投资(zi)者陈雪（化名）曾(ceng)辗转于多个AI大(da)模(mo)型平台追求“致富密码”，却在大(da)牛(niu)市的背景下(xia)整体亏损近(jin)20%，用她(ta)的话来(lai)说：“一片真心终是错付(fu)”。

在华南(nan)地(di)区某量化团队(dui)负责人(ren)秦鹏（化名）看来(lai)，AI“搭子”堪称“投研神器(qi)”，事情效率提高了数(shu)倍之多。

AI在炒股场景里现在有怎样的表现？

高效，却未必靠谱

遇到问题(ti)，先去“豆包一下(xia)”，已经成为广东游(you)资(zi)何峰（化名）下(xia)意识的反应。

没有管是突发音讯，还是新的题(ti)材概(gai)念，平常只需要1-2分钟，就能得到一个初步(bu)的答案，如(ru)果以(yi)为有深入研讨的需要，就再花点时候修改(gai)枢纽词和发问方式，几分钟今后，一个更加符合预(yu)期的答案也是“手到擒来(lai)”。

在AI大(da)模(mo)型出(chu)现之前，面对同样的问题(ti)，何峰往往需要花费大(da)量的时候去浏览新闻网(wang)站、股票(piao)论坛、交际媒(mei)体等，收集到足够多的信息今后，还得自己(ji)再去进行整合和分析，才可以(yi)或许(xu)得到一个差强(qiang)人(ren)意的答案。

秦鹏喜欢将自己(ji)的量化选(xuan)股模(mo)型和AI大(da)模(mo)型结(jie)合在一起使用。

他的量化选(xuan)股模(mo)型每(mei)天会(hui)结(jie)合伙金流(liu)、市场热度、量价走势等因(yin)素自动(dong)筛选(xuan)出(chu)一批(pi)个股，然后凭据这些个股的基础面、热门题(ti)材等情况进行二次筛选(xuan)，锁定(ding)出(chu)最(zui)终的方针，有了AI大(da)模(mo)型的辅助今后，每(mei)天用在野生筛选(xuan)这部(bu)份的事情时候从(cong)原来(lai)的3-5个小时缩短到了30-50分钟，效率提升(sheng)了数(shu)倍。

此外，在编写或者修改(gai)选(xuan)股模(mo)型时，秦鹏偶尔(er)也会(hui)将一些简单的任务交给AI大(da)模(mo)型去处置惩罚。

“高效”是很多投资(zi)者在谈到AI炒股的时候最(zui)先想到的枢纽词，光A股上市公司(si)就有5000多家，各种类型的财经信息更是24小时没有间断更新，从(cong)这些海量信息中去提掏出(chu)自己(ji)需要的那部(bu)份，已经远远超出(chu)了任何单一投资(zi)者的能力(li)范围，而这种庞杂的事情对于AI来(lai)说是“小菜一碟”。

但是多位受访人(ren)士也没有约而同地(di)对界面新闻谈到，很多时候AI大(da)模(mo)型给出(chu)的答案实在没有靠谱。

比如(ru)，向AI大(da)模(mo)型询问某只个股与某一热门题(ti)材的关系，平常很快就能得到一个看上去非(fei)常有理有据的答案，而实际上很多内(nei)容(rong)却缺乏事实依据。

还有投资(zi)者举例，让AI大(da)模(mo)型寻找市场上PE最(zui)低的10只个股，实际上它(ta)只去抓取几十只个股的数(shu)据就给出(chu)了答案，其中部(bu)份数(shu)据还可能是今年的，甚至是错误的。

AI“搭子”还经常展现出(chu)“讨好型品德”。

比如(ru)你问它(ta)“A比B更好吗？”它(ta)会(hui)给你罗列(lie)很多信息来(lai)支(zhi)持这一推断。但是当你反过来(lai)问它(ta)“B比A更好吗？”的时候，同样也会(hui)得到很多论据的支(zhi)持。如(ru)果你先让它(ta)分析了某一个行业，再问它(ta)以(yi)后有哪些行业值得关注，前面问到过的行业往往会(hui)位列(lie)其中。

