对(dui)此，证(zheng)券时报记者采访多名券商人士了解到，其中既有“应统一监管”的呼声，也有认(ren)为管理不宜“一刀(dao)切(qie)”的观(guan)点。

未来，监管部(bu)门将在AI投顾业态中扮(ban)演怎样的监管角色，并探(tan)索出有效可行(xing)的治理路径，值得持续(xu)关注。

1 是否纳入投顾牌照监管引争议

今年春节以来，陆续(xu)有投资者向DeepSeek-R1、豆包等寻求关于股票与基(ji)金的投资建(jian)议。针(zhen)对(dui)这一现象(xiang)，有证(zheng)券从业人员向证(zheng)券时报记者提出困惑——AI大(da)模型在提供(gong)股票或基(ji)金的投资建(jian)议时，是否应该持有投顾牌照？

证(zheng)券时报记者注意(yi)到，在豆包APP平台上，不同入口获取的证(zheng)券投资咨询(xun)结果呈现显著(zhu)的监管差异。比如(ru)，当记者向豆包要求推荐股票时，豆包会(hui)给出多只股票的具体建(jian)议，包括仓位、买入价(jia)等。而当记者向华泰证(zheng)券在豆包APP上线的股票智(zhi)能(neng)体“华泰股市助手”提出相同问题时却(que)遭遇“碰壁”，并未提供(gong)直(zhi)接的买卖建(jian)议，但(dan)会(hui)给出资金面、技术面等信息供(gong)投资者分析决(jue)策。

同一APP上出现截然不同的咨询(xun)结果，反映出不同入口背后的主(zhu)体属性(xing)差异。华泰证(zheng)券作为持牌金融(rong)机构受到监管规定的约束，而从用户需求的角度看，豆包的直(zhi)接荐股建(jian)议可能(neng)更有吸引力。那么，以DeepSeek、豆包为代表的大(da)模型，是否应该纳入证(zheng)券投资咨询(xun)牌照监管呢？

部(bu)分受访的券商人士认(ren)为，通用大(da)模型应纳入投顾牌照监管。华福(fu)证(zheng)券有关负(fu)责人表示，尽管目前通用大(da)模型荐股荐基(ji)的建(jian)议尚未商业化，但(dan)已(yi)对(dui)投资者的决(jue)策产生了影响，纳入监管能(neng)够确保通用大(da)模型提供(gong)的投资建(jian)议具备专(zhuan)业性(xing)和合规性(xing)，进而避免误(wu)导投资者。国信证(zheng)券相关人士也认(ren)为，通用大(da)模型的荐股荐基(ji)应该与现有监管保持一致，要对(dui)客户的适当性(xing)进行(xing)校验，所提供(gong)的投资建(jian)议可能(neng)会(hui)对(dui)市场(chang)交易价(jia)格产生冲击，要进行(xing)统一监控。

不过，也有券商人士认(ren)为要多方(fang)面考(kao)虑(lu)问题，不应“一刀(dao)切(qie)”。银(yin)河证(zheng)券财富管理首席投资官、产品中心(xin)总经理张嘉为谈到，仅从AI技术本身来看，通用大(da)模型更多具备的是“模型”和“工具”的属性(xing)。在未商业化的前提下，投资者在自主(zhu)使用的过程中，并无需要纳入投资咨询(xun)牌照监管的必要性(xing)。“不过，如(ru)果有机构依据其模型搭建(jian)商业化模式并给出具体的投资建(jian)议，或者未来荐股行(xing)为实现商业化，本质(zhi)上则属于投资咨询(xun)行(xing)为，理应纳入投资咨询(xun)牌照监管。”

国泰君安相关人士也有类似(si)观(guan)点。他谈到，以DeepSeek为例的通用模型平台主(zhu)要以数学、物理、常识(shi)等问题进行(xing)训练，并非以金融(rong)投资问题训练，模型在证(zheng)券行(xing)业中的应用能(neng)力是“模型泛化”的成果之(zhi)一。“如(ru)果对(dui)这些平台做‘一刀(dao)切(qie)’管理，从某种角度上来说反而会(hui)限(xian)制模型能(neng)力的进一步发挥，对(dui)模型的进化提升存在潜在的负(fu)面影响。”

在上述(shu)国泰君安人士看来，金融(rong)服务的风险传导机制决(jue)定了监管应聚焦“行(xing)为实质(zhi)”而非“技术形(xing)态”，比如(ru)以专(zhuan)业服务平台为代表的智(zhi)能(neng)投顾平台、以证(zheng)券机构为主(zhu)体在智(zhi)能(neng)体平台建(jian)立的对(dui)客智(zhi)能(neng)体（Agent）就需要纳入投顾牌照监管。因为这些平台达到输出投资建(jian)议的三个标(biao)准，即具有明确指向性(xing)，比如(ru)提供(gong)个股或者基(ji)金代码；形(xing)成持续(xu)性(xing)服务，而非用户单(dan)次测试；产生实质(zhi)影响，用户会(hui)据此交易。上述(shu)三点，已(yi)触及监管边界。

2 券商建(jian)言(yan)加强算法监管

除(chu)了主(zhu)体属性(xing)存在争议外，在合规性(xing)方(fang)面，通用大(da)模型提供(gong)投资建(jian)议背后的底层数据、算法模型、生成的投资逻辑(ji)和相应结论等是否应该纳入监管，以及技术中立能(neng)否豁免合规责任等话题，也存在讨论的空间(jian)。

