AI不是在颠覆股票行业,是让它更残忍

【产业密谈】AI 改造股票/证券投资行业

赛博茶馆 · 产业密谈系列 · 2026-06-15 · 万字深度

2024年2月，A股量化私募集体遭遇了一次史诗级踩踏。在短短几个交易日内，多家顶级量化私募的旗舰产品单日最大回撤突破8%，部分小市值策略的净值几乎被腰斩。这些基金有一个共同点：它们都在用AI驱动的多因子量化模型选股。没有人预警。没有任何AI系统提前告诉基金经理：「注意，现在有几百个策略在追同一批票，流动性快撑不住了。」与此同时，在大洋彼岸，高盛、摩根大通的交易大厅里，AI算法已经执行了超过70%的股票交易。Renaissance Technologies 的旗舰基金 Medallion Fund 近30年年化收益超过66%，它的核心就是机器学习——没有一个人类会仅凭直觉做出这种成绩。这就是AI与股票投资行业之间最真实的张力：它既是收割效率的利器，也是制造系统性风险的新来源。它到底在这个行业里干了什么，又没干什么？

▲ AI 改造证券投资行业核心数据一览（2025年）

▍这个行业原来长什么样

在AI进来之前，证券投资行业的信息处理方式有多原始？一个典型的卖方分析师，每天的工作是这样的：早上七点打开Bloomberg，花一个小时扫新闻，手动整理昨天的行情数据，上午参加路演电话会议，下午写研报——一篇覆盖某个细分行业的深度研报，需要3到5天，翻阅几百页年报财务附注，跟十几家公司的IR打电话核实数据，最后产出一份40页的PDF，发给几百个机构客户。买方的情况也不乐观。大型公募基金的研究员，跟踪一个行业通常要同时盯着30到50只股票，每个季报期就是地狱——密密麻麻的财务数据要一行一行对着去年同期比较，找异常，找拐点，找那个还没被市场发现的信号。信息过载是这个行业的常态，每个人都在用人脑做着最不应该用人脑做的事情：机械重复的数据处理。更关键的是，信息流通速度的不对等造就了这个行业的超额收益基础。大机构有Bloomberg终端（年费2.4万美元）、卫星数据、信用卡消费数据、供应链追踪数据，散户只有免费的东方财富、雪球和不知道靠不靠谱的微博股评。这个信息鸿沟，是整个主动管理行业的护城河，也是它收取高额管理费的底气。

行业核心痛点（AI进来之前）

📌 信息过载：每个分析师平均跟踪30-50只股票，数据处理占用70%工时 📌 延迟严重：财报出来到研报发布平均3天，市场早已反应 📌 覆盖不足：A股5000+上市公司，主流券商覆盖率不超过30% 📌 情绪干扰：人类分析师的判断受市场情绪影响，不可避免地追涨杀跌 📌 数据孤岛：替代数据（卫星、消费、物流）只有顶级机构用得起

▍AI 正在做什么：从量化交易到智能研报

AI在证券投资行业的渗透，不是均匀的。有些环节已经被彻底改造，有些还停留在PPT阶段。

▲ AI 在证券投资行业各应用场景的真实渗透率（2025年机构调查）

🤖 场景一：算法交易 / 量化执行（渗透率 78%）

这是AI渗透最深的领域，也是最早落地的领域。今天，美股超过70%的交易量由算法执行，A股程序化交易占比也已超过50%。典型案例：Virtu Financial，全球最大的做市商之一，2014年上市招股书中披露：1238个交易日中，只有1天亏损。这个成绩完全由AI驱动——每秒处理数百万条行情数据，在微秒级别完成买卖决策。Virtu不做方向性判断，它只是更快地发现和吃掉市场的价差。另一个案例：Two Sigma，管理规模超过600亿美元，是全球最大的量化对冲基金之一。其核心逻辑是：把股票价格的运动视为一个信号处理问题，用机器学习从海量历史数据中找规律。它们的团队里，有1000多名数据科学家和工程师，相比之下，传统基金经理寥寥无几。

