对此，证(zheng)券时报记(ji)者采访多名券商人士了(le)解到，其中既有“应统(tong)一(yi)监管”的呼声，也有认为管理不宜“一(yi)刀切”的观点。

未来，监管部门将(jiang)在AI投顾业态中扮演怎样(yang)的监管角色，并探索(suo)出有效(xiao)可行的治理路径，值得持续关(guan)注。

1 是(shi)否纳入投顾牌照监管引争议

今年(nian)春节以来，陆续有投资者向DeepSeek-R1、豆包(bao)等寻求关(guan)于股票与基金(jin)的投资建(jian)议。针对这(zhe)一(yi)现象，有证(zheng)券从(cong)业人员向证(zheng)券时报记(ji)者提出困惑(huo)——AI大模型在提供股票或基金(jin)的投资建(jian)议时，是(shi)否应该持有投顾牌照？

证(zheng)券时报记(ji)者注意到，在豆包(bao)APP平台上，不同入口获(huo)取的证(zheng)券投资咨询结果呈现显著的监管差异。比如(ru)，当记(ji)者向豆包(bao)要求推荐股票时，豆包(bao)会给(gei)出多只(zhi)股票的具体建(jian)议，包(bao)括仓位、买入价等。而当记(ji)者向华泰证(zheng)券在豆包(bao)APP上线的股票智能(neng)体“华泰股市助手(shou)”提出相(xiang)同问题时却(que)遭遇“碰壁”，并未提供直接的买卖建(jian)议，但会给(gei)出资金(jin)面、技术面等信息供投资者分析决策。

同一(yi)APP上出现截然不同的咨询结果，反映出不同入口背(bei)后(hou)的主(zhu)体属(shu)性差异。华泰证(zheng)券作为持牌金(jin)融机构受(shou)到监管规定的约束，而从(cong)用户需求的角度看，豆包(bao)的直接荐股建(jian)议可能(neng)更有吸引力(li)。那么(me)，以DeepSeek、豆包(bao)为代表的大模型，是(shi)否应该纳入证(zheng)券投资咨询牌照监管呢？

部分受(shou)访的券商人士认为，通用大模型应纳入投顾牌照监管。华福(fu)证(zheng)券有关(guan)负(fu)责人表示，尽(jin)管目前通用大模型荐股荐基的建(jian)议尚未商业化，但已对投资者的决策产生了(le)影响，纳入监管能(neng)够确保通用大模型提供的投资建(jian)议具备(bei)专业性和合规性，进而避免误导(dao)投资者。国信证(zheng)券相(xiang)关(guan)人士也认为，通用大模型的荐股荐基应该与现有监管保持一(yi)致，要对客户的适当性进行校验，所提供的投资建(jian)议可能(neng)会对市场交易价格产生冲击，要进行统(tong)一(yi)监控。

不过，也有券商人士认为要多方面考虑问题，不应“一(yi)刀切”。银河证(zheng)券财富管理首席投资官、产品中心总经(jing)理张嘉为谈到，仅(jin)从(cong)AI技术本(ben)身来看，通用大模型更多具备(bei)的是(shi)“模型”和“工具”的属(shu)性。在未商业化的前提下(xia)，投资者在自(zi)主(zhu)使用的过程中，并无需要纳入投资咨询牌照监管的必要性。“不过，如(ru)果有机构依据(ju)其模型搭建(jian)商业化模式并给(gei)出具体的投资建(jian)议，或者未来荐股行为实现商业化，本(ben)质上则属(shu)于投资咨询行为，理应纳入投资咨询牌照监管。”

国泰君安相(xiang)关(guan)人士也有类似观点。他谈到，以DeepSeek为例的通用模型平台主(zhu)要以数学、物理、常识(shi)等问题进行训练(lian)，并非以金(jin)融投资问题训练(lian)，模型在证(zheng)券行业中的应用能(neng)力(li)是(shi)“模型泛化”的成(cheng)果之一(yi)。“如(ru)果对这(zhe)些平台做‘一(yi)刀切’管理，从(cong)某种角度上来说反而会限制模型能(neng)力(li)的进一(yi)步发(fa)挥(hui)，对模型的进化提升存在潜在的负(fu)面影响。”

在上述国泰君安人士看来，金(jin)融服(fu)务的风险(xian)传导(dao)机制决定了(le)监管应聚焦“行为实质”而非“技术形态”，比如(ru)以专业服(fu)务平台为代表的智能(neng)投顾平台、以证(zheng)券机构为主(zhu)体在智能(neng)体平台建(jian)立的对客智能(neng)体（Agent）就需要纳入投顾牌照监管。因为这(zhe)些平台达到输(shu)出投资建(jian)议的三个标准，即具有明确指向性，比如(ru)提供个股或者基金(jin)代码；形成(cheng)持续性服(fu)务，而非用户单次测试；产生实质影响，用户会据(ju)此交易。上述三点，已触及监管边界。

2 券商建(jian)言加强算法监管

除了(le)主(zhu)体属(shu)性存在争议外，在合规性方面，通用大模型提供投资建(jian)议背(bei)后(hou)的底层数据(ju)、算法模型、生成(cheng)的投资逻辑和相(xiang)应结论等是(shi)否应该纳入监管，以及技术中立能(neng)否豁(huo)免合规责任等话题，也存在讨论的空(kong)间。

