财联社9月28日讯 今年以来，全球资本市场在剧烈震荡中重塑定价逻辑。地缘政治冲突与美联储政策转向令资金流向扑朔迷离；国内A股高位分化，债市低利率博弈，黄金、原油等大类资产波动加剧。这对资管机构的资产配置与风险管理能力提出了前所未有的考验。

财联社是由上海报业集团主管主办，国内领先的资本市场媒体和金融信息服务机构，长期关注资产管理业发展。在成功举办前三届资管年会的基础上，今年扩容升级，9月于上海举办“2026上海全球资产管理年会”，聚焦“全球秩序大演变与AI赋能中的资管应对路径”，共探新形势下中国资管行业的高质量发展之路。

此外，财联社特联合兴业研究，组成课题组，推出《2026中国资产管理行业观察报告》，该报告已在大会现场正式发布，本文节选部分内容刊载。

本文作为报告第九篇节选，聚焦AI赋能资管产业链条与银行财富管理转型借鉴方向。文章立足2025年及2026年上半年生成式AI大模型迭代升级、算力资源扩张的背景，系统梳理AI在资管行业由点状工具向全链条渗透的趋势：投资端从投研效率提升、替代数据运用延伸至市场信号研判与自主策略构建；销售端深化智能投顾、千人千面营销、客户陪伴式服务及人与AI协同；中后台逐步以“硅基员工”接管估值、报表生成、托管审核与交易后流程。文章同时剖析AI运用中的信息安全、集中度及同质化“羊群效应”等风险，强调明晰运用边界、在关键核心环节保留人类最终审核权，并完善相关监管原则。最终结合海外实践与监管经验，为国内银行财富管理行业突破发展瓶颈、实现智能化、买方化、生态化高质量转型提供可行参考路径。

AI对资管业务的赋能从点状向全链条渗透演进

2025年及2026年上半年，伴随着AI大模型的快速迭代升级，算力中心大范围建设带来的算力资源增加，生成式AI在经济社会各个领域正逐步从点状赋能的工具、助手，逐步开始大规模嵌入各行各业的生产环境，提升各行各业的生产效能。具体到资管行业，AI对于资管业务的赋能也开始从点状向全链条渗透演进，无论是在投资端、销售端还是资管业务的中后台服务，AI赋能逐步从设想与愿景开始向实际落地见效进阶。根据花旗集团在2025年10月发布的《投资管理领域的AI运用：超越效率提升作用》（AI in Investment Management: Beyond Efficiency Gains）指出，根据其调研，2024年在北美地区，AI所代表的“硅基生命”已经能完成3.7%的工作。不过在此环境下，AI技术运用的潜在信息安全风险和集中度风险也开始引起各方关注，资管领域人与AI协同的模式和边界也开始成为各个机构探索的关键。

图表 103: AI技术对不同地区资管机构业务岗位替代占比的区域数据

资料来源：花旗集团，课题组

投资端：从支持更好理解市场到自主研发投资策略

对于资管产品运营全链条中的投资过程而言，AI的赋能正在从整理研究报告、帮助投资经理更好理解市场运行趋势，向着研判市场交易信号、自主构建投资策略等领域进阶。

在提升投研效率领域，生成式AI的基础即为大语言模型，而大语言模型最为擅长的领域就在于对于文字材料和观点的整合，因此生成式AI对于资管行业投资端的支持相对成熟的运用集中在投研效率的提升上。

第一，在存量研究材料的整合上，相较于过往的搜索引擎和人工整理方式，AI能够帮助投资经理从外部的研究成果、内部的公司研究部门报告、冗长的监管文件以及大量其他的素材之中快速整理出其认为值得关注的变化和要点，从而帮助投资经理能够及时了解研究观点和趋势导向。

应当指出的是，生成式AI虽然能够帮投资经理快速、高效的整合大量的研究观点和市场研判，但是生成式AI对于研究观点是否客观、逻辑推理过程是否合理等却相对缺乏能力，这也是大模型在运用过程中需要严防“被投毒”的重要原因。在此背景下，不仅需要管控AI所使用的素材、避免“被投毒”，在AI将存量研究材料进行整理后，也需要资管机构的内部研究部门或投资经理对AI所生成的内容进行客观审视。

第二，在增量研究要素的考量上，AI可以支持投资经理更为广泛的使用各类替代数据对市场情况进行研判。在传统的资管行业投研流程中，无论是研究人员还是投资经理，对于市场走势和个券价格的判断基础主要基于宏观经济数据、行业发展态势以及具体公司的财务和经营数据。

