今天小編分享的互聯網經驗：“碳基"VS"矽基"：二級市場的人機“生死競速”，歡迎閱讀。
子夜時分，當勤奮的基金經理聽完最後一場路演，看完最新一份研報，合上自己的電腦筆記本的時候。他的 " 數字同行 " 正在某處大模型基地中滋滋生長、默默長大。
從簡單的數據處理工具，到完成研究報告閱讀并提煉要點，再到有邏輯、有條理的輸出一些投資建議。過去一年間，AI 程式迅速的跨過了幾個初級階段，着手開始動搖已延續了五六十年之久的傳統投研流程。
當金融街上的年輕人還在用尼古丁和咖啡因對抗生物鍾時，AI 算法憑借永不合眼的 " 數字大腦 "、以及幾分鍾内上萬字的輸出效率，即将開始 " 挑戰 " 他們的工位。
它們會真的替代他（她）們麼？
" 會的，十年之内，這個市場上 90% 的基金經理、分析師都會消失。" 一位公募機構的投資總監如此預測。
但也有研究總監不贊同他的預測。
" 不需要十年，五年就夠了 "。
曾經最堅固的 " 堡壘 "
人工智能對普通人力崗位的替代不是現在才開始的，在傳統制造業裡這個趨勢早已展開。
在吉利西安工廠的焊裝車間，886 台焊接機器人以 0.5 毫米的精度完成車身焊接，配合 650 台 AGV 智能物流車，将原本需要 300 人的產線壓縮到不足 50 人。
鞍鋼集團的 " 黑燈工廠 " 更為徹底，在礦業公司工區，智能巡檢機器人和清掃機器人閃爍着燈光在各處有序作業；在冷軋彩塗工區，整條生產線現場都空無一人，只見各類機器人配合無人天車，實現作業區網域無人作業。
甚至在金融行業裡，比如保險業，人工智能客服系統和保單審核系統，早已在各家大型機構裡普及。如今的保險車險報案，客戶第一接觸的幾乎 100% 是人工智能。
但在金融行業最重要的賣方研究、自營資管和投資銀行等業務上，人工智能的滲透歷經多年未有重大突破。
自上個世紀七十年代以來，一個賣方分析師的工作流程就是固定的，搜集數據和信息——整理數據和信息——整合出研究報告——對外發布和路演溝通。
這個流程自上個世紀末經由海外傳入國内，和中國資本市場龐大的上市公司數量、驚人的流動性、以及空前的機構投資者數量結合，造就了海外難得一見的賣方研究市場規模。
在最高峰期，國内一家頂級的賣方研究所，用人規模可以達到近千人（含銷售和服務團隊）。一個大行業的研究組裡可以有超過十名分析師，率領十多位實習生，負責跟蹤研究上百家重點公司的動向。
在很長時間内，内地賣方研究機構的 " 信息化 " 主要體現在，應用 EXCEL 插件、把報告發布溝通方式從電話更改為微信群。
這個行業幾乎是至今少數未被人工智能實質性影響的 " 崗位堡壘 "。
哪些因素擋住了 AI?
