今年以来，伴随着DeepSeek等AI大模型的使用普及，原本高大上的人工智能变得触手可及，“买票之前先问AI大模型”成为越来越多投资者的新习惯，一波轰轰烈烈的AI炒股浪潮正在A股市场蔓延开来。

投资者应该如何使用AI大模型来炒股？人工智能和量化投资之间有着怎样微妙的关系？AI投资未来发展前景究竟如何？一系列的相关问题亟待厘清。

AI大模型成了炒股“新利器”

今年以来，不少投资者纷纷在社交平台晒出自己向DeepSeek询问股票走势及持仓建议的截图，并称其正在按照DeepSeek的操作建议进行配置。

“你最近炒股的时候用到过AI大模型吗？”面对这一提问，接受界面新闻采访的一众个人投资者也都给出了肯定的回答。

资深股民王东在1月中旬就开始试用DeepSeek，“我会结合自己的操盘经验和盘面实时情况，对DeepSeek推荐的行业做出筛选。对我这种小散户且又没用过量化大模型的人来说非常友好，又免费。”。

王东谈到，DeepSeek呈现的投资分析报告内容主要包括市场趋势预测、行业板块分析、投资者风险提示等内容，还会根据根他的风险偏好和现有持仓情况给出个性化的股票配置建议。“很便捷，DeepSeek能够根据当天大盘热点提到一些行业，提供的数据支持都是大方向性的。”

华南地区独立投资人秦鹏如今每天都会把自有模型新跑出来的个股放到豆包里面去梳理一下背后的投资逻辑。

据秦鹏介绍，他所开发的选股模型主要是基于资金流、市场情绪、个股热度等指标去挖掘市场中的投资机会，在逻辑梳理方面一直存在一定的欠缺，以前这一块主要是用人工去辅助，但是模型大概每天会出来至少20多个新标的，工作量非常大，现在有了豆包等大模型以后自己的工作效率有了明显的提升，“比如原来需要耗费30分钟完成的梳理工作，现在可能只需要2分钟就搞定了”。

资深投资者郑宇更习惯于将DeepSeek等大模型当做升级版的搜索引擎来使用，主要用于了解个股/行业的基本面、热点题材的逻辑、个股与热点概念的关系等。他偶尔也会让大模型帮自己写一些简单的程序，比如批量提取Excel的内容等。 “一般来说，越详细、越具体的任务，大模型就越能解决地很好，把一些简单的任务交给大模型，自己就能更加专注于研究投资逻辑了。”郑宇表示。

界面新闻注意到，还有部分财经类自媒体账号策划了“跟着DeepSeek炒股的第X天，收益达到X%”等内容、“如何利用DeepSeek提升股票收益”、“跟着DeepSeek VS kimi炒股，哪个收益更高”等教程。也有投资者在社交平台喊出“我用AI炒股赚了5000元”、“听了DeepSeek建议我成功锁盈30%”。

有个人投资者认为，相比传统投资顾问，AI系统具有显著优势，能够7×24小时不间断工作，同时，AI可处理海量数据，分析数以万计的上市公司财务数据、行业报告、新闻资讯等。不过，即便使用了DeepSeek帮忙分析个股走势，他仍会查询一些相关研报和企业新闻作为投资参考，对股票作出进一步判断。

在念空科技董事长王啸看来，大语言模型（LLM）对于大部分基本面投资者来说是一个很好的信息收集工具，在当下和未来智能平权是一个不可逆的大趋势，人们的学习成本将非常的低，只要肯学习，会问问题，答案很容易获得，这也缩小了愿意学习的普通投资者和专业投资者的差距。

另一方面，券商纷纷接入DeepSeek部署大模型应用，则让AI大模型以另一种方式快速渗透到了广大股民的投资过程中。

有头部券商相关负责人对界面新闻表示：“投顾内容生产环节，大模型目前已经得以部分替代或者服务使用。在内容文章生成方面，已经有相当一部分基于可信数据的内容生成，如对ETF的简要介绍、对每日行情数据的格式化回顾等已经可全自动生成并使用。在标准化报告生产方面，投顾已经可以使用AI能力辅助提升内容生产效率和质量。在对客户的个性化内容适配方面，投顾可以结合客户数据、行情数据及其他信息，针对不同客户提供个性化内容输出，实现提质增效。”

