券商(shang)中国记者亦尝试向DeepSeek-R1（以下简称“DeepSeek”）上传(chuan)基(ji)金持仓账户(hu)截图，并征询账户(hu)诊断与调仓建议(yi)。结果(guo)显示(shi)，DeepSeek不仅指出问题所在，还提供(gong)了(le)可操作方案，包括不同(tong)产品的仓位建议(yi)、替换产品的名称、调仓时点、止(zhi)损止(zhi)盈线、交(jiao)易成本(ben)优化措(cuo)施等。

至此，DeepSeek提供(gong)的账户(hu)诊断与专业建议(yi)可否匹敌券商(shang)一线投顾的平均(jun)水(shui)准，也引(yin)起了(le)市场的极(ji)大(da)关注。

华福证券相关人士告诉记者，DeepSeek在股票基(ji)金账户(hu)诊断方面表现出色。以一个普通账户(hu)为例，模型能够在约(yue) 6 分(fen)钟内整合近(jin)百条市场数(shu)据和持仓信息，对账户(hu)持仓结构进行全面剖析，并给出直观清晰的风险(xian)评估报告，评估准确性达到85%。但(dan)在调仓建议(yi)环(huan)节，与一线投顾相比(bi)仍有差距。该人士指出，DeepSeek目(mu)前还难以完全模拟人类投顾对复(fu)杂人性和市场微妙变化的理解，在洞察客户(hu)个性化深层次需求方面，投顾的能力仍不可替代。

银河证券财富管理首席投资官、产品中心总(zong)经理张嘉为表示(shi)，从内外部的测(ce)评反馈来(lai)看(kan)，DeepSeek在数(shu)据分(fen)析处理速度与响应及时程度方面远超(chao)人工投顾；但(dan)是，囿于DeepSeek作为智能化大(da)模型本(ben)身仍旧是“模型工具”，对于复(fu)杂市场环(huan)境分(fen)析、资讯(xun)信息准确性辨别及客户(hu)多元化需求分(fen)析等多领域仍与专业投顾存在较大(da)差距。不同(tong)的引(yin)导问题及数(shu)据物料，也会产生出完全截然不同(tong)的分(fen)析结论，但(dan)最终(zhong)结论的选(xuan)择与判断仍强依赖于个人的专业理解。

国信证券技术(shu)部相关人士指出，在账户(hu)诊断及调仓建议(yi)方面，DeepSeek存在线性外推、数(shu)据不完整，甚至部分(fen)基(ji)金代码出现错误等问题，目(mu)前并不足以替代一线投顾的专业建议(yi)。

谈及原因时，该名国信证券技术(shu)部人士认为，这主要(yao)因为DeepSeek只对接互联网数(shu)据，未能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(hu)画(hua)像(xiang)库，因此会存在数(shu)据和信息错误的情况。另外对于业务决(jue)策的深度思考，需要(yao)大(da)模型对行业数(shu)据以及专家规(gui)则进行系统性的学习(xi)和积累(lei)，目(mu)前还未能证明可以做(zuo)到比(bi)较好的决(jue)策能力。

东莞证券相关人士谈到，人工智能发(fa)展可以分(fen)为在线服务、自动(dong)化服务和智能涌现三个层次。从目(mu)前进展来(lai)看(kan)，行业的智能投顾的“智能化”主要(yao)集中在第二层次，在投资者画(hua)像(xiang)、资产配置、投资组合选(xuan)择等环(huan)节通过计算机操作代替人工，用线上服务代替线下服务。然而证券市场不可预测(ce)、不确定性强，量化策略研发(fa)需要(yao)不断实验和调整，难以应对“黑天鹅”等异常事件，模型算法(fa)鲁棒(bang)性需要(yao)加强。目(mu)前的智能化技术(shu)难以支持，距离(li)培育自主决(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明确时间表。

业内热议(yi)长(chang)尾客户(hu)黏性是否下滑

尽管DeepSeek不能取代一线投顾，但(dan)第三方AI平台(tai)凭借投资建议(yi)的易获取性优势，正吸引(yin)年轻投资者注意力。他们大(da)多属于证券公(gong)司中以往未得到充分(fen)服务的长(chang)尾客户(hu)群体。这一潜在变化趋势对于依赖投顾业务盈利的证券公(gong)司而言，构成压力。

多名受(shou)访券商(shang)人士坦承，上述情形确实在影(ying)响长(chang)尾客户(hu)与券商(shang)投顾之间的粘(zhan)性。前述国信证券相关人士谈到，“大(da)模型前的时代，受(shou)制于专业投顾精力有限，行业有较大(da)量的长(chang)尾客户(hu)需求难以被及时有效满足。而大(da)模型时代，DeepSeek等大(da)模型在信息检索加工以及深度思考能力突出，在长(chang)尾客户(hu)的投资陪伴部分(fen)服务领域中表现出来(lai)的便捷性和及时性等效果(guo)，给客户(hu)的直观感受(shou)可能优于传(chuan)统人工投顾服务。”

