与此同时AI大模型的快速发展也正在改变金融行业的底层运行逻辑。从头部券商提出“All in AI”到量化私募试水“投研自动驾驶”再到全球对冲基金巨头设立AI实验室一个共识在行业内部逐渐凝聚AI已经从“可选项”变成了“必选项”。而在这场深刻的范式迁移中国内头部主观私募也开始探索属于自己的智能投研路径。其中淡水泉的实践提供了一个颇具代表性的样本。AI冲击波下的投研变局2026年私募行业的“分水岭”已从预测走向现实并在一组最新的数据中得到了印证。私募排排网数据显示截至2026年2月底国内百亿证券类私募已经攀升至126家创下历史新高。然而真正让业内震动的不是数量而是一个结构性的变化百亿级量化私募的数量第一次超过了传统的主观多头私募。在过去几十年里主观投资靠的是什么是“深度认知”——跑调研、攒行业经验、靠商业直觉找出被低估的标的。这种模式依赖的是人的直觉、逻辑推理还有对模糊信息的判断力。但随着市场交易结构变化信息处理效率的重要性正在显著提升。市场交易量越来越大信息碎片化程度呈指数级上升这时候速度、纪律、广度反而成了制胜的关键。AI不光能在毫秒级别上抓住套利机会更重要的是它能靠高频数据和各种另类数据在一定程度上把“微观定价权”抓在手里。当量化交易主导了日内的价格发现主观多头策略不得不面临一个现实你靠基本面挑出来的好公司它的短期股价其实更多是被算法的情绪推着走而非由远期的现金流贴现决定。此外更深的影响是投研人员的工作方式也被AI彻底改变。在早期AI相当于“计算器”——帮研究员更快地整理数据、做财务模型。而如今AI已经嵌进了投研的核心决策链变成了“副驾驶”甚至“半自动驾驶”。对于量化投资而言传统的多因子模型已经让位于深度学习和大语言模型。AI不光挖掘因子还自己生成策略、模拟交易员、跑压力测试。因子挖掘的流程自动化了人类量化研究员的工作重心从“写代码找因子”变成了“设计神经网络”。而对于主观投资机构来说AI带来的变化同样明显。以前一个研究员最多覆盖50到100只股票现在有了AI Agent他能快速扫完整个市场5000多只股票的财报电话会、供应链数据。AI负责“扫广度”和“异常预警”人负责“深度解读”和“逻辑证伪”。两种解法量化的“自动化”与主观的“增强化”在AI赋能投研的浪潮中不同类型的投资机构走出了截然不同的路线。量化私募凭借天然的“数字基因”跑在了最前面。幻方量化早在2019年AI大模型尚未爆发时就投资2亿元建成“萤火一号”AI算力集群搭载1100块高性能GPU2021年再投10亿元打造“萤火二号”。2023年7月由幻方实控人梁文锋牵头、依托幻方量化体系孵化并持续提供资金与算力支持的DeepSeek正式成立目标直指AGI。灵均投资则把AI融进了量化策略的全流程。他们用超过10万个信号、上千个子模型做极致分散再配上严格的风控。在灵均看来AI真正的价值在于降低另类数据的处理成本补上传统量化在基本面和非结构化数据上的短板。如果未来AI能在多模态数据和商业信息的理解上取得突破量化投资就有可能打通价格数据和公司真实经营之间的那堵墙。主观投资这边步伐也不慢。国际巨头率先示范——桥水内部组建了AIA实验室致力于运用人工智能与机器学习在市场中创造超额收益已推出一只以机器学习作为主要决策依据的基金。贝莱德则构建了名为“阿西莫夫”的AI研究平台将其应用于公司的股市基本面业务。在国内主观私募也在积极探索自身的AI解法。淡水泉的探索具有一定代表性——它没有选择大幅颠覆既有投研范式而是以“增强而非替代”为核心理念从信息助理起步循序渐进地向机会总结和辅助决策演进。这条路径对于大多数主观投资机构而言或许更具普适性。让AI成为“最强辅助”我们了解到淡水泉的智能投研探索最早可以追溯到2020年但真正系统性地起步是在2021年。彼时AI还没有进入大众的视野投资中的大量信息还没有进行数字化。但淡水泉已经敏锐地抓到了一个核心痛点——长尾数据。这类数据不是主流供应商整理好的现成信息而是散落在舆情、自媒体、会议录音、行业深挖指标里的“非标准信号”。淡水泉的想法很简单供应商做得好的自己没必要重复做但那些贴近真实投研场景、又没人标准化覆盖的数据必须自己啃下来。这种判断与其长期形成的拥抱科技的文化也有关系。淡水泉从创业那年开始就在做系统化当时很多机构还在手工用Excel做估值他们已经用上自动化了。在数据采购上淡水泉也倾向于与市场上领先的供应商合作。2021年前后在智能投研还没有成为行业热点时淡水泉已经开始与创新技术机构展开合作并持续跟踪AI能力演进。2023年ChatGPT的爆发成了淡水泉智能投研的一个转折点。团队同步推进内部投研数据和大模型的结合在智能问答能力上实现了突破。目前淡水泉的智能投研系统已经具备了报告阅读与摘要生成、会议内容提炼、市场总结和主线分析这些“信息助理”级别的功能。在技术路线上淡水泉的智能投研系统是基于自研与采购的大量投研数据进行输出日均处理超过10000份专业报告在输出的信息结果方面与投研更相关。信息助理的能力完善之后淡水泉又开始往机会总结方向推进。近一两年智能投研系统在“蒸馏”主观基金经理总结市场主线脉络、挖掘细分方向机会、提炼典型个股解决方案的方法论帮投研团队查漏补缺。而往远了说淡水泉的长期目标是将宏观分析、主题方向判断、个股逻辑都统一内置到自建的AI模型中让投研人员能更科学地分析机会、匹配策略把精力真正集中在那些需要创造性和前瞻判断的地方。随着Agent技术越来越成熟淡水泉团队也看到了更深层的变化。今年他们在试用Agent体系时发现一旦AI接入了投研数据它在信息归纳、交叉检索和初步分析等方面的效率已经开始明显超过传统研究流程。在淡水泉看来未来投研工作中人的价值会走向两极一头是最一线的基础调研另一头是最顶层、靠长期经验积累出来的综合判断和决策。从淡水泉的智能投研演进路线能看出来他们对AI角色的定位想得很清楚——AI是用来增强人类判断的而不是替代。对长期投资来说经过时间积累沉淀下来的洞察力和判断力是任何算法都取代不了的。未来的主观投资或许会被重新定义。具备竞争力的机构未必是最依赖AI的机构也未必是最坚持传统研究方式的机构。真正关键的是如何把机器的效率优势与人的长期判断能力结合起来。两者结合可以为主动权益投资创造出长期的价值。