几乎所有受访人(ren)士在使用AI大(da)模(mo)型炒股的过程当中都遇到过“AI幻(huan)觉”的情况，即AI大(da)模(mo)型给出(chu)的回答看似公道、周全，实际上却编造了大(da)量没有存在的事实、数(shu)据、事件等，甚至违(wei)背了基础的常识，是在一本(ben)正(zheng)经的“乱说八道”。

在投资(zi)领域，任何一次决(jue)策失误都可能带来(lai)“真金白(bai)银”的损失，上述(shu)现象导致了衍生问题(ti)，虽然投资(zi)者只需要几分钟在AI大(da)模(mo)型那里得到一个答案，但接上去却需要花费数(shu)倍的时候去给AI“批(pi)改(gai)作业”，或者需要没有断调整自己(ji)的发问方式，试(shi)图让AI给出(chu)一个更加靠谱的回答。

问题(ti)出(chu)在哪里？

陈雪最(zui)后是在了解到DeepSeek背后的幻(huan)方量化很牛(niu)今后，才决(jue)定(ding)尝(chang)试(shi)使用AI大(da)模(mo)型来(lai)炒股的。

很多头部(bu)量化私募都公然表示自己(ji)在AI领域有所布局，但外界几乎没有人(ren)可以(yi)或许(xu)真正(zheng)了解到，AI究竟在相关公司(si)的投资(zi)决(jue)策过程当中扮演着怎样的角色，对于公司(si)的收益率具体有多大(da)的影响(xiang)，这其中又有多少是高频交易孝敬的？

在上海某头部(bu)量化私募相关人(ren)士看来(lai)，在炒股的过程当中简单问一下(xia)AI大(da)模(mo)型，和真正(zheng)应用了AI技术的量化投资(zi)，是两个完(wan)全没有同的概(gai)念。

一般而言，量化投资(zi)是借助数(shu)学模(mo)型、统计要领与计算机程序，替(ti)换客观推断来(lai)开展投资(zi)决(jue)策的一种投资(zi)方式，具备规律(lu)性强(qiang)、数(shu)据驱(qu)动(dong)、持仓分散、风控严格等特点。

对于在投资(zi)过程当中使用了AI大(da)模(mo)型的绝(jue)大(da)多数(shu)的普通投资(zi)者而言，素质上实在还是由(you)人(ren)来(lai)做(zuo)出(chu)最(zui)终的投资(zi)决(jue)策，仍然属(shu)于客观投资(zi)的范畴(chou)，同时其持仓数(shu)量往往也非(fei)常有限，难以(yi)通过分散持仓来(lai)对冲掉部(bu)份由(you)AI决(jue)策失误带来(lai)的风险。

另一方面，很多投资(zi)者在炒股过程当中习惯使用的豆包、千问、DeepSeek等通用大(da)模(mo)型，与量化私募自研的AI模(mo)型也存在素质差异。

据界面新闻了解，量化私募在野生智(zhi)能领域主要围绕AI三要素，即数(shu)据、算力(li)、算法三个维度没有断加大(da)投入。

有业内(nei)人(ren)士对界面新闻分析称，数(shu)据是锻炼AI模(mo)型的底子，在金融投资(zi)领域，真实、及时、完(wan)整的高质量数(shu)据尤其枢纽，而通用大(da)模(mo)型在锻炼时更多基于本(ben)文(wen)数(shu)据，缺乏足够多的高质量的金融领域数(shu)据。

算力(li)方面，虽然通用大(da)模(mo)型整体的硬件投入可能远超单一的量化私募，但是因(yin)为其覆盖的领域更加广泛，锻炼量也会(hui)更大(da)。

算法层(ceng)面，现在头部(bu)量化私募普遍采取“自研”模(mo)式，其底层(ceng)算法普遍与通用大(da)模(mo)型一致，但是微(wei)调方向完(wan)全没有同，焦点算法也往往是这些私募的“最(zui)高秘(mi)要”，几乎弗成能向外界公然。

