当前，越来越多年轻投资者向DeepSeek寻求关于资产配置的建议，技术平权让人工智能（AI）普惠化成为可能。

伴随着来自第三方平台的个性化投资建议变得更易获取，传统金融机构的“信息不对称”优势正在减弱，投资者与券商投顾之间的紧密联系也悄然改变。

毫无疑问，DeepSeek提供的投资建议与一线投顾的表现将难免见高低，这也从侧面反映出券商投顾业务已无法回避AI浪潮的冲击。既要抓住AI机遇，更要应对AI挑战，已成为券商投顾业务不得不正视的核心议题。

为此，券商中国记者近日集中采访了在金融科技领域深度探索的头部证券公司、以传统经纪业务闻名的大型证券公司、在数字金融或财富管理方面做出特色的中小证券公司等机构，分享他们对上述核心议题的思考和应对举措。

一线投顾遇上DeepSeek

“当我把基金持仓发给DeepSeek，它有这些建议……”“完全听DeepSeek炒股，2025年2万本金能赚多少钱？”……自今年春节DeepSeek掀起应用热潮以来，在以年轻用户群体为核心的小红书、B站等社交媒体平台上，很多投资者也纷纷向DeepSeek-R1寻求投资建议。

在尝试跟随相关建议后，有人展示AI理财后的每天“战况”，收益表现有涨有跌；也有的直呼“DeepSeek是我以后的选股专属工具”。

券商中国记者亦尝试向DeepSeek-R1（以下简称“DeepSeek”）上传基金持仓账户截图，并征询账户诊断与调仓建议。结果显示，DeepSeek不仅指出问题所在，还提供了可操作方案，包括不同产品的仓位建议、替换产品的名称、调仓时点、止损止盈线、交易成本优化措施等。

至此，DeepSeek提供的账户诊断与专业建议可否匹敌券商一线投顾的平均水准，也引起了市场的极大关注。

华福证券相关人士告诉记者，DeepSeek在股票基金账户诊断方面表现出色。以一个普通账户为例，模型能够在约 6 分钟内整合近百条市场数据和持仓信息，对账户持仓结构进行全面剖析，并给出直观清晰的风险评估报告，评估准确性达到85%。但在调仓建议环节，与一线投顾相比仍有差距。该人士指出，DeepSeek目前还难以完全模拟人类投顾对复杂人性和市场微妙变化的理解，在洞察客户个性化深层次需求方面，投顾的能力仍不可替代。

银河证券财富管理首席投资官、产品中心总经理张嘉为表示，从内外部的测评反馈来看，DeepSeek在数据分析处理速度与响应及时程度方面远超人工投顾；但是，囿于DeepSeek作为智能化大模型本身仍旧是“模型工具”，对于复杂市场环境分析、资讯信息准确性辨别及客户多元化需求分析等多领域仍与专业投顾存在较大差距。不同的引导问题及数据物料，也会产生出完全截然不同的分析结论，但最终结论的选择与判断仍强依赖于个人的专业理解。

国信证券技术部相关人士指出，在账户诊断及调仓建议方面，DeepSeek存在线性外推、数据不完整，甚至部分基金代码出现错误等问题，目前并不足以替代一线投顾的专业建议。

谈及原因时，该名国信证券技术部人士认为，这主要因为DeepSeek只对接互联网数据，未能对接专业可信的金融行业数据库、企业内部知识库和客户画像库，因此会存在数据和信息错误的情况。另外对于业务决策的深度思考，需要大模型对行业数据以及专家规则进行系统性的学习和积累，目前还未能证明可以做到比较好的决策能力。

东莞证券相关人士谈到，人工智能发展可以分为在线服务、自动化服务和智能涌现三个层次。从目前进展来看，行业的智能投顾的“智能化”主要集中在第二层次，在投资者画像、资产配置、投资组合选择等环节通过计算机操作代替人工，用线上服务代替线下服务。然而证券市场不可预测、不确定性强，量化策略研发需要不断实验和调整，难以应对“黑天鹅”等异常事件，模型算法鲁棒性需要加强。目前的智能化技术难以支持，距离培育自主决策的量化投资智能体仍相差甚远，由机器自主决策的“强智能”在金融投资领域的广泛应用尚无明确时间表。

