券商中(zhong)国(guo)记者亦(yi)尝试向DeepSeek-R1（以下简(jian)称“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不仅指出问题所(suo)在，还提供了(le)可操作方案(an)，包括不同产品的仓位(wei)建议、替换产品的名称、调仓时点(dian)、止损止盈线、交(jiao)易成本(ben)优化(hua)措(cuo)施等。

至此，DeepSeek提供的账户诊断与专业建议可否匹敌券商一线投顾的平均(jun)水(shui)准(zhun)，也引起了(le)市场的极大(da)关注。

华福证券相关人士(shi)告诉(su)记者，DeepSeek在股票基金账户诊断方面表现出色。以一个普(pu)通(tong)账户为例，模型能够在约 6 分钟内整合近百条市场数据(ju)和(he)持仓信息，对账户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(zhun)确性达到(dao)85%。但(dan)在调仓建议环节，与一线投顾相比仍有差距。该人士(shi)指出，DeepSeek目前还难以完(wan)全模拟人类投顾对复杂人性和(he)市场微妙变(bian)化(hua)的理解，在洞察客户个性化(hua)深层次需求方面，投顾的能力仍不可替代。

银(yin)河证券财富管理首席(xi)投资官(guan)、产品中(zhong)心总(zong)经理张嘉为表示，从内外部的测评反馈来看，DeepSeek在数据(ju)分析处(chu)理速度与响应及时程度方面远超人工投顾；但(dan)是，囿于DeepSeek作为智能化(hua)大(da)模型本(ben)身仍旧(jiu)是“模型工具”，对于复杂市场环境分析、资讯信息准(zhun)确性辨别及客户多元(yuan)化(hua)需求分析等多领域仍与专业投顾存在较大(da)差距。不同的引导问题及数据(ju)物(wu)料，也会产生出完(wan)全截然不同的分析结论，但(dan)最终结论的选择与判断仍强依赖于个人的专业理解。

国(guo)信证券技(ji)术部相关人士(shi)指出，在账户诊断及调仓建议方面，DeepSeek存在线性外推(tui)、数据(ju)不完(wan)整，甚至部分基金代码出现错误等问题，目前并不足以替代一线投顾的专业建议。

谈及原因时，该名国(guo)信证券技(ji)术部人士(shi)认(ren)为，这主要因为DeepSeek只对接互联网数据(ju)，未能对接专业可信的金融行业数据(ju)库、企业内部知识库和(he)客户画像库，因此会存在数据(ju)和(he)信息错误的情况。另外对于业务(wu)决策的深度思考，需要大(da)模型对行业数据(ju)以及专家(jia)规则进行系统性的学习和(he)积(ji)累，目前还未能证明可以做到(dao)比较好的决策能力。

东莞证券相关人士(shi)谈到(dao)，人工智能发展可以分为在线服务(wu)、自动化(hua)服务(wu)和(he)智能涌(yong)现三个层次。从目前进展来看，行业的智能投顾的“智能化(hua)”主要集中(zhong)在第二层次，在投资者画像、资产配置、投资组合选择等环节通(tong)过计算机操作代替人工，用线上服务(wu)代替线下服务(wu)。然而证券市场不可预测、不确定性强，量化(hua)策略研发需要不断实验(yan)和(he)调整，难以应对“黑天鹅”等异常(chang)事件，模型算法鲁棒性需要加强。目前的智能化(hua)技(ji)术难以支持，距离培育自主决策的量化(hua)投资智能体仍相差甚远，由机器(qi)自主决策的“强智能”在金融投资领域的广(guang)泛应用尚无明确时间表。

业内热议长尾客户黏性是否下滑

尽管DeepSeek不能取代一线投顾，但(dan)第三方AI平台(tai)凭借投资建议的易获取性优势，正(zheng)吸引年轻投资者注意(yi)力。他(ta)们大(da)多属于证券公司中(zhong)以往未得到(dao)充分服务(wu)的长尾客户群体。这一潜(qian)在变(bian)化(hua)趋势对于依赖投顾业务(wu)盈利的证券公司而言，构成压力。

多名受访券商人士(shi)坦(tan)承，上述情形确实在影响长尾客户与券商投顾之间的粘性。前述国(guo)信证券相关人士(shi)谈到(dao)，“大(da)模型前的时代，受制于专业投顾精(jing)力有限(xian)，行业有较大(da)量的长尾客户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，在长尾客户的投资陪伴(ban)部分服务(wu)领域中(zhong)表现出来的便捷性和(he)及时性等效果(guo)，给客户的直观感受可能优于传统人工投顾服务(wu)。”

国(guo)泰君(jun)安相关人士(shi)表示，第三方AI平台(tai)的出现有可能发生甚至已经在影响投资者和(he)券商投顾的粘性关系，不仅是价格(ge)敏感的长尾客户，还有对AI有所(suo)研究或者投资能力更高的客户。

