券商中国记者亦尝试(shi)向DeepSeek-R1（以下(xia)简称“DeepSeek”）上传(chuan)基金(jin)持仓账户截图，并征询账户诊断与调仓建议。结果显示，DeepSeek不仅指出(chu)问题(ti)所在，还提供了可操作方案，包括(kuo)不同产品的仓位建议、替换产品的名称、调仓时点、止(zhi)损止(zhi)盈线、交易成本优化(hua)措施等。

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

华(hua)福证(zheng)券相关(guan)人士告诉记者，DeepSeek在股票(piao)基金(jin)账户诊断方面表(biao)现出(chu)色。以一(yi)个普(pu)通账户为例，模型能够在约 6 分钟(zhong)内整合近百条市场数据(ju)和持仓信息，对账户持仓结构进行全面剖(pou)析，并给出(chu)直观清(qing)晰的风险(xian)评(ping)估(gu)报告，评(ping)估(gu)准确性达到85%。但在调仓建议环节，与一(yi)线投(tou)顾相比仍有差距。该人士指出(chu)，DeepSeek目前(qian)还难以完(wan)全模拟人类投(tou)顾对复(fu)杂人性和市场微妙(miao)变(bian)化(hua)的理解，在洞(dong)察客户个性化(hua)深层(ceng)次需求方面，投(tou)顾的能力(li)仍不可替代。

银河证(zheng)券财富管理首席投(tou)资(zi)官、产品中心总经理张嘉为表(biao)示，从内外部的测评(ping)反馈来看，DeepSeek在数据(ju)分析处理速度(du)与响应及(ji)时程(cheng)度(du)方面远超人工投(tou)顾；但是(shi)，囿于DeepSeek作为智能化(hua)大模型本身仍旧是(shi)“模型工具(ju)”，对于复(fu)杂市场环境分析、资(zi)讯信息准确性辨别及(ji)客户多元(yuan)化(hua)需求分析等多领域仍与专业投(tou)顾存在较大差距。不同的引导问题(ti)及(ji)数据(ju)物料(liao)，也会产生出(chu)完(wan)全截然不同的分析结论，但最终结论的选择与判断仍强依赖于个人的专业理解。

国信证(zheng)券技术部相关(guan)人士指出(chu)，在账户诊断及(ji)调仓建议方面，DeepSeek存在线性外推、数据(ju)不完(wan)整，甚(shen)至部分基金(jin)代码出(chu)现错误等问题(ti)，目前(qian)并不足以替代一(yi)线投(tou)顾的专业建议。

谈及(ji)原因时，该名国信证(zheng)券技术部人士认(ren)为，这(zhe)主要(yao)因为DeepSeek只对接互(hu)联网数据(ju)，未能对接专业可信的金(jin)融行业数据(ju)库、企(qi)业内部知识库和客户画像库，因此会存在数据(ju)和信息错误的情况。另外对于业务(wu)决策的深度(du)思考，需要(yao)大模型对行业数据(ju)以及(ji)专家规则进行系统(tong)性的学习和积累，目前(qian)还未能证(zheng)明可以做到比较好的决策能力(li)。

东莞证(zheng)券相关(guan)人士谈到，人工智能发展可以分为在线服务(wu)、自动化(hua)服务(wu)和智能涌现三个层(ceng)次。从目前(qian)进展来看，行业的智能投(tou)顾的“智能化(hua)”主要(yao)集中在第二层(ceng)次，在投(tou)资(zi)者画像、资(zi)产配置、投(tou)资(zi)组合选择等环节通过计算机操作代替人工，用线上服务(wu)代替线下(xia)服务(wu)。然而证(zheng)券市场不可预测、不确定性强，量化(hua)策略研(yan)发需要(yao)不断实验和调整，难以应对“黑(hei)天鹅”等异常事件，模型算法鲁棒(bang)性需要(yao)加强。目前(qian)的智能化(hua)技术难以支持，距离培(pei)育自主决策的量化(hua)投(tou)资(zi)智能体仍相差甚(shen)远，由机器自主决策的“强智能”在金(jin)融投(tou)资(zi)领域的广泛应用尚无明确时间表(biao)。

