□本报记者王雪青
基金经理在晨会上讲完观点，还要回答AI的质疑；交易员来不及逐条查看的询价消息，AI已在解析其中的价格意向……如今，公募基金行业对AI的应用，已不止于收集信息、整理纪要，而是逐步从辅助分析走向投资实操。
应用越来越深入，两个问题也愈发迫切：基金公司重金投入AI，究竟能否转化为阿尔法(超额收益)，替持有人多赚一些钱？再往前看，当每家机构都用上AI，在“AI斗AI”的竞争中，超额收益又从哪里来？
带着这两个问题，中国证券报记者调研采访了多家公募基金公司及第三方评价机构。对于AI能否带来超额收益，受访者的回答各有侧重：“可量化的改善已经有了，可归因的超额还在路上”“AI首先能减少信息遗漏和操作失误，降低‘负阿尔法’”“未来不用AI，会让阿尔法衰减得更快”……
有人着眼于多赚钱，有人强调先少犯错，也有人担心不用就会落后。而谈到下一步的竞争，多家机构不约而同地将目光投向了技术背后的两个变量：人和组织。
AI深入投研腹地
基金经理讲完观点，还得回答AI的质疑。这一幕，正在基金的投研流程中发生。
据天弘基金介绍，在晨会、周会上，自研“弘研智策TIRD”平台会综合卖方、买方及内部信息，找出研究员、基金经理发言与平台信息的差异，提出“AI挑战”，投研人员需要回应。
过去，AI主要记录大家说了什么；现在，AI还要找一找，哪些地方对不上。
“在投研交互中，AI在一定程度上已经充当了‘AI研究员’的角色。”天弘基金表示，这有助于寻找市场预期与内部判断的预期差。目前，公司已将超过40项投研方法做成可重复调用的技能(Skill)模块。
易方达基金关注的，则是如何让一位投研员工的好方法，被更多员工用起来。
“EWork(易方达基金自研的内部智能工作平台)的意义也在这里：为每位员工提供创造和改进工具的条件，让有效方法得到共享，让公司已有的专业优势不断深化。”易方达基金首席信息官刘硕凌说。
这些尝试并非一朝一夕。据了解，华夏基金2017年已与微软（MSFT）亚洲研究院AI团队合作启动智能投资项目，2019年上线人工智能（885728）实盘产品，此后建设多资产一体化投资管理平台、落地智能投研助手。
华夏基金表示，如今，基金经理早已告别“单兵作战”的模式，他们站在公司整体平台能力之上，依托大模型、机器学习前沿技术，实现投资决策从“人工筛选”到“智能挖掘”、从“个体决策”到“人机协同”的跨越。
以“华夏飞翼固收一体化智能平台”为例，它不仅大幅提升了组合分析、交易执行的效率，优化资产配置逻辑，还能沉淀优质的投研成果，让投研流程可复制、交易执行可预测。
“公司投研团队已全面拥抱AI，多元化探索各类智能体工具，AI在投研流程中的渗透率已达全员。”博时基金首席数字官、人工智能（885728）实验室主任车宏原告诉中国证券报记者。
博时基金正在系统性地将投研方法沉淀为Skill与智能体工作流。例如：AI市场调研Skill，可自动整合调研纪要、电话会、公告与舆情，形成结构化调研底稿；AI个股研究Skill，可快速提取研报与会议路演核心观点、财务预测与估值逻辑，辅助研究员生成初稿；投资线索挖掘Skill，可基于事件、公告、资金流与情绪变化，自动生成可跟踪的投资线索池等。
以往需要人来回查找、拼接的信息，现在可以交给AI先做一遍。“本质上看，是把投研人员从信息搬运中释放出来，回到真正产生阿尔法的判断与决策环节。”车宏原说。
交易端更能看见这种变化。例如，固收询价方面，常常是交易员与对手方一对一“聊”出来的。消息一条接一条，报价也在变。
“过去，一位交易员靠体力和经验，能同时盯住的行情和对手方是有限的，最好的价格常常在人的极限之外。”兴证全球基金表示，公司自主研发的“千询固收智能交易平台”，将多路经纪商行情、报价与内部持仓、研究数据汇到一起，由AI自动解析对话里的价格意向，匹配对手方、发起询价。
格上基金研究员焦冰将AI在公募投研中的地位概括为从“工具”走向“同事”。AI对公募投研的改善集中在三个方面：一是研究效率与覆盖广度，包括研报、调研纪要、社交媒体观点、机构持仓变化等非结构化数据的处理；二是另类因子与传统因子的融合，量化机构通过大模型从另类数据中提取特征，与量价模型融合，产生新策略；三是风控前置与头寸管理，头寸AI助理可实现“负头寸预警—融资能力监控—处置方案推荐”的实时闭环，把过去事后发现的问题变成事前管理。
超额收益仍待验证
根据目前数据，能否判断出AI投入较多的基金公司已经取得了更好的投资表现？
“目前很难直接把业绩排名与AI应用水平建立因果关联。”天相投顾基金评价中心对中国证券报记者表示，“主要是归因困难，今年业绩分化极大，更多与赛道选择、持仓集中度和风格暴露相关，很难归因于AI应用的差异。”该机构进一步表示：“当前行业对AI投资能力的评价体系尚不成熟，缺乏公开、可比、长周期（883436）的数据支撑，短期排名受影响因素较多，不能直接等同于AI能力。”