国泰君安相关人士表示(shi)，第三方AI平台(tai)的出现有可能发(fa)生甚至已经在影(ying)响投资者和券商(shang)投顾的粘(zhan)性关系，不仅是价格敏感的长(chang)尾客户(hu)，还有对AI有所研究或者投资能力更高的客户(hu)。

券商(shang)中国记者注意到，在前述社交(jiao)媒体平台(tai)上，确实有部分(fen)投资者声称“自主建立了(le)基(ji)于DeepSeek的金融分(fen)析模型，用于选(xuan)股或者ETF配置等。”

上述国泰君安人士认为，第三方AI平台(tai)有四方面优势：一是能为长(chang)尾客户(hu)提供(gong)定制化、个性化的咨询服务和投顾建议(yi)；二是推理模型的存在，让用户(hu)可基(ji)于模型思考验证自身逻(luo)辑(ji)，降低黑箱困扰；三是社群化信任构建，即随着越来(lai)越多投资者分(fen)享第三方AI平台(tai)带来(lai)的投资辅助体验，其他尚未接触的投资者会被吸引(yin)到第三方平台(tai)；四是伴随模型能力持续提升(sheng)，其分(fen)析逻(luo)辑(ji)的深度、广度将逐步赶超(chao)绝大(da)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(tai)一般成本(ben)较低，甚至免(mian)费，使得长(chang)尾客户(hu)更愿意尝试和依赖，相比(bi)之下券商(shang)投顾服务可能价格较高，限制了(le)客户(hu)的使用频率。

不过，也有一些券商(shang)人士持相反意见。银河证券张嘉为谈到，投资者与券商(shang)投顾之间的黏性不会受(shou)到影(ying)响。主要(yao)因为，一是大(da)语言模型给予专业建议(yi)的本(ben)质是依赖于模型深度推理分(fen)析能力、数(shu)据处理能力以及基(ji)于不同(tong)数(shu)据及语料的“训练过程”，即使专业投资者使用大(da)模型也需要(yao)经过长(chang)期的回测(ce)、调优并不断适配最新环(huan)境，因此专业建议(yi)的有效性也同(tong)样需要(yao)经历周期与时间的验证。二是AI大(da)模型也存在强化投资者认知偏差、制造新的“信息茧房”的可能性。

平安证券经纪业务事业部相关负责人谈到，用户(hu)并非为了(le)炒(chao)股才用AI，而是用了(le)AI后(hou)也会涉及投资性的内容。从这个角度看(kan)，AI和投顾扮演的角色，和与客户(hu)形成信任的机制是不一样的。AI扮演的角色，是多了(le)一个参考信息的来(lai)源。而对券商(shang)来(lai)说，跟客户(hu)站在一起，去面对纷繁(fan)复(fu)杂的市场，这个角色没有变，变的是新的环(huan)境下大(da)家的工作方式和内容。

华福证券相关人士也谈到，第三方AI平台(tai)不会比(bi)券商(shang)更易获得长(chang)尾用户(hu)的信任，因为用户(hu)第一次、第二次使用可能感觉新奇，但(dan)用多了(le)，始终(zhong)会觉得对面不是真的人类。另外，在专业性和合规(gui)性方面，券商(shang)投顾优势明显。

投顾业务生态面临(lin)重构

证券业应用智能投顾产品已有多年，但(dan)DeepSeek等大(da)模型凭借其内在的逻(luo)辑(ji)构建、内容生成与深度理解等能力，仍让证券业感到“惊艳”。展望未来(lai)，伴随科技平权、知识平权时代的到来(lai)，券商(shang)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券商(shang)中国记者表示(shi)：“券商(shang)投顾业务的核心竞争力将从‘信息不对称优势’转向‘技术(shu)赋能下的服务深度与客户(hu)体验’。”

这也意味着，获客留客的商(shang)业逻(luo)辑(ji)、投顾服务手段等可能面临(lin)重构。以部分(fen)商(shang)业逻(luo)辑(ji)为例，过去有些机构打造“一键上传(chuan)持仓截图”功(gong)能作为引(yin)流的抓(zhua)手，即吸引(yin)客户(hu)注册账号甚至开户(hu)以解锁账户(hu)诊断方案。如今，年轻用户(hu)已经可以在不同(tong)AI平台(tai)上免(mian)费获取账户(hu)诊断的信息。尽管当前DeepSeek等大(da)模型的诊断准确率有待提高，但(dan)伴随未来(lai)模型能力的提升(sheng)，上述获客的商(shang)业逻(luo)辑(ji)将会面临(lin)重构。

上述案例正是投顾服务“信息不对称“优势逐渐减弱的一个体现。未来(lai)，券商(shang)获客的难度预计将上升(sheng)。东方证券相关人士表示(shi)，投资者更容易从第三方AI平台(tai)获取定制化的投资建议(yi)，券商(shang)需要(yao)投入更多资源吸引(yin)和留住客户(hu)，尤其是长(chang)尾客户(hu)群体。

