證券時報網
黃翔
2025-02-21 21:07
當前，越來越多年輕投資者向DeepSeek尋求關于資產配置的建議，技術平權讓人工智能（AI）普惠化成為可能。
伴隨著來自第三方平臺的個性化投資建議變得更易獲取，傳統金融機構的“信息不對稱”優勢正在減弱，投資者與券商投顧之間的緊密聯系也悄然改變。
毫無疑問，DeepSeek提供的投資建議與一線投顧的表現將難免見高低，這也從側面反映出券商投顧業務已無法回避AI浪潮的沖擊。既要抓住AI機遇，更要應對AI挑戰，已成為券商投顧業務不得不正視的核心議題。
為此，券商中國記者近日集中采訪了在金融科技領域深度探索的頭部證券公司、以傳統經紀業務聞名的大型證券公司、在數字金融或財富管理方面做出特色的中小證券公司等機構，分享他們對上述核心議題的思考和應對舉措。
一線投顧遇上DeepSeek
“當我把基金持倉發給DeepSeek，它有這些建議……”“完全聽DeepSeek炒股，2025年2萬本金能賺多少錢？”……自今年春節DeepSeek掀起應用熱潮以來，在以年輕用戶群體為核心的小紅書、B站等社交媒體平臺上，很多投資者也紛紛向DeepSeek-R1尋求投資建議。
在嘗試跟隨相關建議后，有人展示AI理財后的每天“戰況”，收益表現有漲有跌；也有的直呼“DeepSeek是我以后的選股專屬工具”。
券商中國記者亦嘗試向DeepSeek-R1（以下簡稱“DeepSeek”）上傳基金持倉賬戶截圖，并征詢賬戶診斷與調倉建議。結果顯示，DeepSeek不僅指出問題所在，還提供了可操作方案，包括不同產品的倉位建議、替換產品的名稱、調倉時點、止損止盈線、交易成本優化措施等。
至此，DeepSeek提供的賬戶診斷與專業建議可否匹敵券商一線投顧的平均水準，也引起了市場的極大關注。
華福證券相關人士告訴記者，DeepSeek在股票基金賬戶診斷方面表現出色。以一個普通賬戶為例，模型能夠在約 6 分鐘內整合近百條市場數據和持倉信息，對賬戶持倉結構進行全面剖析，并給出直觀清晰的風險評估報告，評估準確性達到85%。但在調倉建議環節，與一線投顧相比仍有差距。該人士指出，DeepSeek目前還難以完全模擬人類投顧對復雜人性和市場微妙變化的理解，在洞察客戶個性化深層次需求方面，投顧的能力仍不可替代。
銀河證券財富管理首席投資官、產品中心總經理張嘉為表示，從內外部的測評反饋來看，DeepSeek在數據分析處理速度與響應及時程度方面遠超人工投顧；但是，囿于DeepSeek作為智能化大模型本身仍舊是“模型工具”，對于復雜市場環境分析、資訊信息準確性辨別及客戶多元化需求分析等多領域仍與專業投顧存在較大差距。不同的引導問題及數據物料，也會產生出完全截然不同的分析結論，但最終結論的選擇與判斷仍強依賴于個人的專業理解。
國信證券技術部相關人士指出，在賬戶診斷及調倉建議方面，DeepSeek存在線性外推、數據不完整，甚至部分基金代碼出現錯誤等問題，目前并不足以替代一線投顧的專業建議。
談及原因時，該名國信證券技術部人士認為，這主要因為DeepSeek只對接互聯網數據，未能對接專業可信的金融行業數據庫、企業內部知識庫和客戶畫像庫，因此會存在數據和信息錯誤的情況。另外對于業務決策的深度思考，需要大模型對行業數據以及專家規則進行系統性的學習和積累，目前還未能證明可以做到比較好的決策能力。
東莞證券相關人士談到，人工智能發展可以分為在線服務、自動化服務和智能涌現三個層次。從目前進展來看，行業的智能投顧的“智能化”主要集中在第二層次，在投資者畫像、資產配置、投資組合選擇等環節通過計算機操作代替人工，用線上服務代替線下服務。然而證券市場不可預測、不確定性強，量化策略研發需要不斷實驗和調整，難以應對“黑天鵝”等異常事件，模型算法魯棒性需要加強。目前的智能化技術難以支持，距離培育自主決策的量化投資智能體仍相差甚遠，由機器自主決策的“強智能”在金融投資領域的廣泛應用尚無明確時間表。
