富拓外汇：2026陆家嘴金融沙龙｜第二十二期圆桌对话：AI如何赋能证券投资？

7月19日，“陆家嘴金融沙龙”2026年第二十二期活动圆满落下帷幕。在圆桌对话环节，来自不同业务领域的嘉宾同台论道，聚焦“人工智能赋能证券投资行业”这一核心议题，展开了深层次的交流与思想碰撞。

本次对话由北京卓识私募基金管理有限公司创始人兼总经理张卓主持，上海黑翼资产管理有限公司创始人兼CIO邹倚天、国泰海通证券股份有限公司技术研发部总经理助理钱维佳、上海前路有光数字科技有限公司董事长何波、财跃星辰CEO贾宝龙担任对话嘉宾。

AI的边界收敛至“如何赋能”和“辅助决策”，而非决策主体本身

随着人工智能快速发展，它已经从辅助工具变成决策工具。那么，各行各业在哪些领域用到了AI？

站在量化私募的角度，邹倚天回顾了AI的演进路径：2017至2018年，行业普遍转向机器学习；2021年起，深度学习及Transformer架构（基于‌自注意力机制‌的深度学习架构）开始在时序大模型中广泛应用，用以预测未来走势；2022年底大语言模型兴起后，从辅助编程到中后台运营，行业应用持续深化；2025年下半年，编程Agent能力大幅跃升，可独立完成较复杂项目；2026年，大模型进一步切入投研领域，初步具备辅助挖掘因子乃至Auto Research（自动科研）能力。

从证券行业来看，钱维佳表示，行业对 AI的应用已经实现了从单点突破到规模化应用的阶段，且在三个方面经历着质变。

首先，对客服务正迎来全面智能化升级。钱维佳指出，使用智能投顾体系的客户投资胜率更高，智能体的发展也在重塑投资者的数据使用习惯，推动服务向更专业、更普惠的方向演进。

其次， AI正在重塑投研的工作流程。她表示，过去研究员70%的时间花在信息收集上，仅30%用于深度产出。AI将他们从低附加值劳动中解放出来，得以聚焦思考本身。在AI+人工协同下，深度宏观分析报告的产出周期从数天压缩至数小时，大幅缩短了信息处理时间。

“AI工具降低了量化研究的专业门槛”，钱维佳表示，投资者通过自然语言即可将投资想法快速转化为可验证策略，完成因子选股、回测与绩效分析，让过去属于专业投资者的能力惠及普通大众。

最后，在智能研发领域，AI Coding（AI 编程）已跨越代码补全，进入全流程深度赋能阶段。在她看来，未来企业构建下一代核心竞争力的关键，在于如何围绕AI打造原生架构、提升组织效能。

AI的使用边界如何？钱维佳坦言，无论大模型还是Agent，都不能替人类承担法律责任与经济损失，关键投资决策仍必须交由人类完成；实际使用中可以把重复性劳动交给AI，让人类更聚焦于创造本身。

站在科技公司的角度，何波则认为，量化投资以统计归纳法为主，主观投资侧重演绎法，两者底层逻辑难以兼容。但大语言模型的因果推理能力正在改变这一局面，让原本依赖演绎法的策略能够以量化的方式去实现，已有客户开始尝试。这有助于拓宽认知边界，缓解目前量化策略“卷”在同质化赛道（指数增强与市场中性）的问题。若能将更多主观演绎逻辑注入，各家机构可以在不同维度上展开差异化竞争。

谈及AI在金融领域的边界，何波提出三条红线：决策后果的不可逆性、承担主体的不可替代性、市场本身的反身性。在这三条红线之下，AI的边界会收敛至“如何赋能”和“如何更好辅助决策”，AI本身很难成为决策主体。

从财经媒体视角出发，贾宝龙介绍，财联社是最早拥抱AI的金融信息服务商， AI助力公司的整体生产效率提升五倍以上。

作为界面财联社的子公司，财跃星辰为金融机构提供大模型应用场景服务，近两年围绕投顾、投研、投教、风控等金融+AI方面做了很多探索，目前在人力密集型场景中提效显著。

“今年春节小龙虾出来后，大模型不但有了超级大脑，还有了四肢”，贾宝龙表示，今年大模型能力显著跃升，已从聊天对话，进阶为工具调取、任务执行。

他进一步以AI超级投顾助手为例阐释了大模型的效果，过往一名投顾一周只能服务约200名客户，AI植入客户画像洞察、话术生成、账户监测、投研支持与定期追踪全流程后，投顾只需简单确认即可，周服务能力可以拓展至两三千人。在他看来，AI对金融机构的赋能，已从“锦上添花”跃升为“不可或缺”。

关于AI的边界，贾宝龙强调，AI生成新闻须经人工三道审核才可发布，否则标注“AI自动生成”；投顾与投研领域，AI可整理资料、辅助分析，但最终决策仍需人类担责。

他表示，从技术本质看，大模型生成依赖词元预测的概率逻辑，适合处理短期、概念性分析，但依赖长期经验与直觉判断的决策，仍需由人类主导完成。

大模型释放另类数据价值，投研落地仍存多重挑战与机遇

目前对AI的使用更多聚焦在结构化数据，随着大模型的出现，另类数据使用的门槛在大大降低，那么，行业对另类数据的使用现状如何？

邹倚天坦言，另类数据因其密度与覆盖度远不及量价数据，仍相对稀缺，因此其在实验中的辅助作用有限，不足以单独支撑策略。

但他指出，大模型让获取和处理另类数据的门槛大幅降低，以往只有头部机构能做的事，如今调用大模型即可完成。但是，便利的同时也带来新挑战：当大家都能快速处理同类信息，原本属于少数机构的Alpha是否会趋于同质化？这对管理人的策略迭代能力提出了更高要求。

