编者按：
科技浪潮，奔腾不息；金融活水，汩汩向前。作为长期资本、耐心资本重要组成部分，银行理财、保险资管坚持守正创新，躬身实践并勇于探索，奋力做好“科技金融”这篇大文章。证券时报社联合中国银行保险资产管理业协会推出“银保资管业探路科技金融”系列专栏，敬请关注。本篇为专栏第十篇。
AI技术正以“指数级”速度重塑各行业的底层运行逻辑，国内资产管理机构也在积极布局AI应用，切入投研领域，打造自有深度研究智能体。
泰康资产首席执行官段国圣接受证券时报·券商中国记者专访时表示，泰康资产自主研发的自有深度研究智能体，整合了海量高质量的内外部投研数据和内部积累多年的投研分析方法论，着重强化幻觉控制，打造成为具备自我进化能力的“研究助理”，已初步实现深度赋能投研。
随着未来AI全面赋能投研决策、财富管理、风控合规、运营经营等场景，资产管理行业价值链有望重塑，从“人力驱动”转向“人类智能+机器智能双驱动”。
显著提升投研效率
“AI的优势特性高度契合资产管理行业的特点与需求。”段国圣对证券时报·券商中国记者表示，资产管理行业是数据与知识密集的行业，具有高度的业务专业度与复杂度。AI具备更全面的知识储备，且AI智能体具备强大的自主性、适应性和交互能力，能够持续迭代进化、实现闭环管理，这些特性能够帮助投研人员显著提高工作效率、扩展能力圈、扩大管理半径，在部分领域，未来甚至有可能引领投资，真正做到赋能业务、提升投资能力、增厚投资收益。
段国圣透露，泰康资产借鉴国际顶级科技公司的前沿实践，在公开市场投资领域探索打造了一个覆盖多品种、具备全技能、依托完善数字知识治理体系的自有深度研究智能体（Taikang Deep Research Agent，以下简称TKDR）。TKDR整合了海量高质量的内外部投研数据和泰康内部积累多年的投研分析方法论，初步实现深度赋能投研。
以一个典型的投研分析场景为例，对比传统的投研模式，TKDR显示出了诸多优势：当用户要求分析某标的公司的投资价值时，研究员通常需要开展研究规划、搜集资料、处理信息、撰写报告等工作。但可能因研究目标发散、信息源多且分散、处理效率低、缺乏成熟的知识框架和研究方法、小众高价值资料获取困难、定量与定性分析技能要求高、报告撰写耗时长、格式调整繁琐等问题导致研究效率低、输出质量难以保障。
TKDR能够迅速梳理并确定核心诉求，即时调用内外部资源，构建起全面的研究分析框架，涵盖基本面、行业环境、估值水平等多维度分析。再通过快速检索、评估并识别高价值信息，通过高效处理海量数据快速整合信息，进行分析、总结和提炼，形成结构化的研究结果。在报告撰写阶段，TKDR可以通过智能算法生成层次清晰、可读性强的输出报告，并支持事实核查、数据溯源等。此外，还能根据用户的反馈自动优化研究流程，实现研究范式的递进式深化。
有望赋能资产管理全场景
目前，全球顶级的资产管理公司，如贝莱德、JP摩根、摩根斯坦利、高盛和富达等，均已在投资研究、策略构建、组合管理、风险管理、财富管理等多个领域积极探索并落地AI应用，国内机构也在积极布局AI应用。
在段国圣看来，智能体体系构建是AI建设的关键抓手。证券时报·券商中国记者获悉，泰康资产在权益投资、固收投资和宏观研究等多个方面前瞻开展AI探索，沉淀了大量内外部研报、会议视频、各类纪要与投研指标等投研数据资产，累积了多个典型投研应用场景，初步落地了匹配公司权益投研体系的深度研究智能体，炒股10倍杠杆平台关键场景投研决策效能不断提升，效果显著优于市场通用型投研支持智能体。
泰康资产的深度研究智能体具有区别于外部通用产品的独特优势。
一是面向主动投研，运行逻辑高度符合主动投研范式，匹配主动投研人员的思维方式和研究方法，以澄清、规划、执行、评估、生成五大核心环节为基础构建算法框架，实现对复杂问题的综合研究与回答。
二是积累大量内外部数据、研究框架与模型、外部专家问答及搜索资源，打造了高时效、高质量、海量、多源异构、泰康特色的数字研究资源体系。
三是着重强化幻觉控制，通过RAG （Retrieval Augmented Generation ，检索增强生成）、 Prompt Engineering （提示词工程）、 Reference （引用/参考）、 Principle Review （原则校验）、 Cross Check （交叉验证）等技术方法，做到对AI幻觉的提前控制和事后检验。未来将引入信息溯源机制，进一步提升结果的可信度和可用性。
四是坚持“体系胜于判断”，持续打磨投研体系，强化互动和反馈，支持智能投研体系的持续迭代升级。
展望未来，段国圣表示：通过智能体体系构建和投研能力建设的双轮驱动，泰康资产将逐步建设人机协同、人机共生的“人+Deep Research Agents”的投研新范式。推动智能体不断学习和进化，逐渐打造投研人员个人专属、具备自我进化能力的“研究助理”。中短期可以拓展人类研究员的工作效率、管理半径与能力圈，长期能够在策略研发、复杂情景分析等领域引领投资，提升整体投研能力。
“打造保险资产管理领域领先的AI应用，可以全面赋能投研决策、财富管理、风控合规、运营经营等场景，能够重塑资产管理价值链，推动形成从”人力驱动“转向”人类智能+机器智能双驱动“的新范式。”段国圣说，通过AI突破人才、资源和管理瓶颈，赋能投资能力和业绩提升，更好把握大资管行业的发展机遇，实现行业的高质量发展。
建议健全配套机制
段国圣受访时表示，为了有效推进AI建设，资管机构还应当建立健全配套机制，优化治理体系，打造适应AI转型的人才团队、组织保障和考核激励体系。
比如，业务团队要主导智能体的研发应用与迭代升级。科技团队要深化与业务部门的互动合作，密切跟进AI发展前沿，做好AI中台与底座的建设。资管机构要相应制定匹配AI战略的人才培养与管理体系、优化与淘汰机制，保持整体的AI创新力与生产力。要强化对AI应用的考核，将AI应用纳入板块和团队的绩效合约，重点做好AI人才激励，奖励在AI模型建设上有突出贡献、积极使用AI优化工作并产生示范效应、能积极反馈有效助力Agent迭代进化的人员。
在组织保障上，必须转变传统的“科技主导、业务配合”的建设模式，建设“业技共研、共创、共建”的协同机制。
段国圣坦言，这一转变将带来组织形态的重塑：一方面，要以业务价值为导向，打破部门壁垒，建立由业务专家、技术人员、数据分析师等组成的敏捷团队，实现需求、开发、测试、运营的全流程管理；另一方面，必须同步建设业技融合的决策与责任机制，提升资源调配的弹性，在流程上推行小步快跑与持续迭代，形成“业务驱动技术、技术赋能业务”的良性生态。同时，必须高度重视数据资产管理，保障AI应用安全性与合规性。
文章为作者独立观点，不代表财盛证券观点
相关文章
