AI 赋能而非取代决策，五大机构圆桌热议AI重塑跨境投研

①9月18日，财联社2026全球资产管理年会于上海浦东圆满举行，在主题为《AI在全球资产配置中的应用和展望》的圆桌论坛上，嘉宾们进行了精彩探讨。

②本场圆桌由Tradeweb组织，Tradeweb中国区总裁陈鸣麒主持。

财联社2026全球资产管理年会在上海浦东圆满举办，本届年会以“全球秩序大演变与AI赋能中的资管应对路径”为主题，与会嘉宾就当下资管行业热点议题展开深度探讨。

在主题为《AI在全球资产配置中的应用和展望》的圆桌论坛上，来自五大机构的重磅嘉宾探讨了AI在跨境资产配置中的应用和发展。

本场圆桌由Tradeweb组织，Tradeweb中国区总裁陈鸣麒主持。他指出，AI 已从科技概念进入金融资管实践场景，正在改变跨境固收传统的“团队+经验+人工”模式。圆桌嘉宾们分享了AI在跨境投研和风控场景的落地实践经验，AI 在数据准备、结构化解析、模型回测等方面具有赋能作用，skill化定制研究已成趋势，但嘉宾们一致认为，AI 赋能而非取代投研决策，交易执行等仍需人工把关。

AI应用稳扎稳打，以“蒸馏”提升效率

中信证券固定收益部债券投资交易部负责人郝莫淘指出，尽管AI硬件在全球资本市场表现活跃，但应用层面并未如想象中那样迅速迭代，各家机构普遍采取稳扎稳打的推进策略。

回顾过去一年使用多款AI产品并经历多次“踩坑”和试错后，郝莫淘表示，对AI应用节奏有了更理性的认知。AI的价值在于每位从业者将自身能力“蒸馏”为可复用的技能（skill），以提升效率。

结合机构实践经验，郝莫淘介绍了五项应用场景：一是AI帮助交易员搭建跨品种、跨领域的学习框架。固收交易员借助AI快速搭建商品、权益等原本陌生领域的知识框架，以应对多资产联动日益加深的现实需要。二是在基础数据整理跟踪工作方面，原先较多依赖卖方研究，现由团队内部依托AI完成，效率更高。三是技术分析自动化，原先由人工手写指标、画图的重复工作，现由AI生成，交易员可以每日查阅AI输出的技术分析图。四是帮助策略迭代、分析与回测，全链路均交由AI跑通验证，链路大幅缩短。五是前置交易策略与系统开发原型，交易员可先以AI快速搭建策略原型或系统原型，经评估确有价值后再交由IT团队开发，从降本增效角度帮助显著。

郝莫淘坦承，目前机构交易的内控并非由AI独立承担，风险管理仍以传统模式为主。他指出，AI未来更大的价值在于嵌入交易全链路——投资经理以自然语言描述交易意图，系统对下单指令进行结构化处理，AI理解内控指标并形成交易方案，最终按合规、风控、外部监管等口径输出所需标准化数据。

郝莫淘强调，相比“AI能否做风控”这一问题，如何让AI真正参与全链路、覆盖所有相关部门所需的数据口径，才是更具现实意义的命题。

“核心方向是‘大胆蒸馏自己’。” 郝莫淘认为，蒸馏过程常常揭示出工作的本质：原本以为是认知层面的问题，经过拆解后才发现是惯性驱动的执行层面问题。当执行环节被AI替代后，从业者反而能够将更多时间投入到认知层面的提升。

投研先行，AI在交易与风控的应用空间巨大

中泰国际执行总监、大湾区金融家协会主席王龙认为，AI对投研环节已形成较为显著的渗透。具体体现在两个方面：其一，在买方端，过去一个团队需要四到五位分析师分行业覆盖的模式正在发生改变，基础研究的人力需求因AI的介入而下降，各机构普遍借助大模型与成熟AI工具完成基本面分析。其二，在卖方端，AI已开始固化首席与研究员的研究模型，买方只需在平台输入公司或债券代码，即可获得符合卖方研究思路生成的研究报告，效率显著提升，卖方研究的服务模式亦由此发生结构性变化。

