投資活動(dòng)中,有三種能力至關(guān)重要:信息獲取、信息處理和創(chuàng)新能力。投資是用現(xiàn)在的確定性交換未來的不確定性,是在不完全、不對(duì)稱信息下對(duì)未來的概率性押注；誰獲取有價(jià)值信息的成本更低、理解更深更準(zhǔn),誰就更有可能建立優(yōu)勢(shì)。投資市場(chǎng)交易成本低、同質(zhì)化競(jìng)爭(zhēng)強(qiáng)烈,即使能獲得并正確處理數(shù)據(jù),若角度缺乏獨(dú)特性,策略就會(huì)與眾人趨同,只能獲得貝塔而非阿爾法。

投資的方法有很多種，但萬變不離其宗。華爾街對(duì)沖基金斥巨資購買衛(wèi)星圖像、航運(yùn)數(shù)據(jù)等“另類數(shù)據(jù)”捕捉獨(dú)家線索；量化機(jī)構(gòu)鋪設(shè)專用光纖壓縮信息傳輸時(shí)間；巴菲特則在奧馬哈憑借深厚的商業(yè)洞察力——即更強(qiáng)的信息處理優(yōu)勢(shì)——?jiǎng)?chuàng)造長(zhǎng)期卓越回報(bào)。他們都必須走別人不走的路,才能長(zhǎng)期超越大盤。

AI對(duì)投資的影響廣泛深遠(yuǎn),覆蓋研究、交易、風(fēng)控、合規(guī)與投顧等鏈條,但對(duì)信息獲取與處理的影響是關(guān)鍵。AI不會(huì)改變投資的基本經(jīng)濟(jì)學(xué)邏輯,但會(huì)重塑投資者在產(chǎn)業(yè)鏈不同環(huán)節(jié)的相對(duì)優(yōu)勢(shì)。

AI的優(yōu)勢(shì):提升信息獲取與處理的能力

AI對(duì)投資的信息模式的重塑,首先體現(xiàn)在顯著提升處理信息的速度和寬度。

過去投資中可利用的信息分兩類。一類是借助計(jì)算機(jī)可高效處理的結(jié)構(gòu)化數(shù)據(jù),如財(cái)務(wù)數(shù)據(jù)、交易數(shù)據(jù)、宏觀數(shù)據(jù),字段明確、格式統(tǒng)一。另一類是研究報(bào)告、管理層訪談、產(chǎn)業(yè)視頻、實(shí)地調(diào)研等非結(jié)構(gòu)化數(shù)據(jù),傳統(tǒng)技術(shù)不擅長(zhǎng),主要依靠人篩選判斷,而人處理帶寬低、速度慢。

以大模型為代表的AI,恰在語言與多模態(tài)理解上具有優(yōu)勢(shì),帶來非結(jié)構(gòu)化數(shù)據(jù)處理的“效率躍遷”:可在極短時(shí)間內(nèi)完成跨語言資訊梳理、長(zhǎng)文檔提煉、電話會(huì)要點(diǎn)捕捉與語氣變化識(shí)別,把原本需要團(tuán)隊(duì)數(shù)天的“翻文件”工作壓縮到分鐘級(jí)。例如彭博在 BloombergGPT 等能力基礎(chǔ)上推出“AI 文檔洞察”功能，允許分析師將成批研報(bào)、公告、監(jiān)管文件交由系統(tǒng)自動(dòng)提取關(guān)鍵段落與風(fēng)險(xiǎn)點(diǎn),并用自然語言回答關(guān)于監(jiān)管風(fēng)險(xiǎn)、成本控制等問題。

其次,AI的高通量處理使其在應(yīng)對(duì)高維信息時(shí)得心應(yīng)手,而人類很難建立對(duì)高維空間的直觀理解。人類建模時(shí)變量規(guī)模有限(心理學(xué)家米勒定律指出，變量達(dá)到7個(gè)左右，人腦會(huì)陷入認(rèn)知過載)；AI的模式識(shí)別則動(dòng)輒成千上萬個(gè)特征維度,可識(shí)別人類無法察覺的跨維度相關(guān)性與“弱信號(hào)”。例如某晶圓廠近月用電負(fù)荷略高于季節(jié)常態(tài)、相關(guān)供應(yīng)商工藝崗位招聘增加、相關(guān)技術(shù)論文引用加速,但新聞公告層面并無大動(dòng)作——這些散落信號(hào)單個(gè)分析師很難拼成完整故事,AI卻可能識(shí)別出這類組合往往預(yù)示企業(yè)接近工藝突破或產(chǎn)能爬坡。