券商中(zhong)国(guo)记者注意(yi)到(dao)，在前述社交(jiao)媒体平台(tai)上，确实有部分投资者声(sheng)称“自主建立了(le)基于DeepSeek的金融分析模型，用于选股或者ETF配置等。”

上述国(guo)泰君(jun)安人士(shi)认(ren)为，第三方AI平台(tai)有四方面优势：一是能为长尾客户提供定制化(hua)、个性化(hua)的咨(zi)询服务(wu)和(he)投顾建议；二是推(tui)理模型的存在，让用户可基于模型思考验(yan)证自身逻辑，降低(di)黑箱困扰；三是社群化(hua)信任构建，即随着越来越多投资者分享(xiang)第三方AI平台(tai)带来的投资辅助(zhu)体验(yan)，其他(ta)尚未接触的投资者会被吸引到(dao)第三方平台(tai)；四是伴(ban)随模型能力持续提升(sheng)，其分析逻辑的深度、广(guang)度将逐步赶超绝(jue)大(da)多数的投资者乃至投顾。

东方证券相关人士(shi)补充称，AI平台(tai)一般成本(ben)较低(di)，甚至免费，使得长尾客户更愿意(yi)尝试和(he)依赖，相比之下券商投顾服务(wu)可能价格(ge)较高，限(xian)制了(le)客户的使用频率(lu)。

不过，也有一些券商人士(shi)持相反意(yi)见。银(yin)河证券张嘉为谈到(dao)，投资者与券商投顾之间的黏性不会受到(dao)影响。主要因为，一是大(da)语言模型给予专业建议的本(ben)质是依赖于模型深度推(tui)理分析能力、数据(ju)处(chu)理能力以及基于不同数据(ju)及语料的“训练过程”，即使专业投资者使用大(da)模型也需要经过长期的回测、调优并不断适配最新环境，因此专业建议的有效性也同样需要经历周(zhou)期与时间的验(yan)证。二是AI大(da)模型也存在强化(hua)投资者认(ren)知偏差、制造新的“信息茧房”的可能性。

平安证券经纪业务(wu)事业部相关负责人谈到(dao)，用户并非(fei)为了(le)炒股才用AI，而是用了(le)AI后也会涉及投资性的内容。从这个角度看，AI和(he)投顾扮演的角色，和(he)与客户形成信任的机制是不一样的。AI扮演的角色，是多了(le)一个参考信息的来源。而对券商来说(shuo)，跟客户站在一起，去面对纷繁复杂的市场，这个角色没有变(bian)，变(bian)的是新的环境下大(da)家(jia)的工作方式和(he)内容。

华福证券相关人士(shi)也谈到(dao)，第三方AI平台(tai)不会比券商更易获得长尾用户的信任，因为用户第一次、第二次使用可能感觉新奇，但(dan)用多了(le)，始(shi)终会觉得对面不是真的人类。另外，在专业性和(he)合规性方面，券商投顾优势明显。

投顾业务(wu)生态面临重构

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辑构建、内容生成与深度理解等能力，仍让证券业感到(dao)“惊艳”。展望未来，伴(ban)随科技(ji)平权(quan)、知识平权(quan)时代的到(dao)来，券商投顾业务(wu)生态无疑将经历显著(zhu)变(bian)革(ge)。

平安证券经纪业务(wu)事业部相关负责人向券商中(zhong)国(guo)记者表示：“券商投顾业务(wu)的核心竞争力将从‘信息不对称优势’转向‘技(ji)术赋(fu)能下的服务(wu)深度与客户体验(yan)’。”

这也意(yi)味(wei)着，获客留客的商业逻辑、投顾服务(wu)手(shou)段等可能面临重构。以部分商业逻辑为例，过去有些机构打(da)造“一键(jian)上传持仓截图”功能作为引流的抓手(shou)，即吸引客户注册账号甚至开户以解锁账户诊断方案(an)。如今，年轻用户已经可以在不同AI平台(tai)上免费获取账户诊断的信息。尽管当前DeepSeek等大(da)模型的诊断准(zhun)确率(lu)有待提高，但(dan)伴(ban)随未来模型能力的提升(sheng)，上述获客的商业逻辑将会面临重构。

上述案(an)例正(zheng)是投顾服务(wu)“信息不对称“优势逐渐减弱的一个体现。未来，券商获客的难度预计将上升(sheng)。东方证券相关人士(shi)表示，投资者更容易从第三方AI平台(tai)获取定制化(hua)的投资建议，券商需要投入更多资源吸引和(he)留住客户，尤其是长尾客户群体。

