对此，证券时报记者采访(fang)多名券商人士了解到，其中(zhong)既有“应(ying)统(tong)一监管(guan)”的呼声(sheng)，也有认为管(guan)理不(bu)宜“一刀切”的观点。

未来，监管(guan)部门将在AI投顾业态中(zhong)扮演(yan)怎样的监管(guan)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 是否纳入投顾牌照监管(guan)引争议

今年春节以来，陆续有投资者向DeepSeek-R1、豆包等寻求关(guan)于股(gu)票与基金(jin)的投资建议。针对这一现象，有证券从业人员向证券时报记者提出困惑——AI大(da)模型在提供股(gu)票或基金(jin)的投资建议时，是否应(ying)该持有投顾牌照？

证券时报记者注意到，在豆包APP平台上，不(bu)同(tong)入口获(huo)取的证券投资咨询结果(guo)呈现显著的监管(guan)差异(yi)。比如，当记者向豆包要求推荐股(gu)票时，豆包会给出多只股(gu)票的具体建议，包括仓(cang)位、买入价等。而当记者向华泰证券在豆包APP上线(xian)的股(gu)票智能(neng)体“华泰股(gu)市助手”提出相同(tong)问题时却遭遇(yu)“碰(peng)壁”，并未提供直接的买卖建议，但会给出资金(jin)面、技术面等信息供投资者分析决(jue)策。

同(tong)一APP上出现截然不(bu)同(tong)的咨询结果(guo)，反映出不(bu)同(tong)入口背后的主体属性差异(yi)。华泰证券作为持牌金(jin)融机构受到监管(guan)规定的约束，而从用户需求的角度看，豆包的直接荐股(gu)建议可能(neng)更有吸引力。那么，以DeepSeek、豆包为代表的大(da)模型，是否应(ying)该纳入证券投资咨询牌照监管(guan)呢？

部分受访(fang)的券商人士认为，通用大(da)模型应(ying)纳入投顾牌照监管(guan)。华福证券有关(guan)负责人表示，尽管(guan)目前通用大(da)模型荐股(gu)荐基的建议尚未商业化，但已对投资者的决(jue)策产生了影响，纳入监管(guan)能(neng)够确保通用大(da)模型提供的投资建议具备专业性和合规性，进而避免误导投资者。国(guo)信证券相关(guan)人士也认为，通用大(da)模型的荐股(gu)荐基应(ying)该与现有监管(guan)保持一致，要对客户的适当性进行校验，所提供的投资建议可能(neng)会对市场(chang)交易(yi)价格产生冲击，要进行统(tong)一监控。

不(bu)过，也有券商人士认为要多方面考(kao)虑问题，不(bu)应(ying)“一刀切”。银河证券财富管(guan)理首席投资官、产品中(zhong)心总经理张(zhang)嘉为谈到，仅从AI技术本身(shen)来看，通用大(da)模型更多具备的是“模型”和“工具”的属性。在未商业化的前提下，投资者在自主使用的过程中(zhong)，并无需要纳入投资咨询牌照监管(guan)的必要性。“不(bu)过，如果(guo)有机构依据其模型搭建商业化模式并给出具体的投资建议，或者未来荐股(gu)行为实现商业化，本质(zhi)上则属于投资咨询行为，理应(ying)纳入投资咨询牌照监管(guan)。”

国(guo)泰君安(an)相关(guan)人士也有类似观点。他谈到，以DeepSeek为例的通用模型平台主要以数学(xue)、物理、常识等问题进行训(xun)练，并非以金(jin)融投资问题训(xun)练，模型在证券行业中(zhong)的应(ying)用能(neng)力是“模型泛化”的成果(guo)之一。“如果(guo)对这些平台做‘一刀切’管(guan)理，从某种(zhong)角度上来说反而会限制模型能(neng)力的进一步发挥，对模型的进化提升存在潜在的负面影响。”

在上述国(guo)泰君安(an)人士看来，金(jin)融服务的风险传导机制决(jue)定了监管(guan)应(ying)聚焦“行为实质(zhi)”而非“技术形态”，比如以专业服务平台为代表的智能(neng)投顾平台、以证券机构为主体在智能(neng)体平台建立的对客智能(neng)体（Agent）就需要纳入投顾牌照监管(guan)。因(yin)为这些平台达到输(shu)出投资建议的三个标准，即具有明确指向性，比如提供个股(gu)或者基金(jin)代码；形成持续性服务，而非用户单次测试；产生实质(zhi)影响，用户会据此交易(yi)。上述三点，已触及监管(guan)边界。

2 券商建言加强算法监管(guan)

除了主体属性存在争议外，在合规性方面，通用大(da)模型提供投资建议背后的底层数据、算法模型、生成的投资逻辑和相应(ying)结论等是否应(ying)该纳入监管(guan)，以及技术中(zhong)立能(neng)否豁免合规责任(ren)等话题，也存在讨论的空间。