最后,AI與人類在模式識(shí)別上存在根本差異:前沿AI通過非線性建模實(shí)現(xiàn)復(fù)雜模式識(shí)別,人類對(duì)此不擅長(zhǎng)。現(xiàn)實(shí)中很多關(guān)系并非線性,如利率、通脹、情緒、地緣政治等因素的交互不是簡(jiǎn)單相加；但傳統(tǒng)金融模型往往假設(shè)線性關(guān)系(如CAPM),傳統(tǒng)統(tǒng)計(jì)學(xué)出于可計(jì)算與可解釋也偏好線性。深度學(xué)習(xí)理論上可逼近任意非線性函數(shù),對(duì)投資分析有潛在的巨大價(jià)值。

人類的相對(duì)優(yōu)勢(shì)

基于AI當(dāng)前的技術(shù)范式,人類仍有一些AI尚不能顛覆的優(yōu)勢(shì),可從五個(gè)角度討論。

第一,創(chuàng)新能力是投資的核心能力之一。當(dāng)前大語言模型可模擬人思考、生成虛擬內(nèi)容,但本質(zhì)上是對(duì)人類數(shù)據(jù)的重新排列組合。即便是獲諾獎(jiǎng)的蛋白質(zhì)預(yù)測(cè)模型AlphaFold,也需基于科學(xué)家積累的實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練,從科學(xué)發(fā)現(xiàn)角度看并非真正原創(chuàng)。AI在應(yīng)用人類知識(shí)上成績(jī)前所未有,但在原始創(chuàng)新上仍非常局限:AI能否用牛頓看到的數(shù)據(jù)發(fā)現(xiàn)萬有引力？能否用80年前的資本市場(chǎng)數(shù)據(jù)自創(chuàng)價(jià)值投資?至少目前不行——否則將對(duì)人類智能產(chǎn)生壓倒性優(yōu)勢(shì)。

第二,人類在數(shù)據(jù)獲取上有一定優(yōu)勢(shì)。分析師可通過實(shí)地調(diào)研、產(chǎn)品體驗(yàn)獲取無法被數(shù)字化的多感官信息,還能建立人際網(wǎng)絡(luò),通過深度溝通與建立信任來獲取和驗(yàn)證信息,如核心高管間的權(quán)力結(jié)構(gòu)、供應(yīng)鏈里“不上臺(tái)面”的變化、地方政府真實(shí)執(zhí)行態(tài)度等非公開但合法的信息。這種依賴具身感知與社交特征的信息獲取,在具身智能取得更大進(jìn)展前無法被取代。此外,AI的“知識(shí)”主要來自對(duì)人類記錄過的信息的學(xué)習(xí),而記錄本身存在壓縮損失——有經(jīng)驗(yàn)的分析師可基于交流氛圍較準(zhǔn)確判斷管理層是否靠譜,但這種直覺很難轉(zhuǎn)化為訓(xùn)練語料。這種“隱性知識(shí)”對(duì)AI構(gòu)成挑戰(zhàn)。

第三,AI的智能往往依賴大數(shù)據(jù),而人類智能只需很小數(shù)據(jù)量。投資信息常常稀疏低頻,AI難以應(yīng)對(duì)產(chǎn)業(yè)技術(shù)路線切換、新興產(chǎn)業(yè)出現(xiàn)等黑天鵝沖擊——樣本少、現(xiàn)象新,大幅限制模型優(yōu)勢(shì)。

