券商中国记者亦尝试向DeepSeek-R1（以下简称(cheng)“DeepSeek”）上传(chuan)基金持仓账户截图，并(bing)征询账户诊断与调仓建议。结果显示，DeepSeek不仅指出问题所在，还提供了可操(cao)作方案(an)，包括不同(tong)产(chan)品的(de)仓位建议、替(ti)换产(chan)品的(de)名称(cheng)、调仓时点、止损止盈线、交(jiao)易(yi)成本优化措(cuo)施等。

至此，DeepSeek提供的(de)账户诊断与专业建议可否匹敌券商一线投顾的(de)平均水(shui)准，也引起了市场的(de)极大关注。

华福证券相(xiang)关人(ren)士告诉记者，DeepSeek在股票基金账户诊断方面表现出色。以一个普(pu)通账户为例，模型能够在约(yue) 6 分钟内整合近百条市场数据和(he)持仓信(xin)息，对账户持仓结构(gou)进(jin)行全面剖析，并(bing)给出直观清晰的(de)风险评(ping)估报告，评(ping)估准确性达到85%。但在调仓建议环(huan)节，与一线投顾相(xiang)比仍有差(cha)距。该人(ren)士指出，DeepSeek目前还难以完全模拟人(ren)类(lei)投顾对复杂人(ren)性和(he)市场微妙变化的(de)理解，在洞察客户个性化深层(ceng)次需求方面，投顾的(de)能力(li)仍不可替(ti)代。

银(yin)河证券财富管理首席投资官、产(chan)品中心总经理张嘉为表示，从内外部的(de)测评(ping)反馈来看，DeepSeek在数据分析处理速(su)度与响应及(ji)时程度方面远超人(ren)工投顾；但是，囿于DeepSeek作为智能化大模型本身仍旧是“模型工具(ju)”，对于复杂市场环(huan)境分析、资讯信(xin)息准确性辨别及(ji)客户多元化需求分析等多领域仍与专业投顾存在较大差(cha)距。不同(tong)的(de)引导问题及(ji)数据物料(liao)，也会(hui)产(chan)生出完全截然不同(tong)的(de)分析结论，但最终(zhong)结论的(de)选择与判断仍强依(yi)赖于个人(ren)的(de)专业理解。

国信(xin)证券技术部相(xiang)关人(ren)士指出，在账户诊断及(ji)调仓建议方面，DeepSeek存在线性外推、数据不完整，甚至部分基金代码出现错误等问题，目前并(bing)不足以替(ti)代一线投顾的(de)专业建议。

谈及(ji)原因时，该名国信(xin)证券技术部人(ren)士认为，这(zhe)主要因为DeepSeek只对接(jie)互(hu)联网数据，未(wei)能对接(jie)专业可信(xin)的(de)金融行业数据库、企业内部知识库和(he)客户画像库，因此会(hui)存在数据和(he)信(xin)息错误的(de)情况。另外对于业务决(jue)策的(de)深度思考(kao)，需要大模型对行业数据以及(ji)专家规(gui)则进(jin)行系(xi)统性的(de)学习和(he)积累，目前还未(wei)能证明可以做到比较好(hao)的(de)决(jue)策能力(li)。

东莞证券相(xiang)关人(ren)士谈到，人(ren)工智能发展可以分为在线服务、自动化服务和(he)智能涌现三(san)个层(ceng)次。从目前进(jin)展来看，行业的(de)智能投顾的(de)“智能化”主要集(ji)中在第二层(ceng)次，在投资者画像、资产(chan)配置、投资组合选择等环(huan)节通过计算机操(cao)作代替(ti)人(ren)工，用(yong)线上服务代替(ti)线下服务。然而证券市场不可预(yu)测、不确定(ding)性强，量化策略研发需要不断实验和(he)调整，难以应对“黑天鹅”等异常事件，模型算法鲁棒性需要加强。目前的(de)智能化技术难以支持，距离培育自主决(jue)策的(de)量化投资智能体(ti)仍相(xiang)差(cha)甚远，由机器自主决(jue)策的(de)“强智能”在金融投资领域的(de)广泛(fan)应用(yong)尚无(wu)明确时间表。

