2026年8月7日，由弘则研究联合朝阳永续举办的"2026中国金融市场AI投研峰会"在上海静安香格里拉大酒店举行。峰会以"颠覆之机"为主题，吸引了大量来自公私募基金、券商、量化机构与科技公司的从业者到场。
一、重构：当投研的核心资产被重新定义
峰会由弘则研究董事长王沛开场，分享"AI时代，投研体系的重构与跃迁"。在他看来，当AI抹平了效率差距，行业竞争正回归到人的判断力本身。
元股证券:ygzq.hk
他提出一个反常识的判断：AI带来的不是"智力平权"，反而会放大人与人之间的认知差距。因为AI只会高效执行指令，不会替你追问指令背后的模糊地带；认知有差距的两个人用同样的工具，结果的差距反而被成倍拉大。所以未来最核心的竞争力，既不是AI，也不是人，而是人机协同的能力。他把AI比作一支高智力、24小时不停工作的数字员工队伍，但高智力本身并不直接等于盈利能力。金融市场的本质是一场赛跑，从赛马、赛车到今天的"无人驾驶"，人从未退场，真正被比拼的，始终是谁能把工具的能力转化为真实的胜负。
对于未来投研的主流形态，他提出了"主观量化交易"。它不同于把基本面因子塞进量化框架的"基本面量化"，而是把人的主观经验用数学方式刻画，再整合进交易体系。主观交易长于认知与产业经验，却难复盘、难回测、迭代慢；量化长于纪律与统计，却难以精确刻画真实的基本面。AI恰好补上了那件缺失的工具，让人的经验第一次变成可追踪、可回溯、可迭代的系统。
这也是弘则这些年走的路：2018年起着手数智化，把历史上的投研工作、数据与图表沉淀共享，构建起ETA智能投研平台；2026年进入Agent时代，又搭建起供研究员构建与调度智能体的ETAgent，以及对内对外的交互终端ETAi(以太投研)。短短两个月，弘则的ETAgent上已有八百余个Agent每日运转。它们的底层分析框架，都由资深研究员结合投研逻辑固化而成，AI负责把上百个指标每天无遗漏地扫一遍；至于框架怎么搭、信号权重怎么取舍，始终由人主导。
MiniMax首席AI架构师张如欢，从模型厂商的视角分享大模型的金融能力边界：行业已实现多模态、百万级上下文窗口、自主循环任务与多智能体协同，但模型在幻觉、记忆与上下文上都有上限，必须依靠多智能体分工，并由人来完成直觉判断与结论校准。这从模型一侧印证了人的判断不可替代。
阿里云高级解决方案架构师冉庆坤，聚焦金融行业AI落地的工程难点：金融场景以"安全可控"为第一准则，从demo到真正落地，要跨越模型概率性与业务确定性之间的冲突、海量数据治理、语义层安全、成本管控与组织变革等多重障碍。就资管量化而言，落地路径可分为保守、混合、激进三类，当下主流是"AI做发散、数学做收敛"的混合模式，而以多智能体重构全流程的激进路线，因过程仍偏黑箱、可解释性不足，尚需谨慎。他也表示，落地Agent最大的成本往往不在明面上的token：算力、数据治理、人力与试错这些"冰山之下"的投入，可能高达token费用的十倍以上。
南方基金宏观策略部联席总经理、数量化投资部总经理唐小东，站在资产管理机构的立场，谈及AI时代投研方法的演变。在他的框架中，投研拆为研究与投资两端：研究端的工作几乎可以全面交给AI，人的价值收敛到战略判断与公域之外的信息获取；投资端则人机各有所长，主观负责重大而离散的战略判断，量化承接连续而统计驱动的战术执行，而客户陪伴与情绪价值，仍是人的堡垒。同时，他也提出一个值得行业警醒的隐忧：当基础性的初级工作被AI替代，资深研究员的培养梯队将从何而来。
