券商中(zhong)国记者亦尝试向(xiang)DeepSeek-R1（以下简称“DeepSeek”）上传基金持仓账户截图，并征(zheng)询账户诊断与(yu)调仓建议。结(jie)果显示，DeepSeek不仅(jin)指出问题所在，还提供(gong)了可操作(zuo)方(fang)案，包括不同产品的仓位建议、替换产品的名称、调仓时点、止损止盈线、交易成本优化措施等。

至此，DeepSeek提供(gong)的账户诊断与(yu)专业建议可否(fou)匹敌券商一(yi)线投顾的平均水准，也引起了市场的极大关(guan)注。

华福证(zheng)券相关(guan)人(ren)士告诉记者，DeepSeek在股票基金账户诊断方(fang)面表现出色。以一(yi)个普(pu)通账户为例，模型能够在约 6 分钟内整合(he)近百条市场数据和持仓信息(xi)，对账户持仓结(jie)构进行全面剖析，并给出直观清晰的风险评估报告，评估准确性达到85%。但(dan)在调仓建议环(huan)节，与(yu)一(yi)线投顾相比仍有差距。该(gai)人(ren)士指出，DeepSeek目前还难以完全模拟(ni)人(ren)类投顾对复杂人(ren)性和市场微妙变化的理解(jie)，在洞察客户个性化深层次需求方(fang)面，投顾的能力仍不可替代。

银河证(zheng)券财富管理首席(xi)投资官、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在数据分析处理速度与(yu)响应及时程度方(fang)面远(yuan)超人(ren)工投顾；但(dan)是，囿于DeepSeek作(zuo)为智能化大模型本身仍旧(jiu)是“模型工具(ju)”，对于复杂市场环(huan)境分析、资讯信息(xi)准确性辨别及客户多元化需求分析等多领域(yu)仍与(yu)专业投顾存在较(jiao)大差距。不同的引导(dao)问题及数据物料，也会产生(sheng)出完全截然不同的分析结(jie)论，但(dan)最终结(jie)论的选择与(yu)判断仍强依赖于个人(ren)的专业理解(jie)。

国信证(zheng)券技术部相关(guan)人(ren)士指出，在账户诊断及调仓建议方(fang)面，DeepSeek存在线性外推、数据不完整，甚至部分基金代码出现错(cuo)误等问题，目前并不足(zu)以替代一(yi)线投顾的专业建议。

谈(tan)及原因时，该(gai)名国信证(zheng)券技术部人(ren)士认为，这(zhe)主要(yao)因为DeepSeek只对接互联网数据，未能对接专业可信的金融(rong)行业数据库、企业内部知识库和客户画像库，因此会存在数据和信息(xi)错(cuo)误的情况。另外对于业务决策的深度思考，需要(yao)大模型对行业数据以及专家规则进行系(xi)统性的学习和积累，目前还未能证(zheng)明可以做到比较(jiao)好的决策能力。

东莞证(zheng)券相关(guan)人(ren)士谈(tan)到，人(ren)工智能发展可以分为在线服务、自动化服务和智能涌现三个层次。从目前进展来看，行业的智能投顾的“智能化”主要(yao)集中(zhong)在第二层次，在投资者画像、资产配(pei)置、投资组合(he)选择等环(huan)节通过计算(suan)机操作(zuo)代替人(ren)工，用线上服务代替线下服务。然而证(zheng)券市场不可预测、不确定性强，量化策略研发需要(yao)不断实验和调整，难以应对“黑天鹅”等异常(chang)事(shi)件，模型算(suan)法鲁棒性需要(yao)加强。目前的智能化技术难以支持，距离培育自主决策的量化投资智能体仍相差甚远(yuan)，由机器自主决策的“强智能”在金融(rong)投资领域(yu)的广泛应用尚无明确时间表。

业内热(re)议长尾客户黏性是否(fou)下滑

尽管DeepSeek不能取(qu)代一(yi)线投顾，但(dan)第三方(fang)AI平台凭(ping)借投资建议的易获取(qu)性优势，正吸(xi)引年轻投资者注意力。他们大多属(shu)于证(zheng)券公司(si)中(zhong)以往未得到充分服务的长尾客户群体。这(zhe)一(yi)潜在变化趋势对于依赖投顾业务盈利的证(zheng)券公司(si)而言，构成压力。

多名受访券商人(ren)士坦承，上述情形确实在影响长尾客户与(yu)券商投顾之(zhi)间的粘性。前述国信证(zheng)券相关(guan)人(ren)士谈(tan)到，“大模型前的时代，受制于专业投顾精力有限，行业有较(jiao)大量的长尾客户需求难以被及时有效满足(zu)。而大模型时代，DeepSeek等大模型在信息(xi)检索加工以及深度思考能力突(tu)出，在长尾客户的投资陪伴部分服务领域(yu)中(zhong)表现出来的便捷性和及时性等效果，给客户的直观感受可能优于传统人(ren)工投顾服务。”