业内热议长尾客户黏性是否下滑

尽管DeepSeek不能取代一线投顾，但第三方AI平台凭借投资建议的易获取性优势，正吸引年轻投资者注意力。他们大多属于证券公司中以往未得到充分服务的长尾客户群体。这一潜在变化趋势对于依赖投顾业务盈利的证券公司而言，构成压力。

多名受访券商人士坦承，上述情形确实在影响长尾客户与券商投顾之间的粘性。前述国信证券相关人士谈到，“大模型前的时代，受制于专业投顾精力有限，行业有较大量的长尾客户需求难以被及时有效满足。而大模型时代，DeepSeek等大模型在信息检索加工以及深度思考能力突出，在长尾客户的投资陪伴部分服务领域中表现出来的便捷性和及时性等效果，给客户的直观感受可能优于传统人工投顾服务。”

国泰君安相关人士表示，第三方AI平台的出现有可能发生甚至已经在影响投资者和券商投顾的粘性关系，不仅是价格敏感的长尾客户，还有对AI有所研究或者投资能力更高的客户。

券商中国记者注意到，在前述社交媒体平台上，确实有部分投资者声称“自主建立了基于DeepSeek的金融分析模型，用于选股或者ETF配置等。”

上述国泰君安人士认为，第三方AI平台有四方面优势：一是能为长尾客户提供定制化、个性化的咨询服务和投顾建议；二是推理模型的存在，让用户可基于模型思考验证自身逻辑，降低黑箱困扰；三是社群化信任构建，即随着越来越多投资者分享第三方AI平台带来的投资辅助体验，其他尚未接触的投资者会被吸引到第三方平台；四是伴随模型能力持续提升，其分析逻辑的深度、广度将逐步赶超绝大多数的投资者乃至投顾。

东方证券相关人士补充称，AI平台一般成本较低，甚至免费，使得长尾客户更愿意尝试和依赖，相比之下券商投顾服务可能价格较高，限制了客户的使用频率。

不过，也有一些券商人士持相反意见。银河证券张嘉为谈到，投资者与券商投顾之间的黏性不会受到影响。主要因为，一是大语言模型给予专业建议的本质是依赖于模型深度推理分析能力、数据处理能力以及基于不同数据及语料的“训练过程”，即使专业投资者使用大模型也需要经过长期的回测、调优并不断适配最新环境，因此专业建议的有效性也同样需要经历周期与时间的验证。二是AI大模型也存在强化投资者认知偏差、制造新的“信息茧房”的可能性。

平安证券经纪业务事业部相关负责人谈到，用户并非为了炒股才用AI，而是用了AI后也会涉及投资性的内容。从这个角度看，AI和投顾扮演的角色，和与客户形成信任的机制是不一样的。AI扮演的角色，是多了一个参考信息的来源。而对券商来说，跟客户站在一起，去面对纷繁复杂的市场，这个角色没有变，变的是新的环境下大家的工作方式和内容。

华福证券相关人士也谈到，第三方AI平台不会比券商更易获得长尾用户的信任，因为用户第一次、第二次使用可能感觉新奇，但用多了，始终会觉得对面不是真的人类。另外，在专业性和合规性方面，券商投顾优势明显。

投顾业务生态面临重构

证券业应用智能投顾产品已有多年，但DeepSeek等大模型凭借其内在的逻辑构建、内容生成与深度理解等能力，仍让证券业感到“惊艳”。展望未来，伴随科技平权、知识平权时代的到来，券商投顾业务生态无疑将经历显著变革。

平安证券经纪业务事业部相关负责人向券商中国记者表示：“券商投顾业务的核心竞争力将从‘信息不对称优势’转向‘技术赋能下的服务深度与客户体验’。”