業內熱議長尾客戶黏性是否下滑
盡管DeepSeek不能取代一線投顧，但第三方AI平臺憑借投資建議的易獲取性優勢，正吸引年輕投資者注意力。他們大多屬于證券公司中以往未得到充分服務的長尾客戶群體。這一潛在變化趨勢對于依賴投顧業務盈利的證券公司而言，構成壓力。
多名受訪券商人士坦承，上述情形確實在影響長尾客戶與券商投顧之間的粘性。前述國信證券相關人士談到，“大模型前的時代，受制于專業投顧精力有限，行業有較大量的長尾客戶需求難以被及時有效滿足。而大模型時代，DeepSeek等大模型在信息檢索加工以及深度思考能力突出，在長尾客戶的投資陪伴部分服務領域中表現出來的便捷性和及時性等效果，給客戶的直觀感受可能優于傳統人工投顧服務。”
國泰君安相關人士表示，第三方AI平臺的出現有可能發生甚至已經在影響投資者和券商投顧的粘性關系，不僅是價格敏感的長尾客戶，還有對AI有所研究或者投資能力更高的客戶。
券商中國記者注意到，在前述社交媒體平臺上，確實有部分投資者聲稱“自主建立了基于DeepSeek的金融分析模型，用于選股或者ETF配置等。”
上述國泰君安人士認為，第三方AI平臺有四方面優勢：一是能為長尾客戶提供定制化、個性化的咨詢服務和投顧建議；二是推理模型的存在，讓用戶可基于模型思考驗證自身邏輯，降低黑箱困擾；三是社群化信任構建，即隨著越來越多投資者分享第三方AI平臺帶來的投資輔助體驗，其他尚未接觸的投資者會被吸引到第三方平臺；四是伴隨模型能力持續提升，其分析邏輯的深度、廣度將逐步趕超絕大多數的投資者乃至投顧。
東方證券相關人士補充稱，AI平臺一般成本較低，甚至免費，使得長尾客戶更愿意嘗試和依賴，相比之下券商投顧服務可能價格較高，限制了客戶的使用頻率。
不過，也有一些券商人士持相反意見。銀河證券張嘉為談到，投資者與券商投顧之間的黏性不會受到影響。主要因為，一是大語言模型給予專業建議的本質是依賴于模型深度推理分析能力、數據處理能力以及基于不同數據及語料的“訓練過程”，即使專業投資者使用大模型也需要經過長期的回測、調優并不斷適配最新環境，因此專業建議的有效性也同樣需要經歷周期與時間的驗證。二是AI大模型也存在強化投資者認知偏差、制造新的“信息繭房”的可能性。
平安證券經紀業務事業部相關負責人談到，用戶并非為了炒股才用AI，而是用了AI后也會涉及投資性的內容。從這個角度看，AI和投顧扮演的角色，和與客戶形成信任的機制是不一樣的。AI扮演的角色，是多了一個參考信息的來源。而對券商來說，跟客戶站在一起，去面對紛繁復雜的市場，這個角色沒有變，變的是新的環境下大家的工作方式和內容。
華福證券相關人士也談到，第三方AI平臺不會比券商更易獲得長尾用戶的信任，因為用戶第一次、第二次使用可能感覺新奇，但用多了，始終會覺得對面不是真的人類。另外，在專業性和合規性方面，券商投顧優勢明顯。
投顧業務生態面臨重構
證券業應用智能投顧產品已有多年，但DeepSeek等大模型憑借其內在的邏輯構建、內容生成與深度理解等能力，仍讓證券業感到“驚艷”。展望未來，伴隨科技平權、知識平權時代的到來，券商投顧業務生態無疑將經歷顯著變革。
平安證券經紀業務事業部相關負責人向券商中國記者表示：“券商投顧業務的核心競爭力將從‘信息不對稱優勢’轉向‘技術賦能下的服務深度與客戶體驗’。”
