夜雨聆风站在 YC式创业 + 第一性原理 + 资管老板 三个视角看，我先给结论：
AI对资产管理最大的机会，不是造一个“AI基金经理”，而是把一家资管公司里80%重复、低附加值、依赖Excel/微信/邮件/人工核对的工作，变成“机器干活、人签字”。
真正值钱的创业方向，我会优先押注：
AI资管运营OS > AI合规风控OS > AI投研基础设施 > AI客户/机构服务 > AI基金经理。
原因很简单：
越靠近“判断”，越难标准化；越靠近“流程”，越容易AI化；越靠近“法律责任”，越必须保留人。
中国现行基金服务体系本身已经证明了这个方向：份额登记、估值核算、信息技术系统等本来就属于可以专业化外包的基金服务业务；但管理人、托管人的法定责任，并不会因为外包消失。�
中国美国商会 +1
一、先把资产管理行业扒掉西装：它到底在干什么？
不要把资管行业理解成：
“一群聪明人研究股票。”
这只占其中一部分。
从第一性原理看，资管公司只干六件事：
找钱 → 判断 → 交易 → 控风险 → 算账 → 向客户解释。
再展开，就是：
LP/客户
↓
募资/销售
↓
产品设计
↓
投资研究
↓
组合决策
↓
交易执行
↓
风险控制
↓
估值核算/清算
↓
信息披露
↓
客户服务
↓
续投/赎回
这里面最重要的事情，是区分两种劳动。
第一种：判断型劳动
例如：
“宁德时代值不值得买？”
“现在应该80%仓位还是40%仓位？”
“这个基金经理到底有没有Alpha？”
“这个客户到底是不是长期资金？”
这种工作有三个特点：
样本少、答案模糊、后果巨大。
AI只能辅助。
第二种：流程型劳动
例如：
“昨天这100笔交易跟券商成交单一致吗？”
“净值有没有算错？”
“这个产品有没有触发5%的单票限制？”
“合同第37条投资范围是什么？”
“客户昨天问的净值为什么下跌？”
“月报数字和托管数字一致吗？”
特点恰恰相反：
高频、重复、规则明确、数据量巨大。
这就是AI最喜欢吃的东西。
所以记住一个公式：
AI渗透率 ≈ 工作重复度 × 数据结构化程度 × 规则明确度 ÷ 判断复杂度
这是理解整个行业的钥匙。
二、把资管公司拆成9个环节
我给每一个环节打五个分：
环节
AI替代潜力
可标准化
可外包
人的重要性
创业价值
数据收集
★★★★★
★★★★★
★★★★★
★
★★★★★
投研加工
★★★★
★★★★
★★★
★★★★
★★★★★
投资决策
★★
★★
★
★★★★★
★★★
交易执行
★★★★
★★★★★
★★★★
★★★
★★★★
风控监控
★★★★★
★★★★★
★★★★
★★★★
★★★★★
合规
★★★★★
★★★★
★★★
★★★★★
★★★★★
运营估值
★★★★★
★★★★★
★★★★★
★★
★★★★★
客户服务
★★★★★
★★★★
★★★★
★★★
★★★★
募资销售
★★★
★★
★★
★★★★★
★★★
这里面有一个非常重要的区别：
“工作可以AI化”不等于“责任可以AI化”。
例如风控。
AI完全可以做到：
实时检查300只股票
↓
监测行业暴露
↓
检查集中度
↓
检查合同限制
↓
检查异常交易
↓
生成风控报告
但是最后：
“到底减不减仓？”
必须有人负责。
同样，监管层也已经明确支持人工智能、大数据等用于智能舆情分析、风险监测等场景，同时强调风险可控。�
中国证券监督管理委员会
所以未来最典型的模式是：
Machine does，Human approves。
机器干活。
人承担责任。
三、投研：AI改变最大，但最容易被创业者高估
很多创业公司一上来就说：
“我们要做AI基金经理。”
我如果按YC思路看项目，第一个问题就是：
为什么客户需要你？
ChatGPT、Claude、Gemini、Bloomberg、Wind、同花顺、券商研究所都会做。
而真正的基金经理需要的根本不是：
“帮我总结一下贵州茅台年报。”
这已经越来越不值钱。
基金经理真正需要的是：
从“信息”变成“判断”的流水线
比如过去研究一个公司：
Wind
→ 公告
→ 财报
→ 电话会
→ 券商研报
→ 产业链调研
→ Excel
→ 财务模型
→ 估值
→ 写报告