这也意味着，获客留客的商业逻辑、投顾服务手段等可能面临重构。以部分商业逻辑为例，过去有些机构打造“一键上传持仓截图”功能作为引流的抓手，即吸引客户注册账号甚至开户以解锁账户诊断方案。如今，年轻用户已经可以在不同AI平台上免费获取账户诊断的信息。尽管当前DeepSeek等大模型的诊断准确率有待提高，但伴随未来模型能力的提升，上述获客的商业逻辑将会面临重构。

上述案例正是投顾服务“信息不对称“优势逐渐减弱的一个体现。未来，券商获客的难度预计将上升。东方证券相关人士表示，投资者更容易从第三方AI平台获取定制化的投资建议，券商需要投入更多资源吸引和留住客户，尤其是长尾客户群体。

在服务模式方面，多位受访券商人士认为需要重塑。前述平安证券相关负责人谈到，随着第三方平台不断提供个性化服务，券商传统的“标准化产品+人工服务”模式面临着效率与体验的双重挑战。

在此背景下，业内的共识是要“技术融合”——构建“AI+投顾”的人机协同新模式。中信建投证券相关人士认为，该模式既可以提升服务效率和客户体验，也可以释放投顾生产力，能发力于定制化和高净值客群服务。

东方证券相关人士谈到，一方面技术赋能，券商可以利用AI技术提升投顾服务的效率和精准度，例如通过AI进行客户画像、投资组合优化、风险控制等。另一方面差异化服务，相对复杂的投资解决方案难以被AI完全替代，例如定制化投资组合、家族财富传承等。

此外，在配套措施方面，国泰君安相关人士谈到，投顾能力评价体系要迎来变革，不仅要聚焦在服务、投资、资产等范畴，投顾对AI工具的使用、对AI能力的理解也将进一步纳入整体的评价体系。

平安证券相关负责人直言，技术对专业能力有放大效应，“AI技术的普及，既加速了投顾人员的信息处理能力，也倒逼其向更高阶的‘策略生成’和‘情感交互’角色升级。投顾的核心价值，转向对模型输出的策略进行逻辑验证与风险校准。”

不同规模券商应对挑战各有招术

AI大势已不可逆，既有机遇也有挑战。多位受访券商人士认为，挑战主要在于技术如何深度赋能业务，并与业务融合。对此，不同类型的证券公司，其解题思路也存在差异。

国泰君安人士表示，AI浪潮下券商投顾业务将迎来多重发展机遇，一是证券公司可结合AI大模型和自身的专业数据禀赋、专业经验和投资体系框架，构建自身的智能化护城河。二是证券公司可利用智能投顾服务自身原本无法覆盖的长尾客户。三是利用大模型赋能投顾。四是进一步将投顾能力封装为企业级的综合解决方案。据悉，国泰君安自2023年起就逐步探索AI大模型在证券投资顾问领域的赋能工作。

券商面临的挑战同样不可小觑。该人士也指出，一是技术挑战，大多数券商并未有AI能力积累，如何充分研究大模型技术并得以与证券业务的深度融合存在挑战；二是成本挑战，大模型技术研究和应用需要投入大量资金资源，中小型券商难以应对高成本、高投入的AI竞赛；三是人才挑战，目前懂业务、懂AI、懂技术的复合型人才稀缺且昂贵；四是转型挑战，大模型的应用需要与现有的流程模式融合，融合的过程中存在阻碍；五是数据治理挑战，智能化深度发展的前提是数字化治理取得一定成果，大量券商在数据治理方面仍处于初级阶段。

作为中小券商的代表，东莞证券相关人士称，对于技术薄弱、成本敏感型的中小券商而言，按“市场需求度、技术可行性、商业可行性”原则，多层次推进是实现人工智能发展的关键，也是智能投顾发展的探索路径。

“一是应用优先，部署现有厂商通用大模型并进行本地化应用快速对接，积累适配性创新经验，探索如何更好地与AI合作创新。二是能力培养，以智能客服、专业化个人助手等应用程序接口（API）调用服务建设为起点，加强模型推理与智能体等技术应用能力培育；同时尝试与外部有实力的机构开展合作，准备好基础条件，实现大模型本地化推理应用服务，逐步打通各类能力。”东莞证券人士表示。

校对：陶谦