（原标题：对话中信建投武超则：AI颠覆券业生态 投资逻辑迎三大巨变丨券业DeepSeek时刻①）
21世纪经济报道 记者 崔文静 实习生 张长荣 北京报道
2025年，证券行业在AI浪潮下正经历深刻变革。截至2月25日，已有超30家券商完成DeepSeek模型本地化部署。
DeepSeek火爆背后，实际上是AI人工智能部署的深化。对此，券商目前的布局情况如何？借助DeepSeek等人工智能工具，证券公司业务条线将迎来哪些变化？相较于此前的AI，DeepSeek-R1有何不同，又会给投资带来哪些新机遇？
针对这些问题，21世纪经济报道记者与中信建投研究发展部兼国际业务部行政负责人武超则展开了一场对话。
在武超则看来，DeepSeek-R1在深度推理能力等方面远胜于此前的人工智能，使得AI在金融领域的深入落地成为可能；与此同时，DeepSeek-R1的开源与高效，使AI步入相对广泛的产业应用阶段。
“如今的AI+，如同2013年的互联网+。”武超则提到，随着DeepSeek赋能下的人工智能产业应用探索，一场革命性的产业变革或将到来。
落地到证券行业，其在中后台的合规与风控，前台的投研、投顾方面赋能更大，同时对前台投行、资管等业务条线的影响亦不容忽视。
值得注意的是，提效增质，是AI赋能下券商业务变化的关键词，但其对个人也会带来一定压力——包括助理研究员在内的一些基础工作岗位可能会被AI替代，其背后，又会涉及人才培养模式的新挑战。
AI也将带来投资策略的变化。
武超则认为，在DeepSeek等因素驱动下，外资对A股与港股的看好度明显提升，2025年A股有望迎来整体上涨行情。聚焦科技股，2025年投资主线将不再聚焦于TMT领域，而会向AI驱动下的产业应用方向转型，其中，智能手机、智能眼镜等AI硬件领域相对更值得关注。
21世纪：截至2月25日，至少有30家券商宣布完成DeepSeek模型的本地化部署，中信建投布局如何？人工智能已推出多时，为何证券行业大规模AI应用的拐点直至DeepSeek-R1发布才真正到来？
武超则：我们早在2024年上半年即开始接入DeepSeek V2模型，并在近期，本地化部署了DeepSeek R-1模型的70B版本。除了DeepSeek，我们也在使用其他AI模型。借力AI，无论是研究所还是券商，包括很多其他行业，都是不可阻挡的时代趋势。学会更好更早运用AI，对于提升业务竞争力非常重要。
DeepSeek-R1推出以后，券商才大规模接入，包括其他诸多行业企业也是如此。在我看来，DeepSeek-R1的开源与低成本，是其得以广泛性应用的核心所在。DeepSeek-R1在达到甚至超越去年模型效果的同时，部署成本大幅降低，它的使用成本约为此前的1/10至1/20。而开源带来了更多本地化部署的可能性，也是催化金融应用落地的关键，因为金融行业对数据安全和隐私保护往往更加看重。
另外，DeepSeek-R1的深度推理能力也是助其在证券行业快速落地的一大推手。通用大模型如豆包等，在自然语言处理、提供情绪价值方面表现突出，但在处理严肃场景、逻辑问题时，难以提供精准稳定的回答。而DeepSeek-R1、OpenAI-o1等推理大模型逻辑框架完善，具备深度思考能力，知识体系甚至比专业人员更加完备，在严肃金融场景中展现出独特优势。
2024年9月，OpenAI-o1模型的推出使大模型的推理能力得到大幅提高，但由于成本、合规等因素，未能在金融领域实现落地。此次推出的DeepSeek-R1，不仅API定价远低于OpenAI o1，在数学、编程、逻辑推理等任务上的性能，也可与OpenAI o1模型正式版媲美。
21世纪：同质化是中资券商面临的客观现实。如果券商普遍接入DeepSeek等AI工具，是否会导致同质化现象进一步加剧？如何做出差异？
武超则：借助AI工具可以分为两类，一类是接入AI，但以本地化部署为主。此种情况下，所用数据等留存在券商内部，其他使用该AI工具者无法享有。此种情况下，借力AI并不会导致同质化。因此，进行此类布局的券商相对较多，对于资金实力相对雄厚、AI使用场景较多的券商，选择本地化部署性价比更高。