王龙判断，未来AI在交易环节的发展空间巨大。目前买方与卖方交易仍高度依赖人工盯盘，而AI可在分钟级时间内扫描成百上千条交易信息，捕捉人工难以企及的“盘感”，未来由Agent取代传统聊天窗口的低效报价模式具有较强可行性。

在投资决策层面，王龙认为股票领域的量化与AI应用较为成熟，债券领域相对滞后，主要源于债券信息零散、依赖个体判断的特征。若AI能够模拟人的决策环节，将对债券投资模式带来深远影响。

在风控环节，王龙介绍，其团队已在使用AI工具辅助日常盯市与风险事件梳理。由于所投市场遍布欧洲、美国及亚洲，时差显著，团队借助AI在每日晨会前完成重要新闻、风险事件及市场异动的整理，提升风险分析效率。

面向未来的跨境投资，王龙提出，可借助AI24小时工作能力解决时差问题；将风险监测由事后逐步推向实时，弥补人工操作的局限性；还可借助AI实现跨国、跨区域、跨市场的全市场覆盖，整合多语言、多市场信息为结构化数据，弥补单一市场人员覆盖不足的缺陷。

“未来人类分为会用AI和不会用AI两类。”王龙强调，掌握AI应用能力的人将显著提升生产力。他判断，无论投研还是交易，会用AI的从业者都将大幅提升投资决策的效率与质量，AI在投研与交易领域大有可为。

AI已可承担“辅助研究员”角色，信用风险研究具备独特价值

结合基金经理的实战经验，中国国际金融香港资产管理有限公司执行总经理姜昊指出，对于香港的基金经理群体而言，问题已不再是“用不用AI”，而是“如何将AI嵌入日常投研框架”。他表示，许多基金经理已不再逐篇阅读研究报告，AI能够自动完成梳理与总结，供决策者直接消化结论。

姜昊以某中资美元债罕见触发“提前强制补偿性赎回”条款为例展开说明。该条款要求，将债券未来现金流按募集说明书约定的折现率折现至当前，传统研究员需翻阅数百页发行说明书并搭建Excel模型，优秀从业者通常也需一小时方能完成。

“使用AI后，仅用约十分钟即得到结果，并能在赎回公告发布后迅速判断市场交易价格是否合理、是否存在套利空间，时间即收益。”姜昊表示。但他同时提醒，若AI首次计算结果错误，从业者需具备复核能力并掌握与AI协作的方法，才能快速取得正确结论。

姜昊介绍，面对客户日益多元的收益要求，其团队投研范围已覆盖全球发达市场与新兴市场，标的池达成千上万只。借助AI，团队可在给定约束条件下快速生成收益率最优的组合建议，显著节约时间，提升组合构建效率。他认为，AI目前已可承担“辅助研究员”或“助理基金经理”的角色。

在信用债研究中，姜昊指出，AI现阶段尚无法直接判断“发行人是否会违约”，但在信用风险研究中具备独特价值。信用债风险中有大量定性因素，AI作为大语言模型，天生擅长处理基于语言的杂散定性信息。

他以美国数据中心（Data Center）相关美元债为例，该类债券因AI热潮而产生大量融资需求，其风险涵盖工期、运营、残值及大型租约方的隐性担保（如Meta对工期的担保、微软对租约的评估）等多维度。AI可协助研究员逐一梳理发行文件、提炼关键指标，显著提升效率。

姜昊强调，AI帮助投资者降低的是由信息不对称或信息缺失所引发的不确定性，而非消除不确定性本身，最终决策仍须由人作出。AI为债券投资带来的是信息处理能力的强化，而非投资决策的替代。长远看，AI将重新定义投研时间的分配方式——真正具有长期价值的仍是投研框架的沉淀与最终决策能力，无论技术如何演进，“按下按钮的人”仍须为结果负责。

AI升级自营与代客业务，风控实践存在差异

招商证券国际固定收益部负责人阎晚晴介绍，自营业务的AI应用主要聚焦三个场景。一是信息处理，投资经理与交易员每日需阅读大量境内外研报与市场资讯，AI可批量结构化解析，形成投研数据基座，供各策略交易员调阅并提供交易机会建议。其次是因子挖掘与策略复现，通过自定义AI的Skill，让AI写代码并快速回测，将策略从想法到落地的周期由数周压缩至小时级，提升策略创新效率。第三是绩效归因与盘后整理，交易员以AI形成交易笔记框架，统一盘后报告体系。

