“随时可能让它独立管理一只私募基金。”止于至善投资总经理何理向21世纪经济报道记者谈及OpenClaw时，抛出这样一个大胆的设想。

　　近期，一场“养龙虾”热潮正从科技圈席卷至基金圈。以OpenClaw为代表的开源AI智能体正逐渐引起基金投研领域的密切关注。

　　21世纪经济报道记者了解到，多家公私募基金公司已开始谨慎评估这一工具的应用场景，部分基金经理已亲身尝试。

　　然而，在拥抱效率提升的同时，数据安全、合规边界与“黑箱风险”，正成为行业无法回避的严峻考题。

　　“随时可能让它独立管理一只私募基金”

　　春节假期后，止于至善投资为每位研究员和部分运营人员配备了Macmini以部署OpenClaw这只“龙虾”，每人每年还有5万元预算自由使用AI。

　　何理介绍，“现在我们公司每个人用龙虾的方式其实不一样的，我自己主要是希望把龙虾培养成我们的AI原生基金（内部代号“火种”），这是相较于价值投资、趋势投资外第三类投资方式，我已经‘模拟盘+实盘’测试很久了，随时可能让它独立管理一只私募基金。”

　　“不过，我觉得龙虾的使用是因人而异的。它是一个智能体，或者说是一个智能体的生成操作系统，它对我们公司未来的发展，是必不可少的核心组成部分。”何理说。

　　而鹏扬基金基金经理章宏帆则表示，“初次使用OpenClaw，最核心的感受就是它打破了传统大模型‘只说不做’的局限，完成了从对话交互到自主执行的关键跨越。相比以往只能被动应答、提供信息参考的AI产品，OpenClaw更像一名高效实习生，它能自主拆解任务、落地执行，无论是编写基础代码、整理海量文件、筛选研报素材，还是自动抓取数据、生成分析初稿，都能快速推进，大幅减少重复性工作，提升投研效率。”

　　但章宏帆表示，深度使用的成本不低，且存在“记忆丢失”和“幻觉”问题。“总体印象是处在‘进化显著但仍需磨合’的阶段。”

　　也有基金经理表示，最初预期OpenClaw只是一个实习生，能帮忙回测脚本、处理数据。但后来发现它能够全天候独立地从原始数据中提取不错的因子，基本上像一个24小时工作的资深基金助理。

　　“用了OpenClaw。”华南一位私募机构CEO如是告诉记者，“我主要在研究场景训练一些常用的skill，以提升一些重复性研究工作的效率，尝试用OpenClaw进行投资书籍总结、年报批量点评。”其结论是，“效果一般，存在反复，需要审核修改，且消耗tokens不低，性价比低”。

　　在博时基金，已有团队在公有云和合规前提下使用OpenClaw。博时基金首席数字官车宏原透露，这款工具主要用于信息的采集和分析，在丰富信息来源、提升整理效率方面效果显著。“OpenClaw有望极大地释放每个人的创新能力，先动起来的是投研人员，它给他们提供了一个‘超级数字助手’。”

　　一家公募基金公司人士也表示，目前公司已组建团队试点部署与应用OpenClaw，整体处于试点落地、场景验证及问题优化阶段。应用场景及赋能分为两类：一是外部环境，依托互联网云资源完成系统部署，重点探索互联网公开资源的合规使用；二是内网环境，通过禁止联网的VDI虚拟桌面开展本地化应用，实现与外网物理隔离。

　　“目前可进行夜间值班SOP文档向OpenClaw Skill的转化，系统可部分承接运维值守任务，可提升运维标准化水平与工作效率，降低人工值守压力。”上述公募基金公司人士说。

　　易方达基金也组建了专项团队，在隔离网络环境中开展功能验证。据其金融科技板块相关人士介绍，应用场景聚焦于市场信息自动化采集和企业数据治理，初步验证了其在提升信息处理效率方面的潜力。

　　盈米基金则走得更远。其旗下且慢平台早在2024年就推出了证券行业首个AI大模型投顾服务，目前已构建超30个金融专家智能体，覆盖宏观研究、基金分析、资产配置等领域。

　　盈米基金高级副总裁林杰才认为，在公募基金行业，短期内OpenClaw的价值主要体现在提升信息处理和日常运营效率。比如投研领域，自动抓取、整理和提炼海量研报、公告、宏观数据和会议纪要，形成研究报告，此外，合规的自动化审查也是重要领域，而客户服务领域因为不可控的原因，暂时还是只能作为助手使用。

　　林杰才指出，OpenClaw的深层价值在于改变组织形态。“未来靠自己手工作业交付结果的岗位将不存在。我们要求员工在自己的领域发展起Agent军团来帮助交付结果，这是未来的组织趋势。”

　　“公司电脑上，不让用”

　　然而，热闹的表象之下，风险隐忧如影随形。

　　“据我所知，现在公募基金内部没人‘养龙虾’。”一位北京公募人士直言，“使用公司网络‘养龙虾’的安全风险极高，有些公司IT部门评估后直接禁止。信息安全问题解决不了，谁敢把持仓信息上传？”

　　富国基金表示，采取“积极研究、审慎实践、安全可控”的策略，采用云上部署模式，实现与核心生产系统的隔离。

　　某上海基金公司则通过内外网严格隔离，允许员工使用外部数据处理，但坚决禁止触碰内网信息。

　　华南某基金公司人士称，因对OpenClaw开放的权限过大，公司电脑上不能部署。

　　这代表了基金行业的普遍谨慎。21世纪经济报道记者采访的近10家公募基金公司均明确表示，不能在办公电脑上“养龙虾”。一位公募人士的话颇具代表性：“你用自己的电脑‘养龙虾’，随意，但不能涉及公司内部数据。”