→ IC会议。
可能花3天。
AI之后：
公告自动读取
→ 财报变化识别
→ 电话会转录
→ 管理层语气变化
→ 券商一致预期变化
→ 竞争对手比较
→ 盈利预测更新
→ 估值区间
→ Bull/Base/Bear
→ 自动生成IC memo
三天可能变三小时。
这才是真正的革命。
McKinsey在2025年的资管AI研究中已经观察到，分析师正利用生成式AI综合财报、电话会及会议资料，基金经理则用AI辅助策略筛选和组合构建；其估算投资管理环节本身可以产生约8%的效率影响。�
麦肯锡
但最后那一步：
买不买？
还是人。
为什么？
因为真正的Alpha往往来自：
别人不知道什么？
而AI最擅长的是：
把大家都知道的东西加工得更快。
这两个不是一回事。
所以：
AI可以消灭“信息整理型研究员”。
但很难消灭：
顶级产业研究员
顶级基金经理
顶级资产配置者。
四、AI最容易吃掉的岗位，其实是运营
这里可能是整个行业最大的创业机会。
现在一家20—50亿私募，后台是什么状态？
非常典型：
Excel + 微信 + 邮件 + OA + 托管系统 + 券商系统 + Wind + 人肉。
每天干什么？
核对。
再核对。
继续核对。
比如：
交易记录
↔ 券商
资产
↔ 托管
现金
↔ 银行
估值
↔ 管理人
份额
↔ TA
合同
↔ 投资限制
月报
↔ NAV
这些事情有一个共同特征：
根本不需要巴菲特。
需要的是：
不出错。
因此运营部门本质上是：
人肉API。
一个员工每天负责：
从A系统下载Excel，
复制到B系统，
发给C，
然后微信群里说：
“老师请查收。”
这是AI Agent最应该消灭的工作。
事实上，份额登记、估值核算、信息技术系统服务已经属于中国私募基金服务专业化分工的成熟领域。�
中国美国商会 +1
这给创业公司一个巨大的信号：
这里不是教育市场的问题。
客户已经接受外包。
现在只是：
传统人工外包 → AI原生外包。
五、我如果现在创业，第一个做的是：
AI Fund Operations OS
不是卖软件。
而是直接卖结果。
例如客户是一家30亿私募。
你不要告诉他说：
“我们用了大模型、RAG、Agent。”
基金老板根本不关心。
你告诉他：
原来6个人的运营团队，
我帮你变成2个人。
包括：
产品全生命周期管理。
基金成立：
合同解析
→ 条款结构化
→ 投资限制生成
→ 系统规则生成。
每天：
成交对账
→ 持仓对账
→ 现金对账
→ NAV检查
→ 异常报警。
每月：
月报
→ 风控报告
→ 归因报告
→ LP报告。
每季度：
信息披露
→ 合规检查
→ 投资者报告。
最终变成：
基金后台无人驾驶。
运营每天上班不是“干活”。
而是：
看异常。
这是一个巨大区别。
六、第二大机会：AI Compliance / Risk OS
这个比普通AI客服值钱得多。
因为金融机构真正怕的不是：
少赚10万。
而是：
合规出事。
传统合规最大的痛苦：
几百页法规。
几十份产品合同。
几百项内部制度。
几万个交易行为。
全部靠人脑连接。
这其实非常适合：
LLM + Rules Engine + Knowledge Graph + Agent。
例如基金经理准备买某股票。
AI瞬间检查：
产品合同：
允许吗？
↓
监管：
允许吗？
↓
内部风控：
允许吗？
↓
集中度：
超过没有？
↓
关联交易：
有没有问题？
↓
黑名单：
有没有？
↓
流动性：
有没有？
最后：
✅ Pass
⚠ Warning
❌ Block
并且告诉你：
为什么。
以后合规最大的变化不是：
从10个人变0个人。
而是：
10个“检查员”
变成
2个“合规架构师”。
机器检查100%。
人处理异常。
七、真正“高度依赖人”的三个节点
反过来看。
什么东西AI最难吃？
不是复杂的东西。
而是：
信任 + 责任 + 非结构化判断。
所以资管行业最后最值钱的人，只剩三种。
① 基金经理
真正的基金经理不是：
会Excel。
而是：
在信息不完整的时候下注。
比如：
茅台到底还能不能增长20年？
宁德时代的护城河还能不能保持？
AI没有真实资本承担亏损。
基金经理有。