阎晚晴认为，AI擅长的事情的确可以交给AI做，但缺乏“从0到1”的发现能力，对“黑天鹅”等小样本事件研判有限，且易顺着用户的判断放大共识错误风险。因此，自营业务中AI被定位为“观察员”，市场判断与最终决策仍由交易员负责。

代客业务方面，阎晚晴介绍，AI主要用于询价报价机器人功能，可大幅提升服务广度。招商证券国际在信用债报价上，借助AI实现了日均30万笔以上的报价处理能力。同时，借助标准技能与专家知识库，将不同客户的服务水平拉齐到统一标准。此外，AI还可辅助复杂衍生品方案设计，提升非标准化需求的响应速度。

“代客业务通过AI实现了服务模式、服务质量与产品形态的三重升级。” 阎晚晴表示。

自营与代客两类业务在风控目标、风险来源与监管要求上存在显著差异。阎晚晴指出，自营以控制持仓回撤为核心，AI适用于持仓主体舆情监控与风险限额指标的自动预警；代客业务的核心则是客户授信与适当性管理，以及合规适配。

监管对两类业务的AI应用尺度亦不相同。国家金融监管总局发布的2026年8号文《关于银行业保险业人工智能安全开发应用的指导意见》明确，涉及资金交易风险管理及客户利益直接相关的生成式AI场景属高风险应用，须经国家金融监管总局风险管理委员会批准并向监管机构报告，关键环节须建立人工监督与干预机制。

阎晚晴强调，目前AI自动报价仅输出分析建议，报价执行仍由交易员负责。AI介入交易执行环节后，风控与合规门槛将大幅提升。

“AI在投资领域的应用虽已显著缩短业务人员与模型之间的距离，但仅靠零散的单点提效仍远远不够。” 阎晚晴指出，必须打通整条业务链条、推动各环节协同，才能沉淀为固收领域体系化的AI能力。

AI放大认知差距，投研风控领域有望出现“整合工作台”

“AI抹平了执行的差距，放大了认知的差距。” 杭州衡泰技术股份有限公司首席科学家陈定认为，AI在投研领域的应用具有“双刃剑”效应：判断正确则收益放大，判断错误则可能带来灾难性后果。

结合近期与券商的深度交流，陈定从三个层次归纳AI行业落地现状。第一层即信息辅助，包括问答、知识搜索与查数等基础应用，链条短、门槛低，渗透最为广泛。第二层是开发管理流程相关，特别是策略复现。比如，输入一篇实证研究论文，让AI找数据、写代码、做测试，并给出报告与改进意见，涉及思路与系统层面的固化。第三层则涉及基础设施层面的激进投入，包括算力、数据治理等，部分机构在AI基础设施上的投入已远超过往IT预算。

陈定指出，目前行业普遍关注“头部效应”何时出现，但具体突破方向尚难断言。

“各大厂密集发布的相关产品，当前可类比‘AI for Science’。”陈定提出“整合工作台”的判断，未来投研风控领域有望出现类似的整合性突破。其核心突破点仍在于底层模型，生成式模型之外，符号主义与本体（Ontology）的结合，对经济状态识别与未来预测具有重要价值，值得行业持续关注。

陈定将早期NLP（自然语言处理）时代的舆情应用称为“阶段零的AI应用”，而大模型推动下的多属性舆情指标（如盈利质量、风险合规等维度）则被他视为“舆情2.0”，这是大模型带来的重要飞跃。

他判断，未来在投研决策逻辑、推理乃至决策量化、知识图谱基础上的风险多维传播模拟等领域，AI将出现更具应用价值的突破。最终实现的不只是风控度量，而是对风险主体未来传导路径的预测。

陈定强调，组织架构与KPI的成熟度是衡量AI落地成效的“极具中国特色”的关键指标，“有人负责、有资源投入，事情就能推动起来”。

“技术发展之快使具体机遇难以预测，但可以关注一个后验指标。“陈定介绍，国际国内市场已出现Agent驱动的主动管理基金，但固收领域尚未出现相应产品，一旦出现由AI支撑的固收主动管理产品或指数增强型ETF，就意味着相关技术已足够成熟，从业者可从其运营过程中倒推哪些技术已具备拓展价值。