“当我把基金持仓发给(gei)DeepSeek，它有这些建议……”“完全(quan)听DeepSeek炒股，2025年2万(wan)本金能(neng)赚(zuan)多少(shao)钱？”……自(zi)今年春节DeepSeek掀起应用热潮以来，在以年轻用户群体为核心的小红(hong)书、B站等社(she)交媒体平台上，很多投资者也纷纷向(xiang)DeepSeek-R1寻求投资建议。

证券时报记者亦尝试向(xiang)DeepSeek上传基金持仓账户截图，并征询账户诊断与调仓建议。结果(guo)显示，DeepSeek不仅指出问题(ti)所在，还提供了可操作方案，包(bao)括不同产(chan)品的仓位建议、替换产(chan)品的名(ming)称、调仓时点、止损止盈线、交易成本优化措施等。

至此，DeepSeek提供的账户诊断与专业建议可否匹敌(di)券商一线投顾的平均水准，也引起了市场的极(ji)大关注。

华福证券有关负责人表示，DeepSeek在股票基金账户诊断方面表现出色。以一个普通账户为例，模型能(neng)够在约6分钟内整合近百条(tiao)市场数(shu)据和持仓信息，对账户持仓结构进行全(quan)面剖析，并给(gei)出直观清晰的风险评估报告，评估准确性达到85%。不过，在调仓建议环节，与一线投顾相比仍有差距，暂(zan)时难以完全(quan)模拟人工投顾对复(fu)杂人性和市场微妙变化的理解。

银(yin)河证券财富管理首席投资官、产(chan)品中心总经理张嘉为接受证券时报记者采访时谈到，从内外部测评的反馈来看，DeepSeek在数(shu)据分析处理速度与响应及时程度方面远(yuan)超人工投顾，但囿于“模型工具”属性，对于复(fu)杂市场环境的分析、资讯信息准确性的辨别与客户多元化需求的响应等方面，仍与专业投顾存在一定(ding)差距。

国信证券相关人士指出，在账户诊断及调仓建议方面，DeepSeek存在线性外推、数(shu)据不完整等问题(ti)，目(mu)前尚不足以替代一线投顾的专业建议。主要(yao)原(yuan)因是DeepSeek只(zhi)对接互联网数(shu)据，未能(neng)对接专业可信的金融行业数(shu)据库、企业内部知识库和客户画像库，因此会存在数(shu)据和信息错误的情况。此外，对于业务决策的深度思考，大模型需要(yao)对行业数(shu)据以及专家规则(ze)进行系统性的学习和积累，最终才能(neng)展示比较好的决策能(neng)力(li)，但目(mu)前证明还未能(neng)做到。

2 长尾客户黏(nian)性还在不在？

尽管DeepSeek暂(zan)不能(neng)取(qu)代一线投顾，但凭借投资建议的容易提供优势(shi)，第三方AI平台正吸引着年轻投资者的注意力(li)。在证券公司的客群中，他们大多属于以往(wang)未得到充分服务的长尾客户群体。这一潜在变化趋势(shi)，也对依赖投顾业务盈利的证券公司构成了一定(ding)压力(li)。

多名(ming)受访券商人士坦言，上述(shu)情形的确影响了长尾客户与券商投顾之间的黏(nian)性。前述(shu)国信证券人士谈到，在长尾客户的投资陪伴等部分服务领域中，DeepSeek等大模型表现出来的便捷性和及时性等，给(gei)客户的直观感(gan)受可能(neng)优于传统人工投顾服务。

国泰君安相关人士表示，第三方AI平台的出现，已经影响了投资者和券商投顾之间的黏(nian)性，不仅有价格敏感(gan)型的长尾客户，还有对AI有所研究或者投资能(neng)力(li)更高的客户。

证券时报记者注意到，在前述(shu)社(she)交媒体平台上，确实有部分投资者声称“自(zi)主建立了基于DeepSeek的金融分析模型，用于选(xuan)股或者ETF配置等”。

