刘硕凌
易方达基金首席信息官
在投资领域，智能投资是一个非常热门的话题，已经成为资管行业人士交流的必谈话题。
第一，智能投资在各个阶段的发展情况
投资方法论在过去40年时间里发生了非常大的转变，已经从经典的统计模型和专家系统的早期量化策略，逐步进化到基于大模型和生成式人工智能的完全颠覆式的新的投资决策系统。
在早期探索阶段（1980-1990），使用统计模型和专家系统，协助简单投资决策和风险分析。
在快速发展阶段（2010-2020），深度学习广泛应用，推动智能投顾、智能选股、高频交易的迅猛发展，AI算法在交易策略、风险管理和客户服务等领域得到广泛应用。
在初步应用阶段（2000-2010），引入机器学习算法，应用于信用评估、欺诈检测、风险管理，量化交易策略开始大规模应用机器学习优化。
在深度融合阶段（2020-至今），大模型与生成式AI进入资管领域，提升投资分析、客户互动、运营效率，AI应用逐步成熟，逐渐成为资管机构的核心竞争工具。目前来看，资产管理机构和公募基金对人工智能的态度已经完成从试验到必选的转变。
第二，智能投资为何成为时代必然？
一是市场结构巨变。外部环境发生了很大变化，首先是数据爆炸。金融市场数据维度愈发庞杂，已从结构化财务数据，扩展到新闻、卫星、社交、订单流等非结构化大数据。从目前的投资决策情况来看，想真正做出阿尔法，在投资决策上找到一个提高相对胜率的方法越来越难。一些个人投资者已经可以利用互联网及第三方工具获取很多信息，作为专业资产管理机构，我们一直在拓展更多另类非结构化数据，从2017年就开始使用NASA卫星数据全方位分析全球宏观环境，对GDP每天进行高频预测，这些都依赖越来越丰富的外部数据环境。
其次是决策复杂性上升。投资所需判断的维度（政策、情绪、产业链、地缘等）呈指数级增长，单靠人力难以应对。过去很多时候可以靠人的主观判断去做一些正确的决策，目前这样的风险越来越高，我们现在已经从以人为本的经验判断模式转化到了以人工智能、第二大脑为主的判断模式。
二是技术条件成熟，技术层面进展显著。
首先是算法演进，从浅层机器学习，到深度学习，再到大模型涌现（如LSTM、Transformer、BloombergGPT）。
从AlphaGO在2016年启动深度学习浪潮算起，转眼已经过去10年，人工智能领域在这10年间有了非常大的发展。我前段时间刚参加了维也纳ACL会议，今年的人工智能学术会议与去年相比有一个非常大的变化：中国和美国的AI研究学者贡献的成果，去年中国占31%、美国占29%，今年中国占51%，这还只是以“第一作者是中国人”为统计口径的数据。其实每个研究里面都会有一些华人的身影，中国AI研究的成绩是非常显著的。
其次是算力突破。现在最新一代的英伟达NV的芯片已经进入到3纳米非常成熟的产品运作阶段，这样的大发展让金融机构有能力搭建超算平台，易方达也在过去5年时间里持续投入，构建自己的超算集群。
最后是数据临界点。千亿级金融数据集已经可以支撑模型训练与生成应用，目前来看，在数据及算力基础上，大模型已经达到了可用阶段。
三是投资范式转移。从“以人为本”的经验判断过渡到“以智为本”的数据驱动决策，AI正成为从研究到组合再到执行全链条中的核心合作者，是未来资产管理的“第二大脑”。我们有一个基本判断，大模型作为资产管理行业大平台的结论已经基本成熟。
四是行业共识形成。贝莱德、高盛、摩根大通等海外头部机构已经把大模型平台纳入核心系统的范畴，这是共识；金融人才招聘结构快速变化，AI相关岗位热度飙升；在监管部门与金融行业联盟合力推动下，AI标准化趋势日益清晰。
国产大模型DeepSeek是由私募机构幻方量化孵化出来的，体现了金融和AI、科技天然的结合性。金融和科技其实有很多共性，都需要坚守长期主义，需要持续投入，人才密度相对较高，金融行业已经越来越像一个科技行业，二者呈现逐步融合的状态。
第三，资管机构急需在智能投资中发力
除了刚才谈到的投资、资管、养老金融的资产配置以及智能投资的赋能之外，我有一些新的观察，就是最近非常火的稳定币以及区块链技术RWA。我们认为AI已经进入下半场，各家机构都有很多应用场景，从投资、交易、运作、营销、服务，甚至公司自上而下的经营管理都已经全面AI化。在未来5到10年，我觉得金融行业还会有一个新的非常重要的变化，甚至是颠覆性的变化，就是区块链技术。
