券商(shang)中国(guo)记者(zhe)亦尝试向DeepSeek-R1（以下简称(cheng)“DeepSeek”）上传基金持仓账户截图，并征询账户诊断(duan)与调仓建议。结果显示，DeepSeek不仅(jin)指出问(wen)题所在，还提供了可操作方案，包(bao)括不同产品的仓位建议、替换产品的名称(cheng)、调仓时点、止损止盈线、交易成本优化措施(shi)等。

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

华福证券相关人士告诉记者(zhe)，DeepSeek在股票基金账户诊断(duan)方面表现(xian)出色。以一个(ge)普通账户为例，模型能够在约 6 分钟内整合近百(bai)条市场数据和持仓信息(xi)，对账户持仓结构进(jin)行全面剖析，并给(gei)出直观清晰的风险评估报告，评估准确性达到85%。但在调仓建议环节，与一线投顾相比仍有差距。该人士指出，DeepSeek目前还难(nan)以完全模拟人类投顾对复杂人性和市场微妙变化的理解，在洞察(cha)客户个(ge)性化深(shen)层次需求方面，投顾的能力(li)仍不可替代。

银河证券财富管理首席投资官、产品中心总经理张(zhang)嘉(jia)为表示，从内外部的测评反馈来看，DeepSeek在数据分析处(chu)理速(su)度与响(xiang)应及(ji)时程(cheng)度方面远超人工(gong)投顾；但是，囿(you)于DeepSeek作为智能化大模型本身(shen)仍旧是“模型工(gong)具”，对于复杂市场环境分析、资讯(xun)信息(xi)准确性辨别及(ji)客户多元化需求分析等多领域仍与专业投顾存在较大差距。不同的引(yin)导(dao)问(wen)题及(ji)数据物料，也会产生出完全截然不同的分析结论，但最终结论的选(xuan)择与判断(duan)仍强依赖于个(ge)人的专业理解。

国(guo)信证券技术部相关人士指出，在账户诊断(duan)及(ji)调仓建议方面，DeepSeek存在线性外推、数据不完整，甚至部分基金代码出现(xian)错误等问(wen)题，目前并不足以替代一线投顾的专业建议。

谈及(ji)原因(yin)时，该名国(guo)信证券技术部人士认为，这主要因(yin)为DeepSeek只对接互联网数据，未能对接专业可信的金融行业数据库、企业内部知识库和客户画像库，因(yin)此(ci)会存在数据和信息(xi)错误的情况。另外对于业务决(jue)策的深(shen)度思考，需要大模型对行业数据以及(ji)专家规则进(jin)行系统性的学习和积(ji)累，目前还未能证明可以做到比较好的决(jue)策能力(li)。

东莞(guan)证券相关人士谈到，人工(gong)智能发展可以分为在线服务、自动(dong)化服务和智能涌(yong)现(xian)三个(ge)层次。从目前进(jin)展来看，行业的智能投顾的“智能化”主要集(ji)中在第二层次，在投资者(zhe)画像、资产配置、投资组合选(xuan)择等环节通过计算机操作代替人工(gong)，用线上服务代替线下服务。然而证券市场不可预测、不确定性强，量化策略研发需要不断(duan)实验和调整，难(nan)以应对“黑天鹅”等异常事件，模型算法鲁棒性需要加(jia)强。目前的智能化技术难(nan)以支持，距离培(pei)育自主决(jue)策的量化投资智能体仍相差甚远，由机器自主决(jue)策的“强智能”在金融投资领域的广泛应用尚无(wu)明确时间表。

业内热议长尾(wei)客户黏性是否下滑

尽管DeepSeek不能取代一线投顾，但第三方AI平台凭借投资建议的易获取性优势，正吸引(yin)年轻投资者(zhe)注意力(li)。他(ta)们大多属于证券公司中以往未得(de)到充分服务的长尾(wei)客户群体。这一潜在变化趋(qu)势对于依赖投顾业务盈利的证券公司而言，构成压力(li)。

多名受访券商(shang)人士坦承，上述情形(xing)确实在影(ying)响(xiang)长尾(wei)客户与券商(shang)投顾之间的粘性。前述国(guo)信证券相关人士谈到，“大模型前的时代，受制于专业投顾精力(li)有限，行业有较大量的长尾(wei)客户需求难(nan)以被(bei)及(ji)时有效满足。而大模型时代，DeepSeek等大模型在信息(xi)检索加(jia)工(gong)以及(ji)深(shen)度思考能力(li)突出，在长尾(wei)客户的投资陪伴部分服务领域中表现(xian)出来的便(bian)捷性和及(ji)时性等效果，给(gei)客户的直观感受可能优于传统人工(gong)投顾服务。”