近期，“数据污染”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括某基金(jin)产品的广告(gao)投放。“AI幻觉(jue)”问题也多次被曝光，即模型生成与事实不(bu)符、逻辑断裂或脱(tuo)离上下文的内容。在Vectara HHEM人工智能(neng)幻觉(jue)测试中(zhong)，DeepSeek-R1显示出14.3%的幻觉(jue)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仅仅是多了一个参考(kao)信息的来源，并且(qie)用户输(shu)入不(bu)同(tong)的提示词后也会产生差异(yi)较大(da)的分析结果(guo)。从这个角度看，AI技术是中(zhong)性的，在其提供的最终结论中(zhong)，判断与选择仍取决(jue)于用户本人。

也有券商人士持有不(bu)同(tong)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(guo)信证券相关(guan)人士表示，思维链输(shu)出的交互形态，潜意识引导了用户的认知，让用户更加容易(yi)认同(tong)分析的结果(guo)，但同(tong)时也让大(da)模型的幻觉(jue)变得更加隐蔽。“深度使用DeepSeek就会发现，金(jin)融数据容易(yi)被错误引用，对于原始信息的真实性无法求证，生成内容容易(yi)被搜索(suo)结果(guo)误导，因(yin)此需要相关(guan)监管(guan)部门加强对该领域的监管(guan)。”

中(zhong)信建投证券相关(guan)人士也表示，目前，将AI直接用于投资咨询存在技术风险，算法模型和资产配置逻辑存在不(bu)稳定、不(bu)可靠等风险。

前述华福证券有关(guan)负责人建议，监管(guan)可考(kao)虑要求平台披露(lu)算法逻辑和风险提示，能(neng)够让投资者更清楚地了解投资建议的依据和风险，从而维护(hu)金(jin)融市场(chang)的稳定和公(gong)平。

东莞证券相关(guan)人士表示，在智能(neng)投顾业务监管(guan)方面，建议加大(da)智能(neng)投顾监管(guan)“沙盒”试点，加快智能(neng)投顾业务属性与准入管(guan)理具体规范的制定。同(tong)时，鉴于我国(guo)资本市场(chang)个人投资者占比较高的情(qing)况，AI的发展应(ying)用应(ying)参考(kao)当下对高频(pin)量化交易(yi)的监管(guan)策略，依据市场(chang)结构、流动性和价格发现产生方式等对智能(neng)投顾的相关(guan)监管(guan)策略进行分类研究，既不(bu)可“一概而论”也不(bu)能(neng)“听(ting)之任(ren)之”。

3 趋同(tong)性风险属多虑吗？

此外，有市场(chang)观点称，伴随(sui)AI荐股(gu)未来得到广泛应(ying)用，可能(neng)会引发投资者群体性操作，导致市场(chang)波动加大(da)。对此，多名受访(fang)人士认为，趋同(tong)性风险确有存在的可能(neng)，但发生的概率不(bu)大(da)，市场(chang)不(bu)必多虑。

前述华福证券有关(guan)负责人认为，由于很多机构可能(neng)基于相似的市场(chang)数据、算法模型和理论基础来构建自己的AI投资系统(tong)，当市场(chang)出现某些特定信号时，大(da)量基于相同(tong)算法的投资决(jue)策有可能(neng)同(tong)时发生。因(yin)此，需要谨慎看待AI在投研与投资咨询领域的运用。

“在防范方面，我们(men)可以通过监管(guan)引导机构在算法设计上增加差异(yi)化，鼓(gu)励(li)机构结合自身(shen)的研究优势、数据特色来优化算法。同(tong)时，加强投资者教育(yu)也至关(guan)重要，要引导投资者理性看待AI投资建议，不(bu)能(neng)盲目跟风，从而降低因(yin)算法趋同(tong)带(dai)来的市场(chang)波动风险。”上述华福证券有关(guan)负责人称。

张(zhang)嘉为认为，趋同(tong)性的出现取决(jue)于三方面是否发生共振，一是具体应(ying)用场(chang)景和应(ying)用模式，二是底层数据来源范围，三是客户提问的提示词。在实际展业中(zhong)，三者共振导致趋同(tong)性的概率不(bu)大(da)，因(yin)为持牌金(jin)融机构通常多方面提升策略多样性、交易(yi)分散性、模型多样化协同(tong)、业务技术深度融合及风控预警等。同(tong)时，各家机构拥有不(bu)同(tong)的客户数据、投顾数据、资讯(xun)数据等，数据库一致性的概率不(bu)大(da)。此外，客户千人千面，其提问的提示词高度重复的概率也不(bu)大(da)。

平安(an)证券经纪业务事业部相关(guan)负责人以量化交易(yi)的策略发展为例，称这是类似一个循环的过程，即发现策略、获(huo)利、失效(xiao)、再挖掘(jue)新的策略。“在技术升级的初期阶段，可能(neng)会出现‘羊(yang)群效(xiao)应(ying)’，比如大(da)家用的模型、数据源或者训(xun)练方法都差不(bu)多，短期内引发趋同(tong)交易(yi)，但这也可能(neng)导致策略收益下降甚至亏损，进而推动市场(chang)从同(tong)质(zhi)化走向差异(yi)化。”该负责人表示。