国泰君安相关(guan)人(ren)士表示，第三方(fang)AI平台的出现有可能发生(sheng)甚至已(yi)经在影响投资者和券商投顾的粘性关(guan)系(xi)，不仅(jin)是价格敏感的长尾客户，还有对AI有所研究或(huo)者投资能力更(geng)高(gao)的客户。

券商中(zhong)国记者注意到，在前述社交媒体平台上，确实有部分投资者声称“自主建立了基于DeepSeek的金融(rong)分析模型，用于选股或(huo)者ETF配(pei)置等。”

上述国泰君安人(ren)士认为，第三方(fang)AI平台有四(si)方(fang)面优势：一(yi)是能为长尾客户提供(gong)定制化、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(zheng)自身逻辑，降低黑箱困扰；三是社群化信任构建，即随着越来越多投资者分享第三方(fang)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(xi)引到第三方(fang)平台；四(si)是伴随模型能力持续提升(sheng)，其分析逻辑的深度、广度将逐步赶超绝大多数的投资者乃(nai)至投顾。

东方(fang)证(zheng)券相关(guan)人(ren)士补充称，AI平台一(yi)般成本较(jiao)低，甚至免费，使(shi)得长尾客户更(geng)愿意尝试和依赖，相比之(zhi)下券商投顾服务可能价格较(jiao)高(gao)，限制了客户的使(shi)用频率。

不过，也有一(yi)些(xie)券商人(ren)士持相反意见。银河证(zheng)券张嘉为谈(tan)到，投资者与(yu)券商投顾之(zhi)间的黏性不会受到影响。主要(yao)因为，一(yi)是大语言模型给予专业建议的本质是依赖于模型深度推理分析能力、数据处理能力以及基于不同数据及语料的“训练过程”，即使(shi)专业投资者使(shi)用大模型也需要(yao)经过长期(qi)的回测、调优并不断适配(pei)最新环(huan)境，因此专业建议的有效性也同样需要(yao)经历周期(qi)与(yu)时间的验证(zheng)。二是AI大模型也存在强化投资者认知偏差、制造新的“信息(xi)茧房”的可能性。

平安证(zheng)券经纪业务事(shi)业部相关(guan)负责人(ren)谈(tan)到，用户并非为了炒股才用AI，而是用了AI后也会涉及投资性的内容(rong)。从这(zhe)个角度看，AI和投顾扮演的角色，和与(yu)客户形成信任的机制是不一(yi)样的。AI扮演的角色，是多了一(yi)个参考信息(xi)的来源(yuan)。而对券商来说(shuo)，跟(gen)客户站在一(yi)起，去面对纷繁复杂的市场，这(zhe)个角色没(mei)有变，变的是新的环(huan)境下大家的工作(zuo)方(fang)式和内容(rong)。

华福证(zheng)券相关(guan)人(ren)士也谈(tan)到，第三方(fang)AI平台不会比券商更(geng)易获得长尾用户的信任，因为用户第一(yi)次、第二次使(shi)用可能感觉(jue)新奇，但(dan)用多了，始终会觉(jue)得对面不是真(zhen)的人(ren)类。另外，在专业性和合(he)规性方(fang)面，券商投顾优势明显。

投顾业务生(sheng)态面临重构

证(zheng)券业应用智能投顾产品已(yi)有多年，但(dan)DeepSeek等大模型凭(ping)借其内在的逻辑构建、内容(rong)生(sheng)成与(yu)深度理解(jie)等能力，仍让证(zheng)券业感到“惊艳”。展望未来，伴随科技平权、知识平权时代的到来，券商投顾业务生(sheng)态无疑将经历显著变革。

平安证(zheng)券经纪业务事(shi)业部相关(guan)负责人(ren)向(xiang)券商中(zhong)国记者表示：“券商投顾业务的核心竞争力将从‘信息(xi)不对称优势’转向(xiang)‘技术赋能下的服务深度与(yu)客户体验’。”

这(zhe)也意味着，获客留(liu)客的商业逻辑、投顾服务手段等可能面临重构。以部分商业逻辑为例，过去有些(xie)机构打造“一(yi)键上传持仓截图”功能作(zuo)为引流的抓(zhua)手，即吸(xi)引客户注册账号甚至开户以解(jie)锁账户诊断方(fang)案。如(ru)今，年轻用户已(yi)经可以在不同AI平台上免费获取(qu)账户诊断的信息(xi)。尽管当前DeepSeek等大模型的诊断准确率有待提高(gao)，但(dan)伴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。

上述案例正是投顾服务“信息(xi)不对称“优势逐渐减弱的一(yi)个体现。未来，券商获客的难度预计将上升(sheng)。东方(fang)证(zheng)券相关(guan)人(ren)士表示，投资者更(geng)容(rong)易从第三方(fang)AI平台获取(qu)定制化的投资建议，券商需要(yao)投入(ru)更(geng)多资源(yuan)吸(xi)引和留(liu)住客户，尤其是长尾客户群体。

