对此，证券(quan)时报(bao)记者采访多名(ming)券(quan)商人士了(le)解到，其中既有“应统一监管”的呼声，也有认(ren)为管理不宜“一刀切”的观点。

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

1 是否纳入投顾牌照监管引争议

今(jin)年春节以来，陆续有投资者向(xiang)DeepSeek-R1、豆包等寻求关于股票(piao)与基金的投资建议。针对这一现象，有证券(quan)从业人员向(xiang)证券(quan)时报(bao)记者提(ti)出困惑——AI大模型在提(ti)供股票(piao)或(huo)基金的投资建议时，是否应该持有投顾牌照？

证券(quan)时报(bao)记者注意到，在豆包APP平台上，不同入口获取(qu)的证券(quan)投资咨(zi)询结果呈现显著(zhu)的监管差异。比如，当记者向(xiang)豆包要求推荐股票(piao)时，豆包会给出多只(zhi)股票(piao)的具(ju)体建议，包括仓位、买(mai)入价等。而当记者向(xiang)华泰(tai)证券(quan)在豆包APP上线的股票(piao)智(zhi)能体“华泰(tai)股市助手”提(ti)出相同问题时却遭遇“碰壁”，并未提(ti)供直接的买(mai)卖建议，但会给出资金面、技(ji)术面等信息供投资者分析决策。

同一APP上出现截然不同的咨(zi)询结果，反映出不同入口背后(hou)的主体属性差异。华泰(tai)证券(quan)作为持牌金融(rong)机(ji)构受到监管规定的约束，而从用户需求的角度看，豆包的直接荐股建议可能更(geng)有吸引力。那么，以DeepSeek、豆包为代表(biao)的大模型，是否应该纳入证券(quan)投资咨(zi)询牌照监管呢？

部(bu)分受访的券(quan)商人士认(ren)为，通(tong)用大模型应纳入投顾牌照监管。华福证券(quan)有关负责人表(biao)示，尽管目前通(tong)用大模型荐股荐基的建议尚未商业化，但已对投资者的决策产生了(le)影响，纳入监管能够确保通(tong)用大模型提(ti)供的投资建议具(ju)备专(zhuan)业性和合(he)规性，进而避免误导投资者。国信证券(quan)相关人士也认(ren)为，通(tong)用大模型的荐股荐基应该与现有监管保持一致，要对客户的适(shi)当性进行校验，所提(ti)供的投资建议可能会对市场交易价格产生冲击，要进行统一监控。

不过，也有券(quan)商人士认(ren)为要多方面考虑问题，不应“一刀切”。银河证券(quan)财富(fu)管理首席投资官、产品中心(xin)总经理张嘉为谈(tan)到，仅从AI技(ji)术本身来看，通(tong)用大模型更(geng)多具(ju)备的是“模型”和“工具(ju)”的属性。在未商业化的前提(ti)下，投资者在自主使用的过程(cheng)中，并无需要纳入投资咨(zi)询牌照监管的必要性。“不过，如果有机(ji)构依据其模型搭(da)建商业化模式并给出具(ju)体的投资建议，或(huo)者未来荐股行为实现商业化，本质上则属于投资咨(zi)询行为，理应纳入投资咨(zi)询牌照监管。”

国泰(tai)君安相关人士也有类似观点。他谈(tan)到，以DeepSeek为例的通(tong)用模型平台主要以数学、物理、常识等问题进行训练，并非以金融(rong)投资问题训练，模型在证券(quan)行业中的应用能力是“模型泛(fan)化”的成果之一。“如果对这些(xie)平台做‘一刀切’管理，从某种角度上来说(shuo)反而会限制模型能力的进一步发挥，对模型的进化提(ti)升存(cun)在潜在的负面影响。”

在上述国泰(tai)君安人士看来，金融(rong)服务的风险传导机(ji)制决定了(le)监管应聚焦(jiao)“行为实质”而非“技(ji)术形态”，比如以专(zhuan)业服务平台为代表(biao)的智(zhi)能投顾平台、以证券(quan)机(ji)构为主体在智(zhi)能体平台建立的对客智(zhi)能体（Agent）就需要纳入投顾牌照监管。因为这些(xie)平台达到输出投资建议的三个标准，即具(ju)有明确指向(xiang)性，比如提(ti)供个股或(huo)者基金代码；形成持续性服务，而非用户单(dan)次测试；产生实质影响，用户会据此交易。上述三点，已触及监管边(bian)界。

2 券(quan)商建言加强算法监管

除了(le)主体属性存(cun)在争议外(wai)，在合(he)规性方面，通(tong)用大模型提(ti)供投资建议背后(hou)的底层数据、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，以及技(ji)术中立能否豁免合(he)规责任等话题，也存(cun)在讨论的空间。