该业内(nei)人(ren)士还谈到，部(bu)份券商等机构也在积极推进金融领域垂类AI模(mo)型的落地(di)。没有外，这些机构虽然更加聚焦于金融领域，也拥有许(xu)多最(zui)新的金融数(shu)据，但是其在AI模(mo)型方面的研讨，很大(da)程度上受限于算力(li)投入本(ben)钱和合规等方面的约束(shu)，实际上依然很难满意投资(zi)者的期待(dai)。

“就算与AI量化模(mo)型在各方面都相差甚远，但是通用大(da)模(mo)型毕竟集众多投资(zi)知识于一体，为什么(me)没有克没有及像那些客观投资(zi)大(da)佬(lao)一样给出(chu)更公道的投资(zi)建议呢？”没有少投资(zi)者都和陈雪一样曾(ceng)有过类似的困惑。

对此，成都游(you)资(zi)任宇在接受界面新闻采访时表示：“客观投资(zi)者对于数(shu)据精准度的要求可能没有量化投资(zi)那样刻薄，但是其决(jue)策同样需要基于最(zui)新的、相对精确的数(shu)据，而通用大(da)模(mo)型抓取到的数(shu)据往往实在没有及时，还可能有一部(bu)份被污染的数(shu)据，基于这些数(shu)据给出(chu)的分析回答实在没有靠谱。”

“更枢纽的问题(ti)在于AI大(da)模(mo)型缺乏一套完(wan)善的投资(zi)系统。每(mei)一种投资(zi)策略都有其特点和实用的市场情况，从(cong)没有同策略的角度来(lai)看，关于个股买卖(mai)点的结(jie)论可能是完(wan)全没有同的。比如(ru)某只个股站在中长线投资(zi)者的角度来(lai)看可能是买入良机，在超短线投资(zi)者看来(lai)则应该卖(mai)出(chu)。AI大(da)模(mo)型确实进修了很多的投资(zi)策略，但是它(ta)在锻炼过程当中缺乏各种策略实战数(shu)据的支(zhi)持，所以(yi)很难分得清这些策略背后真正(zheng)的逻辑和区分。”任宇表示。

如(ru)果将某些投资(zi)大(da)佬(lao)的投资(zi)框架和投资(zi)理念“喂”给AI，让他按照大(da)佬(lao)的逻辑来(lai)给出(chu)回答是否效果会(hui)更好？

曾(ceng)尝(chang)试(shi)如(ru)许(xu)做(zuo)的秦鹏用效果投了反对票(piao)，在他看来(lai)，可以(yi)或许(xu)“喂“给AI的都是大(da)佬(lao)过往公然的观点、逻辑等，大(da)佬(lao)本(ben)身在公然分享(xiang)时，很可能就没有或者说没有克没有及够完(wan)全毫无保留地(di)表达出(chu)自己(ji)的投资(zi)理念和逻辑，而且大(da)佬(lao)的投资(zi)系统也会(hui)随着市场情况的变化而没有断进化。

别(bie)的，就算AI大(da)模(mo)型可以(yi)或许(xu)给出(chu)更加公道的投资(zi)建议，投资(zi)者真的会(hui)严格按照AI给出(chu)的策略去执行吗？答案可能是未必。

人(ren)机协同是共鸣

面对高效但是可能实在没有靠谱的AI“搭子”，普通投资(zi)者如(ru)何使用才是最(zui)优解？

“完(wan)全依赖AI进行投资(zi)决(jue)策肯定(ding)是行没有通的，还是要先建立起自己(ji)的投资(zi)系统。”复(fu)盘已往一年多的使用体验今后，陈雪得出(chu)了如(ru)许(xu)的结(jie)论。