与此同时，AI本地化部署成本相对较高，即使DeepSeek使得成本大幅下降，但AI本地化部署的成本并非所有券商都能承担。对于AI使用场景有限，或者想要节约技术投入资金的券商来说，借助三方平台进行AI布局，实践性则会更强。其优点是投入小、见效快，缺点则是场景与数据为三方平台享有，如果其他券商也借此三方平台，可能出现同质化。
如何借助AI同时作出差异？我觉得可以从两个维度出发。一方面，掌握更多优质数据资产，数据的质量与数量是关键。模型犹如烹饪之锅，而数据资产则是食材，鉴于多数机构使用的模型工具相似，数据的规模与质量便成为关键差异因素。因此，券商未来的竞争力很大程度上取决于数字化程度与数据质量。
另一方面，应用环节也很关键。券商需要更多构建可行的应用场景，把前期投入转化为实际生产力，这就像烹饪要创新菜品吸引顾客一样。这个过程不仅需要IT人员，更离不开业务人员的深度参与。
当下构建自己的agent（智能体）可能会是券商比较好的开始，一方面可以承载、沉淀数据，同时又能满足不同业务场景专业化、差异化的需求，尽快将大模型的生产力赋能到应用场景中。
21世纪：DeepSeek-R1使AI技术在券商的应用范围得到极大拓展，在研究所或研发部方面，有哪些影响？
武超则：AI对于研发部的影响是方方面面的，其正在一定程度上重塑研究生态。
在我们研发部，研究团队配备了智能投研助理，相关负责人只需上传相应资料，建立智能数据库，即可拥有一个24小时在线、永不离职的智能投研助理。
客户向智能投研助理提问，比如要一下相关报告或报告中的观点等，只要底层数据库中有对应信息，智能投研助理就会立刻回复你。
目前建立智能投研助理的研究所可能还相对不多，但通过AI进行日报周报撰写、会议纪要的研究所已经不少。在与数据整理与归纳、文字记录等高度相关的方面，AI的效率要比人的效率高得多。
近几年，路演占据了研究员的不少时间，未来AI以研报及其他合规数据为载体，可以大大减轻研究员的路演压力。路演本身只是一种信息传递的载体，路演中展示的观点和研究成果才是关键，如果只是简单的讲述，机器完全可以替代。目前，AI在路演方面的运用尚且有限，未来有望将研究员解放出来，投入更有深度的研究工作之中。
另外，一个需要思考的问题是，AI正在重塑研究所的人才培养体系。当研究团队负责人及资深分析师更多借力智能投研助理时，对人工助理分析师的需求就会下降。
一般来说，一名分析师的成长路径为：助理分析师→分析师→高级分析师→首席分析师。其中，助理分析师承担的工作相对基础，资料整理、日报周报撰写、基础数据分析等是其重要工作内容。然而，对于此类工作，相较于人，人工智能不仅能够胜任而且效率更高，同时成本更低，稳定性更高。
另一方面，AI天然具备“越用越聪明”的特性，在分析师与AI日常不断交互、协同服务客户的过程中，可以对AI处理问题的缺陷、错误等，通过辅助提示工程、微调等技术手段不断改进，使得AI积累的专业知识更加丰富、掌握的专业技能更加完善，反过来进一步促进分析师对AI的信赖和协同，形成一种人机合作的良性循环效应。
伴随AI的智能化，对于首席分析师来说，不久的将来，辅导AI助理要比辅导人工助理高效得多，首席分析师可能倾向于使用AI助理，而不再需要传统意义上的人工助理。
如果失去了资深分析师对于年轻助理分析师的培养，年轻分析师如何通过学习，成长为资深分析师呢？这是研究所人才培养的新课题。
21世纪：助理分析师是不是会被取代？要想不被取代，年轻分析师应当做什么？AI时代，研究所更需要什么样的人才？
武超则：一线调研，是机器无法完成的，年轻分析师可以多走进企业，深入一线，进行一线调研。通过实地走访获取一手信息，是人工智能时代下年轻分析师的重要竞争力体现之一。
同时，人工智能时代，两类角色在投研行业中不仅难以被替代，反而会愈发重要。