业内热议长(chang)尾客户黏性是否下滑

尽(jin)管DeepSeek不能取代一线投顾，但第三(san)方AI平台凭借投资建议的(de)易(yi)获取性优势(shi)，正吸引年轻(qing)投资者注意(yi)力(li)。他们大多属于证券公(gong)司中以往未(wei)得到充分服务的(de)长(chang)尾客户群体(ti)。这(zhe)一潜在变化趋势(shi)对于依(yi)赖投顾业务盈利(li)的(de)证券公(gong)司而言，构(gou)成压力(li)。

多名受访券商人(ren)士坦承，上述情形确实在影响长(chang)尾客户与券商投顾之间的(de)粘性。前述国信(xin)证券相(xiang)关人(ren)士谈到，“大模型前的(de)时代，受制于专业投顾精力(li)有限(xian)，行业有较大量的(de)长(chang)尾客户需求难以被及(ji)时有效满足。而大模型时代，DeepSeek等大模型在信(xin)息检索加工以及(ji)深度思考(kao)能力(li)突出，在长(chang)尾客户的(de)投资陪伴(ban)部分服务领域中表现出来的(de)便捷(jie)性和(he)及(ji)时性等效果，给客户的(de)直观感(gan)受可能优于传(chuan)统人(ren)工投顾服务。”

国泰君安相(xiang)关人(ren)士表示，第三(san)方AI平台的(de)出现有可能发生甚至已经在影响投资者和(he)券商投顾的(de)粘性关系(xi)，不仅是价格敏感(gan)的(de)长(chang)尾客户，还有对AI有所研究(jiu)或(huo)者投资能力(li)更高的(de)客户。

券商中国记者注意(yi)到，在前述社交(jiao)媒(mei)体(ti)平台上，确实有部分投资者声称(cheng)“自主建立了基于DeepSeek的(de)金融分析模型，用(yong)于选股或(huo)者ETF配置等。”

上述国泰君安人(ren)士认为，第三(san)方AI平台有四(si)方面优势(shi)：一是能为长(chang)尾客户提供定(ding)制化、个性化的(de)咨(zi)询服务和(he)投顾建议；二是推理模型的(de)存在，让用(yong)户可基于模型思考(kao)验证自身逻辑，降低(di)黑箱困扰；三(san)是社群化信(xin)任构(gou)建，即随着越来越多投资者分享第三(san)方AI平台带来的(de)投资辅助体(ti)验，其他尚未(wei)接(jie)触的(de)投资者会(hui)被吸引到第三(san)方平台；四(si)是伴(ban)随模型能力(li)持续提升，其分析逻辑的(de)深度、广度将逐(zhu)步赶超绝大多数的(de)投资者乃(nai)至投顾。

东方证券相(xiang)关人(ren)士补充称(cheng)，AI平台一般(ban)成本较低(di)，甚至免(mian)费(fei)，使得长(chang)尾客户更愿意(yi)尝试和(he)依(yi)赖，相(xiang)比之下券商投顾服务可能价格较高，限(xian)制了客户的(de)使用(yong)频(pin)率(lu)。

不过，也有一些券商人(ren)士持相(xiang)反意(yi)见。银(yin)河证券张嘉为谈到，投资者与券商投顾之间的(de)黏性不会(hui)受到影响。主要因为，一是大语言模型给予专业建议的(de)本质(zhi)是依(yi)赖于模型深度推理分析能力(li)、数据处理能力(li)以及(ji)基于不同(tong)数据及(ji)语料(liao)的(de)“训(xun)练过程”，即使专业投资者使用(yong)大模型也需要经过长(chang)期的(de)回测、调优并(bing)不断适配最新环(huan)境，因此专业建议的(de)有效性也同(tong)样需要经历周期与时间的(de)验证。二是AI大模型也存在强化投资者认知偏差(cha)、制造新的(de)“信(xin)息茧房”的(de)可能性。