不过，当前基于AI技术的支持，投研人员可以对市场和个券进行研究、判断的领域也有所增加。例如，有部分机构开始探索对美联储等中央银行官员对外沟通时的语速、神态等进行分析，试图研判其公开言论背后的情绪变化，进而判断货币政策的潜在取向。与在金融科技的支持下信贷业务所考量的企业替代数据逐步增加类似，在AI技术的支持下，投研人员可用于研判市场走势的数据也逐步从传统的经济、财务数据向各类非结构化数据进阶演进。

在市场信号研判领域，由于大量算力的支持，对于AI工具的运用能够相较于人力更快地识别出市场中过往容易被人所忽视的信息或数据。应当指出的是，相关市场信号研判范围的拓展尤其集中于各类未开发数据集（untapped datasets）和非结构化数据集（un structured datasets）。

联博（Alliance Bernstein）曾在向美国投资协会（ICI）内审委员会提交的《AI在资产管理行业运用》（AI in Asset Management）报告中就提出，对于具体公司的业绩报告会发言和新闻稿信息、公司新闻稿、海量新闻信息、社交媒体信息等大量的非结构化信息，当前的AI技术可以运用自然语言处理（NLP）技术，挖掘这些未开发数据集和非结构化数据集背后隐藏的信号，进而为资管机构获取Alpha收益奠定基础。

例如，对于公司管理者在业绩发布会上对于具体问题的回答复杂程度、使用字句数量等，对比同一管理人此前业绩发布会上的表现，既可以探索发掘公司是否在隐藏一些不利信息。又如，通过对社交媒体上各类关键词出现频度的挖掘、短新闻关注重点的变化，以及具体公司客户评价的趋势，可以在宏中微观发掘出社会、行业和对于具体公司的大众情绪变化潜在信息。

在投资策略构建领域，基础的大模型在获得了基础能力之后，各类资管机构可以进一步探索通过行业细分领域的知识，以及精深的数学知识等训练大模型，使其逐步演进至能够在垂直细分领域自主通过所学习的知识开展投资策略探索的“硅基生命”。在科研领域，数学、物理和生物等领域近年来都开始探索运用AI开展科学难题和前沿领域的探索。CFA协会在2026年也发布了《资产管理领域的AI运用：工具、应用和前沿领域》（AI in Asset Management: Tools, Applications, and Frontiers），其中对AI在无监督学习（Unsupervised Learning）上对于资管业务的潜在助力进行了详细分析。

以网络理论（Network Theory）为例，既可以支持投资经理在给定风险的约束条件下，提升其潜在收益。具体来看，其理论基础在于，对于各类资产而言，除行业类别之外，市场中还存在隐藏的价格走势互相关联的资产集群，而以网络理论为基础运用AI工具可以识别出这些隐藏关联资产之间的关系，从而真正的以分散化投资的方式在这些资产集群之间形成分散化投资。例如，在新冠疫情期间，虽然旅游、能源、文化旅游类公司并不属于同一行业，但是在资产价格走势上却表现出了显著的趋同性。若投资经理能够运用图神经网络（GNN）、图注意力网络（GAT），以及融入机器学习 / 深度学习（DL）模型里的网络特征指标等进行建模，那么则可以在AI工具的支持下提升资产价格模型的预测效果，进而实现真正意义上的分散化投资。

销售端：AI运用深化助力人与AI协同服务

相较于投资端，由于当前广泛运用的生成式AI源自于大语言模型，主要长于自然语言的交互，故而AI也最早用于聊天机器人（chatbot）机器人投入生产环境服务客户。根据安永的统计，资管机构对于AI运用能产生较高影响的领域，更多聚焦于市场推广、获取客户、存量客户沟通等销售端。不过随着AI技术的迭代升级，资管产品销售端、财富管理业务领域对于AI的运用也逐步深化，人与AI之间的协同配合也在进一步加深。

图表 104: 全球主要资管机构认为AI在不同领域的运用影响程度调查

资料来源：花旗集团，课题组

第一，在财富管理领域，伴随着居民财富管理需求的提升，我国金融机构财富管理业务也正逐步从“卖产品”向“配资产”演进，而这就需要AI技术的支持。在2025年的报告中，我们不仅就智能投顾技术在境内外的运用和探索进行了详细的梳理，更进一步梳理了境外监管机构对于AI所支持的智能投顾技术相关监管举措。

从当前境内财富管理业务的实践来看，由于不同监管部门对于智能投顾技术在资管产品销售、财富管理领域运用的允许边界存在差异，故而不同类型机构对AI支持居民“配资产”的运用重点也存在不同。对于已经获得证监会基金投顾资格的证券期货经营机构而言，其能够较为顺畅的经由“买方投顾”模式为客户提供不同大类资产乃至资管产品的具体配置比例建议、投资建议。

