首页 > 新闻 > A股

分享到微信

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

从“上个智能体”到“建体系”,公募AI布局拼到哪一步了

第一财经 2026-11-22 20:12:21 听新闻

作者:曹璐    责编:钟强

智能体密集上线之后,公募AI拼的是什么?

科技浪潮之下,人工智能在公募行业的角色,已悄然走向投研流程的腹地,并加速转向体系化建设。

此前行业里零星的大模型试点、问答工具上线,多是碎片化探索。如今公募AI建设迈过单点试点的浅尝阶段,多家机构入驻外部平台推出AI智能体,打造分角色的投资者陪伴服务。在部分头部基金公司,AI早已跳出单一部门的工具试验,升级为公司战略层面的基础设施投入。

与此同时,算力采购、场景落地并行推进,AI被投入到信息整理、纪要提炼、风险归因等重复性高、信息密度大的环节,成为投研与风控的辅助抓手。效率红利之外,行业的边界意识同样清晰,人机分工、数据安全、数据质量构成三道核心底线。

“金融AI的竞争力不只取决于单一模型,还来自专业知识组织、工程化落地和数据治理等能力的协同。”南方基金相关人士表示,AI建设的价值不在于追逐单点能力,而在于能否长期稳定地服务真实业务。企业级AI能力底座的价值,也只有在具体场景中才能被验证。

AI被抬进战略层

随着人工智能建设的持续推进,多家基金公司正探索AI技术与投资研究、客户服务、运营管理等场景的融合。从入口形态看,各家公司路径并不相同,但共同点在于,AI服务正在从一问一答的单次交互,转向任务化、订阅化的持续陪伴。

目前,已有部分基金公司入驻WorkBuddy,将专业投研内容与工具能力整合接入该平台。例如易方达基金在该平台推出“AI投资陪伴团”,拆出基金投资小助理、指数投资陪伴官、基金研选助手、投资情报官、投资学习搭子五个AI专家角色,覆盖基金研选、指数分析、资讯追踪、投教学习等场景。

而兴证全球基金走的是另一条路。该公司选择围绕“看懂市场、读懂基金、认识自己”三个入口,通过MCP和技能配置把基金检索、历史业绩、披露持仓、定期报告、基金经理观点整合成AI可调用的数据服务。

南方基金则多点落子,在腾讯WorkBuddy上线自研AI智能体,在千问APP上线官方智能体“南方基金AI梦”,并在“首趋E指”小程序推出ETFirstSkill。其中,自研AI智能体围绕投资者“怎么选基金”这类高频需求,AI梦则覆盖投资者从看懂市场到挑选产品的各个环节。

此外,在投研与内部能力建设侧,中欧基金正在构建以投研AgentOS为核心的智能投研平台,沿着“行业—个股—组合—决策”形成多Agent协同矩阵。而鹏华基金整合“商用”+“开源”大模型矩阵,开发AI插件库支持各业务场景。

更值得留意的信号,是公募行业对AI的定位正在发生本质变化。“智能化投研系统正从后台工具升级为前台战斗力。”南方基金相关人士称,AI已在投研、运营、投资决策与客户服务等全链条有序落地。

据第一财经了解,南方基金目前已成立了由经营管理层牵头的AI推进工作领导小组,并新设立一级部门AI推进中心,通过战略重视、组织优化加速推动AI技术的储备和落地;而易方达基金也在近日成立科技子公司,打造智能化资管科技平台。

在业内人士看来,这一调整也意味着,在部分机构里,AI已从单一业务条线的创新项目,提升为公司级统筹工程,整体建设从单点应用工具向平台化、体系化能力演进。

算力采购与场景落地同步铺开

组织架构升级、战略加码之下,算力基础设施采购同步提速,为AI应用提供底层支撑。第一财经从中国招标投标公共服务平台查阅发现,今年以来已有多家基金公司密集招标,项目涉及算法交易系统、算力设备、数据库配套等方面,采购规模从数百万元到千万元不等。

