来源：中国基金报
近日，易方达的AI宏观研究员在一场宏观经济预测竞赛中一举夺魁，在业内引起广泛关注。在AI大模型的广泛应用背景下，不少分析师似乎正面临着“AI焦虑”，社交媒体也热议“金融民工饭碗不保”。
不过，记者与多位行业分析师深入交流后发现，仅有不到三成的分析师承认存在“AI焦虑”，大多数分析师认为，大模型的应用实际上提高了他们的数据处理和报告撰写效率，海量数据的“滋养”更是拓宽了研究视野。
AI赋能下的变革
云起之时，有人看见阴霾，有人窥见群山。一位刚入职一年多的分析师告诉记者，原来需要花4天整理的数据，通过DeepSeek整理后，现在半天时间就能完成，“对此，我大为震撼，一方面觉得可以省出时间来休息，另一方面觉得自己可能要失业了”。
华北某券商分析师告诉记者：“原先计划给我们团队招两个助理分析师，现在不招了。”一位专注金融领域的猎头也向记者透露，今年金融行业的整体招聘行情有所转冷，机构所释放的初级岗位大幅减少，但技术相关的岗位受重视程度逐渐提升。
长城证券首席经济学家汪毅向记者坦言，DeepSeek、豆包等大模型的广泛应用确实给分析师带来了一定程度的焦虑，主要体现在对传统分析方法的冲击。这些模型能够快速处理海量数据并生成高质量的宏观预测，可能让部分分析师担心自己的核心竞争力被削弱。然而，分析师需要从依赖数据的初级分析转向更具洞察力的深度解读，提升对模型输出的批判性思考和决策能力，这才是应对焦虑的关键。
沪上一位分析师透露，近两年，她一直使用AI产品辅助自己的研究工作，如借助大模型来完成数据整理、文献检索、报告初稿撰写等任务，“尤其是在处理复杂数据和生成初步分析框架时，这些工具能够大幅提升效率”。
在谈及未来分析师核心价值时，多数分析师认为，未来分析师的核心价值将更多体现在对数据的深度解读、趋势判断以及决策建议的能力上。
汪毅表示，随着AI技术的普及，单纯的数据处理和分析将逐渐被自动化工具取代，但分析师对经济、市场和人性的深刻理解以及对复杂问题的洞察力和创造力仍然不可替代。未来，分析师的核心竞争力在于如何将技术与专业经验结合，为客户提供更具前瞻性和战略价值的解决方案。
从买方市场来看，近年来，随着市场数据量和信息复杂度增加，投资者对于专业、深入、前瞻性的研究需求日益增强，也乐于为深入、高质量的研究内容支付更高的溢价。在当前市场环境下，买方机构尤为重视分析师的研究逻辑与方法论，以及他们对上市公司的紧密跟踪与深度剖析能力。“尤其是信息差，这是人工智能无法替代的。”某科技行业的首席分析师告诉记者。
数字化转型拉开券商研究差距
从券商行业来看，使用AI大模型赋能研究工作已经形成风潮。记者发现，AI在证券研究中应用场景非常广泛，除了简单的汇总分析和总结概括，还能帮助研究机构实现数据研究、逻辑研究、固化研究模型，并完成研究资产数据化和平台化。
以中金公司为例，中金公司大类资产研究团队则推出“AI策略系列报告”，以AI技术为基石，打造全新投资方法论，探索智能化投资的可能。其中一篇报告是从AI视角解读年度政策思路。比如，该团队让AI提取了2011年到2024年历年中央经济工作会议中的“稳增长”相关文本，然后观察A股和利率在会后3个月内的表现，再转化成可视化的“情绪指数”，方便追踪和理解。研究显示，政策信号更积极时，股市上涨空间更大，利率下行更少。
长江证券研究所以私有化AI算力池为基座，研发了“长江灵曦”大模型平台。公司研究业务利用大模型的能力，聚焦投研搜、读、写、聚等场景，打造了智搜图文、智源对话、智译纪要、智写研报、智探市场、研报格式转换的灵曦投研助手，提升投研知识阅读效率。在基金研究方面，长江证券运用大数据技术处理异构数据，基于AI算法提升分析维度，整合金融模型形成数字化、智能化的基金投研平台，为客户经理、投资顾问、基金研究员以及FOF基金管理人赋能。
此外，如何平衡AI辅助与人工决策，避免“机器幻觉”带来的干扰，仍是行业内的共同课题。大多数分析师希望公司能够搭建自己的闭源大模型，通过定制化训练与本地数据库融合，来保持自身研究的差异化优势。然而，在部分中小券商中，出于对自身短期财务压力等综合因素考虑，自建大模型的进程比较缓慢。
科技的变革正在加速卖方研究的创新进程。“数字化突破将成为券商拉开竞争差距的有力武器。”有分析师这样认为。
责任编辑：何俊熹