第四,前沿模型的能力來自對(duì)人類知識(shí)的壓縮,并無真正意義上的因果分析能力,對(duì)邏輯推理也只能模擬。人類習(xí)慣構(gòu)造因果假設(shè),擅長(zhǎng)在沒有充分樣本時(shí)用理論壓縮復(fù)雜性,練就了抓住“少數(shù)關(guān)鍵變量”的本領(lǐng)；AI則依賴統(tǒng)計(jì)相關(guān)性從歷史模式中擬合獲得“理解”。這使得高階投資判斷仍依賴人類——如“為什么這個(gè)行業(yè)會(huì)贏家通吃”“同樣的政策在中美為何效果迥異”,需要對(duì)經(jīng)濟(jì)學(xué)、產(chǎn)業(yè)知識(shí)、制度差異的綜合分析來把握底層邏輯,AI對(duì)這類機(jī)制的“理解”往往不夠穩(wěn)定。

第五,投資決策不僅需從質(zhì)量衡量,還面對(duì)治理與責(zé)任約束。投資要面對(duì)監(jiān)管、合規(guī)、客戶的審視,黑箱模型即便預(yù)測(cè)力強(qiáng),也可能因不可解釋而無法大規(guī)模使用。AI不會(huì)承擔(dān)聲譽(yù)損失、職業(yè)后果和法律責(zé)任,而最困難的決策常常是在信息不完備下拍板、在共識(shí)很強(qiáng)時(shí)選擇不做、在模型與人類判斷沖突時(shí)選擇信誰——這是權(quán)力與責(zé)任的匹配,不只是算法問題。當(dāng)前社會(huì)制度仍要求人類作為最終責(zé)任主體。

總結(jié):人機(jī)協(xié)同,但AI作用越來越大

綜合來看,AI正在從根本上重塑投資中信息獲取與處理的格局,但并未取消人類判斷的核心地位,而是將人機(jī)協(xié)作推向了一個(gè)新的、對(duì)人要求更高的階段。

在效率層面,AI對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理突破了傳統(tǒng)技術(shù)的邊界,將過去需要團(tuán)隊(duì)數(shù)天的信息篩選與梳理壓縮到分鐘級(jí)；在廣度層面,另類數(shù)據(jù)的大規(guī)模利用、跨語言跨市場(chǎng)的信息覆蓋正在成為現(xiàn)實(shí)；在深度層面,AI基于高維非線性模式識(shí)別的能力,為投資分析開辟了人類認(rèn)知難以觸及的新維度。這三重變化疊加,意味著投資行業(yè)的信息處理基準(zhǔn)線正在被大幅抬高。

基準(zhǔn)線的抬高帶來一個(gè)重要的結(jié)構(gòu)性影響：AI對(duì)初級(jí)研究人員的價(jià)值構(gòu)成顯著沖擊。初級(jí)分析師的核心工作——搜集資料、閱讀研報(bào)、跟蹤數(shù)據(jù)等——恰是AI能高效完成甚至表現(xiàn)更優(yōu)的領(lǐng)域。過去這些工作是年輕分析師進(jìn)入行業(yè)、積累經(jīng)驗(yàn)的階梯；如今階梯正被AI抽走,行業(yè)對(duì)初級(jí)人員的需求規(guī)模可能顯著縮減,入行的門檻和路徑都將深刻變化。

但人類在創(chuàng)新能力、具身感知與關(guān)系網(wǎng)絡(luò)驅(qū)動(dòng)的信息獲取、隱性知識(shí)運(yùn)用、底層邏輯分析以及承擔(dān)決策責(zé)任等方面,仍有AI難以替代的優(yōu)勢(shì)。未來真正稀缺的投資人才,是能站在AI能力之上、發(fā)揮人類獨(dú)特智能的高階從業(yè)者:具備深厚的產(chǎn)業(yè)洞察與商業(yè)判斷,能提出正確的問題而非僅處理已有信息,擅長(zhǎng)在不完備信息下做出有擔(dān)當(dāng)?shù)臎Q策,并能駕馭AI工具放大認(rèn)知優(yōu)勢(shì)。創(chuàng)新能力,將是他們最后的護(hù)城河。

本文作者：

劉勁，大灣區(qū)人工智能應(yīng)用研究院理事、特聘專家，長(zhǎng)江商學(xué)院會(huì)計(jì)與金融學(xué)教授、投資研究中心主任

段磊，大灣區(qū)人工智能應(yīng)用研究院研究總監(jiān)

吳亦珊，大灣區(qū)人工智能應(yīng)用研究院高級(jí)研究員