什麼原因把 AI 擋在了金融核心業務系統以外？
資事堂接觸多家大型資管機構後，得到了以下的觀點：
第一，投資研究的工作崗位有大量 " 非标 " 的工作細節。簡單的人工智能系統，不可能替代這些工種。訓練一個聰明的年輕人的效率，遠比訓練一個智能系統來的快。
第二，金融工作有很高的合規性和安全性要求。金融業務數據涉及大量敏感信息，使用 AI 處理這些數據可能存在洩露風險，尤其是在數據保護法規不完善的時候。
第三，金融工作有很高的專業性和成熟度要求，容錯度很低。AI 人工智能的 " 幻覺 " 等情況，可能導致很嚴重的後果。
第四，金融行業傳統上高度依賴人類經驗和溝通并關聯着嚴密的法律責任。尤其是在高風險決策中，人們可能更信任人類專家而非算法。這種文化阻力可能延緩了 AI 的采用。
但随着，Deepseek 們的日夜長大，這些曾經的 " 壁壘 "，真的那麼堅硬麼？
曾經 " 堡壘 " 已經出現裂縫
雖然存在這樣或那樣的護城河，但悄悄的，這個堡壘早就出現了裂縫。
據資事堂了解，在一些頂級資管機構内部，AI 機器人早就開始在發揮作用，只是對外 " 秘而不宣 "。
在這些機構裡，AI 機器人已經開始部分的替代研究員參與線上的路演。
它們往往以實際團隊中某研究員的身份登錄系統，然後靜靜 " 蹲 " 在會議的角落裡，然後巨細靡遺的錄下所有的發言内容，以及問答提問。
先進一點的 AI，可能還會概括調研要點，并根據投資團隊的要求，提煉 " 關鍵詞 " 和 " 重要内容 "。
雖然，這些工作目前 AI" 完成 " 的還比較粗糙，但它們已經大大減少了人工勞力的耗用。
尤其是面對現在海量的路演和上市公司反路演，AI 們勤懇無怨、24 小時不休、多線程的優勢已經展露出來了。
另外，一些團隊反應，在重要的專題研究中，AI 研究員雖然不如人工那麼有邏輯、善于歸納分析。但它們善于從海量信息中搜集相關内容，并做一定程度的整合的能力，還是體現出一定的價值。尤其是專題的時效要求較高、工作量巨大時。
" 沒有感情 " 的優勢和劣勢
而在交易和下單環節，尤其是和量化策略結合是，AI 智能機器人的應用空間可能更大。
比如，在交易環節，AI 智能機器人可以 " 智能化 " 的進行拆單、下單、搶單、撤單等工作，而且完成效率很高。
另外，在設計交易策略時，AI 機器人幾乎不會受上一筆、更上一筆的 " 情緒 " 影響，這個特點在很多場合都具備優勢。
而在一些大型的量化私募機構裡，AI 能夠參與的 " 工種 " 可能更多——因為後者，在交易頻度、合規要求方面，有時候會比公募機構有着更寬松的空間。
從這個意義上說，Deepseek 這樣具有突破性意義的 AI 通用大模型，誕生在一家頂級私募機構的 " 關聯 " 公司裡，并非意料之外，而是情理之中。
而且，在主觀投資範圍裡，AI 可能也有自己的應用場景。
" 在未來某個時候，不排除有人通過巴菲特的交易案例來訓練巴菲特風格的交易機器人。" 一位基金經理說。
那還需要人力麼？
主觀和 AI 的結合是當下的需求
雖然，呼嘯而來的遠景令人驚訝，但當下的現實似乎還是在于如何把資深投研人員的 " 主觀能力 " 和 AI 的 " 特點 " 結合。
比如，以 DeepSeek 為代表的 AI，如何來幫助研究員作研究，幫助基金經理做投資。
2024 年 9 月，浙商基金是這樣解釋他們的 AI 如何幫助基金經理做投資的：
AI 并不做預測，AI 的分析行為均基于已存在的數據做更全面的分析。
比如，市面上某标的開始大漲，AI 通過對該基金的投資邏輯進行拆解 , 判斷它究竟是趕上了行業的風口，還是自身的價值潛力才盈利。AI 機器人逐漸了解到優秀的标的都具備怎樣的特質，然後基于自己強大的數據計算力，做歷史層面的各種假設和測試，給出接下來的投資信号。
甚至，根據他們的作圖，主觀的投研團隊可以看 10 個以上的行業，而 AI 模型可以追蹤上百個細分行業的動态。
在核心業務場景落地方面，中金财富表示 DeepSeek 展現出顯著的效率優勢。通過大模型的自然語言處理與事件推理能力，可對政策解讀、行業研報、上市公司公告等非結構化文本進行自動化解析，輔助投資顧問高效完成市場熱點分析和大盤解讀，顯著提升信息處理效率與決策精準度，單日處理量突破萬份文檔，較傳統人工處理效率提升 90%。
匯添富基金近日宣布，已完成 DeepSeek 系列開源模型的私有化部署，并将應用于投資研究、產品銷售、風控合規、客戶服務等核心業務場景。
或許，那個洶湧的時代，已經接近到來！
