“我們不會輕易被AI（人工智能）取代，但很可能會被率先使用AI的人取代。”一位頭部公募機構人士對記者坦言。這折射出當前公募基金行業面對人工智能潮涌的思考與布局。

今年以來，DeepSeek等大模型火爆出圈，不僅席卷科技界，也在公募基金行業掀起一場“AI落地應用競賽”。喧囂之下，一個核心問題亟待解答：這究竟是一場迫于壓力的技術跟風，還是一次源于內在的破局重生？

記者近日多方采訪業內人士發現，業界答案高度一致——AI，早已不是一道“選擇題”，而是關乎行業長遠發展的“必答題”。比較有趣的是，對于尚未完全擺脫明星基金經理“依賴”的公募基金行業而言，AI如今正在越來越多地扮演“挑戰者”角色。而且，從雙方“對戰”案例結果來觀察，AI與基金經理的“良性博弈”，正成為抬升整個行業投研能力基線的關鍵力量。

內在需求驅動

驅動公募機構紛紛擁抱AI的，并非技術光環，而是破解行業深層痛點的迫切需求。正如天弘基金相關人士所言：“AI不是跟風，而是破局。”

在興業基金看來，資產管理行業高度依賴數據分析和信息處理，對先進的AI技術有著極大需求。

諾安基金相關人士向記者進一步闡釋了這種需求的緊迫性：“近年來，行業面臨著效率提升、風險控制、服務創新等多重挑戰，傳統業務模式亟待數字化轉型。在此背景下，通過AI高效處理海量信息、推動流程自動化，成為提升競爭力的關鍵。”

對于天弘基金這樣服務數億客戶、管理萬億元資產的機構而言，AI的驅動更為具體。該公司相關人士向記者坦言：“傳統模式下規模越大邊際成本越高，這是典型的‘規模不經濟’，AI讓公司實現了‘智能規?；?rsquo;，用技術把規模優勢真正轉化為服務能力，而不是讓規模成為包袱。”

事實上，這種由真實業務需求驅動的創新，源于持續數年的深耕。博時基金自2018年成立金融科技中心起，便前瞻性地布局AI，并于2023年設立人工智能實驗室；諾安基金早在3年前就開啟了AI技術的沉淀之路；興業基金則在2021年就開始建設基于NLP（自然語言處理）技術的智能投研平臺，并于2023年推出自研的“興小二”AI債券交易機器人。

博時基金相關人士告訴記者：“公司對AI的布局始終基于真實業務需求驅動，是注重實效的戰略選擇。”博時基金智能因子配置系統自2022年投入應用以來，在核心股票池中持續創造超額收益，便是技術賦能價值的明證。

AI與基金經理“唱反調”？

隨著AI逐漸滲透至基金公司的投研、營銷、客戶服務等核心業務條線，基金投研能力不斷升級。這體現在兩方面：AI既是賦能增效的“助手”，也是挑戰固有思維的“諍友”。

近年來，市場波動加劇，過度依賴基金經理個人能力的模式面臨嚴峻考驗。AI的應用，為破解這一行業共性難題提供了參考路徑。

在主動管理領域，AI是得力助手。天弘基金旗下的TIRD平臺（天弘智能研究及決策系統）和弘思大模型，能從海量數據中挖掘線索，從產業鏈異動識別機會；中歐基金基于深度學習的利率預測模型，在拐點預判上展現出可量化的優勢；德邦基金自研的“海納百川”大模型聚合平臺，支持實現多模型并行調用，輔助投研人員快速處理數據信息。

不過，AI這位可靠的助手，有時也會與基金經理“唱反調”。

“AI決策信號與基金經理判斷相悖的情況確實存在，這正是AI的價值所在。”天弘基金相關人士向記者分享了一個典型案例，在今年3月份機器人概念火熱時，TIRD平臺基于多維度模型發出過熱預警，這種“不一致”最終幫助投資團隊規避了風險，做到了實實在在的業績保護。

AI促使基金經理跳出固有的思維定式，去審視那些可能被人類直覺或經驗忽略的潛在風險與機會。這種“人機博弈”并非對立，而是協同進化的開始。上述天弘基金相關人士認為：“這種‘人機博弈’，是提升投研能力的重要環節，也是‘AI+HI（人類智慧）’的最佳體現。”

在被動投資領域，AI則化身為“效率提升工具”。博時基金相關人士向記者介紹：“借助大模型強大的推理與代碼生成能力，可高效支持策略回測流程，例如輔助完成固收指數組合的分層抽樣構建及回測分析，實現被動組合管理的智能化升級。”

筑牢數據安全防線

盛況之下，亦有隱憂。當AI這把“利器”愈發深入行業核心時，數據安全與模型可靠性便成了必須嚴守的底線。

上海證券基金評價研究中心高級分析師池云飛對記者表示：“目前的AI模型仍然存在數據泄露、合規風險、模式未充分驗證等問題，這也是行業共識。”

興業基金相關人士表示：“數據準確性與安全性是大模型在資產管理領域面臨的雙重挑戰。一方面，多源異構數據普遍存在口徑不一、更新不同步、格式不統一等問題，疊加數據延遲或缺失，極易引發AI模型分析偏差，導致誤判與決策失誤。另一方面，金融數據高度敏感，涉及客戶隱私、交易行為等，如何在保障隱私和數據安全的前提下實現跨機構、跨系統數據融合，成為亟待解決的難題。”

對于肩負普惠金融使命、關系千家萬戶資產安全的公募基金而言，筑牢數據安全防線是AI應用的絕對前提。實踐中，各家公募機構正積極構建嚴密的防護網。天弘基金建立了貫穿源頭、過程、決策的全鏈條多層次管控體系，通過數據溯源、“雙軌驗證”等手段，確保AI結論的可靠性，且復雜判斷和關鍵決策必須人工介入。

諾安AI平臺則構建了全方位防護體系。諾安基金相關人士向記者介紹：“該平臺通過統一網關實施嚴格的權限控制、數據過濾與操作審計，結合數據分級分類管理，對不同敏感級別的數據采取差異化防護策略。針對業務敏感數據，嚴格限定使用內部模型進行處理，從數據流轉到模型應用全鏈路規避安全風險。”

展望未來，AI在公募基金行業的應用圖景將如何演變？中歐基金相關人士向記者描繪了愿景：“AI賦能有望將人們從信息搜集、數據整理等重復勞動中解脫出來，把最寶貴的時間和腦力集中在真正的價值創造上——識別關鍵矛盾、作出清晰判斷。”

德邦基金相關人士認為，公募基金行業AI應用仍處于探索時期，未來有望在構建垂直領域大模型能力、AI與投研方法論的融合、跨機構數據協作等方面全面升維。

易方達基金在AI人才儲備上的實踐值得借鑒，其團隊中具備AI投研能力的復合型人才占比已超過90%。易方達基金首席信息官劉碩凌表示：“只有技術實現、業務理解與合規意識深度融合，才能更好地推動金融AI創新。”

這場技術變革的終點將是人與技術的共同進化——AI與基金經理的博弈與共贏，將持續為行業注入新的活力。