全文4816字，阅读约需7分钟

嘉实财富总经理助理 张吉华博士

嘉实财富首席宏观分析师 谭华清博士

一.AI时代已经到来

 

图：大模型的问世如一声惊雷，改变了世界 图片来源：澎湃新闻。

自2023年年初，ChatGPT4.0问世以来，人工智能工具对人类工作、生活的影响越来越大。以大模型为核心的人工智能变革正以“日新月异、叹为观止”的速度在演进。大模型的能力快速迭代，多模态功能：Midjourney、Gemini3的文生图，Sore的文生视频，长文本理解、长链条推理和编程功能日益增强。近期关于AI智能体的讨论和实践也日益广泛。人们可以借助AI智能体完成较为复杂的，长周期的项目和任务。人们用AI的场景已经不局限于“对话框”，而是场景式部署智能体。大模型已经完成了人类的“玩具”到“工具”再到“伙伴”的角色更迭。我们不得不说，人类已经进入了“新时代”，这个时代的标志是“人工智能”！

基于对当前大模型的理解，AI工具的核心能力可以概括为以下几个方面：

· 语言的理解和生成，具备多模态能力

· 信息的快速收集和整理

· 一定的推理能力

· 强大的编程能力

基于这些能力，就金融行业而言，它可以完成很多相关的任务：

· 和投资者对话，提供信息和简要分析

· 生成文本、多模态素材

· 通过编程能力辅助组合管理

图：大模型的主要能力 来源：嘉实财富研究与投资者回报中心整理。

从目前的情况来看，人工智能革命的主要能力在提升生产效率，它至少是一场生产效率的革命。拥有AI的人的工作效率会大幅提升。各行业已经到了不得不拥抱AI的阶段。因为用和不用直接意味着肉眼可见的效率差距。现如今，用不用AI已经不是问题了，如何用AI ，用好AI是大家共同探索的方向。各行业的高管和从业人员都在问，我们该如何利用AI提升工作效率，改善工作效果。

二.从理财顾问的展业场景理解AI的价值

人工智能大模型，也被称之为“通用大模型”，核心能力是具备了通用智能。因此前文提到的诸多能力必然能够迁移到财富管理行业。人工智能大模型在财富管理行业扮演角色，展现价值也是水到渠成。但如果仔细分析，人工智能大模型有望在财富管理行业扮演更大价值。

理解这一点，我们不妨从理财顾问的日常工作出发。理财顾问要做的工作非常复杂，包括理解客户，理解产品，理解资产与配置，理解市场。毫不夸张的说，理财顾问是一个巨大的信息中枢，需要处理来自客户、资本市场、金融产品、以及配置状态等多维度的信息流，并基于这些信息流，不断的动态优化客户的配置。这决定了理财顾问要处理的信息不可避免的具备高频、多维度以及不规则的特征。

市场资讯通常以不规则的方式出现，市场资讯的内容也是五花八门，地缘的、宏观的、产业的、技术的，政策的各个维度，层出不穷。美国的债务问题，特朗普的关税威胁，中东的局势，阿里巴巴的财报，无所不谈。关于市场资讯的跟踪和理解本身已经是一个巨大的行业，并且形成了非常细分的分工。对于理财顾问而言，每个人的专业和精力有限，难以及时有效跟踪。从长期来看，可能这些信息对于投资者的账户回报并不重要，但是投资者关心最多的，投资者咨询最频繁的恰恰是这些信息。这无疑是消耗了大量的理财师的精力和时间。

图3 理财顾问的日常要处理的信息流 图片来源：嘉实财富研究与投资者回报中心。

再加上，每个投资者的知识水平，获取信息的渠道能力也不同，所以关心的话题，提出的问题的种类，数量也层次不齐。理财顾问，公司中后台也精力有限，难以做到及时迅速的反馈。

从客户角度来看，高净值客户，资产量大，家庭结构复杂，个性化需求多样，标准的配置方案，在流动性，风险性，收益率预期等多个维度可能难以满足高净值客户的具体需求。对于部分超高净值客户来说，自身的需求除了财富的保值增值，还涉及到财富的传承，子女的教育，个人的养老、税收筹划等多个维度。

从产品层面，对于一个较大的财富管理公司，架上的产品不下千种，产品的开放期、申购赎回规则，费率规则，管理人信息也多数是非结构化的，不规则的。而这些信息往往比较固定，不会轻易改变，反而有利于AI工具发挥价值。