上述(shu)国泰君安人士认为，第三方AI平台有四(si)方面优势(shi)：一是能(neng)为长尾客户提供定(ding)制化、个性化的咨询服务和投顾建议；二是推理模型的存在，让用户可基于模型思考验证自(zi)身逻辑，降低(di)黑箱困扰；三是社(she)群化信任构建，即随着越来越多投资者分享第三方AI平台带来的投资辅助体验，其他尚未接触的投资者会被吸引到第三方平台；四(si)是伴随模型能(neng)力(li)持续提升，其分析逻辑的深度、广度将逐步(bu)赶超绝大多数(shu)的投资者乃至投顾。

东方证券相关人士补充称，AI平台一般成本较低(di)，甚至免(mian)费，使得长尾客户更愿意尝试和依赖，相比之下券商投顾服务可能(neng)价格较高，限制了客户的使用频率。

不过，也有一些券商人士持相反意见。张嘉为谈到，投资者与券商投顾之间的黏(nian)性不会受到影响，一是因为大语言模型给(gei)予专业建议的本质，是依赖于模型深度推理分析能(neng)力(li)、数(shu)据处理能(neng)力(li)以及基于不同数(shu)据及语料的“训练过程”，专业建议的有效性需要(yao)经历周期与时间的验证；二是因为AI大模型存在强化投资者认知偏差、制造新“信息茧房”的可能(neng)性。

华福证券负责人则(ze)称：“第三方AI平台不会比券商更易获得长尾用户的信任，因为用户第一次、第二次使用可能(neng)感(gan)觉新奇，但用多了，最终还是会介(jie)怀对面不是真人。另外，在专业性和合规性方面，券商投顾的优势(shi)还是很明显。”

3 投顾业务生态面临重构

证券业应用智(zhi)能(neng)投顾产(chan)品已有多年，但DeepSeek等大模型凭借其内在的逻辑构建、内容生成与深度理解等能(neng)力(li)，仍让证券业感(gan)到“惊艳”。展望未来，伴随科(ke)技平权、知识平权时代的到来，券商投顾业务生态无疑将经历显著变革。

平安证券经纪业务事业部相关负责人向(xiang)证券时报记者表示：“券商投顾业务的核心竞争力(li)将从‘信息不对称优势(shi)’转向(xiang)‘技术赋能(neng)下的服务深度与客户体验’。”

这也意味(wei)着，获客留客的商业逻辑、投顾服务手段(duan)等可能(neng)面临重构。以部分商业逻辑为例，过去有些机构打造“一键上传持仓截图”功能(neng)作为引流的抓手，即吸引客户注册账号甚至开户以解锁账户诊断方案。如今，年轻用户已经可以在不同AI平台上免(mian)费获取(qu)账户诊断的信息。尽管当前DeepSeek等大模型的诊断准确率有待提高，但伴随未来模型能(neng)力(li)的提升，上述(shu)获客的商业逻辑将会面临重构。

上述(shu)案例正是投顾服务“信息不对称”优势(shi)逐渐减弱的一个体现。未来，券商获客的难度预计将上升。东方证券相关人士表示，投资者更容易从第三方AI平台获取(qu)定(ding)制化的投资建议，券商需要(yao)投入更多资源吸引和留住客户，尤其是长尾客户群体。

在服务模式(shi)方面，多位受访券商人士认为需要(yao)重塑。前述(shu)平安证券相关负责人谈到，随着第三方平台不断提供个性化服务，券商传统的“标准化产(chan)品+人工服务”模式(shi)面临着效率与体验的双重挑(tiao)战(zhan)。

在此背景下，业内的共识是要(yao)“技术融合”——构建“AI+投顾”的人机协同新模式(shi)。中信建投证券相关人士认为，该模式(shi)既可以提升服务效率和客户体验，也可以释放(fang)投顾生产(chan)力(li)，能(neng)发力(li)于定(ding)制化和高净(jing)值(zhi)客群服务。

