DeepSeek引领公募基金行业变革，助力提质增效

DeepSeek助力公募基金行业在运营、投顾、投研三大应用场景提质增效，开启金融智能化新篇章。

本刊特约 邵炜 黄卓/文

DeepSeek的出现为金融科技领域公司等提供了低成本和开源模型的人工智能解决方案，降低了先进人工智能技术的准入门槛，实现了AI技术平权，也促进了金融科技行业的竞争和创新。

当前，公募基金行业在人工智能领域布局也取得了显著进展，多家基金公司已经完成DeepSeek系列开源模型的私有化部署。从初步使用情况分析，DeepSeek的可用性与使用效率明显优于其他开源模型，而且部署成本大幅降低，为公募基金行业发展提供了强大的技术支撑和创新动力。未来，DeepSeek有望引领公募基金行业变革，助力三大应用场景提质增效，开启公募基金行业的金融智能化新篇章。

DeepSeek+基金运营：优化工作流程提升效率

相比其他的传统模型，DeepSeek具备更强的语言理解、逻辑推理及多轮对话能力，尤其在思考过程、问答效果及响应速度等方面表现突出。通过本地化部署DeepSeek模型，将全面优化公募基金现有的内部工作运营流程尤其是智能客服、品牌宣传和风险管控等业务场景，提升工作效率。

比如AI对人工客服的替代，传统的售后服务工作主要由客服人员来跟踪完成的，最近几年市场波动加大，基金销售机构及基金公司面临着大量的客户投诉及售后服务的压力，售后服务的需求增大，现在很多公募基金公司为了降低成本，客服部门往往都是外包第三方公司，然而人员的培训上岗都需要一定的时间。

在未来，可以用AI担任智能客服，提升基金售后服务工作的效率，更好地帮助客户答疑解惑。根据BCG波士顿咨询发现生成式AI比传统的对话机器人，其语言逻辑性和系统性显著提升，和客户“对话”的感觉更好，可以更好地客户“互动”，理解上下文，回答也更理性和全面，而且DeepSeek会根据客户的反馈，持续不断优化，答案的质量和完整性每天都会有一定的提高，随着大模型技术的不断成熟，未来在服务客户上会更有优势。

另外，DeepSeek等大模型也可以帮助基金公司生产个性化和差异化的营销文案，更好地宣传基金公司品牌和提升基金产品的影响力。随着AI的发展，AIGC（AI-Generated Content）成为现实。

内容生产的创作模式发展主要分为四个阶段，通过AIGC生成的内容不仅包括传统的营销文案等，还包括图像、音乐、视频及3D交互内容等，可以以更加生动有趣的形式进行产品宣传和品牌传播，同时AIGC的效率比传统的PGC或UGC有了大幅的提升，一方面可以更好地提升工作效率，另外一方面也可以协助基金公司生产更具有创意和传播力的文案。

根据基金业协会披露的数据，截至2023年底，公募基金从业人员为3.48万人，其中基金经理仅为3690人，绝大部分的公募基金从业人员主要在从事基金运营销售支持等中后台工作。未来，随着DeepSeek等大模型技术的发展，可以更好地优化公募基金内部工作流程，提升工作效率，更好地支持投研等核心工作。

DeepSeek+基金投顾：全面提升客户投资体验

最近，某头部公募基金利用本地化部署的DeepSeek-R1模型进行了一场专业的投顾知识测试发现，DeepSeek的答题能力位居于专业投顾人员的中上水平，其强大的信息检索、归纳总结和计算推理能力在很多客观题的回答上表现优秀。此次DeepSeek的投顾水平测试也为未来公募基金采用DeepSeek为投资者做好基金投顾服务提供了新的场景和思路。

自2019年10月以来，基金投顾业务试点运行满5周年，整体而言，基金投顾业务发展运行平稳，资产规模也稳步提升。然而，基金投顾业务的发展也还面临着诸多困难和挑战，尤其是在业务经营利润考核压力下，传统金融机构很难在基金投顾业务上投入更多资源，部分机构仍以产品销售为主，“重投轻顾”的现象还比较普遍。未来，随着DeepSeek为代表的AI技术应用到基金投顾场景，将有助于公募基金提升服务效率，使得高质量而且低成本的投顾服务变为现实。