与此同时，银行等机构则更为注重在产品端进行发力，并更多侧重于在大类资产配置领域，在了解客户（KYC）的基础上进行大类资产配置比例的投资建议。应当指出的是，虽然有AI技术的支持，但是若没有做好了解产品（KYP）、了解客户（KYC），并对产品进行相对完备打标签、分类，那么AI技术也难以依靠“一己之力”将资管产品推荐给合适的客户。

第二，在推广营销领域，AI技术的进步可以支持更好生成符合监管规则要求、突出产品特性、契合不同客户痛点的“千人千面”营销材料。随着AI技术的迭代升级，生成式AI所能够运用的领域已不再局限于自然语言能力，而逐步向多模态的图像、影音等领域拓展。在以前，若金融机构希望编制特定资管产品的宣传推介材料，那么往往需要耗费大量的人力、财力和资源进行设计和审定。

随着AI技术的迭代进阶，在确定特定资管产品推介材料的关键要素之后，金融机构将可以根据不同类型客户的潜在痛点和偏好，生成符合不同类型客户的“千人千面”营销材料，使得资管产品的营销行为能够在兼顾合规性的同时，提升营销的成功率。相关营销材料不仅限于传统的营销话术、推介短信，更包括了涵盖营销影像、语音等多种素材的海报、短片等材料。

第三，在客户服务领域，基于更为成熟生成式AI技术的运用，聊天机器人等AI所能为客户提供的陪伴式服务也逐步趋于完善。AI技术在多模态领域逐步取得进展的同时，AI在自然语言对话领域也取得了进展。随着AI技术的迭代升级，聊天机器人等技术能够帮助客户更准确地识别自身的财富配置、资产管理产品投资需求，进而匹配到更为准确的产品、更精确地匹配客户的痛点进行营销。

值得注意的是，虽然AI在经过训练之后，能够为客户所提供的情绪价值仍然相较经验丰富的财富经理有所差距，但是其也能在一定领域和水平上起到财富管理顾问对于客户的陪伴式服务作用。例如，在资管产品净值产生回撤之时，AI可以主动对客户进行解释、安抚等。

第四，在人与AI协同领域，AI既可以帮助财富管理顾问前置承担长尾客户的一般服务职责，也可以支持财富管理顾问更及时、准确地响应客户的个性化需求。对于长尾客户的一般需求而言，由于其具有重复性、标准化的特点，故而AI能够及时对其一般需求进行响应，从而缓解金融机构财富管理顾问人数有限的缺憾，提升广大长尾客户的服务覆盖面和服务质量。

而在面对广大客户个性化、定制化需求和问题之时，AI与人类的协同机制也在逐步完善，通过AI在前端进行客户需求了解、客户需求总结等方式前置基础信息梳理的方法，后端提供个性化、 定制化服务的财富管理顾问等资管产品销售者将能够更快捷的响应客户的个性化服务需求。

中后台：“硅基员工”逐步接管重复性、标准化工作

对于资管业务的中后台服务而言，随着AI技术的逐步成熟，其能够逐步更好地与传统的资管科技相关模块进行结合，支持“硅基员工”接管重复性、标准化工作。

第一，在资管产品和底层资产的估值领域，AI技术能支持资管机构实时掌握底层资产和资管产品的估值。

此前，在金融科技的支持之下，流动性相对较高、相对简单的资产估值流程已能够进行自动化进行，而在AI技术的进一步加持之下，资管机构还可以进一步将相对复杂、需要估值技术进行估值的资产和资管产品的净值估算任务交由自动化流程处理。

不过应当指出的是，由于相对复杂的估值技术需要兼顾金融机构的本地化部署安全保障和外部估值技术演进的实时学习，因此如何实现两方面的平衡仍是资管机构需要进一步思考的课题。

第二，在财务报表和监管报表的生成领域，对于重复性、标准化的报表生成，AI可以较好地完成全流程接手。在资管产品的运营过程中，不仅涉及大量对内和对客财务报表制作、信息披露文件生成，也包含了需要及时向监管部门报送和更新资管产品运营情况的监管报表制作。

在过往相关领域的工作更多依靠人力在计算机的支持下完成，而在AI技术的支持之下，相关流程中更多的环节可以实现自动化。不过应当指出的是，财务报表、披露信息、监管报表的自动生成和报送/披露不仅需要资管机构有相对完备的数据管理体系，也需要资管机构在相应报表对外披露或向上报送之前将最终的审核、检查环节设置为必经的环节。