平安证券经纪业务事业部相(xiang)关负责人(ren)谈到，用(yong)户并(bing)非为了炒股才用(yong)AI，而是用(yong)了AI后也会(hui)涉及(ji)投资性的(de)内容。从这(zhe)个角度看，AI和(he)投顾扮演的(de)角色，和(he)与客户形成信(xin)任的(de)机制是不一样的(de)。AI扮演的(de)角色，是多了一个参考(kao)信(xin)息的(de)来源。而对券商来说，跟(gen)客户站在一起，去(qu)面对纷繁复杂的(de)市场，这(zhe)个角色没有变，变的(de)是新的(de)环(huan)境下大家的(de)工作方式和(he)内容。

华福证券相(xiang)关人(ren)士也谈到，第三(san)方AI平台不会(hui)比券商更易(yi)获得长(chang)尾用(yong)户的(de)信(xin)任，因为用(yong)户第一次、第二次使用(yong)可能感(gan)觉新奇，但用(yong)多了，始终(zhong)会(hui)觉得对面不是真的(de)人(ren)类(lei)。另外，在专业性和(he)合规(gui)性方面，券商投顾优势(shi)明显。

投顾业务生态面临重构(gou)

证券业应用(yong)智能投顾产(chan)品已有多年，但DeepSeek等大模型凭借其内在的(de)逻辑构(gou)建、内容生成与深度理解等能力(li)，仍让证券业感(gan)到“惊艳”。展望(wang)未(wei)来，伴(ban)随科技平权、知识平权时代的(de)到来，券商投顾业务生态无(wu)疑将经历显著变革。

平安证券经纪业务事业部相(xiang)关负责人(ren)向券商中国记者表示：“券商投顾业务的(de)核心竞争力(li)将从‘信(xin)息不对称(cheng)优势(shi)’转向‘技术赋能下的(de)服务深度与客户体(ti)验’。”

这(zhe)也意(yi)味着，获客留客的(de)商业逻辑、投顾服务手段等可能面临重构(gou)。以部分商业逻辑为例，过去(qu)有些机构(gou)打造“一键上传(chuan)持仓截图”功能作为引流(liu)的(de)抓手，即吸引客户注册账号甚至开户以解锁账户诊断方案(an)。如(ru)今，年轻(qing)用(yong)户已经可以在不同(tong)AI平台上免(mian)费(fei)获取账户诊断的(de)信(xin)息。尽(jin)管当前DeepSeek等大模型的(de)诊断准确率(lu)有待提高，但伴(ban)随未(wei)来模型能力(li)的(de)提升，上述获客的(de)商业逻辑将会(hui)面临重构(gou)。

上述案(an)例正是投顾服务“信(xin)息不对称(cheng)“优势(shi)逐(zhu)渐减弱的(de)一个体(ti)现。未(wei)来，券商获客的(de)难度预(yu)计将上升。东方证券相(xiang)关人(ren)士表示，投资者更容易(yi)从第三(san)方AI平台获取定(ding)制化的(de)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(chang)尾客户群体(ti)。

在服务模式方面，多位受访券商人(ren)士认为需要重塑。前述平安证券相(xiang)关负责人(ren)谈到，随着第三(san)方平台不断提供个性化服务，券商传(chuan)统的(de)“标准化产(chan)品+人(ren)工服务”模式面临着效率(lu)与体(ti)验的(de)双重挑战。

在此背(bei)景(jing)下，业内的(de)共识是要“技术融合”——构(gou)建“AI+投顾”的(de)人(ren)机协同(tong)新模式。中信(xin)建投证券相(xiang)关人(ren)士认为，该模式既可以提升服务效率(lu)和(he)客户体(ti)验，也可以释放投顾生产(chan)力(li)，能发力(li)于定(ding)制化和(he)高净值客群服务。