首先是资管机构的传统壁垒正被削弱，知识壁垒（投研能力、市场洞察）正在被AI赋能的个体和小机构逐步追平，工具壁垒（申购赎回、跨市场配置）正在被链上资产与数字化结算重构。
区块链技术去中心化的理念已经越来越体现在整个社会环境以及金融资本市场中，包括香港的商业监管、HashKey等案例，虽然国内现在还没有完全放开或者监管层面还没有达成共识，但是这个技术在全球范围内已经得到投资者的广泛认可。
5到10年的时间，一款养老产品，甚至出售这款养老产品的资产管理机构都有可能消失，那么长期来看，究竟什么东西值得让我们信赖5年、10年，甚至上百年？过去可能是黄金，现在很有可能是RWA的虚拟化数字资产。在养老场景下，包括房产在内的很多资产都是可以代币化的，而且支持7×24小时全球交易，这是一个非常不一样的变化，甚至可能完全颠覆现有的金融体系。
其次是未来核心竞争力回到“投资”本身，当产品形态和信息服务趋同，资管机构的护城河不在于“我能卖什么”，而在于“我能投得比别人更好”；投得好需要的不只是人的经验，而是AI与人协同的智能投资体系，让研究更快、覆盖面更广、执行更精准。
第四，什么样的投资才算智能投资？
易方达方舟智能投资分级标准根据投资策略对市场环境的应对、对经济环境的应对以及对极端情况应对的自动化程度，来对智能投资的智能水平进行衡量。
2018年我们参与了“智能投资之路”白皮书的编写，当时认为可能还需要10年时间才能做到比较高级的智能投资，目前来看，得益于大模型等科技界的赋能，进度远远快于我们的预期。
第五，如何才能提升智能投资级别？
智能投资的升级过程是指智能投资在研发道路上需要经历市场环境、经济环境以及极端情况的检验，逐步实现在以上三种环境下的感知、认知甚至决策，并根据投资表现评价智能投资的优劣。
我们在工作中越来越能感觉到，智能投资的演进路线其实是一系列非常明显的变化，从过去的“只是能看到”，到现在的“能够想透”以及决策时的“能够做对、做准”；从过去只能对市场环境做一些应对，到现在经过强化学习技术的引入、大模型和强化学习的结合，人工智能可以对极端情况进行一定的自主判断和学习，推算出一些曾经没有学习过的场景，这都是一些非常大的变化，让我们的整个投资过程变得非常稳健和智能。
第六，全链路的智能服务基座
支撑智能投资全流程运作的基础设施，构建多业务域的AIGC与AI-Agent服务体系，实现业务与技术的深度共生。
我们的投资逻辑和方法论到底发生了哪些变化？数据加工、特征因子构造、建模以及投资系统的构建，以前绝大多数工作都是由量化分析师或者理工科背景的研究员完成的，现在我们很多投资策略在构建过程中都使用了大模型和机器学习的技术，这两项技术的出现显著降低了人工在决策过程中的判断风险，在全链路过程中会对人工决策的偏离，包括观点、分析、回溯、复盘进行非常严谨的分析，让投资运作流程变得更加稳健。
我们在易方达基金内部搭建自己的大模型平台EFundGPT，通过有自有知识产权的大模型训练系统，可以有效地把每天的信息进行加工和分析，通过预训练、LoRA微调等技术同步到知识平台。大模型平台让公司每一位员工都能够有唾手可得的智能Agent平台助手，极大提升了工作效率。以季度作为维度进行统计，在研发系统的过程中，我们三分之一的工作量已经不是由工程师完成，而是由AI完成，我们会进一步扩大这个比例，在未来两三年时间内，我们的研发人数也许只需要现在的一半，甚至更少，就可以完成现在所有系统的持续开发和迭代。在形成这样的闭环之后，公司将可能发生非常显著的颠覆性变化，运作模式会有很明显的提升。
第七，智能投资能力得到行业认可
2024年，我们的“基于人工智能的一站式投研业务平台”获得央行颁发的2023年度“金融科技发展奖”一等奖，是唯一获得该奖项一等奖的基金公司；同时，“EFundGPT资产管理大模型平台”也获得该奖项二等奖。
第八，深耕前沿学术研究，共建开放生态
我们希望能够持续与业界分享自己的工作，易方达从2023年就承担ICDM等学术顶级会议的金融大模型工作组的工作，我也是这个工作组的程序主席，在工程院院刊的专刊上，我们联合清华大学一起整理了全球金融大模型最新的进展，这是我们今年工作的综述。
以上是跟各位领导做的一个简单的汇报，感谢会议邀请。