近期，“数据污染(ran)”的消(xiao)息屡屡出现。有用户反映，DeepSeek在推荐基金时，所抓取(qu)的信息来源包括某基金产品的广告(gao)投放。“AI幻(huan)觉”问题也多次被曝光(guang)，即模型生成与事实不符、逻辑断裂(lie)或(huo)脱离上下文的内(nei)容。在Vectara HHEM人工智(zhi)能幻(huan)觉测试中，DeepSeek-R1显示出14.3%的幻(huan)觉率，超过行业平均水平。

对此，有部(bu)分券(quan)商人士认(ren)为，对于用户而言，AI仅仅是多了(le)一个参考信息的来源，并且用户输入不同的提(ti)示词后(hou)也会产生差异较大的分析结果。从这个角度看，AI技(ji)术是中性的，在其提(ti)供的最终结论中，判断与选择(ze)仍取(qu)决于用户本人。

也有券(quan)商人士持有不同意见，他们(men)认(ren)为AI输出内(nei)容的合(he)规与可信非常重要。前述国信证券(quan)相关人士表(biao)示，思维链输出的交互形态，潜意识引导了(le)用户的认(ren)知(zhi)，让用户更(geng)加容易认(ren)同分析的结果，但同时也让大模型的幻(huan)觉变得更(geng)加隐蔽。“深度使用DeepSeek就会发现，金融(rong)数据容易被错误引用，对于原始信息的真(zhen)实性无法求证，生成内(nei)容容易被搜索结果误导，因此需要相关监管部(bu)门加强对该领域的监管。”

中信建投证券(quan)相关人士也表(biao)示，目前，将AI直接用于投资咨(zi)询存(cun)在技(ji)术风险，算法模型和资产配(pei)置逻辑存(cun)在不稳定、不可靠等风险。

前述华福证券(quan)有关负责人建议，监管可考虑要求平台披露算法逻辑和风险提(ti)示，能够让投资者更(geng)清楚地了(le)解投资建议的依据和风险，从而维护(hu)金融(rong)市场的稳定和公平。

东(dong)莞证券(quan)相关人士表(biao)示，在智(zhi)能投顾业务监管方面，建议加大智(zhi)能投顾监管“沙盒(he)”试点，加快智(zhi)能投顾业务属性与准入管理具(ju)体规范(fan)的制定。同时，鉴于我国资本市场个人投资者占比较高的情(qing)况，AI的发展应用应参考当下对高频量化交易的监管策略，依据市场结构、流动(dong)性和价格发现产生方式等对智(zhi)能投顾的相关监管策略进行分类研究，既不可“一概而论”也不能“听之任之”。

3 趋同性风险属多虑吗？

此外(wai)，有市场观点称，伴随AI荐股未来得到广泛(fan)应用，可能会引发投资者群(qun)体性操作，导致市场波动(dong)加大。对此，多名(ming)受访人士认(ren)为，趋同性风险确有存(cun)在的可能，但发生的概率不大，市场不必多虑。

前述华福证券(quan)有关负责人认(ren)为，由于很多机(ji)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，当市场出现某些(xie)特(te)定信号时，大量基于相同算法的投资决策有可能同时发生。因此，需要谨慎看待AI在投研与投资咨(zi)询领域的运用。

“在防范(fan)方面，我们(men)可以通(tong)过监管引导机(ji)构在算法设(she)计上增加差异化，鼓(gu)励机(ji)构结合(he)自身的研究优势、数据特(te)色(se)来优化算法。同时，加强投资者教育也至关重要，要引导投资者理性看待AI投资建议，不能盲目跟风，从而降低(di)因算法趋同带来的市场波动(dong)风险。”上述华福证券(quan)有关负责人称。

张嘉为认(ren)为，趋同性的出现取(qu)决于三方面是否发生共振，一是具(ju)体应用场景(jing)和应用模式，二(er)是底层数据来源范(fan)围，三是客户提(ti)问的提(ti)示词。在实际展业中，三者共振导致趋同性的概率不大，因为持牌金融(rong)机(ji)构通(tong)常多方面提(ti)升策略多样(yang)性、交易分散性、模型多样(yang)化协同、业务技(ji)术深度融(rong)合(he)及风控预警等。同时，各家机(ji)构拥有不同的客户数据、投顾数据、资讯数据等，数据库一致性的概率不大。此外(wai)，客户千人千面，其提(ti)问的提(ti)示词高度重复(fu)的概率也不大。

平安证券(quan)经纪业务事业部(bu)相关负责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(cheng)，即发现策略、获利、失效、再挖掘新(xin)的策略。“在技(ji)术升级的初期阶段(duan)，可能会出现‘羊(yang)群(qun)效应’，比如大家用的模型、数据源或(huo)者训练方法都差不多，短期内(nei)引发趋同交易，但这也可能导致策略收益下降甚至亏损(sun)，进而推动(dong)市场从同质化走向(xiang)差异化。”该负责人表(biao)示。