AI时代，头部私募在做啥：淡水泉的样本

在资管行业，信息供给与有效判断之间的矛盾，从未像今天这样突出。每天涌入的海量研报、会议纪要、实时行情，正在持续挤压着投研人员的认知带宽。

与此同时，AI大模型的快速发展，也正在改变金融行业的底层运行逻辑。从头部券商提出“AllinAI”，到量化私募试水“投研自动驾驶”，再到全球对冲基金巨头设立AI实验室，一个共识在行业内部逐渐凝聚：AI已经从“可选项”变成了“必选项”。

而在这场深刻的范式迁移中，国内头部主观私募也开始探索属于自己的智能投研路径。其中，淡水泉的实践，提供了一个颇具代表性的样本。

AI冲击波下的投研变局

2026年，私募行业的“分水岭”已从预测走向现实，并在一组最新的数据中得到了印证。

私募排排网数据显示，截至2026年2月底，国内百亿证券类私募已经攀升至126家，创下历史新高。然而，真正让业内震动的不是数量，而是一个结构性的变化：百亿级量化私募的数量，第一次超过了传统的主观多头私募。

在过去几十年里，主观投资靠的是什么？是“深度认知”——跑调研、攒行业经验、靠商业直觉找出被低估的标的。这种模式依赖的是人的直觉、逻辑推理，还有对模糊信息的判断力。

但随着市场交易结构变化，信息处理效率的重要性正在显著提升。

市场交易量越来越大，信息碎片化程度呈指数级上升，这时候速度、纪律、广度反而成了制胜的关键。AI不光能在毫秒级别上抓住套利机会，更重要的是，它能靠高频数据和各种另类数据，在一定程度上把“微观定价权”抓在手里。

当量化交易主导了日内的价格发现，主观多头策略不得不面临一个现实：你靠基本面挑出来的好公司，它的短期股价其实更多是被算法的情绪推着走，而非由远期的现金流贴现决定。

此外，更深的影响是，投研人员的工作方式也被AI彻底改变。

在早期，AI相当于“计算器”——帮研究员更快地整理数据、做财务模型。而如今，AI已经嵌进了投研的核心决策链，变成了“副驾驶”甚至“半自动驾驶”。

对于量化投资而言，传统的多因子模型已经让位于深度学习和大语言模型。AI不光挖掘因子，还自己生成策略、模拟交易员、跑压力测试。因子挖掘的流程自动化了，人类量化研究员的工作重心从“写代码找因子”变成了“设计神经网络”。

而对于主观投资机构来说，AI带来的变化同样明显。以前一个研究员最多覆盖50到100只股票，现在有了AIAgent，他能快速扫完整个市场5000多只股票的财报电话会、供应链数据。AI负责“扫广度”和“异常预警”，人负责“深度解读”和“逻辑证伪”。

两种解法：量化的“自动化”，与主观的“增强化”

在AI赋能投研的浪潮中，不同类型的投资机构走出了截然不同的路线。

量化私募凭借天然的“数字基因”跑在了最前面。幻方量化早在2019年AI大模型尚未爆发时就投资2亿元建成“萤火一号”AI算力集群，搭载1100块高性能GPU，2021年再投10亿元打造“萤火二号”。

2023年7月，由幻方实控人梁文锋牵头、依托幻方量化体系孵化并持续提供资金与算力支持的DeepSeek正式成立，目标直指AGI。

灵均投资则把AI融进了量化策略的全流程。他们用超过10万个信号、上千个子模型做极致分散，再配上严格的风控。在灵均看来，AI真正的价值在于降低另类数据的处理成本，补上传统量化在基本面和非结构化数据上的短板。如果未来AI能在多模态数据和商业信息的理解上取得突破，量化投资就有可能打通价格数据和公司真实经营之间的那堵墙。

主观投资这边，步伐也不慢。国际巨头率先示范——桥水内部组建了AIA实验室，致力于运用人工智能与机器学习在市场中创造超额收益，已推出一只以机器学习作为主要决策依据的基金。贝莱德则构建了名为“阿西莫夫”的AI研究平台，将其应用于公司的股市基本面业务。

在国内，主观私募也在积极探索自身的AI解法。淡水泉的探索具有一定代表性——它没有选择大幅颠覆既有投研范式，而是以“增强而非替代”为核心理念，从信息助理起步循序渐进地向机会总结和辅助决策演进。这条路径对于大多数主观投资机构而言，或许更具普适性。

让AI成为“最强辅助”

我们了解到，淡水泉的智能投研探索，最早可以追溯到2020年，但真正系统性地起步是在2021年。

彼时AI还没有进入大众的视野，投资中的大量信息还没有进行数字化。但淡水泉已经敏锐地抓到了一个核心痛点——长尾数据。这类数据不是主流供应商整理好的现成信息，而是散落在舆情、自媒体、会议录音、行业深挖指标里的“非标准信号”。淡水泉的想法很简单：供应商做得好的，自己没必要重复做；但那些贴近真实投研场景、又没人标准化覆盖的数据，必须自己啃下来。

这种判断，与其长期形成的拥抱科技的文化也有关系。淡水泉从创业那年开始就在做系统化，当时很多机构还在手工用Excel做估值，他们已经用上自动化了。在数据采购上，淡水泉也倾向于与市场上领先的供应商合作。2021年前后，在智能投研还没有成为行业热点时，淡水泉已经开始与创新技术机构展开合作，并持续跟踪AI能力演进。

2023年ChatGPT的爆发，成了淡水泉智能投研的一个转折点。团队同步推进内部投研数据和大模型的结合，在智能问答能力上实现了突破。

目前，淡水泉的智能投研系统已经具备了报告阅读与摘要生成、会议内容提炼、市场总结和主线分析这些“信息助理”级别的功能。在技术路线上，淡水泉的智能投研系统是基于自研与采购的大量投研数据进行输出，日均处理超过10000份专业报告，在输出的信息结果方面与投研更相关。

信息助理的能力完善之后，淡水泉又开始往机会总结方向推进。近一两年，智能投研系统在“蒸馏”主观基金经理总结市场主线脉络、挖掘细分方向机会、提炼典型个股解决方案的方法论，帮投研团队查漏补缺。

而往远了说，淡水泉的长期目标是将宏观分析、主题方向判断、个股逻辑都统一内置到自建的AI模型中，让投研人员能更科学地分析机会、匹配策略，把精力真正集中在那些需要创造性和前瞻判断的地方。

随着Agent技术越来越成熟，淡水泉团队也看到了更深层的变化。今年，他们在试用Agent体系时发现，一旦AI接入了投研数据，它在信息归纳、交叉检索和初步分析等方面的效率，已经开始明显超过传统研究流程。

在淡水泉看来，未来投研工作中人的价值会走向两极：一头是最一线的基础调研，另一头是最顶层、靠长期经验积累出来的综合判断和决策。

从淡水泉的智能投研演进路线能看出来，他们对AI角色的定位想得很清楚——AI是用来增强人类判断的，而不是替代。对长期投资来说，经过时间积累沉淀下来的洞察力和判断力，是任何算法都取代不了的。

未来的主观投资，或许会被重新定义。具备竞争力的机构，未必是最依赖AI的机构，也未必是最坚持传统研究方式的机构。真正关键的是，如何把机器的效率优势，与人的长期判断能力结合起来。两者结合，可以为主动权益投资创造出长期的价值。