研究员最先被替代？资管AI浪潮下，谁在悄悄出局？

“AI技术正在深度重构资产管理的全链条，这一进程的速度将比历史上任何一次变革都更为迅猛。”近期，晨星全球CEO兼总裁Kunal Kapoor表示，AI改变了财富管理行业的投研分析、组合构建、客户服务、财富管理渠道等多个环节，过去这些技术只属于少数机构投资者。

在这场变革的共识下，大型金融机构自建AI工具、中小机构接入大模型、一线财富经理自己也在使用AI工具。

而在效率跃升的同时，新的不确定性也在浮现：当AI逐步参与决策链条，投研人员的角色边界如何定位？一旦AI介入交易或建议环节，责任归属如何界定？在机构“跑步入场”的喧嚣背后，职业重塑的阵痛与合规焦虑正在接踵而至。

财富产业链AI竞赛

随着2025年上市券商年报披露进入尾声，“AI战略”成为行业核心关键词。华泰证券（601688.SH）明确提出“All in AI”战略，招商证券（600999.SH）成立“AI研究所”，国泰海通（601211.SH）等机构相继发布大模型。根据Wind数据，截至2026年4月29日，已披露2025年年报的上市券商信息技术合计投入约为249.76亿元。

除券商外，公募基金及第三方财富管理机构亦在同步加码。工银瑞信基金总经理杨帆表示，AI应用已成为影响未来几年公司竞争力的重要变量。天弘基金量化投资部负责人杨超透露，公司已启动全面AI转型。他认为，在模型迭代加速的环境下，核心竞争力已从阶段性的模型本身转向能够驱动持续迭代的平台机制。

目前，财富管理行业已初步形成“头部自建底座、中小机构敏捷接入、一线人员按需使用”的多层级生态，并沿着两条路径推进：一是机构端投研与服务体系的系统性重构，二是工具化应用在从业者端的常态化渗透。

在投研领域，AI正经历从辅助工具向生产力核心的转变。讯兔科技创始人李罗丹指出，投研工具正从繁杂的数据终端向单一的AI终端演变。其旗下的AI投研产品Alpha派在过去3年服务超过9万名投研人员，覆盖机构超6000家。他观察到，AI对买方资管的渗透已完成“三级跳”：从早期的会议纪要处理，进化到2024年年底具备多步骤拆解能力的智能体，直至今日具备端到端完成复杂投研任务的能力。

这种底层生产力的变革在数据调用上得到了直观体现。阿里云金融行业线副总经理徐志良透露，某头部券商平均每名程序员每天调用的Token数量高达3000万个。这一趋势表明，AI已深度嵌入资管机构的研发流程。

在服务与交易侧，效率提升正由实验室数据转向实操结果。易方达财富总经理韩香介绍，该公司已对投顾全流程实施AI赋能，持仓分析报告的生成时间已从人工时代的数小时缩短至约10分钟。

盈米基金董事长肖雯表示，公司内部部署了200余个私有化模型，月均Token消耗量达千亿级，内部AI应用超过3000个。其AI服务系统累计回答客户问题240万个，用户通过率超过90%。

麦肯锡全球董事合伙人马奔分析认为，全球财富管理机构的AI布局重心正发生转向：从单纯的后台效率提升，延伸至精准客户画像、个性化组合建议，以及通过“实战代练”系统提升投顾人员的专业能力。

尽管技术供给侧已实现“平权”，但在实际应用端，从业者的使用深度呈现显著分化。徐志良指出，在同一机构内部，顶尖用户利用AI辅助开发的单日花费可达8000元，而尾部用户仍倾向于“手搓人类古法写代码”，两者之间形成了明显的“效率鸿沟”。

这种分化同样存在于业务一线。东方财富证券副总经理邓娟指出，面对全市场超过1万只公募产品，研究员和基金经理已无法依靠人力覆盖。她认为，利用AI实时辅助投顾进行KYC（了解客户）并生成即时配置建议，已成为行业对抗信息过载、实现规模化服务的必要手段。

AI终端下职能优胜劣汰

对于财富管理行业的从业者而言，是否拥抱AI已不是一道选择题，而是一道生存题。

“这轮AI浪潮与既往技术革命的不同之处在于，它最先冲击的不是体力劳动者，而是智力工作者。”嘉实财富总经理陶荣辉表示，随着AI推理和编程能力的突破，美国部分大型科技公司已大幅减少招募应届计算机专业毕业生，这种寒气正加速向财富管理行业的投研核心圈渗透。