　　深圳某基金公司甚至向内部发布了详细的风险提示，涵盖模型幻觉、数据泄露、知识产权侵权等七大风险，并明确要求“请勿私自部署”“请勿连接内部系统”“请勿处理敏感数据”。

　　某上海基金公司的遭遇更显曲折。其信息技术部曾在风险可控前提下开展试点，并积极回应媒体。但几天后风向突变——听闻超20家券商明令禁止在办公电脑安装类似工具，公司领导层当即叫停宣传。“本来是好事情，但怕误解，现在只能低调。”相关人士告诉记者。

　　一家国内头部量化私募人士则直言：“‘养龙虾’在专业的技术圈看来更像一个玩具、半成品。对于量化投资这样严肃的生产环境，意义不大，且安全隐患极大。”

　　前海开源基金首席经济学家杨德龙提醒：“OpenClaw的安全性问题还有待验证。把电脑终端的操作权交给AI智能体有一定风险，可能出现篡改程序、删掉文件等问题。基金是真金白银的投资，一旦出现风险，无可挽回。”

　　一场温和而深刻的工作流革命

　　尽管阻力重重，但AI对基金投研的渗透已是不可逆的趋势。

　　易方达基金认为，OpenClaw在公募行业具备广阔的长期应用前景，其主动执行能力将显著提升服务效率。AI智能体的价值将率先在投研辅助场景落地，如多源信息整合、舆情监测、报告初稿生成等；其次是合规审查场景，最终实现全场景人机协同赋能。

　　章宏帆测算，从实操来看，OpenClaw在数据收集清洗、会议纪要整理、研报筛选等重复性工作中，可释放30%~50%的人力。同时，它还能在快速搭建分析框架、跑通回测模型、初步测算数据等环节提供辅助，缩短研究周期、提升工作连贯性。但在策略有效性判断、宏观政策解读、风险把控等核心决策环节，依旧离不开人脑判断。

　　一家基金公司则认为，OpenClaw并非单纯的“工具增强”，而是在引发一场“工作流革命”。“传统投研工具是被动响应，而AI智能体的核心突破是主动执行——能基于预设目标，自主完成‘信息抓取—数据整理—初步分析—结果反馈’的闭环。”

　　中信保诚基金量化投资部副总监王颖表示，公司量化团队早已将AI技术融入日常的投研体系，目前，由机器学习方式训练的量化因子在他们的策略中已占据约三成的比重，其应用主要集中在量价类的交易策略上。王颖更看好AI在处理非结构化数据方面的潜力，正积极探索利用语言识别模型处理新闻舆情等另类数据，以构建如主题轮动、事件驱动这类与多因子模型相关性更低的策略。

　　但她对AI的全面应用保持深刻的审慎。“市场具有自适应性，”王颖解释，“你用来训练模型的历史数据，本身就包含了过去所有参与者的行为。而你的模型一旦开始交易，其行为又会成为新的数据，这相当于一个模型在滚动地影响它自己。”

　　“最大的挑战在于，你不知道什么时候应该停掉它。”王颖说。

　　她举例，一些在2023年表现优异的机器学习因子，近期业绩波动巨大，背后正是“盈亏同源”——能带来超额收益的逻辑，往往也埋藏着未来吞噬利润的种子。

　　正是基于这种清醒的认知，中信保诚基金量化团队的策略重心正在发生转移。开始更多地思考如何将AI技术用于更稳健的领域，比如组合管理和风险控制，这也是近期行业内公募和私募机构的共同趋势。

　　民生加银基金量化投资部总监何江将AI视为“重构量化投研逻辑的重要力量”。其团队探索出“HI+AI”的混合智能模式——投资专家定义问题边界，AI团队负责技术实现，形成协同效应。他强调：“AI带来的不是岗位替代，而是角色升级。员工从‘数据分析师’向‘策略架构师’转变。”

　　汇丰晋信基金基金经理韦钰则强调，AI可以用于协助处理海量的历史资料，梳理出关键和总结出一定的规律，角色更类似一位研究助理。研究员或者基金经理可以在这些信息的基础上，依靠自身长期积累的认知能力，做出更准确的行业判断和投资决策。但现场调研、感知管理层状态等感性判断，仍是AI无法企及的领域。

　　车宏原这样总结OpenClaw的意义：“它以‘AI执行’能力点燃了公募基金行业AI应用的新一轮热情，其意义远超工具本身。”

　　杨德龙认为，“随着更多的基金公司加入到‘养龙虾’，未来可能带来业绩上的分化。所以有人担心OpenClaw的使用会加大基金公司之间的分化，未来有实力的大公司更有优势，事实上这个趋势是无疑的。因为AI智能体本身需要消耗比较多的资金，‘养龙虾’有成本，所以如何用好OpenClaw这个工具，可能是基金公司未来需要着力投入研究的一个重点。”

　　林杰才则指出，当前在AI工具使用过程中暴露的AI幻觉、无法与物理世界互动、权限安全等问题，实际上并不是AI技术或者AI应用本身的问题，本质上是因为“旧世界还未为AI的到来做好准备”导致的。

　　“所以我们要做好两件事情，第一件事情是转变自己的角色，一方面善于利用AI工具为我们工作，另外一方面为AI的到来做好各种基础设施的完善和建设，比如通过MCP搭建可信数据底座根治幻觉；打通物理世界数字接口链接虚实；制定AI 专属安全、权限、法律规则避免越界；第二件事情就是在以上问题解决之前，暂时限定AI的应用场景，在享受技术红利的同时将风险关在笼子里。”林杰才说。