在服务模式方(fang)面，多位受访券商人(ren)士认为需要(yao)重塑。前述平安证(zheng)券相关(guan)负责人(ren)谈(tan)到，随着第三方(fang)平台不断提供(gong)个性化服务，券商传统的“标准化产品+人(ren)工服务”模式面临着效率与(yu)体验的双重挑战。

在此背景下，业内的共识是要(yao)“技术融(rong)合(he)”——构建“AI+投顾”的人(ren)机协同新模式。中(zhong)信建投证(zheng)券相关(guan)人(ren)士认为，该(gai)模式既可以提升(sheng)服务效率和客户体验，也可以释放投顾生(sheng)产力，能发力于定制化和高(gao)净值客群服务。

东方(fang)证(zheng)券相关(guan)人(ren)士谈(tan)到，一(yi)方(fang)面技术赋能，券商可以利用AI技术提升(sheng)投顾服务的效率和精准度，例如(ru)通过AI进行客户画像、投资组合(he)优化、风险控制等。另一(yi)方(fang)面差异化服务，相对复杂的投资解(jie)决方(fang)案难以被AI完全替代，例如(ru)定制化投资组合(he)、家族财富传承等。

此外，在配(pei)套措施方(fang)面，国泰君安相关(guan)人(ren)士谈(tan)到，投顾能力评价体系(xi)要(yao)迎来变革，不仅(jin)要(yao)聚焦在服务、投资、资产等范畴，投顾对AI工具(ju)的使(shi)用、对AI能力的理解(jie)也将进一(yi)步纳入(ru)整体的评价体系(xi)。

平安证(zheng)券相关(guan)负责人(ren)直言，技术对专业能力有放大效应，“AI技术的普(pu)及，既加速了投顾人(ren)员的信息(xi)处理能力，也倒逼其向(xiang)更(geng)高(gao)阶的‘策略生(sheng)成’和‘情感交互’角色升(sheng)级。投顾的核心价值，转向(xiang)对模型输出的策略进行逻辑验证(zheng)与(yu)风险校准。”

不同规模券商应对挑战各有招术

AI大势已(yi)不可逆，既有机遇也有挑战。多位受访券商人(ren)士认为，挑战主要(yao)在于技术如(ru)何深度赋能业务，并与(yu)业务融(rong)合(he)。对此，不同类型的证(zheng)券公司(si)，其解(jie)题思路(lu)也存在差异。

国泰君安人(ren)士表示，AI浪潮下券商投顾业务将迎来多重发展机遇，一(yi)是证(zheng)券公司(si)可结(jie)合(he)AI大模型和自身的专业数据禀赋、专业经验和投资体系(xi)框架，构建自身的智能化护城河。二是证(zheng)券公司(si)可利用智能投顾服务自身原本无法覆(fu)盖的长尾客户。三是利用大模型赋能投顾。四(si)是进一(yi)步将投顾能力封装为企业级的综合(he)解(jie)决方(fang)案。据悉，国泰君安自2023年起就逐步探索AI大模型在证(zheng)券投资顾问领域(yu)的赋能工作(zuo)。

券商面临的挑战同样不可小觑。该(gai)人(ren)士也指出，一(yi)是技术挑战，大多数券商并未有AI能力积累，如(ru)何充分研究大模型技术并得以与(yu)证(zheng)券业务的深度融(rong)合(he)存在挑战；二是成本挑战，大模型技术研究和应用需要(yao)投入(ru)大量资金资源(yuan)，中(zhong)小型券商难以应对高(gao)成本、高(gao)投入(ru)的AI竞赛；三是人(ren)才挑战，目前懂(dong)业务、懂(dong)AI、懂(dong)技术的复合(he)型人(ren)才稀(xi)缺(que)且昂贵；四(si)是转型挑战，大模型的应用需要(yao)与(yu)现有的流程模式融(rong)合(he)，融(rong)合(he)的过程中(zhong)存在阻碍；五是数据治理挑战，智能化深度发展的前提是数字化治理取(qu)得一(yi)定成果，大量券商在数据治理方(fang)面仍处于初级阶段。

作(zuo)为中(zhong)小券商的代表，东莞证(zheng)券相关(guan)人(ren)士称，对于技术薄弱、成本敏感型的中(zhong)小券商而言，按“市场需求度、技术可行性、商业可行性”原则，多层次推进是实现人(ren)工智能发展的关(guan)键，也是智能投顾发展的探索路(lu)径。

“一(yi)是应用优先，部署(shu)现有厂商通用大模型并进行本地化应用快速对接，积累适配(pei)性创新经验，探索如(ru)何更(geng)好地与(yu)AI合(he)作(zuo)创新。二是能力培养，以智能客服、专业化个人(ren)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(yu)智能体等技术应用能力培育；同时尝试与(yu)外部有实力的机构开展合(he)作(zuo)，准备好基础条件，实现大模型本地化推理应用服务，逐步打通各类能力。”东莞证(zheng)券人(ren)士表示。