“我们最开始以为，最先被替代的会是交易员、产品经理或者投资顾问。”一家公募基金投资部负责人提到，随着AI应用的推广，最受影响的居然会是研究员。长期以来，研究员被视为资管行业的“特种兵”，每日深陷于海量财报、研报与公告的泥淖中。然而在AI眼中，这种高强度的智力作业正面临严重的“生产力降维”。

“行业以前有很多看研报、看数据的终端，但今天只有一个终端，就是AI的终端。”讯兔科技创始人李罗丹表示，AI对买方资管的渗透已实现从基础搜集到端到端处理复杂任务的进化。过去需要一名初级研究员耗费数天完成的财报拆解、背景调查和数据对齐，现在只需通过AI助手即可秒级生成。

杨超认为，在模型迭代越来越快的环境下，人的核心价值不再是维护某个阶段性的模型，而是转向对底层逻辑的定性判断，研究员的职能正从“寻找答案”被迫转向“定义问题”与“逻辑证伪”。

韩香则认为，AI能将持仓分析报告的生成时间压缩至10分钟，但它无法代替人类顾问的工作，构建基于人与人之间长期互信的深度链接。

“未来所有端到端、所有线上案头工作全部可以被AI取代。”李罗丹认为，未来线下的服务越来越贵，人和人的服务会变成“奢侈品”，一手产业信息的获取、无法被AI集成的非共识认知，以及人与人之间的关系管理，这些都是未来人工投资研究的价值所在。

AI决策合规边界尚需厘清

相比岗位重塑，更现实的问题在于，当AI逐步从“辅助判断”走向“影响决策”，财富管理行业所依赖的信义义务、责任归属与合规框架，也迎来前所未有的压力测试。

“如果你用AI来下单，将来一旦出错，从合规的角度，到底是人的错误，还是机器的错误？这有点说不清楚。”在九鞅投资董事长何华看来，AI在多数金融机构的实际应用，仍止步于信息处理和辅助决策，真正介入执行环节的案例极为罕见，因为存在不确定性、不可控性，大量金融机构不敢将AI引入交易端。

Dify亚太区总经理陈璐莎认为，金融行业AI应用面临三个显著特征，重流程、重合规、重协作，而合规最重要，因为合规是金融的第一要素。现阶段AI在金融机构的落地，很大程度上是将原有工作流在合规框架内进行数字化改造，而非真正意义上的决策替代。

与此同时，AI应用还可能面临一个系统性风险，即算法同质化。当头部机构广泛采用相似的AI底层模型和策略框架时，市场上的策略趋同将进一步加剧，进而可能放大波动、削弱Alpha的可持续性。杨超指出，正是因为预判到这一趋势，天弘基金选择以AI驱动策略向“独立于市场Beta的Alpha源”方向转型，以期在同质化加剧的背景下建立差异化的“护城河”。

长期关注证券基金与投资理财领域的上海汉联律师事务所合伙人宋一欣律师告诉记者，目前中国对于AI参与金融决策的监管框架仍不完整。现行的《证券法》《基金法》对于AI参与投研决策或交易执行的责任归属均无明确规定。近期出台的《金融产品网络营销管理办法》则主要覆盖营销端，对投研和交易环节的AI介入暂未涉及。

这一法律空白，导致“合规焦虑”在相当程度上成为一个无法落地的问题。机构担忧，但找不到可以对标的规则；从业者谨慎，但缺乏明确的边界参照。

嘉实财富总经理陶荣辉认为，责任需要人来“背锅”，现阶段AI介入财富管理的一个核心约束是法律责任的可归属性，这在很大程度上决定了AI能否决策核心环节。

宋一欣同样认为，现行法律不承认AI具有独立的法律人格，从海外经验来看，美国证券交易委员会与英国金融行为监管局对于AI参与投资决策均已形成初步监管框架，核心原则围绕可解释性、责任归属与信义义务展开。国内监管机构的公开表态目前仍较为有限，但行业对相关细则出台的预期正在上升。

马奔认为，正因财富管理服务中充斥着合规风险和信义责任风险，AI在该行业的落地，对风险管理的嵌入要求远高于其他行业，所以怎么把风控嵌入到模型应用和应用流程中，是极为关键的要素。

北京京都律师事务所合伙人腾杰律师向记者表示，未来短期内最有可能出现的监管动向，或将集中在AI生成内容的合规审查、算法交易的透明度要求以及智能投顾的信义义务认定等具体领域。

（编辑：曹驰 审核：何莎莎）

【中经金融】

【中经金融】立足于价值发现与分享，为您解读最新的投融资环境变化，捕捉财经市场重要信息，事事有关您的财富增益。