域。

（編輯：曹馳 審核：何莎莎）

【中經金融】

【中經金融】立足于價值發現與分享，為您解讀最新的投融資環境變化，捕捉財經市場重要信息，事事有關您的財富增益。