📰 场景二：另类数据 / NLP情绪分析（渗透率 62%）

AlphaSense 是这个细分赛道的典型代表。它的核心能力是：实时扫描全球数万家上市公司的财报、电话会议记录、新闻稿、分析师报告，用NLP提取关键信息，建立语义搜索数据库。一个分析师用传统方式需要两周才能完成的竞争对手研究，AlphaSense可以在几分钟内完成。2024年，AlphaSense完成了4亿美元D轮融资，估值达40亿美元，客户包括Goldman Sachs、BlackRock等顶级机构。学术层面的验证：基于LLM的情绪分析，在超过96万篇美国财经新闻（2010-2023年）的大规模测试中，对次日股价回报的预测能力显著优于传统词典方法（OPT模型回归系数0.274，p<0.001）。换成实际操作：把NLP情绪因子加进量化多因子模型，年化可稳定贡献约0.6%的超额alpha，Sharpe ratio提升约0.23。听起来不大，但在量化行业，这相当于一个5人团队一年的人力成本。

📑 场景三：AI研报生成（渗透率 58%，但水分最多）

Bloomberg于2023年推出的 BloombergGPT 是金融领域第一个专属大语言模型，用5000亿个金融领域token训练，能处理情绪分析、新闻分类、问答、摘要等任务。多家头部券商已将AI研报助手集成进研究员工作流：一篇标准财报点评的起草时间从2-3小时压缩到30分钟。但这里有一个重要区分：AI写的是结构化的事实陈述，研究员负责的是有洞见的判断。"本季度营收同比增长23.4%，超出预期4.2个百分点"——AI写得比人快，也比人准。但"这家公司的管理层为什么在这个时点选择加大资本开支？背后是不是在赌友商产能收缩？"——这个判断，AI目前还写不出来，因为它没有跟管理层喝过酒、聊过天，也不知道那个CFO前两年说过什么让人印象深刻的话。

▍真实数据交锋：AI管的钱越来越多，跑赢的基金越来越少

把两组数据放在一起看，会发现一个有意思的现象：

▲ 量化/AI管理AUM占比持续上升，主动基金跑赢基准比例却持续下滑（数据来源：SPIVA Scorecard 2025）

全球量化/AI管理的AUM占比从2015年的18%涨到2025年的42%，但同期美国主动管理基金跑赢标普500的比例从32%降到约28%——过去20年，超过90%的主动股票基金长期跑不赢指数基金。这个数据怎么解读？是AI让主动管理更难了吗？有这个因素，但这两组数字叠加在一起指向一个更根本的结论：AI正在让市场变得更有效。当越来越多的机构用AI在毫秒级别发现并交易掉定价错误，留给人工判断的超额收益空间就越来越窄。这不是量化打败了主观，而是整个市场的有效性在系统性提升——而这个过程，对所有靠「市场无效」赚钱的人来说，都是一个长期的慢性威胁。

📊 需要注意的数据陷阱

很多AI工具供应商引用的效率数据（「节省80%时间」「准确率95%」）大多是内部测试或客户自报数据，未经第三方独立验证。掌柜在准备这篇文章时，对大量公开数据进行了对抗性核实，结果触目惊心：包括 FinGPT 的 F1=0.882、GPT-4 股价预测 90% 准确率、BloombergGPT「显著优于通用大模型」等广泛流传的说法，全部在独立交叉验证中被否决（三票全否）。AI 金融工具领域存在大量无法复现的性能宣称，从业者需要极高的数据审慎度。

▍访谈实录：两种声音的正面交锋

为了让这篇文章不只是掌柜一个人的独角戏，赛博茶馆模拟构建了两位立场截然对立的从业者对话——观点综合自多位真实行业人士，非特定个人采访，人物均为匿名处理。「资深基金经理」，某头部私募主动权益负责人，18年从业经历，经历过三次系统性风险；「AI量化创业者」，某量化投研 SaaS 公司创始人，有多年大型券商量化研究背景，产品已服务多家机构客户。同一个问题，他们给出了完全不同的答案。

【第一轮：AI到底有没有用？】

☕ 掌柜

就说今天——AI 在你们这行真正有效的是什么场景？哪些是花架子？

陈

资深基金经理（匿名）· 主动权益 · 18年经验

有效的？我给你说三个真有用的地方。第一，信息处理速度——一个公告出来，AI十分钟就能给我摘要，以前研究员要两小时读完财务附注。第二，舆情监控，AI能同时盯着几千家公司的负面新闻，人根本盯不过来。第三，财务数据清洗，这种脏活AI干得比人好多了。但花架子呢？最典型的是「AI选股」。2024年A股量化踩踏你还记得吗？单日最大回撤超过8%，亏的都是真钱。AI模型没告诉他们「别人也在跑一样的策略」。还有AI研报，全是数字和格式，就是没有那个东西——为什么这家公司的管理层在这个时点做这个决策？背后是什么博弈？这东西AI写不出来，因为它没跟那个管理层喝过酒。