随着AI多模态能力的突破，在证券行业，另类数据正从量变走向质变。

钱维佳指出，过去企业虽有大数据平台，但更多聚焦结构化数据，若要在量价数据之外挖掘差异化超额收益，会对另类数据有更强烈的诉求。

“大模型解决了‘让另类数据被看到’的技术痛点，但对企业而言，真正的挑战在于如何让数据‘采得进、管得住、算得动、用得好’”。她坦言，目前核心难点在于高价值另类数据的获取成本与价值验证周期不成正比，容易陷入“先有鸡还是先有蛋”的困境。同时，另类数据 “新”与“快”的特点意味着，一旦时效性不达标，信息价值的边际效应便会迅速衰减。

在钱维佳看来，大模型只是揭开了另类数据的面纱，但要真正从“辅助参考”升级为“核心决策支撑”，仍需突破平台能力、成本效益与数据质量三道关卡。

基于同业交流，何波发现，很多上市公司内部人士对产业上下游的理解比研究员更深刻。他认为产业认知和上下游的联动是“认知金矿”，内部产业变动很大。

在他看来，大模型的因果推理能力可以让产业认知得以沉淀为认知链，比如成本推理链、周期推理链，不再是模糊的经验，而是可复用的结构化知识，进而构建更具差异化的量化策略。

何波同时提醒，产业认知的运用需要谨慎。因果推理本质仍是统计归纳的延伸，只能回忆已有因果，无法发现新因果。但基于历史的推理，对构建差异化策略依然具有积极意义。

“非标数据是财联社的重点布局方向”，贾宝龙透露，财联社数年前已设立星矿数据部门，专项开展非标数据研发工作，而财跃星辰也将非标数据作为模型训练的重要语料。在他看来，非标数据带来的往往是市场的超预期与超额收益，对宏观、行业和公司决策发挥越来越大的作用。

非结构化数据跟投研衔接有何难点？贾宝龙坦言，首先，非结构化数据与传统研究框架较难融合，研究员惯于依赖财务三张表与宏观数据，而非结构化数据频次高、时效强，难以直接嵌入既有盈利模型。

其次，机构投资决策遵循固定流程，周期较长，而高频数据信号与既有流程的协同是现实难题。

此外，因果验证最为棘手，非标数据若要获得客户信任，必须验证其对市场多空方向的有效性，而这恰恰是最难界定的环节。

多维度构建风控体系，筑牢金融大模型幻觉防范防线

在使用大模型的过程中，如何避免大模型幻觉造成的损失？

“大模型幻觉，是当前AI在金融机构规模化落地的最大痛点”，贾宝龙开门见山，金融机构数字化程度高，但连接千行百业，每个行业的评价与估值逻辑各不相同，且离交易极近——一个小数点的错误就可能引发巨额损失、诉讼甚至信誉危机。

他强调：AI在金融领域落地，必须遵循“风险是第一，业务是零”的原则。正因如此，目前AI在金融机构的应用更多停留在对内服务，对客业务推进缓慢，核心障碍正是模型幻觉与数据安全。

他介绍，财跃星辰作为垂类金融大模型应用公司，从两个维度破解这一难题。一方面，依托财联社沉淀的高质量语料，在原生阶段即将金融认知深度嵌入模型，使模型具备较强的金融理解能力，幻觉出现概率相对较低。另一方面，坚持“可靠数据，可控输出”八字方针，即所有信源均来自白名单，输出经过模型自控、机器审核与人工复核三道防线层层把关，将幻觉风险降至最低，确保回答的准确性与可靠性，最大限度解决数据安全、模型幻觉问题。

何波则分享了与机构合作构建策略风险诊断智能体的实践经验。“最大的挑战是模型幻觉，踩了不少坑”，他坦言，要解决这一问题，首先要让模型具备认知边界；其次，所有数据获取必须通过工具调用，而非依赖模型生成。

何波特别强调，AI在单一会话中很难自我反驳，因为上下文会偏向已作出的决策。因此，他建议引入独立的智能体，从全新会话对结果进行审查。实时数据必须核查来源，工具链要扎实固化，同时建立完善的打分体系，持续度量输出质量。

“大模型的幻觉，不只是‘模型犯错’的问题”，钱维佳指出，真正的挑战在于如何让大模型“不敢错”，或者错了之后有办法兜底，而这需要系统性的工程体系来保障。

她介绍，证券公司内部已构建了一套全链路可控可信的体系——从AI-Ready的数据平台、可信数据集，到大小模型结合、RAG（检索增强生成）溯源控制，再到合规审查机制，多管齐下，实现从事前拦截、生成管控到输出审核的全流程防线。针对高风险场景，做到全量机审覆盖及“业务+合规”二次复核全覆盖，确保输出内容的可信可控。

在钱维佳看来，投资领域现阶段不能让大模型直接输出投资信号，但可以融入现有决策流程，提升投研效率。最终还需构建专业兜底机制：将业务专家经验、风控知识与大模型深度思考能力、智能体可执行能力深度融合，以专业能力为模型输出做最后把关。“模型可控、内容可信、输出可靠、回答可溯源、执行可追溯——这已成为金融行业AI应用上线的必选项，而非可选项”。

而邹倚天也指出了防范大模型幻觉的三层防线。

数据查询上，用查询功能而非推理；代码层面，建立四项审核机制——人审人、人审AI、AI审人、AI审AI，全部通过方可上线；策略领域，研究员借助AI产出的预测结论，上线前需全程解释原理，且观察期须比人工挖掘因子更长，以杜绝过度拟合或幻觉带来的虚假信号。

本期“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处、中国科学技术大学国际金融研究院联合主办，上海市浦东新区数理金融学会承办，支持单位为国泰海通证券股份有限公司，第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。