所以投资决策本质是：
承担不确定性责任。
② 募资的人
尤其私募。
一个10亿LP不会因为AI说：
“这家基金夏普比不错。”
就给你5个亿。
真正的决策可能来自：
我认识你10年。
你亏钱的时候有没有乱来？
你的价值观怎么样？
你的团队稳定吗？
你有没有道德风险？
所以资管募资本质不是销售。
而是：
Trust transfer
信任转移。
AI很难替代。
③ CEO / CIO / 风控负责人
为什么？
因为他们解决的是：
冲突。
基金经理：
我要加仓。
风控：
不能加。
销售：
客户马上赎回。
老板：
怎么办？
这不是数据库问题。
这是：
价值判断 + 利益冲突 + 责任承担。
所以最后必须是人。
八、客服会发生什么？
客服大概是：
80%机器 + 20%人。
80%的问题：
净值多少？
为什么跌？
什么时候开放？
钱怎么到账？
产品投资什么？
风险暴露怎么样？
全部AI。
BlackRock旗下Aladdin Wealth在2025年就推出了面向财富管理顾问的生成式AI功能，用于更个性化、快速地产生投资组合评论和客户沟通内容。�
BlackRock +1
但剩下20%：
“我投了5000万，现在亏了15%，你给我解释一下。”
AI千万别出来说：
“尊敬的客户，市场波动属于正常现象……”
客户可能直接把电脑砸了。
这个时候必须：
基金经理/CIO/IR负责人。
因为客户真正问的不是：
为什么跌15%。
而是：
我还能不能相信你？
这是人的工作。
九、托管怎么看？
这里要特别区分：
托管责任
很难替代。
托管操作
大量可以自动化。
托管人的核心受托责任并不能简单外包；行业规则下，即便使用基金服务机构，管理人和托管人依法承担的责任并不会因此免除。�
中国美国商会 +1
所以未来：
银行托管部500个人
不一定变：
0人。
更可能：
500
→
100。
其中400个人做的：
核算
对账
检查
报告
数据处理
被机器吃掉。
而：
监督
授权
异常处理
法律责任
继续留给人。
十、最重要的一张图
把整个行业按照：
标准化程度 × 人类判断程度
画出来。
人类判断要求
高
│
LP关系 │ 基金经理
募资 │ CIO
战略 │ IC
│
────────────────────┼────────────────
│
客服 │ 投研
IR │ 组合分析
│
合规审查 │
风险监控 │
估值 │
对账 │
报告 │
│
低
低 ←—— 标准化程度 ——→ 高
AI从：
右下角
一路往：
右上角
吃。
所以最先被改变：
运营。
然后：
合规、风控。
然后：
研究。
最后才是：
基金经理。
十一、用YC的方法评价六个创业方向
如果今天六家公司来找我融资：
A：AI基金经理
“AI自动选股票。”
我给：
5/10。
听起来性感。
实际上最难证明Alpha。
而且模型一旦大家都有：
Alpha迅速衰减。
B：AI投研助手
8/10。
巨大市场。
但最大问题：
Bloomberg、Wind、同花顺、券商、BlackRock以及大型模型厂商全部会做。
所以一定不能只是：
ChatGPT + 财报。
必须深入workflow。
C：AI客服
6/10。
简单。
但壁垒低。
最终容易成为CRM的一个feature。
D：AI风控
9/10。
非常好。
因为：
高频
刚需
错误昂贵
监管驱动
数据多
流程标准
而且客户愿意付钱。
E：AI合规
9.5/10。
甚至可能比AI风控更好。
因为资管老板有一种非常稳定的人性：
“赚钱可以慢一点， 千万别让我进去。”
这是世界上非常好的付费动机。
F：AI运营
10/10。
为什么？
因为ROI最容易算。
以前：
10个人。
一年工资200万。
现在：
3个人+AI。
100万。
老板第二天就理解你的价值。
不需要教育市场。
十二、真正的大公司不是“AI工具”，而是资管行业的AI基础设施
这里才进入YC思维最重要的一层。
如果只是：
AI研报总结。
一年收入：
500万。
很容易。
但是不值大钱。
真正的大机会是：
Asset Management AI Operating System
一家公司最终把：
数据
投研
