來源：中國基金報

近日，易方達的AI宏觀研究員在一場宏觀經濟預測競賽中一舉奪魁，在業內引起廣泛關注。在AI大模型的廣泛應用背景下，不少分析師似乎正麵臨著“AI焦慮”，社交媒體也熱議“金融民工飯碗不保”。

不過，記者與多位行業分析師深入交流後發現，僅有不到三成的分析師承認存在“AI焦慮”，大多數分析師認為，大模型的應用實際上提高了他們的數據處理和報告撰寫效率，的“滋養”更是拓寬了研究視野。

AI賦能下的變革

雲起之時，有人看見陰霾，有人窺見群山。一位剛入職一年多的分析師告訴記者，原來需要花4天整理的數據，通過DeepSeek整理後，現在半天時間就能完成，“對此，我大為震撼，一方麵覺得可以省出時間來休息，另一方麵覺得自己可能要失業了”。

華北某券商分析師告訴記者：“原先計劃給我們團隊招兩個助理分析師，現在不招了。”一位專注金融領域的獵頭也向記者透露，今年金融行業的整體招聘行情有所轉冷，機構所釋放的初級崗位大幅減少，但技術相關的崗位受重視程度逐漸提升。

首席經濟學家汪毅向記者坦言，DeepSeek、豆包等大模型的廣泛應用確實給分析師帶來了一定程度的焦慮，主要體現在對傳統分析方法的衝擊。這些模型能夠快速處理海量數據並生成高質量的宏觀預測，可能讓部分分析師擔心自己的核心競爭力被削弱。然而，分析師需要從依賴數據的初級分析轉向更具洞察力的深度解讀，提升對模型輸出的批判性思考和決策能力，這才是應對焦慮的關鍵。

滬上一位分析師透露，近兩年，她一直使用AI產品輔助自己的研究工作，如借助大模型來完成數據整理、文獻檢索、報告初稿撰寫等任務，“尤其是在處理複雜數據和生成初步分析框架時，這些工具能夠大幅提升效率”。

在談及未來分析師核心價值時，多數分析師認為，未來分析師的核心價值將更多體現在對數據的深度解讀、趨勢判斷以及決策建議的能力上。

汪毅表示，隨著AI技術的普及，單純的數據處理和分析將逐漸被自動化工具取代，但分析師對經濟、市場和人性的深刻理解以及對複雜問題的洞察力和創造力仍然不可替代。未來，分析師的核心競爭力在於如何將技術與專業經驗結合，為客戶提供更具前瞻性和戰略價值的解決方案。

從買方市場來看，近年來，隨著市場數據量和信息複雜度增加，投資者對於專業、深入、前瞻性的研究需求日益增強，也樂於為深入、高質量的研究內容支付更高的溢價。在當前市場環境下，買方機構尤為重視分析師的研究邏輯與方法論，以及他們對上市公司的緊密跟蹤與深度剖析能力。“尤其是信息差，這是人工智能無法替代的。”某科技行業的首席分析師告訴記者。

數字化轉型拉開券商研究差距

從券商行業來看，使用AI大模型賦能研究工作已經形成風潮。記者發現，AI在證券研究中應用場景非常廣泛，除了簡單的匯總分析和總結概括，還能幫助研究機構實現數據研究、邏輯研究、固化研究模型，並完成研究資產數據化和平台化。

以為例，中金公司大類資產研究團隊則推出“AI策略係列報告”，以AI技術為基石，打造全新投資方法論，探索智能化投資的可能。其中一篇報告是從AI視角解讀年度政策思路。比如，該團隊讓AI提取了2011年到2024年曆年中央經濟工作會議中的“穩增長”相關文本，然後觀察A股和利率在會後3個月內的表現，再轉化成可視化的“情緒指數”，方便追蹤和理解。研究顯示，政策信號更積極時，股市上漲空間更大，利率下行更少。

研究所以私有化AI算力池為基座，研發了“長江靈曦”大模型平台。公司研究業務利用大模型的能力，聚焦投研搜、讀、寫、聚等場景，打造了智搜圖文、智源對話、智譯紀要、智寫研報、智探市場、研報格式轉換的靈曦投研助手，提升投研知識閱讀效率。在基金研究方麵，長江證券運用大數據技術處理異構數據，基於AI算法提升分析維度，整合金融模型形成數字化、智能化的基金投研平台，為客戶經理、投資顧問、基金研究員以及FOF基金管理人賦能。

此外，如何平衡AI輔助與人工決策，避免“機器幻覺”帶來的幹擾，仍是行業內的共同課題。大多數分析師希望公司能夠搭建自己的閉源大模型，通過定製化訓練與本地數據庫融合，來保持自身研究的差異化優勢。然而，在部分中小券商中，出於對自身短期財務壓力等綜合因素考慮，自建大模型的進程比較緩慢。

科技的變革正在加速賣方研究的創新進程。“數字化突破將成為券商拉開競爭差距的有力武器。”有分析師這樣認為。