上述券商人士还谈到，在组合风险控制环节，通过AI辅助监控各类风险因子，如波动率、舆情关键词等，可在极端行情中领先预警，进而降低投资风险。同时对海量数据进行高质量解析，构建起覆盖多维风险指标的实时监测网络，提升对异常交易识别的速度和精准度，形成主动+被动结合的双重合规防护机制，高效强化了风险预判与处置能力。

“不过，在投资组合管理方面，目前大模型应用较少，但也在持续突破。目前，可以在构建策略后，以AI辅助调用各类策略进行辅助投资，如辅助智能再平衡并提供相关方案，并进一步辅助进行各类决策。”该券商人士表示。

在某券商IT工程师看来，“人工智能毋庸置疑是未来发展的重要方向，对于券商而言，抓住这一技术浪潮，不仅意味着效率的提升和成本的降低，更意味着在激烈的市场竞争中占据先机。但是距离正式的大规模商用，各个公司，实际上还都在探索，现在没有任何一家公司可以说‘我完全能够依赖它’。”

量化私募的AI局

当脱胎于幻方量化的DeepSeek爆火以后，很多人才意识到，原来量化私募在AI领域已经具备了独当一面的实力，而这样的“惊艳亮相”背后离不开量化巨头们的前瞻布局以及持续不断的投入与付出。

AI概念的诞生可以追溯至1956年，但实际上自2016年AlphaGo战胜围棋世界冠军以后，才有更多的人真切感受到了人工智能的巨大力量。

大约也是从AlphaGo爆火开始，国内的量化私募们陆续开启了在AI领域的业务布局。

以幻方量化为例，2016年10月公司第一个由深度学习算法模型生成的股票仓位上线实盘交易，使用GPU进行计算，2017年年底公司几乎所有的量化策略都已经采用AI模型计算，2018年公司确立以AI为主要发展方向，次年幻方AI注册成立，致力于AI的算法与基础应用研究，此后幻方量化还陆续投建了“萤火一号”、“萤火二号”等超级计算平台。

据界面新闻根据公开资料不完全梳理，明汯投资、念空科技、龙旗科技、九坤投资、因诺资产、鸣石私募、黑翼资产、世纪前沿等其他诸多头部量化私募也均在多年以前就已经布局了AI领域。私募排排网统计显示，截至5月23日，国内百亿量化私募达39家，其中已有15家在AI领域取得实质进展或明确布局。

百亿私募茂源量化相关负责人指出，传统量化模型依赖统计学，擅长处理结构化类型数据，而AI投资通过神经网络、图计算等算法，能够捕捉高维另类数据中的隐含关系。当前AI技术在数据类别、信息提取、训练效率等方面已经深度应用到量化投资，推动行业从单因子或简单多因子，到数据处理、模型算法，计算框架等量化投资全流程提升。

据百亿量化私募明汯投资相关人员介绍，量化私募主要是围绕着AI三要素，即数据、算力、算法这三个维度去不断地投入。考虑到行业的特殊性，大家普遍采用“数据采购、算力自建、算法自研”的模式。人工智能的一些方法论，比如机器学习、深度学习、强化学习等广泛应用于包括数据清洗处理、因子特征提取、程序化交易指令生成以及最后的交易执行等在内的量化投资的全过程。

上述明汯投资相关人员同时指出，人工智能的加入能够大幅提升量化私募整体的投研效率，比如原来没有AI的时候，量化私募能够处理的数据可能是有限的，现在可以处理更多的数据；以前没有强大算力支撑的时候，一个模型可能要跑两三个月，现在可能只需要三天就跑完了，这就使得量化私募能够快速的去验证模型的结果。

快速走红的DeepSeek等通用大模型对于量化私募来说又意味着什么？

念空科技董事长王啸在受访时提到，量化投资也会受益于大语言模型的发展，将会在特征挖掘、模型拟合上挖掘出更好更不同的Alpha来源。

华南地区的一位量化私募负责人王强将大模型对量化私募行业的影响总结为三个方面：一是提升投研人员的工作效率，使其专注于策略开发和优化；二是拓展底层数据的处理方法，提供更丰富的数据加工方式，为策略开发提供更有价值的输入；三是提供新的信号合成方法，通过构建因子共演进化图谱动态跟踪因子有效性的生命周期曲线，在预测模型进化上也带来新的突破，如时序建模突破、博弈对抗建模等。