业内热议长尾客户黏性是(shi)否下(xia)滑

尽管DeepSeek不能取代一(yi)线投(tou)顾，但第三方AI平台凭借投(tou)资(zi)建议的易获取性优势，正吸引年轻投(tou)资(zi)者注意力(li)。他们大多属于证(zheng)券公司中以往未得到充分服务(wu)的长尾客户群(qun)体。这(zhe)一(yi)潜在变(bian)化(hua)趋势对于依赖投(tou)顾业务(wu)盈利(li)的证(zheng)券公司而言，构成压力(li)。

多名受(shou)访券商人士坦承，上述情形确实在影响长尾客户与券商投(tou)顾之间的粘(zhan)性。前(qian)述国信证(zheng)券相关(guan)人士谈到，“大模型前(qian)的时代，受(shou)制于专业投(tou)顾精力(li)有限，行业有较大量的长尾客户需求难以被及(ji)时有效满足。而大模型时代，DeepSeek等大模型在信息检索加工以及(ji)深度(du)思考能力(li)突出(chu)，在长尾客户的投(tou)资(zi)陪伴部分服务(wu)领域中表(biao)现出(chu)来的便捷性和及(ji)时性等效果，给客户的直观感受(shou)可能优于传(chuan)统(tong)人工投(tou)顾服务(wu)。”

国泰君安相关(guan)人士表(biao)示，第三方AI平台的出(chu)现有可能发生甚(shen)至已经在影响投(tou)资(zi)者和券商投(tou)顾的粘(zhan)性关(guan)系，不仅是(shi)价格(ge)敏感的长尾客户，还有对AI有所研(yan)究或(huo)者投(tou)资(zi)能力(li)更高的客户。

券商中国记者注意到，在前(qian)述社交媒体平台上，确实有部分投(tou)资(zi)者声称“自主建立了基于DeepSeek的金(jin)融分析模型，用于选股或(huo)者ETF配置等。”

上述国泰君安人士认(ren)为，第三方AI平台有四方面优势：一(yi)是(shi)能为长尾客户提供定制化(hua)、个性化(hua)的咨询服务(wu)和投(tou)顾建议；二是(shi)推理模型的存在，让(rang)用户可基于模型思考验证(zheng)自身逻辑，降低(di)黑(hei)箱(xiang)困(kun)扰；三是(shi)社群(qun)化(hua)信任构建，即随着越来越多投(tou)资(zi)者分享(xiang)第三方AI平台带来的投(tou)资(zi)辅(fu)助体验，其他尚未接触的投(tou)资(zi)者会被吸引到第三方平台；四是(shi)伴随模型能力(li)持续提升，其分析逻辑的深度(du)、广度(du)将逐步赶超绝(jue)大多数的投(tou)资(zi)者乃至投(tou)顾。

东方证(zheng)券相关(guan)人士补充称，AI平台一(yi)般成本较低(di)，甚(shen)至免费，使得长尾客户更愿意尝试(shi)和依赖，相比之下(xia)券商投(tou)顾服务(wu)可能价格(ge)较高，限制了客户的使用频(pin)率。

不过，也有一(yi)些券商人士持相反意见。银河证(zheng)券张嘉为谈到，投(tou)资(zi)者与券商投(tou)顾之间的黏性不会受(shou)到影响。主要(yao)因为，一(yi)是(shi)大语(yu)言模型给予专业建议的本质是(shi)依赖于模型深度(du)推理分析能力(li)、数据(ju)处理能力(li)以及(ji)基于不同数据(ju)及(ji)语(yu)料(liao)的“训练过程(cheng)”，即使专业投(tou)资(zi)者使用大模型也需要(yao)经过长期的回测、调优并不断适配最新环境，因此专业建议的有效性也同样需要(yao)经历(li)周期与时间的验证(zheng)。二是(shi)AI大模型也存在强化(hua)投(tou)资(zi)者认(ren)知偏差、制造新的“信息茧房”的可能性。