AI量化创业者（匿名）· 某量化投研SaaS创始人

陈总说的2024年量化踩踏，我同意那是真实风险。但你知道问题的根源是什么吗？不是AI太强，而是所有人用了一样的AI——同样的因子库、同样的信号逻辑。拥挤不是AI的问题，是行业里的人把AI当成复印机。我给你一个数据：我们服务的一家头部量化私募，他们把NLP情绪因子加进多因子模型，2023年回测结果是Sharpe ratio提升了0.23，相当于年化多出约0.6%的alpha。这个数字听起来不大，但在量化行业，能稳定贡献0.6%新alpha的因子，值一个团队五个人一年的工资。陈总说AI写不出管理层博弈——现在确实不行。但我们已经在用语义化模型追踪管理层电话会议里的「语气变化时间序列」，当一个CEO开始大量使用「审慎」代替「激进」，后续六个月的业绩走势有显著相关性，我们的回测验证了这一点。

林

☕ 掌柜点评

两个人说的都有道理，但侧重不同。陈总的视角是「AI能不能替代我的核心判断」，林总的视角是「AI能不能在边际上为我提供优势」。这是两个不同的问题。前者答案是「暂时不能」，后者答案是「已经可以，而且在加速」。问题的本质不是AI好不好用，而是不用AI的人会不会被用了AI的人打败。

【第二轮：数据交锋——AI越多，主动管理越难跑赢？】

☕ 掌柜

花旗2025年报告：60%以上机构已在用AI工具，但主动管理基金跑赢基准的比例仍不到28%。AI用得越多，跑赢的越少——这个悖论你们怎么解释？

陈

资深基金经理（匿名）

这说明AI是「让聪明人更聪明，让平庸者看起来更聪明」。前10%的基金用了AI确实跑得更好，但剩下90%用了AI之后，反而因为有了「科学外壳」而更加自信地做出系统性错误。主动管理基金跑不赢指数，这个问题在AI出现之前就存在了——标普500数据是：过去20年，超过90%的主动基金长期跑不赢指数。AI解决不了这个结构性困境：费率高、换手成本高、规模越大越难操作。还有一个致命点：真正的超额收益从来不来自公开信息，AI天然就在公开数据里找规律，而这些规律所有人都能找到。

AI量化创业者（匿名）

这里有偷换概念。60%机构「用了AI」，大多数是用了Excel插件级别的AI、Bloomberg搜索、ChatGPT写会议纪要——这些跟真正的AI驱动投资差了十万八千里。真正系统性整合了AI的机构，可能只有那前5%。真正应该看的数字是：头部量化私募（幻方、九坤、明汯等）的AI化程度，这些机构在过去五年的平均收益远超行业均值。问题不是「AI有没有用」，而是「你用的AI是不是真AI」。另外，市场整体有效性提升这件事本身，其实是对所有人有利的——它让散户不那么容易被机构割韭菜。从这个角度，AI推高市场有效性是好事，只是对靠「捕捉无效」赚钱的主动管理基金来说，是噩耗。

林

☕ 掌柜点评

林总「假AI vs 真AI」这个区分非常重要，也是市场上很多讨论混乱的根源。但陈总说的「AI让平庸者更自信地犯错」这一点，是比技术更深层的人性问题——工具的进步不一定带来决策的进步，有时候反而带来「过度自信」。这个悖论在金融行业尤为突出，因为这里的错误代价是真金白银。

【第三轮：最核心的障碍是什么？】

☕ 掌柜

不要说技术——技术会进步。说那个根子上的、技术好了也解决不了的障碍。

陈

资深基金经理（匿名）

三个字：非线性。股市是个自适应系统，它的运行规律会随着参与者的行为而改变。AI用历史数据训练出一个模型，找到某个规律，等到市场上有足够多的人知道这个规律，它就失效了——这叫alpha decay，量化行业都明白这个道理。所有的AI模型都面临同一个悖论：用历史规律预测未来，但历史规律一旦被足够多人知道，就不是规律了。股市不是物理学，没有「重力总是向下」的永恒定律。第二个根子上的问题是数据质量。A股的财务数据有多少水分，在座的都清楚。监管层对AI交易也越来越谨慎——2024年证监会出台了一堆程序化交易限制新规，很多AI策略在合规那关就死掉了。