对于上述种种情形，从市场资讯，产品信息跟踪维护，客户的资产配置建议，AI都能发挥自身的价值。人工智能大模型本身具备通用能力，通过有效的部署，非常擅长及时响应投资者对于日常市场新闻的跟踪和简要分析。对于客户需求和配置建议层面，AI工具出现助力“个性化，千人千面”的配置建议。AI可以根据投资者输入的个人信息，如资产规模、投资期限、投资目标及风险偏好等，利用算法生成个性化的投资策略。比如，对于一位临近退休、风险承受能力较差的投资者，AI可能会建议将大部分资金配置到债券、全天候等中低波策略中，以确保资产的稳健增值，同时配置少量优质股票策略，增加资产的增值潜力。而对于一位年轻、风险承受能力较高且投资期限较长的投资者，AI或许会倾向于建议更多配置股票型基金、成长型股票等权益类资产，以追求更高的收益。这种个性化的投资策略，能够更好地满足不同投资者的独特需求，提高投资的适配性。具体到非投资类的需求，包括孩子择校，旅游攻略，美食攻略，家庭装修品牌选择等内容，AI工具的通用专家的价值也能够派上用场。

如果能够有效发挥AI工具的作用，这对于理财顾问而言无疑是巨大的利好。根据美国市场数据展示，以JPMorgan为代表的成熟机构而言，其客户经理管户的上限是不到200户，如果往更超高净值客户而言，管户数将更少。客户经理需要覆盖好高净值客户的投资规划、财务规划等方案，在其组合中融入更加个性化的需求解决方案。也就是说，借助AI工具，理财顾问服务客户的效率会得到显著提升，可以服务更多客户。

对于财富管理公司而言，通过有效的AI工具的部署助力维系长尾客户。人工智能对于覆盖长尾客户的方案会极大地提升生产率，不论对客户还是客户经理而言都是好事。而解放产能的客户经理则应该更专注于高净值客户的综合需求。

基于上述分析，我们不难理解，从理财顾问的日常工作场景出发，人工智能工具有发挥巨大价值的潜力。

AI工具可以协助：

· 研报分析

· 资产和产品分析

· 个性化的资产配置建议，相关主题研究

以上对于理财顾问和投资者都适用。

对于理财顾问，还有更多的使用场景：

· 记录和客户沟通的过程和要点，提炼更新客户需求

· 形成客户沟通文档，形成结构化呈现

· 更快速的产品信息的提取和整理

从长远来看，从财富管理的人民性角度而言，AI工具也很有价值。理财顾问服务半径有限，专业机构的能力半径有限，从综合成本的角度可能比较少的涉足三四线城市的普通投资者。有了AI工具，理财顾问本身的服务半径也扩大了，专业机构的服务半径也随之扩大，有助于提升财富管理服务的人民性和普惠性。

三.当前财富管理AI赋能的实践

实际上，包括财富管理行业在内的金融领域的人工智能工具的应用早已发生。时至今日，很多机构已经采用了各类人工智能工具在财富管理、资产管理相关环节发挥作用。

在财富管理领域，摩根士丹利的AI投顾助手、富国银行的虚拟助手，以及国内券商推出的智能投研、智能投资和量化交易等应用，正在重新定义客户服务与投资决策的边界。在金融咨询领域，彭博社、万得等机构正积极开发基于大模型的智能问答、资讯分析等智能服务。当前，AI大模型在银行、证券、保险、基金等行业已应用于多个金融业务场景，其应用主要聚焦于非决策类环节，并在以下三类业务流程中发挥价值：一是营销运营领域。大模型在直接面向客户时，主要承担全天候客服角色，以优化客户交互体验；在间接对客时，也正积极探索通过赋能销售与投顾人员，帮助其扩大服务半径、提升专业能力。二是分析决策领域。大模型主要赋能数据分析及决策支持人员，其在信息收集、多模态数据整理与洞察生成、结果输出等方面表现较为胜任。然而，在产品组合配置、投资建议等专业要求较高的分析决策环节，目前大模型的可靠性仍有待进一步发展和验证。三是中后台支持领域。大模型能够较好地作为通用工具，支持内部运营降本增效，推动金融机构提升运营效率并控制成本。

