基金巨頭積極擁抱AI，需警惕效率狂飆下的“隱憂”

出品|拾鹽士

作者|多面金融工作組

從技術試水到全場景滲透，DeepSeek影響基金行業迎來“智”變。

今年年初，國產大模型DeepSeek憑借其強大的邏輯推理與多模態處理能力，在金融領域掀起了一場技術風暴。其中，多家頭部公募基金和量化私募紛紛下場，積極布局AI領域，熱度一波接著一波。

拾鹽士關注到，繼2月初匯添富、富國、國泰、中歐、諾安、永贏等十余家頭部基金公司宣布完成DeepSeek系列開源模型的私有化部署后，多家知名量化私募也迅速行動起來。日前，百億量化私募寬德投資宣布為旗下智能學習實驗室招賢納士，而量化私募巨頭九坤投資則攜手微軟團隊發布了AI相關論文，引發市場熱議。

不難發現，這些基金公司不僅將人工智能深度嵌入投研、風控、客服等核心業務鏈，還向著通用技術領域的研究，而非具體的量化投資研究進發。而這場技術競賽的背后，是基金行業對效率提升與業務創新的迫切需求。

開源模型+私有化調優

基金巨頭積極擁抱AI

當AI大模型成為大國科技博弈的競爭高地，如今各行各業都在積極擁抱DeepSeek，金融行業也不例外。今年以來，各大基金巨頭都踩準這輪AI熱潮，積極擁抱AI技術，這也顯示出這一領域對于AI前景的看好。

據不完全統計，目前包括天弘基金、富國基金、諾安基金、國泰基金、中歐基金、景順長城基金、萬家基金、博時基金、永贏基金等近20家公募機構已完成或即將完成DeepSeek系列開源模型私有化部署。

作為最早布局DeepSeek的機構之一，博時基金在年初便嗅到了其在代碼生成與邏輯推理領域的潛力。公司率先將DeepSeek-v1模型部署于昇騰服務器，并逐步升級至v2版本。2025年R1模型發布后，博時進一步探索其在投研報告生成、量化策略優化等場景的應用。博時技術負責人表示，R1模型的低算力需求與高推理效率，使其成為業務創新的核心驅動力。

無獨有偶，興證全球基金自研的AI交易員“興寶”通過DeepSeek實現語義識別與指令生成，交易效率提升超30%；投研端則借助大模型打破數據孤島，構建全景化分析框架，每日自動生成涵蓋個股與行業的深度報告。此外，公司推出的DeepSeek+Word智能插件，將文檔處理時間縮短50%，成為內部效率革命的“隱形引擎”。

萬家基金則推出了自研大模型項目——“萬Chat”平臺。據了解，該平臺通過智能知識庫與Agent技術，將DeepSeek的32B本地模型與業務場景深度綁定，實現投研決策支持與客戶交互體驗的雙升級。

此外，不少基金公司的“差異化”技術布局也頗有看點。

比如，興業基金聚焦代碼生成與風險合規，利用DeepSeek優化量化因子庫；諾安基金推出“諾安AI助手”，整合語音、圖像等多模態功能；匯添富基金覆蓋投研、銷售、合規全場景，打造“AI中臺”體系；景順長城將DeepSeek應用于知識管理，構建行業首個智能投研知識圖譜；招商基金基于DeepSeek開源架構，完成系列開源模型的本地化部署，并在內部場景中驗證其效率和表現優勢。

此外，近期寬德投資、九坤投資等多家私募巨頭也迅速跟上節奏，積極招募AI相關人才，并推出相關科研論文。

觀察上述基金巨頭動作也不難發現，在具體應用方面，這些頭部基金機構普遍采用“開源模型+私有化調優”模式，既保障數據安全，又通過行業數據蒸餾形成差異化能力。這場部署競賽不僅拉開了技術代際差距，更預示著未來行業格局可能洗牌。

不過，北京一家公募機構中高層相關人士認為，目前各家公司對DeepSeek的私有化部署還處于初步階段，真正能帶來業務、部門及崗位人員等方面哪些更為實質性的改變還無法量化。

AI或重塑資管行業價值鏈條？

還需警惕效率狂飆下的“隱憂”

有業內人士告訴拾鹽士，DeepSeek的引入，可能讓基金行業的業務邏輯發生根本性轉變。從“人腦決策”到“人機協同”，從“經驗依賴”到“數據驅動”，AI正在重塑資管行業的價值鏈條。

首先便是業務上帶來的三大場景的顛覆性突破：

第一是投研智能化，從“信息過載”到“決策提效”。傳統投研中，研究員需耗費70%時間處理數據。而DeepSeek可實時解析非結構化數據（如財報、輿情），提取關鍵信號并生成投資建議。例如，某頭部基金通過模型監測5000只個股輿情，預警準確率提升至85%，投研效率提高3倍。

