对此，证(zheng)券时报记者采访多名券商人士了(le)解到，其(qi)中既有“应统一监管(guan)”的呼声，也有认为管(guan)理不宜“一刀切”的观点。

未来，监管(guan)部门将(jiang)在AI投顾业态中扮演怎样的监管(guan)角(jiao)色，并(bing)探索出(chu)有效可行的治(zhi)理路径，值得持(chi)续关(guan)注。

1 是否纳入投顾牌照监管(guan)引(yin)争议(yi)

今年(nian)春节以来，陆续有投资者向DeepSeek-R1、豆包等寻求关(guan)于股票与基金的投资建议(yi)。针对这一现象，有证(zheng)券从业人员向证(zheng)券时报记者提出(chu)困(kun)惑(huo)——AI大模型在提供股票或基金的投资建议(yi)时，是否应该持(chi)有投顾牌照？

证(zheng)券时报记者注意到，在豆包APP平台上，不同入口获取的证(zheng)券投资咨询结果呈现显著(zhu)的监管(guan)差异(yi)。比如，当记者向豆包要求推(tui)荐股票时，豆包会给出(chu)多只股票的具体建议(yi)，包括仓位、买入价等。而(er)当记者向华(hua)泰证(zheng)券在豆包APP上线的股票智能体“华(hua)泰股市助手”提出(chu)相同问题时却遭遇“碰壁”，并(bing)未提供直接的买卖建议(yi)，但(dan)会给出(chu)资金面(mian)、技(ji)术面(mian)等信(xin)息供投资者分析决策。

同一APP上出(chu)现截然不同的咨询结果，反映出(chu)不同入口背后的主体属(shu)性差异(yi)。华(hua)泰证(zheng)券作为持(chi)牌金融机构受(shou)到监管(guan)规定的约束，而(er)从用户需求的角(jiao)度看，豆包的直接荐股建议(yi)可能更有吸引(yin)力。那么，以DeepSeek、豆包为代表的大模型，是否应该纳入证(zheng)券投资咨询牌照监管(guan)呢？

部分受(shou)访的券商人士认为，通用大模型应纳入投顾牌照监管(guan)。华(hua)福(fu)证(zheng)券有关(guan)负责(ze)人表示，尽(jin)管(guan)目前通用大模型荐股荐基的建议(yi)尚(shang)未商业化，但(dan)已对投资者的决策产生了(le)影响，纳入监管(guan)能够确保通用大模型提供的投资建议(yi)具备专业性和合规性，进而(er)避免(mian)误导投资者。国信(xin)证(zheng)券相关(guan)人士也认为，通用大模型的荐股荐基应该与现有监管(guan)保持(chi)一致，要对客户的适当性进行校验(yan)，所提供的投资建议(yi)可能会对市场交易价格产生冲(chong)击，要进行统一监控。

不过，也有券商人士认为要多方面(mian)考虑问题，不应“一刀切”。银(yin)河证(zheng)券财富管(guan)理首席投资官、产品中心总经理张嘉为谈到，仅从AI技(ji)术本身来看，通用大模型更多具备的是“模型”和“工具”的属(shu)性。在未商业化的前提下，投资者在自主使用的过程中，并(bing)无需要纳入投资咨询牌照监管(guan)的必要性。“不过，如果有机构依据其(qi)模型搭建商业化模式并(bing)给出(chu)具体的投资建议(yi)，或者未来荐股行为实现商业化，本质上则属(shu)于投资咨询行为，理应纳入投资咨询牌照监管(guan)。”

国泰君安(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、物理、常识等问题进行训(xun)练，并(bing)非以金融投资问题训(xun)练，模型在证(zheng)券行业中的应用能力是“模型泛化”的成果之一。“如果对这些(xie)平台做‘一刀切’管(guan)理，从某种角(jiao)度上来说反而(er)会限制模型能力的进一步发挥，对模型的进化提升存在潜在的负面(mian)影响。”

在上述国泰君安(an)人士看来，金融服务的风险传导机制决定了(le)监管(guan)应聚焦“行为实质”而(er)非“技(ji)术形态”，比如以专业服务平台为代表的智能投顾平台、以证(zheng)券机构为主体在智能体平台建立的对客智能体（Agent）就需要纳入投顾牌照监管(guan)。因(yin)为这些(xie)平台达(da)到输出(chu)投资建议(yi)的三个标准，即具有明确指(zhi)向性，比如提供个股或者基金代码；形成持(chi)续性服务，而(er)非用户单(dan)次测试；产生实质影响，用户会据此交易。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(le)主体属(shu)性存在争议(yi)外，在合规性方面(mian)，通用大模型提供投资建议(yi)背后的底层(ceng)数据、算法模型、生成的投资逻辑和相应结论等是否应该纳入监管(guan)，以及技(ji)术中立能否豁免(mian)合规责(ze)任等话题，也存在讨论的空间。

