跳转至

大模型在投研的应用现状

最后更新:2026-04-23

"大模型替代分析师" 是 2023-2026 金融圈最热的话题之一。现实是:LLM 在投研里的主要作用是"辅助杠杆"(让一个分析师做 2-3 人的工作),不是替代。本文梳理真实落地场景与商业化状态。

一句话结论

投研 AI 当前的成熟场景是信息聚合、非结构化数据提取、报告起草;前沿场景是 Agent 自动完成"调研 + 建模 + 写报告"整个流程。完全替代分析师仍在 5-10 年以上。

三条关键要点

  1. 工作流重塑:分析师从"搜索 + 阅读 + 写"变成"编辑 + 验证"
  2. 头部买方 / 卖方已部署:JPMorgan LLM Suite、Bridgewater Athena、高盛内部工具
  3. 独立工具:AlphaSense($4B 估值)、Hebbia 是最成功的独立玩家

投研典型工作流 · AI 介入点

工作流阶段 1 · 行业 / 公司调研

传统做法:搜索 → 读 10-K / 电话会 / 新闻稿 → 做 notes

AI 辅助: - 信息检索:从 Bloomberg / Capital IQ / AlphaSense 中 RAG 式检索 - 文本提取:电话会 transcript 自动摘要情绪、战略方向 - 专家网络记录整合:把 expert call 笔记转成结构化 insights

成熟度:✅ 已商业化(AlphaSense / Hebbia)

工作流阶段 2 · 财务建模

传统做法:拉数据到 Excel,跑模型

AI 辅助: - 自动填充模板(从 10-K 财务表格抽取 + 填入 Excel) - 合理性检查(AI 对模型假设做 sanity check) - 情景测算辅助("如果收入增速 -20%, 估值影响多少")

成熟度:🟡 部分商业化(JPMorgan 内部、AlphaSense Models)

工作流阶段 3 · 观点 + 写报告

传统做法:基于分析形成观点 → 撰写 10-30 页报告

AI 辅助: - 结构化起草:给 AI 数据 + 要点,AI 出初稿 - 逻辑检查:AI 读草稿挑逻辑漏洞 - 图表建议:AI 建议哪些数据值得可视化

成熟度:🟡 早期(研究员个人使用多,机构标准化工具少)

工作流阶段 4 · 发布 + 更新

传统做法:发布 → 根据市场反馈迭代

AI 辅助: - 合规审查(必须) - 多语言本地化 - 自动更新(当新数据出现,AI 自动 flag 哪些结论需要修订)

成熟度:❌ 早期

主要落地产品

买方(资产管理、对冲基金)

  • BlackRock Aladdin Copilot(详见 BlackRock
  • Bridgewater Athena · Citadel 内部 · Millennium Pod LLM 工具
  • AlphaSense(独立 SaaS,买方常用)

卖方(投行、券商)

  • JPMorgan LLM Suite(2023-2024 内部,覆盖全球员工)
  • Goldman Sachs 内部 AI(与 Anthropic 合作)
  • 中金 / 中信 / 国金:中国券商 AI 研究助手(多数基于 DeepSeek / Qwen)
  • Hebbia:独立 SaaS,投行工作流

独立工具

  • AlphaSense:投研信息检索 + 财务模型
  • Hebbia:投行 M&A / 私募工作流
  • FinChat / Rogo / Daloopa:新兴 Copilot 类

真实使用场景 · 典型流程

一个高盛 TMT 分析师的一天(2026 版):

9:00  AI Copilot 汇总隔夜新闻(自动选相关事件)
9:30  AI 摘要昨日 earnings call(标亮新信息)
10:00 使用 AlphaSense 检索"过去 3 个月所有云厂商对 AI capex 的表态"
11:00 给 AI 上传模型草稿 + 最新 10-Q 数据,让它生成初稿
13:00 编辑 / 验证 AI 草稿(这是**真实人力发挥的关键**)
15:00 AI 合规检查 → 发布
16:00 客户电话会,用 AI 实时抓取背景资料

替代的不是分析师,是分析师 1-2 小时的搜索 + 整理工作 → 分析师能覆盖更多标的、更新更频繁。

颠覆创新框架

  • 不是经典颠覆(新人进来打败老人)
  • 现有机构更强(Bridgewater / BlackRock / JPM 最能用好 AI)
  • 失败路径:中小投研机构无法跟上 AI 效率 → 差距拉大
  • 分析师个人:上限提高,下限也提高(不会用 AI 的分析师会被淘汰)

2026 关键变量

  1. 第一个 Agent 完成"端到端投研报告"公开案例
  2. AlphaSense 估值能否继续上涨:反映投资者对独立投研 SaaS 的信心
  3. 中国券商自研 AI 的规模化:目前分散,会不会出现"券商 AI 标准平台"
  4. AI 辅助下的分析师人数变化:F500 投行是否裁减初级分析师岗位

延伸阅读