东方证券相(xiang)关人(ren)士谈到，一方面技术赋能，券商可以利(li)用(yong)AI技术提升投顾服务的(de)效率(lu)和(he)精准度，例如(ru)通过AI进(jin)行客户画像、投资组合优化、风险控制等。另一方面差(cha)异化服务，相(xiang)对复杂的(de)投资解决(jue)方案(an)难以被AI完全替(ti)代，例如(ru)定(ding)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(xiang)关人(ren)士谈到，投顾能力(li)评(ping)价体(ti)系(xi)要迎来变革，不仅要聚焦在服务、投资、资产(chan)等范畴，投顾对AI工具(ju)的(de)使用(yong)、对AI能力(li)的(de)理解也将进(jin)一步纳入整体(ti)的(de)评(ping)价体(ti)系(xi)。

平安证券相(xiang)关负责人(ren)直言，技术对专业能力(li)有放大效应，“AI技术的(de)普(pu)及(ji)，既加速(su)了投顾人(ren)员的(de)信(xin)息处理能力(li)，也倒逼其向更高阶的(de)‘策略生成’和(he)‘情感(gan)交(jiao)互(hu)’角色升级。投顾的(de)核心价值，转向对模型输出的(de)策略进(jin)行逻辑验证与风险校准。”

不同(tong)规(gui)模券商应对挑战各有招术

AI大势(shi)已不可逆，既有机遇也有挑战。多位受访券商人(ren)士认为，挑战主要在于技术如(ru)何深度赋能业务，并(bing)与业务融合。对此，不同(tong)类(lei)型的(de)证券公(gong)司，其解题思路也存在差(cha)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，一是证券公(gong)司可结合AI大模型和(he)自身的(de)专业数据禀赋、专业经验和(he)投资体(ti)系(xi)框架(jia)，构(gou)建自身的(de)智能化护城河。二是证券公(gong)司可利(li)用(yong)智能投顾服务自身原本无(wu)法覆盖的(de)长(chang)尾客户。三(san)是利(li)用(yong)大模型赋能投顾。四(si)是进(jin)一步将投顾能力(li)封(feng)装为企业级的(de)综合解决(jue)方案(an)。据悉，国泰君安自2023年起就逐(zhu)步探索AI大模型在证券投资顾问领域的(de)赋能工作。

券商面临的(de)挑战同(tong)样不可小觑。该人(ren)士也指出，一是技术挑战，大多数券商并(bing)未(wei)有AI能力(li)积累，如(ru)何充分研究(jiu)大模型技术并(bing)得以与证券业务的(de)深度融合存在挑战；二是成本挑战，大模型技术研究(jiu)和(he)应用(yong)需要投入大量资金资源，中小型券商难以应对高成本、高投入的(de)AI竞赛；三(san)是人(ren)才挑战，目前懂业务、懂AI、懂技术的(de)复合型人(ren)才稀(xi)缺且昂(ang)贵；四(si)是转型挑战，大模型的(de)应用(yong)需要与现有的(de)流(liu)程模式融合，融合的(de)过程中存在阻碍；五是数据治理挑战，智能化深度发展的(de)前提是数字化治理取得一定(ding)成果，大量券商在数据治理方面仍处于初级阶段。

作为中小券商的(de)代表，东莞证券相(xiang)关人(ren)士称(cheng)，对于技术薄弱、成本敏感(gan)型的(de)中小券商而言，按“市场需求度、技术可行性、商业可行性”原则，多层(ceng)次推进(jin)是实现人(ren)工智能发展的(de)关键，也是智能投顾发展的(de)探索路径。

“一是应用(yong)优先，部署现有厂商通用(yong)大模型并(bing)进(jin)行本地化应用(yong)快速(su)对接(jie)，积累适配性创新经验，探索如(ru)何更好(hao)地与AI合作创新。二是能力(li)培养，以智能客服、专业化个人(ren)助手等应用(yong)程序接(jie)口（API）调用(yong)服务建设为起点，加强模型推理与智能体(ti)等技术应用(yong)能力(li)培育；同(tong)时尝试与外部有实力(li)的(de)机构(gou)开展合作，准备好(hao)基础条件，实现大模型本地化推理应用(yong)服务，逐(zhu)步打通各类(lei)能力(li)。”东莞证券人(ren)士表示。

责编：汪(wang)云鹏

校对：陶谦