国(guo)泰君安相关人士表示，第三方AI平台的出现(xian)有可能发生甚至已(yi)经在影(ying)响(xiang)投资者(zhe)和券商(shang)投顾的粘性关系，不仅(jin)是价格敏感的长尾(wei)客户，还有对AI有所研究或者(zhe)投资能力(li)更高的客户。

券商(shang)中国(guo)记者(zhe)注意到，在前述社交媒体平台上，确实有部分投资者(zhe)声称(cheng)“自主建立(li)了基于DeepSeek的金融分析模型，用于选(xuan)股或者(zhe)ETF配置等。”

上述国(guo)泰君安人士认为，第三方AI平台有四方面优势：一是能为长尾(wei)客户提供定制化、个(ge)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身(shen)逻(luo)辑，降(jiang)低(di)黑箱困(kun)扰；三是社群化信任构建，即随着越来越多投资者(zhe)分享第三方AI平台带来的投资辅助体验，其他(ta)尚未接触的投资者(zhe)会被(bei)吸引(yin)到第三方平台；四是伴随模型能力(li)持续提升，其分析逻(luo)辑的深(shen)度、广度将逐步赶超绝大多数的投资者(zhe)乃至投顾。

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

不过，也有一些(xie)券商(shang)人士持相反意见。银河证券张(zhang)嘉(jia)为谈到，投资者(zhe)与券商(shang)投顾之间的黏性不会受到影(ying)响(xiang)。主要因(yin)为，一是大语言模型给(gei)予专业建议的本质是依赖于模型深(shen)度推理分析能力(li)、数据处(chu)理能力(li)以及(ji)基于不同数据及(ji)语料的“训练过程(cheng)”，即使专业投资者(zhe)使用大模型也需要经过长期的回测、调优并不断(duan)适配最新环境，因(yin)此(ci)专业建议的有效性也同样需要经历周期与时间的验证。二是AI大模型也存在强化投资者(zhe)认知偏差、制造新的“信息(xi)茧房”的可能性。

平安证券经纪业务事业部相关负责人谈到，用户并非为了炒股才用AI，而是用了AI后也会涉(she)及(ji)投资性的内容。从这个(ge)角度看，AI和投顾扮(ban)演的角色，和与客户形(xing)成信任的机制是不一样的。AI扮(ban)演的角色，是多了一个(ge)参考信息(xi)的来源。而对券商(shang)来说，跟客户站在一起，去面对纷繁复杂的市场，这个(ge)角色没有变，变的是新的环境下大家的工(gong)作方式和内容。

华福证券相关人士也谈到，第三方AI平台不会比券商(shang)更易获得(de)长尾(wei)用户的信任，因(yin)为用户第一次、第二次使用可能感觉新奇，但用多了，始终会觉得(de)对面不是真的人类。另外，在专业性和合规性方面，券商(shang)投顾优势明显。

投顾业务生态面临重构

证券业应用智能投顾产品已(yi)有多年，但DeepSeek等大模型凭借其内在的逻(luo)辑构建、内容生成与深(shen)度理解等能力(li)，仍让证券业感到“惊艳”。展望未来，伴随科(ke)技平权、知识平权时代的到来，券商(shang)投顾业务生态无(wu)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券商(shang)中国(guo)记者(zhe)表示：“券商(shang)投顾业务的核心竞(jing)争力(li)将从‘信息(xi)不对称(cheng)优势’转向‘技术赋能下的服务深(shen)度与客户体验’。”

这也意味着，获客留客的商(shang)业逻(luo)辑、投顾服务手段等可能面临重构。以部分商(shang)业逻(luo)辑为例，过去有些(xie)机构打造“一键(jian)上传持仓截图”功能作为引(yin)流的抓手，即吸引(yin)客户注册账号甚至开户以解锁账户诊断(duan)方案。如今，年轻用户已(yi)经可以在不同AI平台上免费获取账户诊断(duan)的信息(xi)。尽管当(dang)前DeepSeek等大模型的诊断(duan)准确率有待提高，但伴随未来模型能力(li)的提升，上述获客的商(shang)业逻(luo)辑将会面临重构。

上述案例正是投顾服务“信息(xi)不对称(cheng)“优势逐渐减弱的一个(ge)体现(xian)。未来，券商(shang)获客的难(nan)度预计将上升。东方证券相关人士表示，投资者(zhe)更容易从第三方AI平台获取定制化的投资建议，券商(shang)需要投入更多资源吸引(yin)和留住(zhu)客户，尤其是长尾(wei)客户群体。

