"碳基"VS"硅基":人机"生死竞速"
第四，金融行业传统上高度依赖人类经验和沟通并关联着严密的法律责任。尤其是在高风险决策中，人们可能更信任人类专家而非算法。这种文化阻力可能延缓了AI的采用。
但随着，Deepseek们的日夜长大，这些曾经的“壁垒”，真的那么坚硬么？
曾经“堡垒”已经出现裂缝
虽然存在这样或那样的护城河，但悄悄的，这个堡垒早就出现了裂缝。
据资事堂了解，在一些顶级资管机构内部，AI机器人早就开始在发挥作用，只是对外“秘而不宣”。
在这些机构里，AI机器人已经开始部分的替代研究员参与线上的路演。
它们往往以实际团队中某研究员的身份登录系统，然后静静“蹲”在会议的角落里，然后巨细靡遗的录下所有的发言内容，以及问答提问。
先进一点的AI，可能还会概括调研要点，并根据投资团队的要求，提炼“关键词”和“重要内容”。
虽然，这些工作目前AI“完成”的还比较粗糙，但它们已经大大减少了人工劳力的耗用。
尤其是面对现在海量的路演和上市公司反路演，AI们勤恳无怨、24小时不休、多线程的优势已经展露出来了。
另外，一些团队反应，在重要的专题研究中，AI研究员虽然不如人工那么有逻辑、善于归纳分析。但它们善于从海量信息中搜集相关内容，并做一定程度的整合的能力，还是体现出一定的价值。尤其是专题的时效要求较高、工作量巨大时。
“没有感情”的优势和劣势
而在交易和下单环节，尤其是和量化策略结合是，AI智能机器人的应用空间可能更大。
比如，在交易环节，AI智能机器人可以“智能化”的进行拆单、下单、抢单、撤单等工作，而且完成效率很高。
另外，在设计交易策略时，AI机器人几乎不会受上一笔、更上一笔的“情绪”影响，这个特点在很多场合都具备优势。
而在一些大型的量化私募机构里，AI能够参与的“工种”可能更多——因为后者，在交易频度、合规要求方面，有时候会比公募机构有着更宽松的空间。
从这个意义上说，Deepseek这样具有突破性意义的AI通用大模型，诞生在一家顶级私募机构的“关联”公司里，并非意料之外，而是情理之中。
而且，在主观投资范围里，AI可能也有自己的应用场景。
“在未来某个时候，不排除有人通过巴菲特的交易案例来训练巴菲特风格的交易机器人。”一位基金经理说。
那还需要人力么？
主观和AI的结合是当下的需求
虽然，呼啸而来的远景令人惊讶，但当下的现实似乎还是在于如何把资深投研人员的“主观能力”和AI的“特点”结合。
比如，以DeepSeek为代表的AI，如何来帮助研究员作研究，帮助基金经理做投资。
2024年9月，浙商基金是这样解释他们的AI如何帮助基金经理做投资的：
AI并不做预测，AI的分析行为均基于已存在的数据做更全面的分析。
比如，市面上某标的开始大涨，AI通过对该基金的投资逻辑进行拆解,判断它究竟是赶上了行业的风口，还是自身的价值潜力才盈利。AI机器人逐渐了解到优秀的标的都具备怎样的特质，然后基于自己强大的数据计算力，做历史层面的各种假设和测试，给出接下来的投资信号。
甚至，根据他们的作图，主观的投研团队可以看10个以上的行业，而AI模型可以追踪上百个细分行业的动态。
点个赞吧！您的鼓励让我们进步
还没人说话啊，我想来说几句
但随着，Deepseek们的日夜长大，这些曾经的“壁垒”，真的那么坚硬么？
曾经“堡垒”已经出现裂缝
虽然存在这样或那样的护城河，但悄悄的，这个堡垒早就出现了裂缝。
据资事堂了解，在一些顶级资管机构内部，AI机器人早就开始在发挥作用，只是对外“秘而不宣”。
在这些机构里，AI机器人已经开始部分的替代研究员参与线上的路演。
它们往往以实际团队中某研究员的身份登录系统，然后静静“蹲”在会议的角落里，然后巨细靡遗的录下所有的发言内容，以及问答提问。
先进一点的AI，可能还会概括调研要点，并根据投资团队的要求，提炼“关键词”和“重要内容”。
虽然，这些工作目前AI“完成”的还比较粗糙，但它们已经大大减少了人工劳力的耗用。
尤其是面对现在海量的路演和上市公司反路演，AI们勤恳无怨、24小时不休、多线程的优势已经展露出来了。
另外，一些团队反应，在重要的专题研究中，AI研究员虽然不如人工那么有逻辑、善于归纳分析。但它们善于从海量信息中搜集相关内容，并做一定程度的整合的能力，还是体现出一定的价值。尤其是专题的时效要求较高、工作量巨大时。
“没有感情”的优势和劣势
而在交易和下单环节，尤其是和量化策略结合是，AI智能机器人的应用空间可能更大。
比如，在交易环节，AI智能机器人可以“智能化”的进行拆单、下单、抢单、撤单等工作，而且完成效率很高。
另外，在设计交易策略时，AI机器人几乎不会受上一笔、更上一笔的“情绪”影响，这个特点在很多场合都具备优势。
而在一些大型的量化私募机构里，AI能够参与的“工种”可能更多——因为后者，在交易频度、合规要求方面，有时候会比公募机构有着更宽松的空间。
从这个意义上说，Deepseek这样具有突破性意义的AI通用大模型，诞生在一家顶级私募机构的“关联”公司里，并非意料之外，而是情理之中。
而且，在主观投资范围里，AI可能也有自己的应用场景。
“在未来某个时候，不排除有人通过巴菲特的交易案例来训练巴菲特风格的交易机器人。”一位基金经理说。
那还需要人力么？
主观和AI的结合是当下的需求
虽然，呼啸而来的远景令人惊讶，但当下的现实似乎还是在于如何把资深投研人员的“主观能力”和AI的“特点”结合。
比如，以DeepSeek为代表的AI，如何来帮助研究员作研究，帮助基金经理做投资。
2024年9月，浙商基金是这样解释他们的AI如何帮助基金经理做投资的：
AI并不做预测，AI的分析行为均基于已存在的数据做更全面的分析。
比如，市面上某标的开始大涨，AI通过对该基金的投资逻辑进行拆解,判断它究竟是赶上了行业的风口，还是自身的价值潜力才盈利。AI机器人逐渐了解到优秀的标的都具备怎样的特质，然后基于自己强大的数据计算力，做历史层面的各种假设和测试，给出接下来的投资信号。
甚至，根据他们的作图，主观的投研团队可以看10个以上的行业，而AI模型可以追踪上百个细分行业的动态。
点个赞吧！您的鼓励让我们进步
还没人说话啊，我想来说几句| 分享: |
| Note: | _VIEW_NEWS_FULL |