平安证(zheng)券经纪业务(wu)事业部相关(guan)负责(ze)人谈到，用户并非(fei)为了炒股才用AI，而是(shi)用了AI后也会涉及(ji)投(tou)资(zi)性的内容。从这(zhe)个角度(du)看，AI和投(tou)顾扮演的角色，和与客户形成信任的机制是(shi)不一(yi)样的。AI扮演的角色，是(shi)多了一(yi)个参考信息的来源。而对券商来说，跟客户站在一(yi)起，去(qu)面对纷繁复(fu)杂的市场，这(zhe)个角色没(mei)有变(bian)，变(bian)的是(shi)新的环境下(xia)大家的工作方式和内容。

华(hua)福证(zheng)券相关(guan)人士也谈到，第三方AI平台不会比券商更易获得长尾用户的信任，因为用户第一(yi)次、第二次使用可能感觉新奇，但用多了，始终会觉得对面不是(shi)真(zhen)的人类。另外，在专业性和合规性方面，券商投(tou)顾优势明显。

投(tou)顾业务(wu)生态面临重构

证(zheng)券业应用智能投(tou)顾产品已有多年，但DeepSeek等大模型凭借其内在的逻辑构建、内容生成与深度(du)理解等能力(li)，仍让(rang)证(zheng)券业感到“惊艳”。展望未来，伴随科技平权(quan)、知识平权(quan)时代的到来，券商投(tou)顾业务(wu)生态无疑将经历(li)显著变(bian)革。

平安证(zheng)券经纪业务(wu)事业部相关(guan)负责(ze)人向券商中国记者表(biao)示：“券商投(tou)顾业务(wu)的核心竞争力(li)将从‘信息不对称优势’转向‘技术赋(fu)能下(xia)的服务(wu)深度(du)与客户体验’。”

这(zhe)也意味着，获客留客的商业逻辑、投(tou)顾服务(wu)手段等可能面临重构。以部分商业逻辑为例，过去(qu)有些机构打造“一(yi)键上传(chuan)持仓截图”功(gong)能作为引流的抓手，即吸引客户注册账号甚(shen)至开(kai)户以解锁账户诊断方案。如今，年轻用户已经可以在不同AI平台上免费获取账户诊断的信息。尽管当前(qian)DeepSeek等大模型的诊断准确率有待提高，但伴随未来模型能力(li)的提升，上述获客的商业逻辑将会面临重构。

上述案例正是(shi)投(tou)顾服务(wu)“信息不对称“优势逐渐(jian)减弱的一(yi)个体现。未来，券商获客的难度(du)预计将上升。东方证(zheng)券相关(guan)人士表(biao)示，投(tou)资(zi)者更容易从第三方AI平台获取定制化(hua)的投(tou)资(zi)建议，券商需要(yao)投(tou)入(ru)更多资(zi)源吸引和留住客户，尤其是(shi)长尾客户群(qun)体。

在服务(wu)模式方面，多位受(shou)访券商人士认(ren)为需要(yao)重塑。前(qian)述平安证(zheng)券相关(guan)负责(ze)人谈到，随着第三方平台不断提供个性化(hua)服务(wu)，券商传(chuan)统(tong)的“标准化(hua)产品+人工服务(wu)”模式面临着效率与体验的双重挑战。

在此背景下(xia)，业内的共识是(shi)要(yao)“技术融合”——构建“AI+投(tou)顾”的人机协同新模式。中信建投(tou)证(zheng)券相关(guan)人士认(ren)为，该模式既可以提升服务(wu)效率和客户体验，也可以释放(fang)投(tou)顾生产力(li)，能发力(li)于定制化(hua)和高净值客群(qun)服务(wu)。

东方证(zheng)券相关(guan)人士谈到，一(yi)方面技术赋(fu)能，券商可以利(li)用AI技术提升投(tou)顾服务(wu)的效率和精准度(du)，例如通过AI进行客户画像、投(tou)资(zi)组合优化(hua)、风险(xian)控制等。另一(yi)方面差异化(hua)服务(wu)，相对复(fu)杂的投(tou)资(zi)解决方案难以被AI完(wan)全替代，例如定制化(hua)投(tou)资(zi)组合、家族财富传(chuan)承等。

