几年前，AI在公募基金还只是整理纪要、收集信息的辅助工具。如今，它走进晨会，开始追问研究员的盈利预测；走进交易室，拆解交易员来不及翻看的询价消息。
短短数年间，人工智能在公募基金行业的角色，已悄然走向投研流程的腹地，甚至开始扮演“AI研究员”的角色。
这一变化的背后，既有技术演进的推力，也有政策的牵引。去年5月，证监会发布《推动公募基金高质量发展行动方案》，明确鼓励基金公司加大对人工智能、大数据等新兴技术的研究应用。政策号角与产业浪潮交汇，一场围绕投研生产方式的重构正在头部机构之间展开。
尤其是今年以来，公募基金行业AI投研布局密集落地：华夏基金“知几”平台已将宏观、行业与公司研究的核心逻辑沉淀为二十余个专家级智能技能，易方达在EWork上让员工的好方法被更多人用起来，汇添富的Agent集群接管研究员约四成基础案头工作……
布局铺开之后，新的问题也随之而来：重金投入的AI，究竟能换来多少效率提升？又有多少可被归因的真实超额？
头部公募加速布局
某基金公司投研晨会上的一幕，近来在业内广为流传。
研究员讲到一半，被共享屏幕上的一行提示打断：你对公司业务模块的盈利预测，与券商研报的一致预期存在明显差异，请说明理由。
发出提示的，是嵌入自研平台的AI Challenge，投研人员称其为“AI研究员”。它综合卖方、买方与内部过往报告，一旦发现讲述内容与既有信息出现较大差异，便当场发问。
有基金经理评价，这些意见在某些问题上“一针见血”。
从“记录大家说了什么”，到“找出哪些地方对不上”，AI在投研交互中，正扮演愈发重要的角色。
而这场变革的参与者，远不止一家。
走在最前面的，是布局最早、体系最完整的一批机构。以华夏基金为例，在AI尚属资管行业遥远概念的2017年，该公司就与微软亚洲研究院的AI团队建立了深度合作，启动智能投资项目，成为国内最早把深度学习应用于量化投资的公募机构之一。2019年，华夏基金人工智能实盘产品正式上线，前沿技术由此从论文走向实践，从实验室走向投资一线。
此后数年，该公司持续向技术驱动的“平台化、工业化、数智化”转型。在研究分析环节，其潜心打磨的AI投研平台“知几”（AIsight），依托主动投研体系5.0框架，目前已搭建二十余个专家级智能技能，覆盖多个研究关键场景。
华夏基金总经理李一梅将此进程概括为，让智能投研长出“平台的骨骼”，基金经理从“单兵作战”，转向站在公司整体能力之上完成“人机协同”。
易方达走的是另一条路。该公司以自研的EWork智能工作平台为载体，建设投研信息检索整理、研究分析与材料生成、数据查询与组合分析辅助等功能模块，目的是为了让有效方法得到共享，让公司已有的专业优势不断深化。
汇添富基金则在关键岗位建设研究、投资助理、交易等Agent集群，“AI研究员”作为任务驱动的岗位化Agent，已接管研究员约40%的基础案头工作，从内部知识库学习中习得买方研究框架，再结合最新行情撰写报告、给出股票评级，像一位真的研究员那样运转。
广发基金的“阿基米德”一体化投研系统深度服务固收、权益、被动指数、跨境投资等核心业务线；招商基金的AI应用已嵌入投研、风控、运营等核心场景，落地智能纪要、AI信评报告、智能财报点评等应用；南方基金则将超过40项投研方法沉淀为可重复调用的Skill模块；博时基金投研团队AI渗透率“已达全员”……
可以想见，头部公募对于AI的布局正在提速，从概念验证迈向规模化应用与平台化供给，一条清晰的能力梯队已初步成形。先行者不再满足于单一工具的应用，而是将AI嵌入投研的日常肌理，让技术成为组织运转的基石；后来者仍在寻找属于自己的切口，试图在场景与流程的缝隙间找到落点。
分化的种子，往往就在这样的节奏差里悄然埋下。
效率与超额能否量化？
当越来越多基金公司重金投入AI，效率究竟能提升多少？又能否沉淀为可归因、可持续的真实超额？这个悬在行业头顶的终极之问，正变得愈发迫切。
美世发布的《2026人工智能如何重塑资产管理研究报告》，给出了一个参照：在运营层面，在接受调研的131家全球资管机构中，69%的机构报告运用AI后运营效率提升，55%认为洞察获取更快或质量更高。
毫无疑问，AI在自动化常规任务、数据处理和分析辅助方面已发挥重要作用。
不过，目前仅有8%的机构看到了可衡量的投资回报（ROI）改善，8%的机构报告了组合波动率的下降。
“AI目前在很大程度上是一个伙伴，而不是决策者。”美世全球经理研究主管判断，AI对效率的改善是真实的，归因到组合层面的超额却远未成为普遍事实。独有数据、独特视角、独立判断与高效的组织协同，仍被受访者反复指认为超额收益更可靠的来源。
一位业内人士直言，今年业绩分化极大，更多与赛道选择、持仓集中度和风格暴露相关，很难将业绩排名与AI应用水平建立因果关联。毕竟，短期排名的起落受市场风格和组合结构的影响，远大于技术投入的差异，AI在投研中的作用需要更长的周期和更细的归因才能被真正识别。
有基金公司人士透露，公司选择通过AI先降“负阿尔法”：减少信息遗漏、操作失误与响应延迟。而减少更多“负阿尔法”，本身就对产品收益有着不小的作用。
还有基金公司人士判断，从因子挖掘到交易执行，识别产业变化与市场预期之间的差异，或许是最有可能借AI之力探索新增超额收益的环节。这些环节需要持续处理海量信息、跟踪产业动态并比对市场共识，正好是AI能够发挥其所长的地方。
而在华夏基金看来，答案的根基仍在人。“一个研究员的专业判断力，是在读三百页招股书的深夜里、跑产业链的路途中、一遍遍推翻模型的过程里，完善和沉淀出来的。而这份历经磨砺形成的判断力，才是应对复杂市场的核心底气。”
华夏基金的做法，是让AI以可追溯的方式进入投研环节。机器学习、深度学习与智能体技术被应用于研究、策略开发和组合管理，贯通交易执行生命周期，打造动态调优的智能执行引擎。AI在其中承担的，是解决一个个具体问题的角色，而非取代人的判断。
这种做法的背后，是一种正在成形的业内共识：AI将重塑资管行业的“生产方式”，但不会改变“生产主体”。工具在变，流程在变，组织协作的方式也在变，可真正稀缺的东西始终没有变。譬如，独到的数据、独立的判断、把判断变成组合的纪律，以及一个能让这些东西持续生长的组织等，仍是超额收益最可靠的来源。
也正因如此，技术在迭代，认知在刷新，行业对“进化”的理解反而更加朴素。正如以华夏基金为代表的公司所自觉的那样，“只有持续进化，才能始终走在前列”。
AI与投研的这场长跑才刚过起跑线，胜负手不在模型本身，而在数据、人与组织。可以确定的是，未来的资管行业，属于那些既善用机器之快、又坚守判断之深，把信任与责任置于算法之上的机构。