AI投研峰会上，现场从业者的关注点，已从"AI能否做投研"转向"如何落地搭建AI投研体系"，标志行业从概念阶段迈入实操阶段。弘则研究FICC合伙人戚明之，介绍了弘则ETAgent体系目前具有的几大特色：一是六层流水线架构，相比传统Agent多出风控、回溯复盘与自我优化三层，形成从信号到进化的完整闭环；二是数十个子Agent各自专注于单一任务，杜绝长提示词下的信息丢失与幻觉；三是反幻觉不在全链路铺开，更专注于胜率与赔率两个命门强制审计，每个环节留痕且可追溯；四是具备每日自我进化能力，检验Loop核查合规叠加回溯模块，无论盈亏均反馈至提示词修改；五是建立在ETA积累十余年、数十万计的数据资产之上，上千Agent覆盖全品类。AI不是替代，而是投研方法和能力的放大器。
随后的圆桌论坛邀请了因诺资产合伙人沈星尧、稳博投资合伙人王希婧等一线量化机构嘉宾，探讨"AI是否具备盘感、主观与量化未来往哪走"。AI在历史数据、模式识别与海量信号处理上优于人，但缺少来自线下交流与线下调研获取的公开增量信息的输入，这正是人的核心优势；一个关键角度是：人会自我质疑、修正，现阶段的 AI 不会自主反思，从业者应借AI精进自身，而非与之比拼高下。谈及多信号冲突时由谁决策，嘉宾一致认为最终决策权仍应归属于人：量化以多策略、多专家分散决策，并通过事前的置信区间设定与事中的人工干预，缓释极端黑天鹅带来的风险冲击。
圆桌还达成了一个更底层的共识：AI适配的是样本充足、可反复验证的标准化判断，优势在覆盖广度与运算速度；而人的独有能力，在于识别一条历史规律是否已经失效，以及应对无历史参照的极端不确定性。另类数据不具备长期稀缺性，真正的核心壁垒是发现问题、搭建分析框架的思考能力。长期来看，主观与量化的边界或将逐渐消融，投研的标准形态会是研究员搭配多个AI工具协同，行业不再区分"主观"或"量化"标签，只评判"这个策略怎么样"。
二、机锋：当范式落到对市场的研判
下午的嘉宾结合各自赛道，分享2026年下半年金融市场在AI融合下的投研框架与分析方法。
朝阳永续副总经理李智从金融投研工具的技术演进出发，系统梳理了AI赋能投研的三代发展路径：第一代是以信息检索与问答为核心的AI工具，主要解决信息获取问题，但受限于数据调用与推理能力，仍存在事实准确性和结果可靠性等问题；第二代进一步向任务型智能化演进，将财务测算、产业链分析、公司对比等标准化投研流程封装为可复用的专业技能，但复杂任务的拆解、编排与执行仍需要人工介入；第三代则迈向以SuperAgents(超级硅基人)为代表的多数字人协作平台，通过为不同智能体配置专业角色、专属Skill、知识与记忆体系，使其能够围绕同一研究目标进行分工协作、交叉验证与多轮博弈，并最终形成相对完整的研究结论。AI由此从单一的效率工具，进一步演变为能够参与专业分工、协同完成复杂任务的“数字同事”。
弘则研究首席经济学家苏畅分享了他观察当下宏观经济的分析框架：在结构上，从"新经济"与"传统行业"两个维度拆解市场与基本面的分化。观察传统行业时，他认为应关注产能利用率这一核心指标，用它来判断一个行业的产能是否已经完成"出清"、供需是否重新回到平衡。他还把当前市场的争论概括为"图形派、周期派"与"基本面派"两种视角之间的分歧，指出美元利率为接下来两个季度关键驱动变量。在他看来，观察宏观的重点不在于对总量下一个简单判断，而在于把结构拆开、抓住那些真正反映供需的基本面变量。