东方证券相关人士谈到，一方面是技术赋能(neng)，券商可以利用AI技术提升投顾服务的效率和精(jing)准度；另一方面是差异化服务，相对复(fu)杂的投资解决方案难以被AI完全(quan)替代，例如定(ding)制化投资组合、家族财富传承等。

此外，在配套措施方面，国泰君安相关人士表示，投顾能(neng)力(li)评价体系要(yao)迎来变革，投顾对AI工具的使用、对AI能(neng)力(li)的理解也要(yao)进一步(bu)纳(na)入整体评价体系。

平安证券相关负责人直言，技术对专业能(neng)力(li)有放(fang)大效应，“AI技术的普及，既加速了投顾人员的信息处理能(neng)力(li)，也倒逼其向(xiang)更高阶(jie)的‘策略生成’和‘情感(gan)交互’角色升级(ji)。投顾的核心价值(zhi)，转向(xiang)对模型输出的策略进行逻辑验证与风险校准”。

4 应对挑(tiao)战(zhan)各有后手

AI大势(shi)已不可逆，既有机遇也有挑(tiao)战(zhan)。多位受访券商人士认为，挑(tiao)战(zhan)主要(yao)在于技术如何深度赋能(neng)业务，并与业务融合。对此，不同类型的证券公司，其解题(ti)思路也存在差异。

上述(shu)国泰君安人士表示，AI浪潮下，券商投顾业务将迎来发展机遇。一是证券公司可结合AI大模型和自(zi)身的专业数(shu)据禀赋、专业经验和投资体系框架(jia)，构建自(zi)身的智(zhi)能(neng)化护城河；二是证券公司可利用智(zhi)能(neng)投顾服务于原(yuan)本无法(fa)覆盖的长尾客户；三是利用大模型赋能(neng)投顾；四(si)是进一步(bu)将投顾能(neng)力(li)封装为企业级(ji)的综合解决方案。

自(zi)2023年起，国泰君安就(jiu)开始(shi)加强探索AI大模型在证券投顾领域的赋能(neng)工作。该人士还指出，券商面临的挑(tiao)战(zhan)同样不可小觑。一是技术挑(tiao)战(zhan)。大多数(shu)券商并未有AI能(neng)力(li)积累，如何充分研究大模型技术并将其与证券业务深度融合，存在挑(tiao)战(zhan)；二是成本挑(tiao)战(zhan)。大模型技术研究和应用需要(yao)投入大量资金资源，中小型券商难以应对高成本、高投入的AI竞赛；三是人才挑(tiao)战(zhan)。目(mu)前懂业务、懂AI、懂技术的复(fu)合型人才稀缺(que)且(qie)昂贵；四(si)是转型挑(tiao)战(zhan)。大模型的应用需要(yao)与现有的流程模式(shi)融合，融合的过程中存在阻(zu)碍；五(wu)是数(shu)据治理挑(tiao)战(zhan)。智(zhi)能(neng)化深度发展的前提，是数(shu)字化治理取(qu)得一定(ding)成果(guo)，目(mu)前多数(shu)券商在数(shu)据治理方面仍处于初级(ji)阶(jie)段(duan)。

作为中小券商的代表，东莞证券相关人士称，对于技术薄弱、成本敏感(gan)型的中小券商而言，依据“市场需求度、技术可行性、商业可行性”原(yuan)则(ze)，多层次推进是实现人工智(zhi)能(neng)发展的关键，也是智(zhi)能(neng)投顾发展的探索路径(jing)。“一是应用优先。可部署现有厂商通用大模型并进行本地化，通过应用的快(kuai)速对接，积累适配性创新经验；二是能(neng)力(li)培养。以智(zhi)能(neng)客服、专业化个人助手等应用程序接口（API）调用服务建设(she)为起点，加强模型推理与智(zhi)能(neng)体等技术应用能(neng)力(li)培育。同时，尝试与外部有实力(li)的机构开展合作，准备好基础条(tiao)件，实现大模型本地化推理应用服务，逐步(bu)打通各类能(neng)力(li)。”该人士表示。