此外，在配套措施方面，国泰君安相关(guan)人士谈到，投(tou)顾能力(li)评(ping)价体系要(yao)迎来变(bian)革，不仅要(yao)聚焦在服务(wu)、投(tou)资(zi)、资(zi)产等范畴，投(tou)顾对AI工具(ju)的使用、对AI能力(li)的理解也将进一(yi)步纳入(ru)整体的评(ping)价体系。

平安证(zheng)券相关(guan)负责(ze)人直言，技术对专业能力(li)有放(fang)大效应，“AI技术的普(pu)及(ji)，既加速了投(tou)顾人员的信息处理能力(li)，也倒逼其向更高阶的‘策略生成’和‘情感交互(hu)’角色升级。投(tou)顾的核心价值，转向对模型输出(chu)的策略进行逻辑验证(zheng)与风险(xian)校准。”

不同规模券商应对挑战各有招术

AI大势已不可逆，既有机遇也有挑战。多位受(shou)访券商人士认(ren)为，挑战主要(yao)在于技术如何深度(du)赋(fu)能业务(wu)，并与业务(wu)融合。对此，不同类型的证(zheng)券公司，其解题(ti)思路也存在差异。

国泰君安人士表(biao)示，AI浪潮下(xia)券商投(tou)顾业务(wu)将迎来多重发展机遇，一(yi)是(shi)证(zheng)券公司可结合AI大模型和自身的专业数据(ju)禀赋(fu)、专业经验和投(tou)资(zi)体系框架，构建自身的智能化(hua)护城河。二是(shi)证(zheng)券公司可利(li)用智能投(tou)顾服务(wu)自身原本无法覆盖的长尾客户。三是(shi)利(li)用大模型赋(fu)能投(tou)顾。四是(shi)进一(yi)步将投(tou)顾能力(li)封装为企(qi)业级的综合解决方案。据(ju)悉，国泰君安自2023年起就逐步探索AI大模型在证(zheng)券投(tou)资(zi)顾问领域的赋(fu)能工作。

券商面临的挑战同样不可小觑。该人士也指出(chu)，一(yi)是(shi)技术挑战，大多数券商并未有AI能力(li)积累，如何充分研(yan)究大模型技术并得以与证(zheng)券业务(wu)的深度(du)融合存在挑战；二是(shi)成本挑战，大模型技术研(yan)究和应用需要(yao)投(tou)入(ru)大量资(zi)金(jin)资(zi)源，中小型券商难以应对高成本、高投(tou)入(ru)的AI竞赛；三是(shi)人才挑战，目前(qian)懂(dong)业务(wu)、懂(dong)AI、懂(dong)技术的复(fu)合型人才稀缺且(qie)昂贵；四是(shi)转型挑战，大模型的应用需要(yao)与现有的流程(cheng)模式融合，融合的过程(cheng)中存在阻碍；五(wu)是(shi)数据(ju)治理挑战，智能化(hua)深度(du)发展的前(qian)提是(shi)数字化(hua)治理取得一(yi)定成果，大量券商在数据(ju)治理方面仍处于初级阶段。

作为中小券商的代表(biao)，东莞证(zheng)券相关(guan)人士称，对于技术薄弱、成本敏感型的中小券商而言，按“市场需求度(du)、技术可行性、商业可行性”原则，多层(ceng)次推进是(shi)实现人工智能发展的关(guan)键，也是(shi)智能投(tou)顾发展的探索路径(jing)。

“一(yi)是(shi)应用优先，部署现有厂商通用大模型并进行本地化(hua)应用快速对接，积累适配性创新经验，探索如何更好地与AI合作创新。二是(shi)能力(li)培(pei)养，以智能客服、专业化(hua)个人助手等应用程(cheng)序接口（API）调用服务(wu)建设为起点，加强模型推理与智能体等技术应用能力(li)培(pei)育；同时尝试(shi)与外部有实力(li)的机构开(kai)展合作，准备好基础条件，实现大模型本地化(hua)推理应用服务(wu)，逐步打通各类能力(li)。”东莞证(zheng)券人士表(biao)示。

责(ze)编：汪(wang)云(yun)鹏(peng)

校对：陶谦