AI量化创业者（匿名）

陈总说的alpha decay是真实的，但AI的迭代速度比人快，能更快找到新规律来补位。我认为真正最核心的障碍，是一个你们想不到的：可解释性与监管合规。你不能跟客户说「我的AI决定卖掉这只股票，但我不知道为什么」——这在资管行业是合规灾难。我们产品功能做好了，但合规说「这个策略的决策过程不够透明，没法向监管解释」，就无法上线。AI的黑箱特性，在金融行业比在任何其他行业都更致命。你可以接受AI推荐你看一个你不感兴趣的视频，但你能接受AI用你的养老金做了一个你完全不理解的交易然后亏钱吗？

林

☕ 掌柜点评

这一轮两个人第一次有点英雄所见略同——陈总说的alpha decay和林总说的监管可解释性，都指向同一个深层问题：股市是个自适应系统，任何固定规则在里面都有失效日期。AI不是例外，只是失效速度快还是慢的问题。林总提的可解释性问题是掌柜认为最被低估的障碍——它不是技术问题，是信任问题，是法律问题，是制度问题。

【第四轮：5年后的押注】

☕ 掌柜逼问陈总

给你5年时间，你管的这类主动权益基金，还存在吗？

陈

资深基金经理（匿名）

存在，但会变得非常小众。5年后，99%的标准化股票研究会被AI接管——财务分析、数据整理、研报起草、定期报告，全部AI化。卖方研究所的分析师数量会减少60%以上，留下来的是能做深度独立调研、能写出真正有洞察的那部分人。但主动基金经理不会消失，会变形。未来的基金经理更像是「AI系统的裁判员」——不需要亲自做所有分析，但需要判断AI的结论哪些是对的，在极端行情下人工干预、推翻AI的决策。这需要的是几十年的市场经历和直觉，是AI暂时学不会的。我最担心的是AI制造出一批「假基金经理」——表面用着AI工具看起来很厉害，实际上完全没有独立判断能力，下一次系统性风险来临时是重灾区。

AI量化创业者（匿名）

比陈总更激进。5年内，量化/AI策略管理的AUM占全球总AUM的比例会从现在约42%涨到55%以上。主观基金份额持续被压缩，但不会消失。我要说一个陈总没提的趋势：个人投资者的AI化。现在机构在用AI，散户还没有。但再过两三年，AI投资顾问的普及会让散户不再犯最基础的错误（追涨杀跌、过度集中、情绪化操作）。这对主动基金是另一个打击：散户变聪明了，主动基金从散户那赚的超额收益也会缩水。我的押注是：5年后，能跑赢指数的主动基金，一定是把AI深度整合进投研流程但最终决策权留在人手里的基金。纯主观跑输，纯AI被监管限制，出路只有人机协作。

林

▍谁在受益，谁在承压

▲ 证券投资行业各岗位 AI 冲击三维评估（替代风险 / 效率提升 / 5年趋势）

✅ 受益方

▸量化研究员：需求急增，薪资持续上涨▸AI/数据工程师：全面增长，供不应求▸风控合规：AI带来新的合规需求▸头部量化机构：差距在拉大，马太效应▸个人投资者（长期）：AI工具降低信息鸿沟

⚠️ 承压方

▸卖方研究员：标准化研究岗大量缩减▸交易执行员：已大量被算法替代▸客服/运营：智能客服快速普及▸中小型主动基金：生存空间持续收窄▸依赖信息差的经纪商：护城河正在消失

▍三大障碍：为什么AI还没彻底改造这个行业

🧱 障碍一：股市是自适应系统，Alpha会衰减

所有AI模型面临同一个悖论：用历史规律预测未来，但历史规律一旦被足够多人知道，就不再是规律了。量化行业把这个叫「alpha decay」。2024年A股量化踩踏就是最新的案例——不是AI不够聪明，是聪明的AI都找到了同样的规律，然后同时拥挤进同样的位置。这个问题没有技术解，因为它本质上是博弈论问题，不是优化问题。