近期，“数据污染”的消息屡屡出(chu)现。有用户反映，DeepSeek在推(tui)荐基金时，所抓取的信(xin)息来源包括某基金产品的广告投放。“AI幻觉”问题也多次被曝光，即模型生成与事实不符、逻辑断(duan)裂或脱离上下文的内容。在Vectara HHEM人工智能幻觉测试中，DeepSeek-R1显示出(chu)14.3%的幻觉率，超过行业平均水平。

对此，有部分券商人士认为，对于用户而(er)言，AI仅仅是多了(le)一个参(can)考信(xin)息的来源，并(bing)且(qie)用户输入不同的提示词(ci)后也会产生差异(yi)较大的分析结果。从这个角(jiao)度看，AI技(ji)术是中性的，在其(qi)提供的最终结论中，判断(duan)与选择仍取决于用户本人。

也有券商人士持(chi)有不同意见，他们认为AI输出(chu)内容的合规与可信(xin)非常重要。前述国信(xin)证(zheng)券相关(guan)人士表示，思维链(lian)输出(chu)的交互形态，潜意识引(yin)导了(le)用户的认知，让用户更加容易认同分析的结果，但(dan)同时也让大模型的幻觉变得更加隐蔽。“深度使用DeepSeek就会发现，金融数据容易被错误引(yin)用，对于原(yuan)始信(xin)息的真实性无法求证(zheng)，生成内容容易被搜索结果误导，因(yin)此需要相关(guan)监管(guan)部门加强对该领域的监管(guan)。”

中信(xin)建投证(zheng)券相关(guan)人士也表示，目前，将(jiang)AI直接用于投资咨询存在技(ji)术风险，算法模型和资产配置逻辑存在不稳(wen)定、不可靠(kao)等风险。

前述华(hua)福(fu)证(zheng)券有关(guan)负责(ze)人建议(yi)，监管(guan)可考虑要求平台披露算法逻辑和风险提示，能够让投资者更清楚地了(le)解投资建议(yi)的依据和风险，从而(er)维护金融市场的稳(wen)定和公平。

东莞证(zheng)券相关(guan)人士表示，在智能投顾业务监管(guan)方面(mian)，建议(yi)加大智能投顾监管(guan)“沙盒”试点，加快智能投顾业务属(shu)性与准入管(guan)理具体规范的制定。同时，鉴于我国资本市场个人投资者占比较高的情况，AI的发展应用应参(can)考当下对高频量化交易的监管(guan)策略，依据市场结构、流动性和价格发现产生方式等对智能投顾的相关(guan)监管(guan)策略进行分类研究，既不可“一概而(er)论”也不能“听之任之”。

3 趋同性风险属(shu)多虑吗？

此外，有市场观点称，伴随AI荐股未来得到广泛应用，可能会引(yin)发投资者群(qun)体性操(cao)作，导致市场波动加大。对此，多名受(shou)访人士认为，趋同性风险确有存在的可能，但(dan)发生的概率不大，市场不必多虑。

前述华(hua)福(fu)证(zheng)券有关(guan)负责(ze)人认为，由于很多机构可能基于相似的市场数据、算法模型和理论基础来构建自己的AI投资系统，当市场出(chu)现某些(xie)特(te)定信(xin)号(hao)时，大量基于相同算法的投资决策有可能同时发生。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(mian)，我们可以通过监管(guan)引(yin)导机构在算法设计上增(zeng)加差异(yi)化，鼓励机构结合自身的研究优势、数据特(te)色来优化算法。同时，加强投资者教育(yu)也至(zhi)关(guan)重要，要引(yin)导投资者理性看待AI投资建议(yi)，不能盲目跟风，从而(er)降低因(yin)算法趋同带来的市场波动风险。”上述华(hua)福(fu)证(zheng)券有关(guan)负责(ze)人称。

张嘉为认为，趋同性的出(chu)现取决于三方面(mian)是否发生共振，一是具体应用场景和应用模式，二(er)是底层(ceng)数据来源范围(wei)，三是客户提问的提示词(ci)。在实际展业中，三者共振导致趋同性的概率不大，因(yin)为持(chi)牌金融机构通常多方面(mian)提升策略多样性、交易分散性、模型多样化协同、业务技(ji)术深度融合及风控预警等。同时，各(ge)家机构拥(yong)有不同的客户数据、投顾数据、资讯数据等，数据库一致性的概率不大。此外，客户千(qian)人千(qian)面(mian)，其(qi)提问的提示词(ci)高度重复的概率也不大。

平安(an)证(zheng)券经纪业务事业部相关(guan)负责(ze)人以量化交易的策略发展为例，称这是类似一个循环的过程，即发现策略、获利、失(shi)效、再挖掘新的策略。“在技(ji)术升级的初期阶段，可能会出(chu)现‘羊群(qun)效应’，比如大家用的模型、数据源或者训(xun)练方法都差不多，短(duan)期内引(yin)发趋同交易，但(dan)这也可能导致策略收益下降甚至(zhi)亏损，进而(er)推(tui)动市场从同质化走向差异(yi)化。”该负责(ze)人表示。