券商中國
陳銘
2025-11-26 09:27
編者按：
科技浪潮，奔騰不息；金融活水，汩汩向前。作為長期資本、耐心資本重要組成部分，銀行理財、保險資管堅持守正創新，躬身實踐并勇于探索，奮力做好“科技金融”這篇大文章。證券時報社聯合中國銀行保險資產管理業協會推出“銀保資管業探路科技金融”系列專欄，敬請關注。本篇為專欄第十篇。
AI技術正以“指數級”速度重塑各行業的底層運行邏輯，國內資產管理機構也在積極布局AI應用，切入投研領域，打造自有深度研究智能體。
泰康資產首席執行官段國圣接受證券時報·券商中國記者專訪時表示，泰康資產自主研發的自有深度研究智能體，整合了海量高質量的內外部投研數據和內部積累多年的投研分析方法論，著重強化幻覺控制，打造成為具備自我進化能力的“研究助理”，已初步實現深度賦能投研。
隨著未來AI全面賦能投研決策、財富管理、風控合規、運營經營等場景，資產管理行業價值鏈有望重塑，從“人力驅動”轉向“人類智能+機器智能雙驅動”。
顯著提升投研效率
“AI的優勢特性高度契合資產管理行業的特點與需求。”段國圣對證券時報·券商中國記者表示，資產管理行業是數據與知識密集的行業，具有高度的業務專業度與復雜度。AI具備更全面的知識儲備，且AI智能體具備強大的自主性、適應性和交互能力，能夠持續迭代進化、實現閉環管理，這些特性能夠幫助投研人員顯著提高工作效率、擴展能力圈、擴大管理半徑，在部分領域，未來甚至有可能引領投資，真正做到賦能業務、提升投資能力、增厚投資收益。
段國圣透露，泰康資產借鑒國際頂級科技公司的前沿實踐，在公開市場投資領域探索打造了一個覆蓋多品種、具備全技能、依托完善數字知識治理體系的自有深度研究智能體（Taikang Deep Research Agent，以下簡稱TKDR）。TKDR整合了海量高質量的內外部投研數據和泰康內部積累多年的投研分析方法論，初步實現深度賦能投研。
以一個典型的投研分析場景為例，對比傳統的投研模式，TKDR顯示出了諸多優勢：當用戶要求分析某標的公司的投資價值時，研究員通常需要開展研究規劃、搜集資料、處理信息、撰寫報告等工作。但可能因研究目標發散、信息源多且分散、處理效率低、缺乏成熟的知識框架和研究方法、小眾高價值資料獲取困難、定量與定性分析技能要求高、報告撰寫耗時長、格式調整繁瑣等問題導致研究效率低、輸出質量難以保障。
TKDR能夠迅速梳理并確定核心訴求，即時調用內外部資源，構建起全面的研究分析框架，涵蓋基本面、行業環境、估值水平等多維度分析。再通過快速檢索、評估并識別高價值信息，通過高效處理海量數據快速整合信息，進行分析、總結和提煉，形成結構化的研究結果。在報告撰寫階段，TKDR可以通過智能算法生成層次清晰、可讀性強的輸出報告，并支持事實核查、數據溯源等。此外，還能根據用戶的反饋自動優化研究流程，實現研究范式的遞進式深化。
有望賦能資產管理全場景
目前，全球頂級的資產管理公司，如貝萊德、JP摩根、摩根斯坦利、高盛和富達等，均已在投資研究、策略構建、組合管理、風險管理、財富管理等多個領域積極探索并落地AI應用，國內機構也在積極布局AI應用。
在段國圣看來，智能體體系構建是AI建設的關鍵抓手。證券時報·券商中國記者獲悉，泰康資產在權益投資、固收投資和宏觀研究等多個方面前瞻開展AI探索，沉淀了大量內外部研報、會議視頻、各類紀要與投研指標等投研數據資產，累積了多個典型投研應用場景，初步落地了匹配公司權益投研體系的深度研究智能體，關鍵場景投研決策效能不斷提升，效果顯著優于市場通用型投研支持智能體。
泰康資產的深度研究智能體具有區別于外部通用產品的獨特優勢。
一是面向主動投研，運行邏輯高度符合主動投研范式，匹配主動投研人員的思維方式和研究方法，以澄清、規劃、執行、評估、生成五大核心環節為基礎構建算法框架，實現對復雜問題的綜合研究與回答。
二是積累大量內外部數據、研究框架與模型、外部專家問答及搜索資源，打造了高時效、高質量、海量、多源異構、泰康特色的數字研究資源體系。
三是著重強化幻覺控制，通過RAG （Retrieval Augmented Generation ，檢索增強生成）、 Prompt Engineering （提示詞工程）、 Reference （引用/參考）、 Principle Review （原則校驗）、 Cross Check （交叉驗證）等技術方法，做到對AI幻覺的提前控制和事后檢驗。未來將引入信息溯源機制，進一步提升結果的可信度和可用性。
四是堅持“體系勝于判斷”，持續打磨投研體系，強化互動和反饋，支持智能投研體系的持續迭代升級。
展望未來，段國圣表示：通過智能體體系構建和投研能力建設的雙輪驅動，泰康資產將逐步建設人機協同、人機共生的“人+Deep Research Agents”的投研新范式。推動智能體不斷學習和進化，逐漸打造投研人員個人專屬、具備自我進化能力的“研究助理”。中短期可以拓展人類研究員的工作效率、管理半徑與能力圈，長期能夠在策略研發、復雜情景分析等領域引領投資，提升整體投研能力。
“打造保險資產管理領域領先的AI應用，可以全面賦能投研決策、財富管理、風控合規、運營經營等場景，能夠重塑資產管理價值鏈，推動形成從“人力驅動”轉向“人類智能+機器智能雙驅動”的新范式。”段國圣說，通過AI突破人才、資源和管理瓶頸，賦能投資能力和業績提升，更好把握大資管行業的發展機遇，實現行業的高質量發展。
建議健全配套機制
段國圣受訪時表示，為了有效推進AI建設，資管機構還應當建立健全配套機制，優化治理體系，打造適應AI轉型的人才團隊、組織保障和考核激勵體系。
比如，業務團隊要主導智能體的研發應用與迭代升級。科技團隊要深化與業務部門的互動合作，密切跟進AI發展前沿，做好AI中臺與底座的建設。資管機構要相應制定匹配AI戰略的人才培養與管理體系、優化與淘汰機制，保持整體的AI創新力與生產力。要強化對AI應用的考核，將AI應用納入板塊和團隊的績效合約，重點做好AI人才激勵，獎勵在AI模型建設上有突出貢獻、積極使用AI優化工作并產生示范效應、能積極反饋有效助力Agent迭代進化的人員。
在組織保障上，必須轉變傳統的“科技主導、業務配合”的建設模式，建設“業技共研、共創、共建”的協同機制。
段國圣坦言，這一轉變將帶來組織形態的重塑：一方面，要以業務價值為導向，打破部門壁壘，建立由業務專家、技術人員、數據分析師等組成的敏捷團隊，實現需求、開發、測試、運營的全流程管理；另一方面，必須同步建設業技融合的決策與責任機制，提升資源調配的彈性，在流程上推行小步快跑與持續迭代，形成“業務驅動技術、技術賦能業務”的良性生態。同時，必須高度重視數據資產管理，保障AI應用安全性與合規性。
責編：王璐璐
校對：姚遠