近期，“数据污染”的消(xiao)息屡屡出现。有用户反映，DeepSeek在推荐基(ji)金时，所抓取的信息来源包括某基(ji)金产品的广告(gao)投放。“AI幻觉”问题也多次被(bei)曝光，即模型生成与事(shi)实不符、逻辑(ji)断裂或脱离上下文的内容。在Vectara HHEM人工智(zhi)能(neng)幻觉测试中，DeepSeek-R1显示出14.3%的幻觉率，超过行(xing)业平均(jun)水平。

对(dui)此，有部(bu)分券商人士认(ren)为，对(dui)于用户而言(yan)，AI仅仅是多了一个参考(kao)信息的来源，并且用户输入不同的提示词后也会(hui)产生差异较大(da)的分析结果。从这个角度看，AI技术是中性(xing)的，在其提供(gong)的最终结论中，判断与选择仍取决(jue)于用户本人。

也有券商人士持有不同意(yi)见，他们认(ren)为AI输出内容的合规与可信非常重要。前述(shu)国信证(zheng)券相关人士表示，思维链输出的交互形(xing)态，潜意(yi)识(shi)引导了用户的认(ren)知，让用户更加容易认(ren)同分析的结果，但(dan)同时也让大(da)模型的幻觉变得更加隐蔽。“深度使用DeepSeek就会(hui)发现，金融(rong)数据容易被(bei)错误(wu)引用，对(dui)于原始信息的真实性(xing)无法求证(zheng)，生成内容容易被(bei)搜索结果误(wu)导，因此需要相关监管部(bu)门加强对(dui)该领域的监管。”

中信建(jian)投证(zheng)券相关人士也表示，目前，将AI直(zhi)接用于投资咨询(xun)存在技术风险，算法模型和资产配置逻辑(ji)存在不稳(wen)定、不可靠等风险。

前述(shu)华福(fu)证(zheng)券有关负(fu)责人建(jian)议，监管可考(kao)虑(lu)要求平台披露算法逻辑(ji)和风险提示，能(neng)够让投资者更清楚地了解投资建(jian)议的依据和风险，从而维护金融(rong)市场(chang)的稳(wen)定和公平。

东莞证(zheng)券相关人士表示，在智(zhi)能(neng)投顾业务监管方(fang)面，建(jian)议加大(da)智(zhi)能(neng)投顾监管“沙盒”试点，加快智(zhi)能(neng)投顾业务属性(xing)与准入管理具体规范的制定。同时，鉴于我国资本市场(chang)个人投资者占比较高的情况，AI的发展(zhan)应用应参考(kao)当下对(dui)高频(pin)量化交易的监管策略，依据市场(chang)结构、流动(dong)性(xing)和价(jia)格发现产生方(fang)式等对(dui)智(zhi)能(neng)投顾的相关监管策略进行(xing)分类研究，既不可“一概而论”也不能(neng)“听之(zhi)任之(zhi)”。

3 趋同性(xing)风险属多虑(lu)吗？

此外，有市场(chang)观(guan)点称，伴随(sui)AI荐股未来得到广泛应用，可能(neng)会(hui)引发投资者群体性(xing)操作，导致市场(chang)波动(dong)加大(da)。对(dui)此，多名受访人士认(ren)为，趋同性(xing)风险确有存在的可能(neng)，但(dan)发生的概率不大(da)，市场(chang)不必多虑(lu)。

前述(shu)华福(fu)证(zheng)券有关负(fu)责人认(ren)为，由于很多机构可能(neng)基(ji)于相似(si)的市场(chang)数据、算法模型和理论基(ji)础来构建(jian)自己的AI投资系统，当市场(chang)出现某些特定信号时，大(da)量基(ji)于相同算法的投资决(jue)策有可能(neng)同时发生。因此，需要谨慎看待AI在投研与投资咨询(xun)领域的运(yun)用。

“在防范方(fang)面，我们可以通过监管引导机构在算法设(she)计上增加差异化，鼓励(li)机构结合自身的研究优势、数据特色来优化算法。同时，加强投资者教育也至(zhi)关重要，要引导投资者理性(xing)看待AI投资建(jian)议，不能(neng)盲目跟风，从而降低因算法趋同带来的市场(chang)波动(dong)风险。”上述(shu)华福(fu)证(zheng)券有关负(fu)责人称。

张嘉为认(ren)为，趋同性(xing)的出现取决(jue)于三方(fang)面是否发生共振，一是具体应用场(chang)景和应用模式，二是底层数据来源范围，三是客户提问的提示词。在实际展(zhan)业中，三者共振导致趋同性(xing)的概率不大(da)，因为持牌金融(rong)机构通常多方(fang)面提升策略多样性(xing)、交易分散性(xing)、模型多样化协同、业务技术深度融(rong)合及风控预警(jing)等。同时，各(ge)家机构拥有不同的客户数据、投顾数据、资讯数据等，数据库一致性(xing)的概率不大(da)。此外，客户千(qian)人千(qian)面，其提问的提示词高度重复的概率也不大(da)。

平安证(zheng)券经纪业务事(shi)业部(bu)相关负(fu)责人以量化交易的策略发展(zhan)为例，称这是类似(si)一个循环的过程，即发现策略、获利、失效、再挖掘新的策略。“在技术升级的初期阶(jie)段(duan)，可能(neng)会(hui)出现‘羊群效应’，比如(ru)大(da)家用的模型、数据源或者训练方(fang)法都差不多，短期内引发趋同交易，但(dan)这也可能(neng)导致策略收益下降甚至(zhi)亏(kui)损，进而推动(dong)市场(chang)从同质(zhi)化走向差异化。”该负(fu)责人表示。