在服务模式方面，多位受访券商(shang)人士认为需要重塑。前述平安证券相关负责人谈到，随着第三方平台不断(duan)提供个(ge)性化服务，券商(shang)传统的“标准化产品+人工(gong)服务”模式面临着效率与体验的双重挑战。

在此(ci)背景下，业内的共识是要“技术融合”——构建“AI+投顾”的人机协同新模式。中信建投证券相关人士认为，该模式既可以提升服务效率和客户体验，也可以释放投顾生产力(li)，能发力(li)于定制化和高净值客群服务。

东方证券相关人士谈到，一方面技术赋能，券商(shang)可以利用AI技术提升投顾服务的效率和精准度，例如通过AI进(jin)行客户画像、投资组合优化、风险控制等。另一方面差异化服务，相对复杂的投资解决(jue)方案难(nan)以被(bei)AI完全替代，例如定制化投资组合、家族财富传承等。

此(ci)外，在配套措施(shi)方面，国(guo)泰君安相关人士谈到，投顾能力(li)评价体系要迎来变革，不仅(jin)要聚焦在服务、投资、资产等范畴，投顾对AI工(gong)具的使用、对AI能力(li)的理解也将进(jin)一步纳入整体的评价体系。

平安证券相关负责人直言，技术对专业能力(li)有放大效应，“AI技术的普及(ji)，既加(jia)速(su)了投顾人员的信息(xi)处(chu)理能力(li)，也倒逼其向更高阶的‘策略生成’和‘情感交互’角色升级(ji)。投顾的核心价值，转向对模型输出的策略进(jin)行逻(luo)辑验证与风险校(xiao)准。”

不同规模券商(shang)应对挑战各有招术

AI大势已(yi)不可逆，既有机遇也有挑战。多位受访券商(shang)人士认为，挑战主要在于技术如何深(shen)度赋能业务，并与业务融合。对此(ci)，不同类型的证券公司，其解题思路也存在差异。

国(guo)泰君安人士表示，AI浪潮下券商(shang)投顾业务将迎来多重发展机遇，一是证券公司可结合AI大模型和自身(shen)的专业数据禀(bing)赋、专业经验和投资体系框架，构建自身(shen)的智能化护城河。二是证券公司可利用智能投顾服务自身(shen)原本无(wu)法覆盖的长尾(wei)客户。三是利用大模型赋能投顾。四是进(jin)一步将投顾能力(li)封装为企业级(ji)的综合解决(jue)方案。据悉，国(guo)泰君安自2023年起就逐步探索AI大模型在证券投资顾问(wen)领域的赋能工(gong)作。

券商(shang)面临的挑战同样不可小(xiao)觑(qu)。该人士也指出，一是技术挑战，大多数券商(shang)并未有AI能力(li)积(ji)累，如何充分研究大模型技术并得(de)以与证券业务的深(shen)度融合存在挑战；二是成本挑战，大模型技术研究和应用需要投入大量资金资源，中小(xiao)型券商(shang)难(nan)以应对高成本、高投入的AI竞(jing)赛；三是人才挑战，目前懂(dong)业务、懂(dong)AI、懂(dong)技术的复合型人才稀缺且昂贵；四是转型挑战，大模型的应用需要与现(xian)有的流程(cheng)模式融合，融合的过程(cheng)中存在阻碍；五是数据治理挑战，智能化深(shen)度发展的前提是数字化治理取得(de)一定成果，大量券商(shang)在数据治理方面仍处(chu)于初(chu)级(ji)阶段。

作为中小(xiao)券商(shang)的代表，东莞(guan)证券相关人士称(cheng)，对于技术薄弱、成本敏感型的中小(xiao)券商(shang)而言，按“市场需求度、技术可行性、商(shang)业可行性”原则，多层次推进(jin)是实现(xian)人工(gong)智能发展的关键(jian)，也是智能投顾发展的探索路径。

“一是应用优先，部署现(xian)有厂商(shang)通用大模型并进(jin)行本地化应用快速(su)对接，积(ji)累适配性创新经验，探索如何更好地与AI合作创新。二是能力(li)培(pei)养，以智能客服、专业化个(ge)人助手等应用程(cheng)序接口（API）调用服务建设为起点，加(jia)强模型推理与智能体等技术应用能力(li)培(pei)育；同时尝试与外部有实力(li)的机构开展合作，准备好基础条件，实现(xian)大模型本地化推理应用服务，逐步打通各类能力(li)。”东莞(guan)证券人士表示。