一方面，DeepSeek可以为客户提供更加精准的画像。DeepSeek等大模型通过分析客户的多源数据，比如交易记录、风险偏好问卷、浏览行为等，可以构建精准客户画像，为不同风险承受力、投资目标客户匹配个性化基金投顾方案，提升适配度，比如某金融机构通过DeepSeek对客户的投资组合等进行评估发现，大模型能够在6分钟内分析整理上百条市场数据和持仓信息，对账户持仓结构进行全面剖析，并给出直观清晰的风险评估报告，其评估准确性高达85%，DeepSeek在数据分析处理速度与响应及时程度方面远超人工投顾。

另一方面，DeepSeek可以生成“千人千面”的智能投顾方案。利用DeepSeek强大的运算与学习能力，依据市场实时数据、基金历史表现等，通过实时动态交互，模拟真实投资场景和投资者进行沉浸式提问与反馈校准，可以更精准挖掘客户的真实风险承受能力与投资需求，实现高效和深度的顾问服务，并在此基础上，为客户生成定制化的投顾策略方案，帮助客户把握投资时机。通过AI提供高度个性化投资方案及迅速响应的服务模式将全面提高了客户的满意度，并增强客户与金融机构之间的互动和信任。

DeepSeek+基金投研：有效提升基金投资业绩

随着AI技术的不断发展，DeepSeek在其多模态版本Align-DS-V已经具备一定的图像分析和解读能力，能够处理复杂的图文结合任务。这些技术的进一步扩大了大模型的应用范围尤其在金融分析方面，大模型能够直接分析和解读财务报表、市场图表及其他金融视觉数据，并与其复杂的推理能力相结合，AI能够提供深入的数据解读，这对于需要快速应对市场变化的金融分析师和基金经理来说尤为重要，也加速了AI技术应用到基金投研场景的落地。

未来，DeepSeek等大模型可以从如下两个方面协助基金经理或研究员进行数据的分析，提升基金投资业绩表现：

一方面，DeepSeek等大模型能够快速分析处理海量数据，提取有意义信息并得出更有参考价值的投资结论，帮助基金经理们发现识别出通过传统分析方法可能无法察觉的市场走势和投资机会。根据研究发现，像ChatGPT等大模型即使在没有直接金融训练的情况下，仅仅通过利用分析新闻标题等数据预测股票价格变动的能力也超越了传统的分析方法，尤其在对小盘股和负面新闻后的预测准确率更高。同时随着大数据和AI的发展，也为基金经理们提供了更多的另类数据。但是如何利用分析这些另类数据需要新的技能乃至大量的投资，而传统的基金经理主要依靠专业行业知识或人脉关系等积累来获取超额回报的能力。如果传统的基金经理不具备分析另类数据的能力，其选股能力就会下降。随着DeepSeek大模型的出现，可以辅助基金经理对这些另类海量数据进行分析，从而发现更多的投资机会和获得竞争优势。

另外一方面，公募基金应积极利用DeepSeek等AI技术发展量化投资比如高频交易等。当不同交易所的股票存在价格差异时，基金经理可以利用AI技术在毫秒级别进行套利，快速响应市场波动，精准执行交易，并充分利用市场流动性。同时，高频交易避免了主观情绪的干扰，通过算法和数据驱动的决策提高了交易的稳定性，它能够分散风险，并迅速在不同市场中捕捉价格差异以进行套利。以高频交易为代表的量化投资借助AI技术的发展通过对市场数据、资金流向、投资者行为和舆情的充分发掘，不断提升投资成功的概率，得到了越来越多投资者的认可，根据美国ICI最新发布数据显示，从2010年到2023年，指数型基金规模占比从19%提升到了48%，增幅高达252.63%，总资产管理规模从19万亿美元大幅增加到49万亿美元。

（邵炜为基金公司投资分析师，金融学博士；黄卓为北京大学国家发展研究院教授、副院长、北京大学长沙计算与数字经济研究院副院长。本文仅代表作者观点，不代表本刊立场。)

本文刊于06月14日出版的《证券市场周刊》