还有受访人士认为，DeepSeek的爆火可以让大众更深入地了解量化行业的价值和技术实力，提升对行业的认知度和信任度。

“真没想到DeepSeek这样出色的大模型居然是量化私募做出来的”，资深投资者郑宇也坦言：“希望以后还有其他的量化私募也能在大模型或者其他通用技术领域做出成果。”

实际上，部分头部量化私募确实也在加速推进公司在AI前沿领域的业务布局。

早在今年2月份，九坤投资就曾携手微软团队刊文表示，首次成功复现DeepSeek-R1，还首次发现了输出长度与推理性能提升无关、语言混合（例如中英文夹杂）会显著降低推理能力以及reasoning tokens确实有提升推理性能等问题。

同月，宽德投资发布招聘信息为旗下宽德智能学习实验室（以下简称“WILL”）招揽人才。根据相关介绍，WILL始于但不局限于金融场景，将朝着整个人工智能的星辰大海启航；蒙玺投资也在招聘信息中宣布公司AI Lab全新上线，同时向致力于研究机器学习的在校生抛出了“橄榄枝”。

5月15日，念空科技向全球顶级人工智能会议期刊NIPS投递了与上海交大计算机学院合作的大模型研究论文，探讨“自适应混合训练方法论”，据了解，该论文提出了一种全新的混合SFT（监督微调）和RL（强化学习）的后训练方式，在各个数据集上都超越了单独使用SFT或者RL训练的结果。

念空科技创始人王啸还在今年5月19日成立了一家专注于研究通用大语言模型（LLM）相关底层算法和工程技术的创新型科技公司AllMind（全频思维），据了解，该公司将致力于探索人工智能的前沿课题，主要研究方向为大模型底层技术研究和不限于金融场景的垂直应用。

念空科技相关人士表示，量化私募，特别是中国量化私募在很早期就将AI算法融入金融数据的训练和拟合工作中，对AI算法和工程有相当的技术和经验的积累，转向大模型的研究有天然的优势，是一件比较水到渠成的事情。目前公司在大模型上的研究主要集中在基础理论研究和针对金融数据的应用等领域，但也包括少量的科教类垂直领域的训练和应用研究。

前述量化私募负责人王强认为，量化私募对大模型的探索也能推动AI技术在金融领域的深化应用，实现大模型研究与量化投资的良性循环。从实践角度来看，量化投资与大模型的结合正在开创一个崭新的研究范式。这不仅体现在技术层面的深度融合，更反映在方法论上的相互借鉴与创新。

“作为从业者，我们有幸见证并参与这场技术革命，期待能够在这片交汇领域探索出更多突破性的应用。”王强说道。

不过，接受界面新闻采访的量化私募相关人士也大多认为，对于量化私募机构和所有细分领域而言，大模型只是基础性模型，量化机构必须超越这些基础模型，才能在竞争中脱颖而出，同时DeepSeek这类大模型并不会直接带来量化收益的提升。

AI炒股：理性使用，未来可期

“一开始想到用DeepSeek来炒股，就是因为提前了解到DeepSeek是幻方量化打造的大模型应用”，有投资者在受访时谈到。

然而，投资者在炒股的过程中使用AI大模型和真正的量化投资其实并非同一概念。

明汯投资相关人员指出，量化投资是以数据为基础，以模型为核心，通常来讲以程序化交易为工具的一种投资方法论。人工智能是一个很宽泛的概念，可以重塑各行各业，比如AI+医疗、AI+能源等，应用了AI技术的量化投资可以简单理解为人工智能在金融资产管理领域的垂类应用。

茂源量化相关负责人表示，普通投资者借助豆包、DeepSeek等大模型辅助投资的现象，本质上是技术普惠性的体现，投资者能够通过大模型提供的文本分析迅速获取专业金融知识与市场分析辅以个人投资决策，但这与专业的量化投资存在根本差异。

“首先，当前通用大模型主要基于文本数据训练，而专业量化投资会用到大量的量价数据、基本面指标等金融领域数据，二者在信息比率和系数，因子有效性验证和归因分析方面存在较大差异。其次，通用大模型的“幻觉”问题尚未得到有效解决，而这个问题在金融场景下会被显著放大，例如误读财报中的模糊表述，或过度拟合历史热点导致推荐偏差。另外，利用大模型直接进行投资决策可能过度简化投资行为的严谨性，甚至触及合规红线，比如涉及投资建议传播可能触碰证券咨询业务红线，投资者适当性匹配等问题也较难得到解决。”