在服务模式方面，多位受(shou)访券商(shang)人士认为需要(yao)重塑。前述平安证券相关负责人谈到，随着第三方平台(tai)不断提供(gong)个性化服务，券商(shang)传(chuan)统的“标准化产品+人工服务”模式面临(lin)着效率与体验的双重挑(tiao)战。

在此背景下，业内的共识是要(yao)“技术(shu)融合”——构建“AI+投顾”的人机协(xie)同(tong)新模式。中信建投证券相关人士认为，该模式既(ji)可以提升(sheng)服务效率和客户(hu)体验，也可以释放(fang)投顾生产力，能发(fa)力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(shu)赋能，券商(shang)可以利用AI技术(shu)提升(sheng)投顾服务的效率和精准度，例如通过AI进行客户(hu)画(hua)像(xiang)、投资组合优化、风险(xian)控制等。另一方面差异化服务，相对复(fu)杂的投资解决(jue)方案难以被AI完全替代，例如定制化投资组合、家族财富传(chuan)承等。

此外，在配套措(cuo)施方面，国泰君安相关人士谈到，投顾能力评价体系要(yao)迎来(lai)变革，不仅要(yao)聚焦(jiao)在服务、投资、资产等范畴，投顾对AI工具的使用、对AI能力的理解也将进一步纳入整体的评价体系。

平安证券相关负责人直言，技术(shu)对专业能力有放(fang)大(da)效应，“AI技术(shu)的普及，既(ji)加速了(le)投顾人员的信息处理能力，也倒逼其向更高阶的‘策略生成’和‘情感交(jiao)互’角色升(sheng)级(ji)。投顾的核心价值，转向对模型输出的策略进行逻(luo)辑(ji)验证与风险(xian)校准。”

不同(tong)规(gui)模券商(shang)应对挑(tiao)战各有招术(shu)

AI大(da)势已不可逆(ni)，既(ji)有机遇(yu)也有挑(tiao)战。多位受(shou)访券商(shang)人士认为，挑(tiao)战主要(yao)在于技术(shu)如何深度赋能业务，并与业务融合。对此，不同(tong)类型的证券公(gong)司，其解题思路也存在差异。

国泰君安人士表示(shi)，AI浪潮下券商(shang)投顾业务将迎来(lai)多重发(fa)展机遇(yu)，一是证券公(gong)司可结合AI大(da)模型和自身的专业数(shu)据禀赋、专业经验和投资体系框架，构建自身的智能化护城(cheng)河。二是证券公(gong)司可利用智能投顾服务自身原本(ben)无法(fa)覆盖的长(chang)尾客户(hu)。三是利用大(da)模型赋能投顾。四是进一步将投顾能力封装为企业级(ji)的综合解决(jue)方案。据悉，国泰君安自2023年起就逐步探(tan)索AI大(da)模型在证券投资顾问领域的赋能工作。

券商(shang)面临(lin)的挑(tiao)战同(tong)样不可小觑。该人士也指出，一是技术(shu)挑(tiao)战，大(da)多数(shu)券商(shang)并未有AI能力积累(lei)，如何充分(fen)研究大(da)模型技术(shu)并得以与证券业务的深度融合存在挑(tiao)战；二是成本(ben)挑(tiao)战，大(da)模型技术(shu)研究和应用需要(yao)投入大(da)量资金资源，中小型券商(shang)难以应对高成本(ben)、高投入的AI竞赛；三是人才挑(tiao)战，目(mu)前懂业务、懂AI、懂技术(shu)的复(fu)合型人才稀缺且昂贵；四是转型挑(tiao)战，大(da)模型的应用需要(yao)与现有的流程模式融合，融合的过程中存在阻碍；五是数(shu)据治理挑(tiao)战，智能化深度发(fa)展的前提是数(shu)字化治理取得一定成果(guo)，大(da)量券商(shang)在数(shu)据治理方面仍处于初级(ji)阶段。

作为中小券商(shang)的代表，东莞证券相关人士称，对于技术(shu)薄弱、成本(ben)敏感型的中小券商(shang)而言，按“市场需求度、技术(shu)可行性、商(shang)业可行性”原则，多层次推进是实现人工智能发(fa)展的关键，也是智能投顾发(fa)展的探(tan)索路径。

“一是应用优先，部署现有厂商(shang)通用大(da)模型并进行本(ben)地化应用快速对接，积累(lei)适配性创新经验，探(tan)索如何更好地与AI合作创新。二是能力培养(yang)，以智能客服、专业化个人助手等应用程序接口（API）调用服务建设为起点，加强模型推理与智能体等技术(shu)应用能力培育；同(tong)时尝试与外部有实力的机构开展合作，准备好基(ji)础条件，实现大(da)模型本(ben)地化推理应用服务，逐步打通各类能力。”东莞证券人士表示(shi)。