“机器可以像人类一样思考”，这是“人工智能之父”图灵在20世纪50年代提出的观点。

在金融机构的数字化进程中，大模型的入场引领着新一轮的产业变革，得益于大模型强大的理解与生成能力，AIGC（生成式AI）技术、数字人逐渐应用开来。大模型浪潮也在落地应用中涌向了投顾行业，智能投顾这类新兴投资模式，正在依托大模型打通公募基金走向C端用户的“最后一公里”。

“七年之痒”再逢春

智能投顾，在当前的理财领域并不是一个陌生的词汇，其在国内的应用最早可以追溯到2016年。彼时智能投顾在海外的资产管理规模已有大幅提升，智能投顾作为一项舶来品被引入市场。

2016年开始，国内银行、基金、券商以及第三方理财平台等相继上线智能投顾服务，配置的投资标的主要包括货币基金、固定收益类、股票型基金和债券等类型。

过去的七年里，智能投顾起起伏伏，在理财领域一度受到热捧，平台数量和规模不断扩张。直至2019年10月，易方达基金、南方基金、华夏财富、嘉实财富和中欧财富等5家基金投顾试点机构获批，我国公募基金投顾业务试点工作由此正式拉开序幕。

投顾业务试点范围逐步扩容，截至目前，一共60家机构获得基金投顾牌照，包括29家证券公司、25家基金公司或其子公司、3家银行以及3家三方销售机构。此外，证监会于2021年发布《关于规范基金建议活动的通知》，明确提出不具有基金投资顾问业务资格的机构不得提供基金投资组合策略投资建议，不得提供基金组合中具体基金构成比例建议，智能投顾业务再度迎来洗牌式调整。

而在现有的持牌试点投顾业务的机构中，大模型的入场又将为行业带来新变化。在北京市社会科学院副研究员王鹏看来，在投顾业务推进试点的当下，大模型入场将进一步推动智能投顾领域的发展和成熟。具体而言，大模型的应用将提高智能投顾的精准度和效率，使得投资建议更加个性化、符合投资者需求。同时，大模型也将带来更多的数据维度和分析角度，帮助智能投顾更好地把握市场动态和趋势。

“早前的智能投顾业务，本身是基于人工智能和大数据，但在数据容量、数据分析能力以及算力存储方面很难匹配现有的管理需求，与大模型更是无法比较。因此现在大模型进入智能投顾领域，能更好地赋能其业务效果，在客户服务方面也会有质的提升。

降低投资门槛

“基金赚钱，基民不赚钱”，这是理财领域风行多年的一句俗语。而智能投顾的出现正是为了从选品、配置和持有等方面出发，解决前述问题。

简单理解，智能投顾通过人工智能技术和大数据技术，对海量复杂的金融数据进行分析，根据投资人目标收益、风险承受度等实际情况，为投资人提供个性化的财富管理建议，并优化投资组合。相较于传统理财顾问服务，智能投顾打破了时间与空间的限制，也提高了投资效益。

站在买方视角，智能投顾一定程度上降低了投资门槛，并提升了投资者的满意度。而智能投顾资产配置能力的高低将直接影响投资人的最终收益效果。这也意味着市场竞争下，智能投顾服务要求在不断提高。

从现状来看，相关试点机构在智能投顾业务中，引入了自然语言处理、智能聊天机器人、生成式AI等技术，加速了业务模型升级。例如，星环科技推出的星环无涯金融大模型INFINITY，在智能投顾业务方面可为用户提供智能选股、智能选基、智能舆情推理、智能组合优化、智能交易风控等服务。

另有科技公司向北京商报记者透露，目前公司研发的大模型正在推进与基金公司在智能投顾方面的合作。同时，还有金融软件服务供应商表示，公司研发的大模型已经面向部分券商、基金公司提供服务，但智能投顾领域的产品还在进一步完善中。

王鹏指出，智能投顾叠加大模型的优势，能够优化投资组合、提高投资效益和风险控制水平，为银行、基金公司带来更多的收益和市场份额。从业务前景来看，智能投顾叠加大模型将成为金融领域的重要发展趋势之一。随着人工智能、大数据等技术的不断发展和应用，智能投顾将逐渐普及和成熟，为更多投资者提供更加智能化、专业化的服务。

尚无法全面自主

机器能否取代人，在当下人工智能领域发展中仍然是未解之谜。但可以预计的是，金融数智化时代，大模型等技术的应用正在逐步打破金融行业数据密集、专业度高、业务复杂等壁垒。

北京商报记者多方采访了解到，大模型在金融领域的应用多体现在模型支持、数据支持以及算力基础设施支持方面。其中，模型支持主要是构建基于公开语料进行训练及微调的金融基线大模型，为公私募基金、券商等金融市场参与者提供服务。不过，不同的投资领域、专家研究框架和投研习惯会产生不同大模型需求，这对大模型应用本身提出更高的要求。

聚焦到智能业务，大模型的应用也无法一蹴而就。智能投顾业务本身在持续调整中，近期便有多家银行机构宣布下线智能投顾业务。在采访中，北京商报记者了解到，大模型尚未在持有投顾业务试点牌照公司中大面积铺开，也有部分机构指出短期内没有应用大模型的计划。

针对这一情况，有持有投顾业务试点牌照的基金公司向北京商报记者直言，智能业务调整一方面是监管的合规性要求，未持有试点业务许可的机构不允许开展相关业务；另一方面则是受市场环境影响，智能投顾收益表现不及预期，导致业务需求萎缩。

此外，智能投顾通过大数据系统演算自动调整投资组合，但在应对市场突发状况方面尚无法实现全面自主化。浙江大学国际联合商学院数字经济与金融创新研究中心联席主任、研究员盘和林直言，当前智能投顾有发展也有退潮，主要是智能投顾现阶段在算法、算力、数据方面还存在瓶颈，能够辅助决策，但自身投资的准确性并不好。相比于人类投资者，其优势还不明显，很难真正实现收入预期。

“为了推动智能投顾领域的大模型应用和发展，需要继续加大技术研发和投入力度，提高数据来源和质量，同时加强监管和政策引导，为智能投顾领域的发展创造更加良好的环境。”王鹏补充道。