来源：中国基金报
近日，易方达的AI宏观研究员在一场宏观经济预测竞赛中一举夺魁，在业内引起广泛关注。在AI大模型的广泛应用背景下，不少分析师似乎正面临着“AI焦虑”，社交媒体也热议“金融民工饭碗不保”。
不过，记者与多位行业分析师深入交流后发现，仅有不到三成的分析师承认存在“AI焦虑”，大多数分析师认为，大模型的应用实际上提高了他们的数据处理和报告撰写效率，海量数据的“滋养”更是拓宽了研究视野。
AI赋能下的变革
云起之时，有人看见阴霾，有人窥见群山。一位刚入职一年多的分析师告诉记者，原来需要花4天整理的数据，通过DeepSeek整理后，现在半天时间就能完成，“对此，我大为震撼，一方面觉得可以省出时间来休息，另一方面觉得自己可能要失业了”。
华北某券商分析师告诉记者：“原先计划给我们团队招两个助理分析师，现在不招了。”一位专注金融领域的猎头也向记者透露，今年金融行业的整体招聘行情有所转冷，机构所释放的初级岗位大幅减少，但技术相关的岗位受重视程度逐渐提升。
长城证券首席经济学家汪毅向记者坦言，DeepSeek、豆包等大模型的广泛应用确实给分析师带来了一定程度的焦虑，主要体现在对传统分析方法的冲击。这些模型能够快速处理海量数据并生成高质量的宏观预测，可能让部分分析师担心自己的核心竞争力被削弱。然而，分析师需要从依赖数据的初级分析转向更具洞察力的深度解读，提升对模型输出的批判性思考和决策能力，这才是应对焦虑的关键。
沪上一位分析师透露，近两年，她一直使用AI产品辅助自己的研究工作，如借助大模型来完成数据整理、文献检索、报告初稿撰写等任务，“尤其是在处理复杂数据和生成初步分析框架时，这些工具能够大幅提升效率”。
在谈及未来分析师核心价值时，多数分析师认为，未来分析师的核心价值将更多体现在对数据的深度解读、趋势判断以及决策建议的能力上。
汪毅表示，随着AI技术的普及，单纯的数据处理和分析将逐渐被自动化工具取代，但分析师对经济、市场和人性的深刻理解以及对复杂问题的洞察力和创造力仍然不可替代。未来，分析师的核心竞争力在于如何将技术与专业经验结合，为客户提供更具前瞻性和战略价值的解决方案。
从买方市场来看，近年来，随着市场数据量和信息复杂度增加，投资者对于专业、深入、前瞻性的研究需求日益增强，也乐于为深入、高质量的研究内容支付更高的溢价。在当前市场环境下，买方机构尤为重视分析师的研究逻辑与方法论，以及他们对上市公司的紧密跟踪与深度剖析能力。“尤其是信息差，这是人工智能无法替代的。”某科技行业的首席分析师告诉记者。
数字化转型拉开券商研究差距
从券商行业来看，使用AI大模型赋能研究工作已经形成风潮。记者发现，AI在证券研究中应用场景非常广泛，除了简单的汇总分析和总结概括，还能帮助研究机构实现数据研究、逻辑研究、固化研究模型，并完成研究资产数据化和平台化。
以中金公司为例，中金公司大类资产研究团队则推出“AI策略系列报告”，以AI技术为基石，打造全新投资方法论，探索智能化投资的可能。其中一篇报告是从AI视角解读年度政策思路。比如，该团队让AI提取了2011年到2024年历年中央经济工作会议中的“稳增长”相关文本，然后观察A股和利率在会后3个月内的表现，再转化成可视化的“情绪指数”，方便追踪和理解。研究显示，政策信号更积极时，股市上涨空间更大，利率下行更少。
长江证券研究所以私有化AI算力池为基座，研发了“长江灵曦”大模型平台。公司研究业务利用大模型的能力，聚焦投研搜、读、写、聚等场景，打造了智搜图文、智源对话、智译纪要、智写研报、智探市场、研报格式转换的灵曦投研助手，提升投研知识阅读效率。在基金研究方面，长江证券运用大数据技术处理异构数据，基于AI算法提升分析维度，整合金融模型形成数字化、智能化的基金投研平台，为客户经理、投资顾问、基金研究员以及FOF基金管理人赋能。
此外，如何平衡AI辅助与人工决策，避免“机器幻觉”带来的干扰，仍是行业内的共同课题。大多数分析师希望公司能够搭建自己的闭源大模型，通过定制化训练与本地数据库融合，来保持自身研究的差异化优势。然而，在部分中小券商中，出于对自身短期财务压力等综合因素考虑，自建大模型的进程比较缓慢。
科技的变革正在加速卖方研究的创新进程。“数字化突破将成为券商拉开竞争差距的有力武器。”有分析师这样认为。
责任编辑：何俊熹
