资产重估 · 能力重构｜交大高金共话AI时代财富管理的下一程

当宏观范式切换重塑资产定价，人工智能开始深入投研、投顾、产品与客户服务，财富管理正在同时经历配置逻辑与人才能力的重构。

8月14日，由上海交通大学上海高级金融学院主办，上海市基金同业公会、上海市证券同业公会联合主办的“资产重估·能力重构：AI时代财富管理的下一程”主题活动在高金举行。活动从人才能力、宏观策略与行业实践三个层次展开，围绕AI时代的人才培养、下一轮资产配置逻辑，以及AI如何进入机构、产品和一线客户服务等议题展开交流。

上海交通大学上海高级金融学院MBA项目执行主任、专硕中心主任，高金金融研究院助理院长倪海英博士，海通国际证券执委会委员、首席经济学家兼研究部主管、交大高金EMBA校友张忆东分别作主题分享。同时，活动还设置圆桌对话环节，来自券商财富管理、基金产品、金融科技与一线投顾领域的四位嘉宾围绕AI时代财富管理的业务变革与人才能力展开交流。

AI重塑能力边界，教育如何回应？

开场，倪海英博士以《AI时代财富管理人才能力的重新定义》为题，从“From Managers to Magicians”切入，讨论AI时代人才能力正在发生怎样的变化。

她首先分享了一项针对640名小微企业主的AI商业顾问实验。研究发现，同样使用AI，不同使用者得到的结果存在明显差异：高绩效者更善于提出边界清晰、规则具体的战术性问题，而面对复杂战略问题时，AI建议的有效性明显下降。倪海英由此提出，“不是工具的胜负，而是问题性质的对决。”AI的作用最终仍取决于人的判断，真正重要的问题已经从“要不要用AI”，转向能否识别主要矛盾、定义问题并理解AI的能力边界。

另一个AI谈判实验则进一步触及人的独特价值。18万次AI智能体之间的谈判显示，礼貌、同理心并非无效信息，先建立融洽关系、再创造价值的策略，在交易达成和价值创造等方面表现更好。

“如果AI都能谈判了，人之为人的独特性究竟在哪里？”倪海英博士将问题带回教育。她认为，AI时代的人才培养不能只增加技术工具训练，而应重新组合工具、技能与思维认知三个层次：既掌握AI与金融工具，也具备业务拆解和人机协作能力，更要持续训练判断力、共情、协作、适应性和伦理领导力。

在高金的培养体系中，AI工具训练与金融专业教育、真实场景实践相互结合。无论技术如何变化，金融市场、公司金融等基础理论所训练的独立判断仍然不可替代。倪海英博士表示，好的教育不仅是获取知识，更重要的是形成思考、辨别和表达的习惯，在不同观点的碰撞中不断认识自己。

从宏观范式切换，看下一轮资产配置逻辑

随后，张忆东以《从宏观范式切换到财富管理重估：下一轮配置逻辑是什么》为题，从AI浪潮下的基本面变化、海外资金面和中国资本市场等维度，分享对下一阶段资产配置的判断。

在他看来，理解今天的中国资产，不能仍然停留在传统增长动能构成的旧框架中。随着经济结构不断变化，以人工智能为代表的新质生产力，正在成为观察中国经济与资本市场的重要线索。

对于全球AI产业周期，张忆东认为，当前AI科技浪潮正在进入新的阶段，应用端的普及与商业化有望进一步加速，产业逻辑也将逐步从基础设施与硬件向应用扩散。

与此同时，他提醒，产业趋势之外仍要关注海外资金面的扰动，特别是美债收益率、美元及全球流动性的变化。在长期看好科技趋势的同时，资产配置仍需要充分考虑宏观环境和市场波动。

对于下一阶段的投资主线，他提出关注AI行情进一步从基础设施向应用端扩散：一方面，TMT内部将从主题投资逐渐转向业绩验证，并进一步关注企业数字化、金融AI、消费电子、机器人等应用场景；另一方面，“AI+”也将向更多非TMT行业渗透，带来新的产业机会和价值重估。

相较于短期市场节奏，张忆东更强调长期产业趋势和基本面：“科技长牛的景气趋势比短期行情节奏重要，精选AI相关硬核资产比预测大盘指数重要。”

AI进入业务现场，财富管理正在发生什么变化？

主旨演讲之后，活动进入“AI穿透财富管理，谁会成为下一代核心人才？”圆桌对话。高金MBA项目组石蕾担任主持人，与华泰柏瑞基金管理有限公司副总经理、交大高金EMBA校友房伟力，国金证券财富管理委员会执委王英涛，前东方财富大模型算法专家谢志军，以及华泰证券涨乐财富通首席投资顾问、交大高金MBA在读生宣俭成，围绕AI在财富管理机构、产品、技术与一线服务中的应用，以及由此带来的人才能力变化展开交流。

王英涛结合券商从互联网化、数字化到AI化的转型指出，AI正在从搜索、总结等效率工具走向更深层的业务工作台。下一阶段，更重要的不只是AI帮助人“做得更快”，而是能否把数据、流程和个人专业能力进一步拆解和沉淀，形成可复用、可调用的组织能力。与此同时，在买方财富管理中，人与客户之间长期形成的信任关系仍然不可或缺。

房伟力从基金产品供给侧出发，以ETF为例指出，从趋势研判、指数设计到销售、投资、运营和合规，一只产品的长期运营本身就是多个部门共同参与的“系统工程”。对于未来人才，他尤其看重好奇心、学习能力以及主动使用AI的意愿——AI正在不断降低不同专业之间的技术门槛，也让跨界学习和快速迭代成为可能。

谢志军从金融大模型的技术演进谈到，随着通用大模型能力快速提升，模型训练本身已不是最终目的，真正的挑战正在转向如何将模型与专业数据、Agent和具体工作流结合，让AI进入真实金融场景。对于技术人才而言，能够做出Demo只是起点，更重要的是理解模型边界，并具备将技术、产品和业务连接起来的能力。

宣俭成则从一线投顾实践出发，分享了小团队利用标准化流程和AI服务万名以上客户的经验。在他看来，当大量具体任务可以交给AI，“搭框架”的能力会变得更加重要：如何定义问题、拆解流程、设计工作流，直接决定AI最终能够创造多少价值。与此同时，人的个性、表达以及与客户建立真实连接的“活人感”，依然难以被技术替代。

从人才能力，到宏观与资产配置，再到财富管理一线的业务变化，本次活动呈现了AI进入财富管理之后的多个切面。技术正在持续改变工具、流程和服务边界，市场环境也在改变过去熟悉的配置方法，由此对从业者提出了新的要求：既理解金融与资产，也理解技术及其边界，更能够在复杂环境中保持独立判断、理解客户并解决真实问题。

面向正在发生的行业变化，2026年，高金MBA正式推出“数智全球MBA”培养体系，并设置“全球资产配置与财富管理”特色培养方向。面向AI与财富管理行业同步变化的新阶段，高金也将持续连接金融专业、技术理解与真实产业实践，探索AI时代金融人才培养的新路径。