相比之下，AI节省的时间容易算，多赚的钱却不好算。兴证全球基金介绍，“千询”平台让每位交易员每天节省约3小时，询价量提升超过50%。多看到一些报价，少错过一些机会，就可能让成交价格好一点。
“固收的超额收益本来就是一个基点一个基点攒出来的。”兴证全球基金举例称，在盯资金缺口上，AI可以实时监控头寸、预判哪天资金会紧张并主动推送，把“事后发现钱不够”变成“事前知道哪天会紧”。这些改善究竟增加了多少超额收益？兴证全球基金表示：“恰恰因为这种提升融进了流程的每个环节，才很难单独切出来给一个精确数字；再叠加市场涨跌、风格切换等因素，归因就更复杂。可以说，‘可量化的改善’已经有了，‘可归因的超额’还在路上——我们正在从前者走向后者。”
实际上，海外也有类似的难题。国际咨询机构美世2026年5月发布的报告调查了131家全球资管机构：55%的受访机构已将AI用于至少一个投资流程，但只有8%的机构投资回报率出现了可衡量的提升，还有8%的机构表示投资组合波动性有所降低。
“尚未出现显著优势，并不等于AI无用。”多数受访的行业人士认为，只是从用上AI到证明它能赚钱，确实还有一段距离。
天弘基金认为，目前来看，使用AI并不意味着一定带来阿尔法，但AI正在深刻改变阿尔法的生产方式。AI无法完全充当决策替代者，而是效率倍增器和盲点补足器；人才是价值发现、印证和主要的风险承担者。
车宏原给出的判断是：“现阶段AI是否增厚了产品阿尔法，难以归因和量化评价。”他更看重眼前的“少犯错”：减少信息遗漏、操作失误、响应延迟，AI可以先把“负阿尔法”降下来。
刘硕凌认为，从因子挖掘到交易执行，投资假设的形成与验证，尤其是识别产业变化与市场预期之间的差异，是更有可能通过AI探索新增超额收益的环节。比如，一项技术取得突破性进展，消息大家都能看到。接下来才是难题：变化能持续多久？能给企业增加多少利润？现在的股价，是没有反映利好，还是已经反映过头了？“潜在的超额收益，来自对这些问题更深入、更及时的认识，而非信息处理速度本身。”刘硕凌表示，“AI能否转化为实际收益，还要结合估值、风险和交易成本，在投资实践中持续检验。”
据了解，兴证全球基金已在尝试将AI使用记录与决策、投资结果关联，探索“用与不用”的长期对照，区分“过程对、结果不好”和“过程错、碰巧赚钱”。不把运气误认为能力，也不会因为暂时算不清具体数据，就否认提升的真实存在。
人与组织才是“胜负手”
当每家机构都有AI，超额收益从哪里来？
“一个研究员的专业判断力，是在读三百页招股书的深夜里、跑产业链的路途中、一遍遍推翻模型的过程里，完善和沉淀出来的。而这份历经磨砺形成的判断力，才是应对复杂市场的核心底气。”华夏基金总经理李一梅曾在公开演讲中表示。
刘硕凌也表示，AI普及后，真正拉开差距的，是基金公司的专业积累能否通过AI发挥更大价值。“主要瓶颈在于，数据、系统和经验仍然分散，单个任务做得更快，未必能改善整体决策的准确性。”刘硕凌表示，突破方向是将产业认知、研究方法、风险管理和交易经验结合起来，让新信息及时进入研究，让发现得到验证，并落实到组合决策中。“未来的竞争，既考验研究深度，也考验整个组织吸收新知识、协同解决问题的能力。”
车宏原认为，通用模型容易输出“卖方化、共识化”的答案：框架完整、结论温和，却“正确但无用”。真正创造阿尔法的是对共识的质疑、对拐点的敏感、对产业链矛盾的识别。
“阿尔法不会消失，只会迁移。”兴证全球基金认为，在“AI斗AI”的时代，仅靠更早获取信息的超额优势可能被抹平，竞争将转向独有数据、独立判断与协同能力。为此，公司把“唱反调”做成正式任务，让AI为同一命题寻找正反证据，人来做最终权衡；同时在知识库中保留少数意见和不同研究路径。“模型大家都买得到，组织的记忆和判断力，别人复制不了。”
但模型趋同的影响，还不止于挤压收益。金融稳定理事会(FSB)报告认为，共用模型和数据可能增加交易相关性，在市场下跌时加重流动性紧张、放大波动；相似的风险管理模型也可能强化顺周期（883436）行为。报告还认为，AI若主要用于文件起草、信息检索，对市场相关性的影响可能较小；若广泛参与策略制定和风险管理，相关脆弱性就可能上升。这意味着，AI用得越深入，对模型输出的独立校验就越重要。
这也是多位受访者强调人机分工边界的重要原因：基础工作可以交给AI，趋势判断、价值抉择、产业沟通必须由研究员亲自完成。发现机会、识别错误、承担责任，最终仍要落实到基金管理人身上。
正如李一梅所说：“AI再强大，也不能替代信任；算法再先进，也不能替代责任；模型再智能，也不能替代人文关怀。”
