人工智能（AI）技术的迅猛发展，正在深刻重塑券商研究咨询这一传统智力密集型领域。从早期的基础数据分析到如今的生成式AI和大型语言模型，AI技术将逐步渗透至研究咨询全流程，全面覆盖数据收集与清洗、信息整合、行业分析、报告生成、策略建议乃至客户服务支持等核心环节。AI大模型技术的突破，特别是类似深度求索(DeepSeek)等模型的涌现，正加速这一技术平权变革进程。面对AI技术的爆发式发展，行业内不少从业者担忧岗位被替代。笔者认为，AI绝非人类工作的替代者，而是生产力的高效解放者，也是券商研究内控体系智能化升级的核心抓手。对于券商研究业务而言，AI可承接高重复性、强标准化的基础工作，让研究员得以从繁琐事务中释放精力，更专注于深度价值分析、前沿变化捕捉、高黏性的客户互动等更高价值的核心工作，让研究变得更有“速度”“深度”和“温度”；通过全流程智能质控和合规风险管控，为业务高质量发展保驾护航。

　　效率革命 AI如何重塑研究咨询的基础工作

　　研究咨询业务长期依赖研究员投入大量时间于数据和信息资料的收集、整理与分析等基础性工作。这些基础性工作会耗费研究员大量时间精力，使其难以聚焦高价值的深度分析与创新研判。AI技术的引入，正带来一场效率革命。根据实践案例，AI在数据处理、信息检索和报告生成等环节均展现出显著优势。

　　研究员的工作可大致分为研究耗时与人工耗时。研究耗时包括深度分析、策略制定和价值判断；而人工耗时则涉及大量基础性工作，如信息和数据收集整理、调研及纪要制作、电话会议主持及纪要整理、策略会支持与纪要撰写、路演筹备与执行等。AI在这些人工耗时环节中可以发挥重要作用并已获得研究员的实践验证。例如，在调研与纪要制作环节，AI可自动解析会议录音，将内容转化为文字摘要，时间从数小时压缩至数十分钟，并提取关键信息点；在路演筹备环节，AI能辅助生成演示材料初稿和数据可视化图表，节省大量筹备时间。尤其在报告撰写的低价值内容输出环节，生成式AI可依据研究员输入的关键词与搭建的框架，快速生成格式规整、逻辑清晰的初稿。尽管初稿质量暂无法与资深研究员的创作比肩，但这一过程能大幅节省研究员的时间与精力，使其可以将核心注意力聚焦于文本的打磨优化与价值提升。部分前沿AI系统更可实现多轮自动搜索、分析与推理，生成附带引用来源的框架性报告，其工作模式堪比专业研究助理：在给定研究主题后，能够自主规划研究路径、设计章节结构与研究方法，深度挖掘多源数据并根据研究进展动态调整分析策略，为研究员的核心工作提供高效支撑。

　　研究员的角色蜕变 从信息处理到价值创造

　　券商研究所引入AI技术旨在解放研究员生产力，而非替代人类研究员本身。它能有效帮助研究员从繁琐的基础事务中释放精力，将时间与智慧集中投入到更需要人类经验积淀、深度思辨与创新研判的核心领域。这种转变不仅重塑了研究员的日常工作内容，更重新定义了其在整个价值创造链条中的核心定位，凸显了人类智慧不可替代的价值。

　　随着AI接管数据和信息资料收集、整理和基础分析等任务，研究员面临工作重心与能力要求的转变。传统上，分析师耗时于这些基础工作，现在则需发展新技能组合，包括AI工具使用、提示词工程和私有数据训练等。同时，研究员需将更多精力投入高价值活动，如复杂问题拆解、战略思考、客户沟通和成果交付。这些活动更需要人类判断力、创造力和沟通能力，是AI难以替代的领域。

　　从基础工作中解放后，研究员可更专注于深度分析与战略洞察。一方面，深度分析的核心根基，始终离不开研究员的一线调研。尽管海量公开数据、商业采购的非公开数据可成为研究的重要支撑，且这类数据的获取与整合均可借助AI高效完成，但对于各行业的底层逻辑与核心肌理的深度理解，仍高度依赖研究员躬身入局的一线调研——唯有深入产业现场，才能敏锐捕捉行业转瞬即逝的趋势变化、精准感知市场真实的需求脉动，更能挖掘出数据背后未被量化的产业细节、企业经营的实际痛点与行业发展的潜在机遇，这些扎根实地的一手洞察与体感判断，是AI难以复刻的核心价值，更是高质量深度研究的关键所在。