图： 部分金融机构的AI工具 来源：NotebookLM。

经过梳理，部分金融机构的AI工具的部署主要包括：

· 智能投顾平台

协助金融机构回答投资者市场资讯类提问

· AI投研助手

赋能研究人员，协助整理会议纪要，提炼研究观点

· AI产品与配置平台

协助生成资产配置建议，产品配置建议

· AI学习平台

基于学习规律，监测投资者的学习进展，提醒复习内容等。

· 智能风控平台

当前AI工具还有一定比例的幻觉出现。主要表现为自己编造数据，编造参考文献的现象时有发生。而金融投资研究离不开事实性的数据分析，所以不能完全依赖AI工具的数据结果，还需要交叉验证。

综合来看，合理借助人工智能大模型，有望实现更快更好的理解客户，更专业的资产配置，更专业的研究判断，以更好的服务客户。

四.总结：用好AI不是选择题

我们在惊叹AI的能力的同时，也不能陷入到另外一种恐慌当中--认为AI将彻底取代人类。对于这一点，我们的判断也比较鲜明：AI是强大的助力，但非万能的替代。斯坦福大学教授李飞飞说，目前看，AI绝无可能取代人。人的很多工作任务可以让AI协助，但最终的判断和决策还是需要人。研究分析可以做得很好，但是判断需要承担责任，需要批评，需要迭代，这是大模型做不到的。这一环节始终离不开人。绝大多数创意的起点来自于人类。可以这么说，AI可能能够画龙，但点睛之笔始终掌握在人类手中。具体到中国国情，国内的SaaS业态一直发展较为缓慢，国内标准化的软件生态较为弱小，多数为定制化、私有化部署的软件服务。在没有AI端到端的打通的决策环境下，终端白领并非被AI替代，反而借助AI工具提高效率更为可能。在中国的土壤下，可能更适合AI提质增效，而非AI替代。可以预期，人+AI≥人，≥AI在国内更为现实。

就财富管理行业而言，财富管理行业尤其自身的特殊性，使得人的价值尤为突出。财富管理行业专注于零售客户而非机构投资者，因此，除了投资业绩之外，投资顾问还要负责投资者教育、投资者的陪伴等有“温度”的行为。我们有一位同事说了一句非常形象的比喻，AI永远也取代不了爱（ai）。优秀的投顾会循循善诱的给新客户梳理正确的投资理念，会通过历史上详实的案例安抚首次经历市场波折的客户。这些有“温度”的活动，很难被机器所取代，即使是同样的案例与同样的话术，客户是更希望一个富有经验的投资顾问讲述，还是一台冰冷的机器闪烁文字来安抚，答案不言而喻。爱是人类最真挚的情感，爱的背后是信任，是欢喜，是祝福。这是财富管理行业最打动人的地方。

当前比较现实的路径是人机结合，即人工+智能的方式赋能财富管理行业。通过借助AI工具，直接面对客户的理财顾问，投研团队可以将一部分高频的、不规则的、多维度的市场资讯解答交给AI工具。这将适当解放理财顾问、投研团队的时间和精力，聚焦更具有难度、更具有价值量的工作。AI工具有潜力帮助机构的总部团队实现规模化的个性化服务，让理财顾问能在客户的关键需求节点提供更精准、有价值的服务，同时全程保留客户所信赖的人文温度，让顾问的工作更高效，而非被繁琐的运营工作消耗。

我们可以预期，在有效、有纪律的部署下，AI能发挥两大大核心价值：帮助机构和从业人员更深度、全面地理解客户需求；以更低的摩擦成本为客户提供更高标准的互动服务，提升服务体验。

 

重要声明：本文中的信息或所表述的观点并不构成对任何人的投资建议，也没有考虑到接收人特殊的投资目标、财务状况或需求，不应被作为投资决策的依据。载于本文的数据、信息源于市场公开信息或其他本公司认为可信赖的来源，但本公司并不就其准确性或完整性作出明确或隐含的声明或保证。本文转载的第三方报告或资料、信息等，转载内容仅代表该第三方观点，并不代表本公司的立场。本公司不保证本文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本文所载资料、意见及推测不一致的报告。文中涉及客户需求财富规划示例，提及的增值、生息、保障等仅为基于客户需求进行的概念分类，并非根据风险等级对产品/服务进行划分。分类仅供参考，不同的分类方法得出的结果可能存在差异。不构成任何产品或服务的宣传推介，不构成具体投资建议，亦不代表我司销售范围。市场有风险，投资需谨慎。本公司不保证投资者一定盈利，也不保证最低收益或本金不受损失。投资者应充分考虑其风险承受能力、风险识别能力，谨慎投资。