第三，在底层资产和资管产品的托管领域，AI可以自动完成合同审核、交易操作审核等动作。从狭义的托管领域来看，此前在OCR等技术的支持之下，资管产品及其底层资产的托管机构已经能够将大量流程实现自动化处理。在AI技术的支持之下，合同审核、交易操作审核、款项划拨审核等工作可以更便捷、高效、安全的实现自动化操作，从而也降低了托管业务所需要消耗的成本。

不过值得注意的是，随着AI技术在托管技术中使用的深入，托管业务的集中度或也将进一步提升，大型头部托管机构基于自身的人员、资本等投入方面的优势，可以更快速的开发出能够支持托管业务高效开展的AI技术，进而可以通过规模化效应更快降低所需收取的费用，进而使得托管业务的集中度进一步上升。

第四，在资管产品的运营和交易过程中，AI技术也可以使得交易后流程的进程有所提速。在资管产品的运营交易过程中，相关投资交易命令下达之后，还需要通过中台和后台进行清算和结算才能完成完整的交易流程。

而随着AI技术在相关领域的运用，相应流程的速度还可以进一步加快。应当指出的是，伴随着AI技术驱动经济社会加快数字化转型，金融体系与交易媒介也将逐步推进数字化转型。而货币等交易媒介的数字化转型或在于可编程货币（数字法币、代币化存款、加密资产）的更广泛使用。在可编程货币及智能合约技术的支持下，金融市场及资管产品的交易后流程也将显著加速，从而也能更好地避免在市场压力场景下出现由于资管产品估值滞后造成的恐慌性抛售（Fire sale）。

防风险：以明边界、寻差异来用好AI“双刃剑”

虽然AI技术能够从多个方面驱动资管行业转型升级、提质增效，但是包括AI在内的各类金融科技都是一把“双刃剑”，如果能用好相关技术，则可以支持行业发展，但是若是相关技术不受控地进行运用，则也有可能使得资管行业乃至金融市场陷入潜在的危险之中。为了将AI技术能够在合理的“笼子”里发挥好自己的作用，监管部门和资管机构或需要从以下几个方面着手：

第一，明晰AI技术的运用边界，在关键核心业务领域保留人类的最终审核权。在资产管理行业，虽然AI技术已经能够在多个领域接近、达到甚至超过人类一半的水平，但是由于其最终的责任归属并不能明晰于AI技术开发者、维护者还是运用者，在此环境下若放任AI在核心业务环节的决策领域“肆意狂奔”，那么将很可能由于其最终运用责任缺乏核心关联方而缺乏管理的“缰绳”产生潜在的严重后果。

因此，在资管机构对AI开展运用的流程和环节中，需要区分核心业务环节和非核心业务环节，并在可能产生不可忽视严重风险的核心业务环节中，保留人类对AI决策和操作的最终审核权，防范AI不受控的威胁资管产品运作乃至金融市场运行。

第二，丰富AI技术提供机构，防范AI运用集中度风险所导致的潜在同质化“羊群效应”。当前，由于AI算法研发的高投入特性，全球的AI服务提供商呈现了相对集中于个别机构的发展态势，而且随着AI技术迭代升级步入深水区，这一趋势或将进一步增强。在此环境下，若资管机构普遍采用来自于个别供应商的AI大模型开展投资交易策略的制定和投研能力的提升，那么将不可避免的出现投资交易策略同质化现象。

由此，一旦市场出现波动，那么大量资管机构的投资交易相应阈值就将被触发，进而可能造成市场的“闪崩”等潜在风险。在近10年来的欧美金融市场中，由于算法交易、高频交易的出现和盛行，相关场景已经多次出现。若AI运用亦出现潜在的集中度问题，则由于其更为自动化、更为不可控，潜在风险可能还会更甚。

第三，根据AI发展和运用的实际及时制定相关运用原则和监管规则，厘清AI运用的“红与黑”。当前，金融机构和资管机构等业界对于AI运用仍在探索的过程中，而监管规则制定的进程往往会落后于业界对于新技术、新业态的进展，这也就为监管机构制定相关原则和规定提出了新的挑战。从近年来的实践来看，为了防范AI技术被滥用，包括我国在内的世界主要经济体已经就经济社会活动中如何用好AI技术提出了一系列原则。在监管规则尚未明晰之前，若能够参考相应原则，对资管行业和金融领域用好AI明确相应的原则，或也将有助于监管部门相对前瞻的介入和防范AI技术被错误使用所产生的风险。（报告全文完）

（财联社&兴业研究联合课题组）