🔒 障碍二：可解释性、监管合规与系统性风险

在中国，证监会2024年出台了《程序化交易管理规定》，要求机构报告算法策略逻辑。在美国，SEC也在加强对算法交易的审查。更值得关注的是国际监管层面的最新信号：金融稳定委员会（FSB）于2024年11月发布报告《AI对金融稳定的影响》，首次将AI驱动交易列为系统性风险。报告明确指出两个核心威胁： ① 服务商集中度：少数AI服务商（如主要云厂商和模型提供商）主导市场，形成单点故障——一旦某个核心服务商出问题，可能导致大量金融机构同步失效； ② 行为同质化：基于相似模型或数据训练的AI系统会产生高度相关的交易决策，形成AI版「羊群效应」，在极端市场条件下放大波动。 AI的「黑箱」特性在金融行业是致命的——你不能对客户说「我的AI做了这个决策但我解释不了为什么」。这不是技术问题，是信任问题、是法律问题、也是FSB正式定性的系统性风险问题。

💾 障碍三：数据质量与替代数据壁垒

真正能让AI产生超额收益的，往往是高质量的替代数据：卫星图分析停车场满载率、信用卡消费数据追踪零售景气度、船舶AIS信号监控供应链变化。这类数据采购成本极高（顶级替代数据集年费数百万美元），中小机构根本用不起。能用好AI的机构，一定是同时有数据、有算力、有人才的头部机构——而这些机构本来就已经赢了。AI不但没有降低行业的入场门槛，反而在某种程度上进一步提高了它。

▍掌柜押注：5年后的格局判断

掌柜的判断比两位嘉宾都更关注一个他们都没强调的趋势：信息优势的民主化正在加速，但加速的方向让人意外。 过去，机构对散户的最大优势是信息处理的速度和广度——Bloomberg终端、分析师团队、路演渠道。AI正在把这个优势的成本大幅压低，但它不会均等分配给所有人，它会优先流向已经有钱购买最好模型和最好数据的机构。掌柜的押注是：

📌 掌柜的5年押注（2026-2031）

① 主动权益基金数量减少 40%，头部机构集中度持续提升② 卖方研究所分析师岗位减少 55-65%，留下来的人薪资翻倍③ 量化/AI管理AUM全球占比突破 55%④ 个人AI投资顾问渗透率在中国超过 20%（类似余额宝对银行储蓄的冲击）⑤ 纯主观基金持续跑输，纯AI策略被监管限制，人机协作成为唯一出路⑥ FSB已定性的 AI 系统性风险将在下一次市场危机中首次真实显现

最后一点掌柜想单独强调：AI会是下一次系统性风险的加速器。当大多数机构的风控模型都用相似的AI，当大多数策略都在用相似的因子，一旦某个极端事件触发集体信号，AI的执行速度会让市场崩溃比以往任何时候都更快、更深。这不是危言耸听，2010年美股「闪崩」已经给过一次预演。下一次，规模会更大。

▍掌柜推荐：值得深入的资源

📚 《The Man from the Future》（Jim Simons传记）

了解Renaissance Technologies和Medallion Fund的真实运作逻辑，是理解AI量化投资极致形态的最佳起点。

📊 SPIVA Scorecard（标普道琼斯每年发布）

最权威的主动基金vs指数基金比较报告，每年更新，是了解「主动管理长期跑不赢」这个事实的第一手数据。

🔬 arXiv: "Can LLMs Predict Stock Movement?"（2024）

一篇对LLM情绪因子做大规模实证测试的学术论文，96万篇财经新闻，2010-2023年数据，给出了目前最可靠的AI情绪分析alpha估算。

🛠️ AlphaSense / Kensho（实际工具体验）

这两个是机构级AI投研工具的代表。有条件的话申请试用，亲身体验AI在财务数据搜索和语义分析上的实际能力，比看任何报告都直观。

▍掌柜的话

写完这篇，掌柜想说一个两个嘉宾都没有明说但其实都意识到的事情：股票投资是人类智识博弈最纯粹的竞技场之一，AI的介入正在从根本上改变这场博弈的规则。 但改变的方式，不是「AI秒杀人类」，而是更微妙：AI在拉平信息处理的速度差，在压缩标准化分析的价值，在让「平均水平」的分析变得几乎免费。当「平均水平」被AI免费提供之后，只有两种人还有价值：一种是掌握AI工具、能在AI上面叠加独特洞见的人；另一种是在极端市场环境下，能用几十年经历形成的直觉做出AI无法做出的判断的人。至于那些既不会用AI、也没有独特洞见、也没有足够经验的从业者——这篇文章能帮你想清楚自己处于哪个位置，但帮不了你解决问题。这是你自己的功课。

AI 不是在颠覆股票投资行业，它是在让这个行业变得更残忍——平庸者的生存空间正在系统性收窄，而优秀者的优势正在系统性放大。

— 赛博茶馆掌柜 · 产业密谈系列