這也意味著，獲客留客的商業邏輯、投顧服務手段等可能面臨重構。以部分商業邏輯為例，過去有些機構打造“一鍵上傳持倉截圖”功能作為引流的抓手，即吸引客戶注冊賬號甚至開戶以解鎖賬戶診斷方案。如今，年輕用戶已經可以在不同AI平臺上免費獲取賬戶診斷的信息。盡管當前DeepSeek等大模型的診斷準確率有待提高，但伴隨未來模型能力的提升，上述獲客的商業邏輯將會面臨重構。
上述案例正是投顧服務“信息不對稱“優勢逐漸減弱的一個體現。未來，券商獲客的難度預計將上升。東方證券相關人士表示，投資者更容易從第三方AI平臺獲取定制化的投資建議，券商需要投入更多資源吸引和留住客戶，尤其是長尾客戶群體。
在服務模式方面，多位受訪券商人士認為需要重塑。前述平安證券相關負責人談到，隨著第三方平臺不斷提供個性化服務，券商傳統的“標準化產品+人工服務”模式面臨著效率與體驗的雙重挑戰。
在此背景下，業內的共識是要“技術融合”——構建“AI+投顧”的人機協同新模式。中信建投證券相關人士認為，該模式既可以提升服務效率和客戶體驗，也可以釋放投顧生產力，能發力于定制化和高凈值客群服務。
東方證券相關人士談到，一方面技術賦能，券商可以利用AI技術提升投顧服務的效率和精準度，例如通過AI進行客戶畫像、投資組合優化、風險控制等。另一方面差異化服務，相對復雜的投資解決方案難以被AI完全替代，例如定制化投資組合、家族財富傳承等。
此外，在配套措施方面，國泰君安相關人士談到，投顧能力評價體系要迎來變革，不僅要聚焦在服務、投資、資產等范疇，投顧對AI工具的使用、對AI能力的理解也將進一步納入整體的評價體系。
平安證券相關負責人直言，技術對專業能力有放大效應，“AI技術的普及，既加速了投顧人員的信息處理能力，也倒逼其向更高階的‘策略生成’和‘情感交互’角色升級。投顧的核心價值，轉向對模型輸出的策略進行邏輯驗證與風險校準。”
不同規模券商應對挑戰各有招術
AI大勢已不可逆，既有機遇也有挑戰。多位受訪券商人士認為，挑戰主要在于技術如何深度賦能業務，并與業務融合。對此，不同類型的證券公司，其解題思路也存在差異。
國泰君安人士表示，AI浪潮下券商投顧業務將迎來多重發展機遇，一是證券公司可結合AI大模型和自身的專業數據稟賦、專業經驗和投資體系框架，構建自身的智能化護城河。二是證券公司可利用智能投顧服務自身原本無法覆蓋的長尾客戶。三是利用大模型賦能投顧。四是進一步將投顧能力封裝為企業級的綜合解決方案。據悉，國泰君安自2023年起就逐步探索AI大模型在證券投資顧問領域的賦能工作。
券商面臨的挑戰同樣不可小覷。該人士也指出，一是技術挑戰，大多數券商并未有AI能力積累，如何充分研究大模型技術并得以與證券業務的深度融合存在挑戰；二是成本挑戰，大模型技術研究和應用需要投入大量資金資源，中小型券商難以應對高成本、高投入的AI競賽；三是人才挑戰，目前懂業務、懂AI、懂技術的復合型人才稀缺且昂貴；四是轉型挑戰，大模型的應用需要與現有的流程模式融合，融合的過程中存在阻礙；五是數據治理挑戰，智能化深度發展的前提是數字化治理取得一定成果，大量券商在數據治理方面仍處于初級階段。
作為中小券商的代表，東莞證券相關人士稱，對于技術薄弱、成本敏感型的中小券商而言，按“市場需求度、技術可行性、商業可行性”原則，多層次推進是實現人工智能發展的關鍵，也是智能投顧發展的探索路徑。
“一是應用優先，部署現有廠商通用大模型并進行本地化應用快速對接，積累適配性創新經驗，探索如何更好地與AI合作創新。二是能力培養，以智能客服、專業化個人助手等應用程序接口（API）調用服務建設為起點，加強模型推理與智能體等技術應用能力培育；同時嘗試與外部有實力的機構開展合作，準備好基礎條件，實現大模型本地化推理應用服務，逐步打通各類能力。”東莞證券人士表示。
校對：陶謙
