资管智能化新范式：投研风控运营的统一AI底座建设

作者按：长期扎根于交易所与证券公司的一线监管科技、金融科技工作，拥有十余年系统规划与数据建设经验，在人工智能、大数据技术与业务场景的深度融合方面积累了丰富的项目实战经历。曾亲自主导（而非挂名）多个具备AI特性的大型平台与系统建设，多数均为公司首开先河的同类型项目，对行业技术演进脉络和当前发展态势有着深刻理解，全面统筹AI基础设施建设与核心应用场景打造，负责中后台系统的整体规划与建设，主导研发的数字化系统在行业内荣获多项殊荣，其中风险管理平台更是行业内独树一帜的业务风险数字化解决方案。

资产管理业务涵盖从投资研究到信息公示的完整业务流程，AI技术能够在每个环节发挥价值，但各环节的渗透深度与应用定位存在显著差异。近年来，行业探索出一条核心路径：不再逐个场景零散布局AI能力，而是将AI资源进行整合，构建统一的中台架构，使投研、风控、运营三方共享同一套技术基础，贯穿资产管理全生命周期。这便是"资管AI中台"理念。

「AI重塑证券业」之一：证券公司AI全景图——九大领域成熟度扫描

「AI重塑证券业」之二：AI如何重塑研究能力——从信息搬运到认知增强

「AI重塑证券业」之三：AI驱动的投资决策——从信号到执行的智能链路

「AI重塑证券业」之四：AI让财富管理更懂客户——客户旅程的智能化重构

「AI重塑证券业」之五：AI赋能投行业务——从项目承揽到存续管理的效率革命

公募基金与券商资管在AI应用上的分化，根本源于"披露约束"与"灵活空间"的权衡取舍：

① 国泰君安证券与海通证券于2025年1月完成合并，合并后更名为国泰海通证券。本文所述"国泰海通资管"的AI实践，涵盖合并前国泰君安资管的既有积累及合并后的整合进展。

简而言之：公募基金的AI布局偏向后端（运营、风控），这是因为前端投资研究的每个决策都需要向基金持有人说明；券商资管则采取更加务实的策略——优先借助母公司的AI基础能力，首先在运营与合规环节实现落地应用。

不过公募基金正在加速追赶。行业头部公募已从"后端试点"升级为"前端深耕"——易方达、博时、富国等在投资研究端已取得可量化的AI应用成果（详见3.1节"公募基金AI投研的三条路径"）。

券商资管的AI化路径则更加注重实效。与公募基金不同，券商资管受母公司AI战略辐射影响，优先复用母公司AI基础设施而非独立建设，走的是"母公司算力底座+业务场景定制"的务实路线（详见3.1节"券商资管投研AI化的三条路径"）。

整个行业仍处于发展初期。根据IOSCO 2025年3月发布的咨询报告《Artificial Intelligence in Capital Markets: Use Cases, Risks, and Challenges》（IOSCOPD788，《资本市场中的AI运用：案例、风险和挑战》），在其调研的24个参与经济体中，AI在资管领域的应用仍主要集中在智能投顾和投研辅助两个场景，多数尚处测试验证阶段，未全面部署至生产环境。资产管理涉及投资决策必须具备可解释性、可追溯性、可归因性，AI在该领域的角色天然定位为辅助而非完全自动化。

2025年行业出现一个关键转折：资管AI化正从"零散场景试点"向"中台化架构"演进升级。

概念界定：本文所述"资管AI中台"是面向资管全业务线（投研、风控、运营、产品）的统一基础设施，而非仅服务单一业务线的"投研中台"或"运营中台"。下文3.1节所述"AI投研中台"是资管AI中台在投研领域的子集和具体落地形态。

富国基金是这一趋势的标志性案例。2025年2月，富国基金完成DeepSeek系列开源模型的私有化部署，在引入模型的过程中同步搭建基础技术平台、组建科技人才团队，推进内部数据加工、代码辅助生成、文字生成、RAG知识检索、研报解读等场景落地（