以华安基金为例,11月19日,其AI信创算力服务器采购项目显示,采购1台信创架构算力服务器,最高投标限价330万元人民币(含税);同月10日公布的AI算力物理服务器采购项目中标结果显示,中标价格含税395.6万元。

据第一财经多方了解,随着大模型应用场景逐步增加、使用规模和使用频率不断提升,算力需求还将持续增长,相关公司也表示会根据实际业务需求,统筹推进算力和相关基础能力建设,兼顾应用效果、资源效率和投入成本。

从实际使用情况看,公募AI的高频场景呈现明显共性,主要集中在信息量较大、重复性较高、成果相对容易验证的环节,如研究环节的大模型辅助信息整理、知识检索和研究材料生成,投资支持和风险管理环节的组合分析、风险信息归集等辅助工作。

“观察信息获取、材料处理、数据分析及跨部门协同等环节的效率改善,同时评估数据质量、能力复用、系统稳定和风险可控水平。”前述南方基金相关人士表示,现阶段更关注投研场景覆盖和实际使用情况。

在其看来,科技投入的价值主要体现在提升研究深度和响应速度,增强投研体系的协同能力、可复制性与持续迭代能力。

一位头部基金公司人士也表示,相关应用主要实现全域知识融合与AI摘要能力,并建设多种AI模型,支持多元化投研数据分析,如会议机器人支持电话会议录制和纪要提炼,研报翻译助力外文资料中文化,提升信息处理与研究效率。

投研之外,也有部分基金公司人士透露,风控也是AI应用高频的场景。“在数据洞察、基准监控、风险归因等场景中,辅助形成深度分析线索和初步结论。”一位中型基金公司人士称,已将大模型等能力作为日常工作的交互式助手。

上银基金首席信息官陈士琛总结称,AI在基金公司的应用,大致可分为提升个人效率的“助手”、解决组织效率问题的“流程”、以及重构专业工作的“智能体”等三个层次。在他看来,关键不在于AI做到第几层,而在于哪个场景与公司战略最匹配、业务价值最大、数据和业务基础最成熟、风险最可控。

AI铺开下的边界意识

在AI应用快速铺开的同时,安全性、合规性的边界仍是市场关注的重点。

这条边界,首先落在“人”身上。前述应用于风控领域的基金人士表示,专业判断、风险决策和最终成果仍由“人”负责,实现“AI做助手、人做判断”,做到最终决策由人做出、关键环节有人监督、紧急时刻有人干预。

在数据安全方面,多家基金公司均明确表示,在提升服务体验的同时,会坚持专业与合规并重。“明确信息来源,并保留必要的风险提示,确保信息清晰、可追溯。”沪上一位基金公司人士称。

“涉及投研数据、内部知识和敏感信息的场景,确保在公司安全受控环境中运行,保障数据不出域、权限可控、过程可追溯。”南方基金相关人士表示,对于其他辅助场景,会根据数据敏感程度和业务风险实施分层管理,并在满足数据安全和合规要求的前提下审慎选择适合的技术服务方式。

对此,监管层面亦有明文约束。今年4月,中国证券投资基金业协会发布的《基金经营机构大模型技术应用规范》明确规定,不应将未脱敏的客户个人信息、核心交易指令、投研未公开信息直接用于大模型的训练或微调;高敏感等级的投研策略和风控规则数据,只能在私有化部署、物理或逻辑隔离的专用环境里运行。

安全之外,还有一层“好不好用”的问题。作为智能化的基础,数据质量同样绕不开。陈士琛表示,投研资料、客户信息、交易数据等既涉及严格的安全边界,又面临数据分散、口径不一、质量参差不齐等问题。

“推进AI落地,不能只解决‘数据能不能用’的安全问题,还要解决‘数据好不好用’的就绪问题,需做好治理、清洗、标准化、权限管理和质量控制。”陈士琛提醒,若缺乏高质量、可使用的数据,AI将很难真正创造价值。

举报
第一财经广告合作,请点击这里
此内容为第一财经原创,著作权归第一财经所有。未经第一财经书面授权,不得以任何方式加以使用,包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。
如需获得授权请联系第一财经版权部:banquan@yicai.com

文章作者

一财最热
点击关闭