"碳基"VS"硅基":人机"生死竞速"
子夜时分，当勤奋的基金经理听完最后一场路演，看完最新一份研报，合上自己的电脑笔记本的时候。他的“数字同行”正在某处大模型基地中滋滋生长、默默长大。
从简单的数据处理工具，到完成研究报告阅读并提炼要点，再到有逻辑、有条理的输出一些投资建议。过去一年间，AI程序迅速的跨过了几个初级阶段，着手开始动摇已延续了五六十年之久的传统投研流程。
当金融街上的年轻人还在用尼古丁和咖啡因对抗生物钟时，AI算法凭借永不合眼的"数字大脑"、以及几分钟内上万字的输出效率，即将开始“挑战”他们的工位。
它们会真的替代他（她）们么？
“会的，十年之内，这个市场上90%的基金经理、分析师都会消失。”一位公募机构的投资总监如此预测。
但也有研究总监不赞同他的预测。
“不需要十年，五年就够了”。
曾经最坚固的“堡垒”
人工智能对普通人力岗位的替代不是现在才开始的，在传统制造业里这个趋势早已展开。
在吉利西安工厂的焊装车间，886台焊接机器人以0.5毫米的精度完成车身焊接，配合650台AGV智能物流车，将原本需要300人的产线压缩到不足50人。
鞍钢集团的“黑灯工厂”更为彻底，在矿业公司工区，智能巡检机器人和清扫机器人闪烁着灯光在各处有序作业；在冷轧彩涂工区，整条生产线现场都空无一人，只见各类机器人配合无人天车，实现作业区域无人作业。
甚至在金融行业里，比如保险业，人工智能客服系统和保单审核系统，早已在各家大型机构里普及。如今的保险车险报案，客户第一接触的几乎100%是人工智能。
但在金融行业最重要的卖方研究、自营资管和投资银行等业务上，人工智能的渗透历经多年未有重大突破。
自上个世纪七十年代以来，一个卖方分析师的工作流程就是固定的，搜集数据和信息——整理数据和信息——整合出研究报告——对外发布和路演沟通。
这个流程自上个世纪末经由海外传入国内，和中国资本市场庞大的上市公司数量、惊人的流动性、以及空前的机构投资者数量结合，造就了海外难得一见的卖方研究市场辨模。
在最高峰期，国内一家顶级的卖方研究所，用人规模可以达到近千人（含销售和服务团队）。一个大行业的研究组里可以有超过十名分析师，率领十多位实习生，负责跟踪研究上百家重点公司的动向。
在很长时间内，内地卖方研究机构的“信息化”主要体现在，应用EXCEL插件、把报告发布沟通方式从电话更改为微信群。
这个行业几乎是至今少数未被人工智能实质性影响的“岗位堡垒”。
哪些因素挡住了AI?
什么原因把AI挡在了金融核心业务系统以外？
资事堂接触多家大型资管机构后，得到了以下的观点：
第一，投资研究的工作岗位有大量“非标”的工作细节。简单的人工智能系统，不可能替代这些工种。训练一个聪明的年轻人的效率，远比训练一个智能系统来的快。
第二，金融工作有很高的合规性和安全性要求。金融业务数据涉及大量敏感信息，使用AI处理这些数据可能存在泄露风险，尤其是在数据保护法规不完善的时候。
第三，金融工作有很高的专业性和成熟度要求，容错度很低。AI人工智能的“幻觉”等情况，可能导致很严重的后果。
您的点赞是对我们的鼓励
还没人说话啊，我想来说几句
从简单的数据处理工具，到完成研究报告阅读并提炼要点，再到有逻辑、有条理的输出一些投资建议。过去一年间，AI程序迅速的跨过了几个初级阶段，着手开始动摇已延续了五六十年之久的传统投研流程。
当金融街上的年轻人还在用尼古丁和咖啡因对抗生物钟时，AI算法凭借永不合眼的"数字大脑"、以及几分钟内上万字的输出效率，即将开始“挑战”他们的工位。
它们会真的替代他（她）们么？
“会的，十年之内，这个市场上90%的基金经理、分析师都会消失。”一位公募机构的投资总监如此预测。
但也有研究总监不赞同他的预测。
“不需要十年，五年就够了”。
曾经最坚固的“堡垒”
人工智能对普通人力岗位的替代不是现在才开始的，在传统制造业里这个趋势早已展开。
在吉利西安工厂的焊装车间，886台焊接机器人以0.5毫米的精度完成车身焊接，配合650台AGV智能物流车，将原本需要300人的产线压缩到不足50人。
鞍钢集团的“黑灯工厂”更为彻底，在矿业公司工区，智能巡检机器人和清扫机器人闪烁着灯光在各处有序作业；在冷轧彩涂工区，整条生产线现场都空无一人，只见各类机器人配合无人天车，实现作业区域无人作业。
甚至在金融行业里，比如保险业，人工智能客服系统和保单审核系统，早已在各家大型机构里普及。如今的保险车险报案，客户第一接触的几乎100%是人工智能。
但在金融行业最重要的卖方研究、自营资管和投资银行等业务上，人工智能的渗透历经多年未有重大突破。
自上个世纪七十年代以来，一个卖方分析师的工作流程就是固定的，搜集数据和信息——整理数据和信息——整合出研究报告——对外发布和路演沟通。
这个流程自上个世纪末经由海外传入国内，和中国资本市场庞大的上市公司数量、惊人的流动性、以及空前的机构投资者数量结合，造就了海外难得一见的卖方研究市场辨模。
在最高峰期，国内一家顶级的卖方研究所，用人规模可以达到近千人（含销售和服务团队）。一个大行业的研究组里可以有超过十名分析师，率领十多位实习生，负责跟踪研究上百家重点公司的动向。
在很长时间内，内地卖方研究机构的“信息化”主要体现在，应用EXCEL插件、把报告发布沟通方式从电话更改为微信群。
这个行业几乎是至今少数未被人工智能实质性影响的“岗位堡垒”。
哪些因素挡住了AI?
什么原因把AI挡在了金融核心业务系统以外？
资事堂接触多家大型资管机构后，得到了以下的观点：
第一，投资研究的工作岗位有大量“非标”的工作细节。简单的人工智能系统，不可能替代这些工种。训练一个聪明的年轻人的效率，远比训练一个智能系统来的快。
第二，金融工作有很高的合规性和安全性要求。金融业务数据涉及大量敏感信息，使用AI处理这些数据可能存在泄露风险，尤其是在数据保护法规不完善的时候。
第三，金融工作有很高的专业性和成熟度要求，容错度很低。AI人工智能的“幻觉”等情况，可能导致很严重的后果。
您的点赞是对我们的鼓励
还没人说话啊，我想来说几句| 分享: |
| 注： | 在此页中阅读全文 |