最(zui)近(jin)，她(ta)已经停息了实盘交易，决(jue)定(ding)先静下(xia)心来(lai)进修更多的投资(zi)知识，等学有所成以(yi)后再重启自己(ji)的投资(zi)实践，在这一过程当中，她(ta)也发现了AI大(da)模(mo)型新的闪光点：“它(ta)的文(wen)天职析能力(li)真的很厉害，用来(lai)搜索(suo)和总结(jie)各种投资(zi)知识棒极了！

对AI“搭子”满意度较高的秦鹏结(jie)合自己(ji)的使用体验对界面新闻介绍，在信息收集阶段AI的事情效率远超人(ren)类，这点毋庸置疑，所以(yi)这部(bu)份事情可以(yi)更多交给AI来(lai)处置惩罚；在信息分析阶段，AI同样更加高效，没有外也容(rong)易犯一些错误，所以(yi)可以(yi)尝(chang)试(shi)通过改(gai)变发问方式、添加更多的提示语，去帮助AI进行更加公道的分析；而投资(zi)决(jue)策环(huan)节难度相对更大(da)，对于投资(zi)者来(lai)说也更为枢纽，所以(yi)这部(bu)份的事情需要人(ren)客观去做(zuo)更多的推断。

受访人(ren)士普遍认为，将来(lai)AI大(da)模(mo)型会(hui)进化得愈来(lai)愈好用，也会(hui)诞生很多好用的金融投资(zi)领域的AI垂类模(mo)型，没有外，AI也实在没有会(hui)完(wan)全取代人(ren)类进行投资(zi)决(jue)策，而是会(hui)更多地(di)以(yi)辅助工具的角色存在，人(ren)机协同仍然将会(hui)是大(da)势所趋。

一方面，AI模(mo)型是人(ren)锻炼出(chu)来(lai)的，投入多少的算力(li)去锻炼AI、把哪些数(shu)据“喂”给AI、和采用怎样的算法技术路径(jing)，这些都是由(you)人(ren)来(lai)决(jue)定(ding)的，至少在将来(lai)一段时候内(nei)，AI还没有办法完(wan)全脱离人(ren)的掌控而独立存在。

AI模(mo)型普遍是从(cong)历史数(shu)据中寻找规律(lu)，而在股市中历史历来(lai)都没有会(hui)简单地(di)重复(fu)，“黑天鹅”随时可能产生，AI模(mo)型自然缺乏处置惩罚类似场景的能力(li)，所以(yi)在投资(zi)领域很难出(chu)现一个全能的“Agent”。

另一方面，也许(xu)纯真从(cong)技术的角度来(lai)说，将来(lai)有一天AI炒股确实可以(yi)比普通人(ren)做(zuo)的更好，但是一系列(lie)潜(qian)在的风险决(jue)定(ding)了我(wo)们几乎弗成能把所有的决(jue)定(ding)权都交给AI。”

比如(ru)，策略的趋同没有停是投资(zi)领域备受关注的问题(ti)，当愈来(lai)愈多的机构和投资(zi)者使用相同或者类似的数(shu)据和相似的要领来(lai)锻炼AI今后，很可能会(hui)产生很多趋同的策略，由(you)此导致的趋同交易也将加重个股和市场的同向波动(dong)，容(rong)易诱(you)发市场的系统性风险。

再比如(ru)，AI模(mo)型具有黑箱特性，其投资(zi)决(jue)策过程往往难以(yi)追溯，一旦激发异常后果，模(mo)型无法担责，同时事后也很难厘清在相关事件中人(ren)为因(yin)素是否产生影响(xiang)。如(ru)果可以(yi)完(wan)全放权给AI的话，部(bu)份群体通过影响(xiang)和控制AI来(lai)操纵市场的情况也将变得更加藏匿(ni)和无法控制。所以(yi)从(cong)监管的角度来(lai)说，为了防范相关风险，也许(xu)率也会(hui)把AI在金融领域的应用限制在肯定(ding)的范围内(nei)。