一类是资深首席分析师，其凭借专业知识和行业经验，在确定关键数据来源、分配数据权重等方面拥有不可替代的作用，这也是年轻分析师的努力方向。
另一类是销售，他们需要真正了解客户需求，然后整合资源响应，对推动业务发展至关重要。不过，销售也需逐步借用AI工具，以提高对客户服务的精准度、专业度和效率。
21世纪：财富管理转型是诸多券商近年来的共同努力方向，AI在这方面能起到什么作用？
武超则：财富管理转型的一大挑战是，如何培养足够数量的优质投顾。
当前投顾质量参差不齐，不少投顾虽然名为投顾，但实际的投顾质量并不高。一方面，投顾工作要求具备全面、系统的知识和能力，即使是专业投资或资管人员，也难以满足投顾工作的全部需求；另一方面，由于投顾水平参差不齐，且服务偏向销售，普通客户难以得到有效服务。
目前优质投顾仅能覆盖高净值客户等少数客户，对于大量的长尾客户，投顾是没有覆盖到的，这导致长尾客户的转化率很低。
DeepSeekR1模型为这些问题的解决提供了契机。通过打造智能投顾，专业人员可借助工具弥补自身短板，提升投顾整体水平。原来培养一个标准线水平的投顾可能需要两年时间，现在借助相关技术，业务起点可直接提升到60分。随着模型的不断优化，机构能够快速扩大用户覆盖率，挖掘长尾客户，用户转化率有望大幅提升。
另外，财富管理场景中最难的、也是最贵的服务往往是定制化、个性化方案，接下来如何通过agent（智能体）+专有数据构建更低成本的专业非标准化方案，也会是财富管理业务打破同质化、构建新竞争力的关键。
21世纪：除了投研和投顾，AI对券商其他业务有何影响？
武超则：在投行领域，债券募集说明书、招股书等格式化文档的处理，模型也比人工更具优势。更为重要的是，模型有利于将投研能力转化为投行服务。
在资管产管理、自营等方面，AI可以帮助更好地寻找因子。推出DeepSeek的幻方即是做量化投资的，可见AI对于投资影响很大。
实际上，当前人工智能使用最多的并非前台人员，而是法律合规审核、内部规章制度制定等中后台部门。以我们研发部审核研究报告为例，在检查报告中的表述错误、确保数据与底稿一致等方面，AI的比对能力远超人工肉眼检查水平。
21世纪：DeepSeek推出以来，A股、港股涨势都比较明显，外资正在回流A股、港股。怎么看A股2025年的走势？
武超则：从全球来看，伴随DeepSeek的横空出世，中国在科技和AI产业方面与北美地区的差距不断缩小，加之春节后哪吒等电影热映，提升了市场对中国资产的信心。春节以来，内资和外资对港股和A股的配置均在逐步增加。
关于2025年A股走向，我认为今年市场整体基调向好，市场后续的关注重点在于新兴产业的发展，诸如智能驾驶、机器人等。
21世纪：科技领域更看好哪些投资版快？DeepSeek是否会带来投资逻辑的变化？
武超则：我比较看好AI硬件，主要是上游的算力和AI终端。算力例如GPU、IDC、服务器及PCB等领域；在AI终端方面，例如AI手机、AI眼镜等。AI软件方面，智能体（agent）可能是较好的商业模式。
当前的AI+，如同2013年的互联网+，目前很多行业和公司都在借助DeepSeek进行概念炒作，其后续能否跑出来未可知。对于投资者来说，需要理性看待，需要基于基本面进行筛选和商业模式持续验证，切勿盲目追风。
当前产业投资领域竞争复杂。短期内，DeepSeek的出现降低了创业成本，激发了行业活力，用户对AI的接受度也迅速提高，减少了用户教育成本。但行业竞争也愈发激烈，阿里、腾讯、字节跳动以及海外的OpenAI、微软等巨头纷纷加大资本投入，试图在竞争中占据优势。
2025年AI的投资逻辑会产生算力从训练到推理、模型从研发到生产以及数据从质量到数量三大变化。
从投资角度来看，我建议上游领域集中投资，下游应用领域分散投资。上游算力行业公司分化明显，每个细分领域的头部企业往往只有寥寥几家，选股难度较低，易于集中投资。而下游应用领域，目前仍难以确定哪家公司能在应用端脱颖而出，因此相较于投资个股，借助ETF等工具对于整个板块进行投资更为稳妥。
首页
微信公众号
证券之星APP
