财联社 3 月 13 日讯（编辑 李响）随着国产大模型 DeepSeek 的技术突破，不少金融、资管机构正积极推进其在投资领域的应用，智能化转型，以期降本增效，提升发展新动能。

财联社据公开资料和相关研报梳理，易方达基金、富国基金等国内资管机构已经部署了 DeepSeek 大模型，推进应用于多个业务场景；招商银行进行资管领域大模型应用探索与实践，涵盖基金产品分析优选、研报摘要速览及智能问答等；东证资管开发基于人工智能的 AI 投研助理机器人，功用包括智能询价交易、Agent 智能客服助手、投研风控智能问答、路演调研 AI 纪要等等。

上海资产管理协会、智能投研技术联盟（ITL）联合多家成员机构于去年底共同撰写了发布《上海全球资产管理中心建设 资产管理大模型应用实践与指南》（以下简称《实践指南》），其中，创新应用典型场景提炼了大模型在资产管理、财富管理领域落地的基金投研助手、投资顾问助手、财报分析助手、风险合规助手、智能化办公等 16 个典型应用场景。

不过，另一方面，在业内人士看来，尽管目前部分金融、投资机构已接入 DS 模型进行本地化部署，但当前 DeepSeek 等工具的定位或更适合作为信息检索工具，而非投资决策依据，在资管领域中的应用场景更多集中于信息辅助和客服交互等领域。

部分行业内人士表示，在专业的垂直领域，仅基于大模型的算力推演能力还远远不够，还需嫁接该垂直领域的 " 小模型 "，此外不少金融机构出于安全方面要求，当前调用 DeepSeek 本地化部署多用于提升内部流程效率，在资管领域的场景落地多以投研报告、数据管理助手等助力智能化转型的形式存在，打通整条资管投资路径客观上尚存难度。资管机构应用 AI 大模型的核心场景或应是投研支持，未来国内外资管机构在大模型应用的竞争，也将从 " 有无 AI" 转变成 "AI 能力 "，进而比拼 AI 大模型应用的覆盖广度与使用深度，以及对于 AI 大模型的认知与利用方式。

金融与资管机构应用 AI 大模型场景扫描

财联社梳理，当前资管领域大模型应用场景多以帮助金融机构降低投研门槛以及成本，助力机构完成智能化转型，其中基金、保险等资管机构在应用 AI 大模型场景的步伐相对较快。

国信证券在最新相关研报中称，自 DeepSeek2024 年底横空出世以来，国内大型资管机构，诸如汇添富、富国、国泰、中欧等基金机构，完成了 DeepSeek-R1 版本的私有化部署，应用于多个核心业务场景。如汇添富基金，其在 2 月 7 日率先宣布，已经完成 DeepSeek 系列开源模型的私有化部署，模型将全面覆盖投资研究、产品销售、风控合规和客户服务等各场景，其与澜码科技达成战略合作，旨在推动大语言模型及 AI Agent 在金融领域的应用，此外易方达基金的 EFundGPT 大模型可以在辅助投资研究、文案生成、编程支持等多个场景中进行应用。

富国基金结合实际场景构建了一个 AI 中台来统一管理模型能力，负责实施大模型到业务的落地。该 AI 中台旨在向前台提供面向实际业务可用的模型，快速响应业务需求的迭代，同时作为用户流量的入口监控 API 的调用，统计 token 的消耗，分配人员的权限，合规大模型在富国基金的业务落地场景丰富多样，系统研发和运营风控等多个领可控地提升大模型对业务赋能的转换效率。

此外，泰康资产在大模型应用中将文档问答可具备 "AI 翻译 + 智能摘要 " 功能，同时在数据查询场景中，可实现自然语言对话即可触发精准的指标速查。

前述《实践指南》列出，资管领域大模型应用场景多以 " 助手 " 的形式存在，如基金投研助手、财报分析助手、研报写作助手等，主要聚焦于客户服务、投资研究、风险管理与资产配置领域。

不过，在不少金融机构 IT 工程师看来，早期的 AI 技术仅能部分减轻人工作业负担，但替代不了人工，尤其是大模型分析的数据基本上是基于网上抓取下来的，部分数据相对过时，与最新的业务实际情况也不完全相符，而且针对垂类投资模型训练的数据会有时效性，很难针对当前的现状给出最新的投资判断，如果用 AI 大模型直接从事投资风险管理交易之类的事情，距离场景落地仍有不小的距离。

国信证券分析师王开在相关研报中表示，目前在人工智能幻觉测试中，DeepSeek-R1 显示出 14.3% 的幻觉率，其技术局限性需对 AI 大模型的输出内容进行人工筛选和检验，尤其是与投资决策相关的数据与信息。此外，资管机构应用 AI 大模型的核心场景或应是投研支持，而在客户服务、产品创新、风险控制和中后台支持等业务场景也早已经开展着其他各种人工智能模型的应用，未来国内外资管机构在大模型应用的竞争，也将从 " 有无 AI" 转变成 "AI 能力 "，进而比拼 AI 大模型应用的覆盖广度与使用深度，以及对于 AI 大模型的认知与利用方式。

DS 大模型在处理垂直类专业领域具有局限性，或需嫁接相关的 " 小模型 " 进行投资决策

" 目前 DS 大模型颠覆性的解决了模型开发成本过高的问题，可以在训练数据中提升相应场景的推理能力，但是它并不具备真正意义上的创造观点的能力 "，业内人士指出，这是 DS 大模型自身的局限性，它只能把网络上现有的观点和文字根据内容出现的频度加以组合加工，但无法分辨对错，尤其在如债券市场等垂类领域中不具备普适性。

国信证券分析师王开也表示，由于 DS 这类 AI 大模型在技术上存在存在 " 幻觉 " 问题，存在提供成假或误导性信息的可能，还需凭 Hl ( Human Inteligence ) 辅以人工的信息筛选以及决策把关，明确资管主体的 " 主驾驶 " 定位和 AI 大模型工具的 " 副驾驶 " 定位。

" 尽管在某些资产配置场景中的确会出现相近或相似的历史规律重现，但这不等于把历史经验用大模型简单总结罗列，此外 AI 大模型对于突发事件以及历史从未出现的事件无法结合当前场景准确预估 "，有分析人士指出。

"AI 大模型尚未深入资管领域，其中还有一个关键因素是银行在做资产配置决策时采用 AI 大模型的意愿不强 "，微京科技创始人杨剑波对财联社表示，银行资金多配置债券市场，以持有到期拿利息为主，对于搭建波段交易、量化交易模型的意识不足，更需要在其中穿插已搭建此类 " 小模型 " 的机构对数据进行微调。