第二是風控體系升級，從“事后應對”到“主動預判”。有研究顯示，在合規審查中，DeepSeek可自動識別披露文件中的潛在風險點，錯誤率低于0.5%；在組合管理上，其通過深度學習動態優化風險收益比，某量化基金的年化波動率因此下降2個百分點。

第三是客戶服務重構，將從“成本中心”到“價值中心”進行轉變。例如，智能客服“小鋼”（某基金與上海鋼聯合作項目）借助DeepSeek實現7×24小時響應，從而降低人工成本，并提升客戶滿意度。

其次，AI大模型的應用門檻正在重塑行業競爭格局。一直以來，頭部機構憑借資金與人才優勢，快速構建私有化AI平臺；中小機構則面臨“用不起、用不好”的困境。

對此，富國基金直言，未來3年技術領先的機構將吃掉60%的市場增量。

景順長城基金表示，DeepSeek在投資研究、風險管理、產品運營、軟件開發、客服營銷、公司知識庫管理及運營提效等多個領域均展現出應用價值。其中，DeepSeek為工作效率提升、知識管理和流程優化帶來了更廣闊的應用前景。

博時基金也指出，DeepSeek的R1模型推理能力出色，有助于提升工作效率、支持業務創新。而且，該模型對算力的需求有所降低，為其進一步推廣應用創造了有利條件。

可以看到，從當前的使用情況來看，多家基金巨頭對DeepSeek系列開源模型給予了高度評價，并一致認為ai技術的應用大大提升了效率。

但值得注意的是，雖然多家基金公司在引入和應用DeepSeek模型的過程中收獲了顯著成果，但在實際應用中也面臨著諸多挑戰。

興證全球基金表示，DeepSeek-R1在性能上優勢突出，這使得它在金融數據分析、風險特征分析以及投資組合優化等關鍵領域大顯身手。然而，該模型對GPU資源需求巨大，受英偉達GPU供應緊張的影響，資源獲取困難重重。為解決這一問題，興證全球基金采用蒸餾版本DeepSeek-R1，但實測效果略遜于完整版。

在使用效果方面，大模型在基金領域的應用主要存在四大難點：

一是金融數據的敏感性要求嚴格的隱私保護機制，需通過數據脫敏和本地化部署解決；二是業務場景的差異化需求需針對性優化調整；三是跨部門協作中需平衡技術迭代與現有業務流程的兼容性；四是完整版模型對硬件資源要求較高，對公司在算力資源的投入有一定要求，其次是數據之殤。

同樣，諾安基金在引入AI技術的的過程中，也面臨著算力成本高、與現有系統融合困難等問題，這對其技術團隊的專業能力提出了極高要求。

而招商基金引入DeepSeek系列開源模型后，雖然取得了一定的成果，但也遇到了不少難題。比如金融數據質量參差不齊、隱私保護難度大，模型與金融業務場景適配性不高，算力資源需求與實時性要求之間存在矛盾，以及合規和可解釋性方面存在挑戰。

總體來看，DeepSeek系列模型在業務與行業改革中不僅提高效率也兼顧便利，但在應用過程中，各基金公司還需克服算力、數據、技術融合等諸多挑戰，通過不斷探索和創新，實現AI技術與基金業務的深度融合，推動行業智能化發展。

在顛覆中尋找新平衡

基金經理開啟“忙碌模式”

從另一個角度來看，當DeepSeek掀起AI行情時，基金經理們也正經歷著從業以來劇烈的角色轉型——從“信息處理者”變為“策略指揮官”。

首先，基金經理們紛紛進行策略調整。2025年春節后，市場發生風格驟變，算力板塊遇冷，應用端標的受捧。多位基金經理迅速調倉，例如減持英偉達產業鏈，加倉數據與牌照壁壘高的AI應用企業。

上海一位重倉AI的基金經理此前向券商中國記者透露：“我們對持倉進行了相應調整，對算力特別是英偉達鏈條的算力品種進行了一定的減持。但我們此前配置就相對均衡，在應用和端側方面也有一定布局，所以本次并不打算在情緒推動下追高，特別是短期市場由活躍資金定價，個股漲幅并不由基本面主導，我們更傾向于保留一部分現金并在后續分化中選擇長期看好、有較強技術能力和行業壁壘的標的進行配置。”

其次，基金經理們的工具進化，AI成為投研“標配”。調研、紀要整理、信號挖掘……這些曾占用基金經理大量時間的低效工作，正被DeepSeek逐步接管。某百億基金經理表示：“現在晨會前，模型已生成前日關鍵事件分析，我們只需聚焦策略驗證。”更有機構將AI用于反向驗證投資邏輯，通過模擬市場反應減少決策偏差。

不過，市場上也有不少聲音，認為DeepSeek的深入應用可能改變基金行業的從業結構，這也對基金經理的職業能力與核心競爭力提出了更高的要求。

正如華南某公募高管所言，AI不會取代基金經理，但會用AI的基金經理將取代不用AI的人。這場技術革命終將推動行業從“經驗依賴”躍遷至“智能增強”的新紀元。