近期，“数据(ju)污染”的消息屡屡出现。有用户反映，DeepSeek在推荐基金(jin)时，所抓取的信息来源包(bao)括某基金(jin)产品的广告投放(fang)。“AI幻觉”问题也多次被曝光，即模型生成(cheng)与事实不符、逻辑断裂或脱离上下(xia)文的内容。在Vectara HHEM人工智能(neng)幻觉测试中，DeepSeek-R1显示出14.3%的幻觉率，超过行业平均水平。

对此，有部分券商人士认为，对于用户而言，AI仅(jin)仅(jin)是(shi)多了(le)一(yi)个参考信息的来源，并且用户输(shu)入不同的提示词后(hou)也会产生差异较大的分析结果。从(cong)这(zhe)个角度看，AI技术是(shi)中性的，在其提供的最终结论中，判断与选(xuan)择(ze)仍(reng)取决于用户本(ben)人。

也有券商人士持有不同意见，他们(men)认为AI输(shu)出内容的合规与可信非常重要。前述国信证(zheng)券相(xiang)关(guan)人士表示，思维链输(shu)出的交互(hu)形态，潜意识(shi)引导(dao)了(le)用户的认知，让用户更加容易认同分析的结果，但同时也让大模型的幻觉变得更加隐(yin)蔽。“深度使用DeepSeek就会发(fa)现，金(jin)融数据(ju)容易被错(cuo)误引用，对于原(yuan)始信息的真实性无法求证(zheng)，生成(cheng)内容容易被搜索(suo)结果误导(dao)，因此需要相(xiang)关(guan)监管部门加强对该领(ling)域的监管。”

中信建(jian)投证(zheng)券相(xiang)关(guan)人士也表示，目前，将(jiang)AI直接用于投资咨询存在技术风险(xian)，算法模型和资产配置逻辑存在不稳定、不可靠等风险(xian)。

前述华福(fu)证(zheng)券有关(guan)负(fu)责人建(jian)议，监管可考虑要求平台披露算法逻辑和风险(xian)提示，能(neng)够让投资者更清楚地了(le)解投资建(jian)议的依据(ju)和风险(xian)，从(cong)而维护金(jin)融市场的稳定和公平。

东莞证(zheng)券相(xiang)关(guan)人士表示，在智能(neng)投顾业务监管方面，建(jian)议加大智能(neng)投顾监管“沙盒”试点，加快(kuai)智能(neng)投顾业务属(shu)性与准入管理具体规范的制定。同时，鉴于我国资本(ben)市场个人投资者占比较高(gao)的情况(kuang)，AI的发(fa)展应用应参考当下(xia)对高(gao)频量化交易的监管策略，依据(ju)市场结构、流动性和价格发(fa)现产生方式等对智能(neng)投顾的相(xiang)关(guan)监管策略进行分类研究，既不可“一(yi)概而论”也不能(neng)“听之任之”。

3 趋(qu)同性风险(xian)属(shu)多虑吗？

此外，有市场观点称，伴随AI荐股未来得到广泛应用，可能(neng)会引发(fa)投资者群体性操作，导(dao)致市场波动加大。对此，多名受(shou)访人士认为，趋(qu)同性风险(xian)确有存在的可能(neng)，但发(fa)生的概率不大，市场不必多虑。

前述华福(fu)证(zheng)券有关(guan)负(fu)责人认为，由于很多机构可能(neng)基于相(xiang)似的市场数据(ju)、算法模型和理论基础来构建(jian)自(zi)己的AI投资系(xi)统(tong)，当市场出现某些特定信号时，大量基于相(xiang)同算法的投资决策有可能(neng)同时发(fa)生。因此，需要谨慎(shen)看待AI在投研与投资咨询领(ling)域的运用。

“在防(fang)范方面，我们(men)可以通过监管引导(dao)机构在算法设计上增加差异化，鼓励(li)机构结合自(zi)身的研究优势、数据(ju)特色来优化算法。同时，加强投资者教育也至关(guan)重要，要引导(dao)投资者理性看待AI投资建(jian)议，不能(neng)盲目跟风，从(cong)而降低因算法趋(qu)同带来的市场波动风险(xian)。”上述华福(fu)证(zheng)券有关(guan)负(fu)责人称。

张嘉为认为，趋(qu)同性的出现取决于三方面是(shi)否发(fa)生共振，一(yi)是(shi)具体应用场景和应用模式，二是(shi)底层数据(ju)来源范围，三是(shi)客户提问的提示词。在实际展业中，三者共振导(dao)致趋(qu)同性的概率不大，因为持牌金(jin)融机构通常多方面提升策略多样(yang)性、交易分散性、模型多样(yang)化协同、业务技术深度融合及风控预警等。同时，各家机构拥有不同的客户数据(ju)、投顾数据(ju)、资讯数据(ju)等，数据(ju)库一(yi)致性的概率不大。此外，客户千人千面，其提问的提示词高(gao)度重复的概率也不大。

平安证(zheng)券经(jing)纪业务事业部相(xiang)关(guan)负(fu)责人以量化交易的策略发(fa)展为例，称这(zhe)是(shi)类似一(yi)个循环的过程，即发(fa)现策略、获(huo)利、失效(xiao)、再挖掘新的策略。“在技术升级的初期阶段，可能(neng)会出现‘羊群效(xiao)应’，比如(ru)大家用的模型、数据(ju)源或者训练(lian)方法都差不多，短(duan)期内引发(fa)趋(qu)同交易，但这(zhe)也可能(neng)导(dao)致策略收益下(xia)降甚至亏损，进而推动市场从(cong)同质化走(zou)向差异化。”该负(fu)责人表示。