上述茂源量化相关负责人认为，长期来看，AI大模型更可能成为专业机构的“智能助手”，例如为投研人员提供舆情摘要、情感分析等辅助，为投资者提供金融知识、投资组合分析，辅助投资判断，而非替代人类决策。

念空科技董事长王啸也提醒投资者，将大语言模型（LLM）作为投资的一个辅助工具是非常有益的。不过普通投资者运用LLM进行投资决策需要谨慎，因为LLM是一个通用模型，具备金融常识但并不具备专业的投资能。

针对市场热议的AI荐股可能涉及的相关合规问题，有证券领域法律合规人士谈到，AI只是提升便利化的工具，具体是否构成违规荐股及投顾，其核心在于“业务实质是否构成证券服务”，而非技术形式。亦有资深法律专家表示，并不能因为回答中出现了个股就认定为是荐股行为，DeepSeek的回答不构成推荐股票。

一旦AI大模型涉及投资领域的合规问题时，责任权属该如何界定？对此，康德智库专家、上海兰迪律师事务所执行主任、高级合伙人丁学明律师表示，目前，责任归属界定模糊，如果当 AI出现错误或造成损害时，比较难确定责任是在开发者、平台、数据提供商还是使用者；此外，知识产权保护不完善，目前对于AI 生成内容的版权归属还存在不明确。算法偏见缺乏有效规制，现行法律缺乏对算法偏见的有效审查和纠正机制。

上述律所的另一名高级合伙人丁彦伶律师认为，“若AI设计存在缺陷，或训练数据包含虚假信息，导致生成误导性内容，开发者可能承担产品责任。若使用者故意利用AI生成虚假信息操纵市场，需承担欺诈的相关法律责任，情节特别严重的还有可能构成操纵证券市场罪。平台未对AI生成内容进行必要审核，或明知内容虚假仍然传播，可能承担连带责任。” 

大部分的受访者均较为看好人工智能未来在投资领域的应用前景。

量化私募负责人王强认为，大模型与投资场景的结合正打开新的可能性空间，涵盖券商、基金等各类机构，并适用于从前台投资决策到中后台运营管理的多个环节。

他指出，得益于其强大的分析能力和较高的智能程度，大模型可以在信息挖掘、市场分析、风险管理、因子发现、交易执行优化等各个方面发挥作用。如：在前台投资决策的智能升级方面，大模型可已进行非结构化数据解析，构建动态知识图谱；在另类数据挖掘方面，应用多模态模型捕捉传统金融数据外的alpha信号。如果使用得当，它不仅能够增强投研团队的决策能力，还可以优化运营流程，提升投资领域的整体效率。

在某头部券商相关负责人看来，投资顾问不应当被动应对AI浪潮，相反，应该主动拥抱这一波仍在持续、将产生更深远影响的AI浪潮，从“认知、能力、应用”三方位让自身转型。例如，将AI定位成辅助自己的“超级助理”，掌握Python/R等数据分析工具，理解机器学习模型的金融应用逻辑；同时，转型为"财富架构师"，在智能投顾与人类服务的融合生态中占据价值高地。

量化私募人士张先生也对将类似于DeepSeek这样的大模型应用于投资领域的前景充满信心。他认为这类模型凭借其创新的架构设计和数据蒸馏技术，为量化投资专用模型持续优化提供了宝贵的借鉴。目前他也在积极进行相关研究和探索，尝试将最新的技术创新，包括并不限于大模型技术，融入投资实践中，以期在保持竞争力的同时，实现更稳健的投资回报。

茂源量化相关负责人认为，短期内，AI在智能投顾、合规审查、客服运营等低风险场景的运用会优先落地，投资环节中近年大热的大模型或将率先应用于因子挖掘等环节；中长期来看，行业则需攻克端到端AI系统的可靠性等问题，突破过拟合与可解释性难题的掣肘。

明汯投资相关人员指出，荐股是需要投顾资质的，未来监管大概率会在这方面给出更加细化和严格的要求。相较之下，大模型未来或被更多地应用于财富管理领域，比如进行一些持仓分析或者给出一些资产配置方面的建议等。

 （文中秦鹏、郑宇、王强为化名）