组合
交易
风险
合规
运营
客户
全部连起来。
变成：
Asset Management OS
AI Brain
│
┌─────────────────┼─────────────────┐
│ │ │
Research Portfolio Risk
│ │ │
Research Agent PM Agent Risk Agent
│ │ │
└─────────────────┼─────────────────┘
│
Trading
│
┌───────┴───────┐
│ │
Operations Compliance
│ │
Ops Agent Compliance Agent
│ │
└───────┬───────┘
│
LP
│
CRM Agent
这才是真正的：
金融行业Vertical AI。
十三、我认为真正值得你注意的商业模式：不是SaaS，而是 AI-BPO
这是我最想强调的一点。
传统软件说：
“给你一套系统，你自己用。”
下一代公司会说：
“把这个部门交给我。”
例如一家50亿私募：
原来：
运营6人
合规3人
风控3人
IR 4人
研究员10人。
未来可能：
运营2人
合规1人
风控2人
IR 2人
研究员5人
几十个AI Agent。
创业公司不收：
10万元SaaS费。
而是收：
80万元/年运营服务费。
原来客户100万—200万成本。
客户省钱。
创业公司靠AI把边际成本打到20万。
毛利60万。
这就从：
Software
变成：
AI Labor
“卖数字员工。”
我认为这会比单纯卖AI软件大很多。
十四、所以资管行业未来会出现一个非常残酷的变化
过去：
100亿私募可能需要：
50—100人。
未来：
一个AI Native的100亿私募，
可能只需要：
15—30个真正优秀的人。
不是因为AI会炒股票。
而是：
以前一个基金经理背后，
需要：
研究员
交易员
风控
合规
运营
TA
财务
客服
IR
IT。
以后基金经理背后：
站着一群Agent。
于是资产管理行业最贵的东西会重新回归：
判断力 + 信任 + 责任。
其他东西都会慢慢变成软件。
这也是为什么全球大型资管基础设施提供商已经开始把生成式AI嵌入原有平台，而不是独立做一个聊天机器人；例如BlackRock正在把Aladdin Copilot直接放进Aladdin工作流里。�
BlackRock
十五、如果让我现在投一个中国创业公司，我只投这个
我会给它一个暂定名字：
AI FundOS
第一阶段千万不要做投研。
先干最脏、最累、最没人愿意干的：
私募基金运营 + 风控 + 合规。
产品第一版只解决10件事：
合同自动解析 → 投资限制结构化 → 持仓/成交自动对账 → NAV异常检查 → 风险指标实时计算 → 合规规则检查 → 监管/协会报表辅助生成 → 月报自动生成 → LP问答 → 全流程审计留痕。
客户：
私募证券基金
→ 私募股权
→ 券商资管
→ 公募
→ 家办
→ 银行理财。
等你掌握：
合同 + 持仓 + 交易 + NAV + 风控 + 客户
五类核心数据之后，
再向上吃：
投研。
最终就不是一个AI工具。
而是：
中国资管行业的“AI版Aladdin + AI版基金行政管理人”。
这才有可能成为百亿甚至更大规模的软件/服务公司。
最后用一句大白话总结
未来资管公司可以想象成一家饭店：
基金经理是主厨。
他的味觉、判断、创造力不能外包。
但今天中国很多基金经理的问题是：
主厨每天除了研究菜谱，
还在洗菜、刷盘子、算账、接电话、查消防、做工资表。
AI最大的价值不是：
把主厨开掉。
而是：
终于让主厨只负责做菜。
所以未来十年真正值得下注的，不一定是：
“AI能不能战胜基金经理？”
而是：
谁能把一家50人的资管公司，重新设计成“10个高手 + 100个AI Agent”？
如果从创业角度让我只选一个突破口，我会选择：
“私募AI中后台：运营 × 风控 × 合规”三合一。
它同时具备：刚需、标准化、可外包、高频使用、高转换成本、可量化ROI和天然数据飞轮。这比做第100个“AI炒股助手”，商业质量高一个数量级。