在服务(wu)模式方面，多位(wei)受访券商人士(shi)认(ren)为需要重塑。前述平安证券相关负责人谈到(dao)，随着第三方平台(tai)不断提供个性化(hua)服务(wu)，券商传统的“标准(zhun)化(hua)产品+人工服务(wu)”模式面临着效率(lu)与体验(yan)的双重挑战。

在此背景下，业内的共识是要“技(ji)术融合”——构建“AI+投顾”的人机协同新模式。中(zhong)信建投证券相关人士(shi)认(ren)为，该模式既(ji)可以提升(sheng)服务(wu)效率(lu)和(he)客户体验(yan)，也可以释放投顾生产力，能发力于定制化(hua)和(he)高净值客群服务(wu)。

东方证券相关人士(shi)谈到(dao)，一方面技(ji)术赋(fu)能，券商可以利用AI技(ji)术提升(sheng)投顾服务(wu)的效率(lu)和(he)精(jing)准(zhun)度，例如通(tong)过AI进行客户画像、投资组合优化(hua)、风险(xian)控制等。另一方面差异化(hua)服务(wu)，相对复杂的投资解决方案(an)难以被AI完(wan)全替代，例如定制化(hua)投资组合、家(jia)族财富传承等。

此外，在配套措(cuo)施方面，国(guo)泰君(jun)安相关人士(shi)谈到(dao)，投顾能力评价体系要迎来变(bian)革(ge)，不仅要聚焦(jiao)在服务(wu)、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(ji)术对专业能力有放大(da)效应，“AI技(ji)术的普(pu)及，既(ji)加速了(le)投顾人员的信息处(chu)理能力，也倒逼其向更高阶的‘策略生成’和(he)‘情感交(jiao)互’角色升(sheng)级。投顾的核心价值，转向对模型输出的策略进行逻辑验(yan)证与风险(xian)校(xiao)准(zhun)。”

不同规模券商应对挑战各有招术

AI大(da)势已不可逆，既(ji)有机遇也有挑战。多位(wei)受访券商人士(shi)认(ren)为，挑战主要在于技(ji)术如何深度赋(fu)能业务(wu)，并与业务(wu)融合。对此，不同类型的证券公司，其解题思路也存在差异。

国(guo)泰君(jun)安人士(shi)表示，AI浪潮下券商投顾业务(wu)将迎来多重发展机遇，一是证券公司可结合AI大(da)模型和(he)自身的专业数据(ju)禀赋(fu)、专业经验(yan)和(he)投资体系框架，构建自身的智能化(hua)护城河。二是证券公司可利用智能投顾服务(wu)自身原本(ben)无法覆盖的长尾客户。三是利用大(da)模型赋(fu)能投顾。四是进一步将投顾能力封装为企业级的综合解决方案(an)。据(ju)悉，国(guo)泰君(jun)安自2023年起就(jiu)逐步探索AI大(da)模型在证券投资顾问领域的赋(fu)能工作。

券商面临的挑战同样不可小觑。该人士(shi)也指出，一是技(ji)术挑战，大(da)多数券商并未有AI能力积(ji)累，如何充分研究大(da)模型技(ji)术并得以与证券业务(wu)的深度融合存在挑战；二是成本(ben)挑战，大(da)模型技(ji)术研究和(he)应用需要投入大(da)量资金资源，中(zhong)小型券商难以应对高成本(ben)、高投入的AI竞赛；三是人才挑战，目前懂业务(wu)、懂AI、懂技(ji)术的复合型人才稀缺且昂贵；四是转型挑战，大(da)模型的应用需要与现有的流程模式融合，融合的过程中(zhong)存在阻碍；五是数据(ju)治理挑战，智能化(hua)深度发展的前提是数字化(hua)治理取得一定成果(guo)，大(da)量券商在数据(ju)治理方面仍处(chu)于初级阶段。

作为中(zhong)小券商的代表，东莞证券相关人士(shi)称，对于技(ji)术薄弱、成本(ben)敏感型的中(zhong)小券商而言，按“市场需求度、技(ji)术可行性、商业可行性”原则，多层次推(tui)进是实现人工智能发展的关键(jian)，也是智能投顾发展的探索路径。

“一是应用优先，部署现有厂商通(tong)用大(da)模型并进行本(ben)地化(hua)应用快速对接，积(ji)累适配性创新经验(yan)，探索如何更好地与AI合作创新。二是能力培养，以智能客服、专业化(hua)个人助(zhu)手(shou)等应用程序接口（API）调用服务(wu)建设为起点(dian)，加强模型推(tui)理与智能体等技(ji)术应用能力培育；同时尝试与外部有实力的机构开展合作，准(zhun)备好基础条件，实现大(da)模型本(ben)地化(hua)推(tui)理应用服务(wu)，逐步打(da)通(tong)各类能力。”东莞证券人士(shi)表示。

责编：汪云鹏

校(xiao)对：陶谦