博时基金基金经理唐屹兵，从量化买方的视角，搭建起一套全维度的市场观测指标体系：量化模型不擅长长期点位预测，更侧重依据市场环境动态应对。观察盈利分"总量"与"结构"两层，并优先筛选领先指标；估值用纳入中美无风险利率与股息预期的"调整后风险溢价指数"；再以行业年线扩散指标、成交拥挤度、涨跌幅标准差观测风险偏好与市场分化，以成长与主板的业绩增速差判断市场风格。同时，还分享了一条统计规律：量化策略在经历极致回撤后，往往会迎来一段表现的修复期。在他看来，量化不追求预判方向，其价值在于用一套可回溯的指标客观刻画市场环境，并据此纪律化地应对。
华创证券资管委员会委员、资管条线部门负责人屈庆，当日分享聚焦债券市场的量化实践。在他看来，债券是宏观经济最真实的表达，他从经济内生动力、政策空间、股债联动、银行资产端结构四个维度搭建分析框架。面对愈发复杂的市场，传统的六维研究框架逐渐失灵，而从2025年开始，他就在把人工判断的因子"模型化"，追求可解释、可回溯、可验证、可复制。债券市场是场外、点对点市场，因此选择采用中低频的"跟随型"模型，不预测顶底，只判别当下偏多或偏空、顺势应对，再叠加投资经理的主观风格与风控动态赋权。他也坦言，债券市场的量化眼下仍不算普遍，但随着交易与工具的成熟，未来终会走向更高频，这也是他持续努力的方向。
弘则研究FICC合伙人、投研总监章左昊压轴分享大宗商品的系统化AI决策体系：在主观投研与AI的融合谱系中，弘则选择高度系统化的一端，把数据、新闻、产业调研等信息尽数纳入统一框架，AI的核心价值是重构整套投研流程，生成研报只是附属功能。针对多层级AI放大幻觉的"合成谬误"，他给出的解法是把规则"焊死"，通过固定数据来源、精细化清洗、把规则拆得足够细来降低误差。同时，相比AI决策通用的“打分制”，他在宏观上更常用"周期状态定位法"，沿着美林时钟的思路细化颗粒度以提升判断精度；完整的落地流程包括变量拆解、规则设定、多轮人机校验与历史回测，这套方法论也正沉淀进弘则的ETAgent等产品之中。章左昊把这一步称作"起点"：它既是主观与量化分裂时代的终点，也是AI投研真正的开端。他也坦言，弘则做AI会抱着"开源心态"，愿意把实操方法论坦诚分享给同行。
移动股票配资三、跃迁：一场正在发生的范式迁徙
金融市场AI投研峰会的全天议程结束之后，一个共识逐渐清晰：AI带来的不是短期的概念炒作，而是投研行业整体性的范式迁徙。技术抹平了效率门槛，专业研判的价值被重新看见；谁能率先把经过市场检验的判断，落地为一套可持续运转、可自我进化的系统，谁就能抢占行业先机。
当天峰会，集中亮相了三类落地的AI投研产品：弘则研究的ETAgent与ETAi、朝阳永续的SuperAgents，各家路径有所不同，但核心目标一致，即用拥抱AI的姿态，助力投研行业，让Agent的能力进一步在金融市场落地生花；会场也设置了体验区，向与会者开放产品试用。
全天分享形成一层方法论上的共识：把经过市场检验的判断，封装进一套可回溯、可持续进化的智能体系，把研究员从重复性工作中解放出来，聚焦提问、逻辑搭建与结论校准等真正高价值的环节。本次峰会标志着主观与量化分割时代的落幕，AI投研正式进入落地的起点，行业后续的重心，是把一个个细分场景做深做优，深化产业基本面研究、拓展AI变量的覆盖范围。
行业长期的核心竞争力，不在于抢先部署最顶尖的大模型，而在于能否在市场的关键拐点上坚持独立研判、持续落地实践，并开放分享实操方法论。当颠覆真正发生，先行者定义的，是接下来的一切。这场关于AI投研的行业共识石家庄股票杠杆，正在形成。
元股证券实盘榜单提示：本文来自互联网，不代表本网站观点。