　　另一方面，券商研究的最终落脚点，实则在于对企业及行业的估值与未来预测，这也是证券研究员的核心价值所在，其核心意义在于为投资决策提供相对精准的价值指引。估值与未来预测兼具创新性与艺术性，这一领域恰恰也是AI难以替代人类研究员的关键：AI虽能依托历史数据完成基础预测，但要创造全新的估值定位、深度解读企业未来价值，仍需依赖人类研究员的专业判断、行业积淀与创新思维——这些融合了经验、思辨与创造力的核心能力，是AI无法复刻的。比如，上市公司股价往往受基本面和市场两方面因素影响，基本面又分为短期和中长期基本面，市场变化背后的逻辑往往更迭很快。研究员往往需要在资金追逐、热点轮动、行业供需矛盾转移、宏观及中观行业政策变化、新技术突破、地缘政治等各种复杂交叉因素中寻找研究锚点，这要求研究员对行业和市场都要有深刻理解和敏锐洞察。这种能力非简单的数据分析所能获得，而是基于经验、直觉和创造力的综合体现，是人类研究员的核心价值。

　　进一步而言，AI赋能下的高效研究产出，更能充分激发研究员做好客户服务的主动性与行动力，让专业研究真正落地为有温度、有深度的服务。研究员从繁琐基础工作中释放出的时间与精力，可以更多投入到客户的深度对接中——针对不同客户的个性化需求拆解研究成果、用更通俗的逻辑解读专业观点、及时响应客户的后续疑问与定制化咨询，让冰冷的研究数据和分析结论，转化为客户能理解、用得上的价值指引。而这类需要共情理解、精准洞察个性化需求、灵活适配沟通场景的细致服务能力，正是研究服务的温度所在，其本身就带有强烈的人类主观能动性，也是AI难以替代的独特价值。

　　券商研究AI价值最大化 本地化部署与二次开发

　　尽管通用AI工具已展现出强大能力，但在券商研究业务中，要实现其价值最大化，仍需通过本地化部署与有针对性地二次开发落地。本地化部署是保障数据安全与合规的核心，可规避数据泄露与AI幻觉（如生成错误信息）问题，部分券商已通过相关技术保障数据输出可靠性；而对AI的二次及三次开发，既能帮助研究员构建个人知识库、实现个性化辅助决策，也能助力研究所集成知识库、打破信息壁垒，提升研究与客户服务能力。

　　本地化部署是保障数据安全与合规的核心。通用AI工具多基于云端服务，存在数据泄露风险。而本地化部署使研究咨询机构在自身防火墙内建立安全数据处理环境，确保敏感信息不外泄。预处理阶段使用合法合规公开的数据源，接入金融数据库，并将以往自身知识成果整合为投研知识库，可有效规避AI幻觉问题。

　　有效二次甚至三次开发AI，可构建个人和研究所集成知识库、实现模型个性化学习。在研究员层面，可通过AI工具构建本地化个人知识库，将散落的文献、数据、笔记等多模态信息进行聚合。利用向量数据库技术对知识进行向量化存储与语义索引，使AI能够理解内容间的深层关联，从而实现智能问答和文献溯源，极大提升了信息检索和内容调取的效率。更进一步，AI能通过学习研究员的个人数据和行为偏好实现个性化辅助。基于去中心化网络和向量数据库技术，AI可以安全地采集和分析个人行为数据，形成独特的“研究者画像”。据此，AI不仅能借助提示词工程生成更符合研究员思维模式和当前任务需求的输出，还能在模型微调过程中，将个人知识库作为专属数据集，让通用大模型更适应其专业领域的具体问题、术语体系和写作风格，从而在文献解读、实验设计、论文撰写等环节提供高度定制化的支持。在研究所层面，AI技术同样能发挥重要赋能作用，可助力实现知识库的系统化集成与高效复用，进而构建更加协同、完善的研究生态。通过AI打破不同研究团队间的信息壁垒，推动各领域研究成果、数据资源与分析思路的互联互通、深度融合，不仅能有效提升整体研究质量与产出效率，更能进一步优化客户服务体验、强化客户服务能力，实现研究价值与服务价值的双重提升。

　　AI助力内控智能化升级 筑牢生命线

　　在券商研究业务的内控体系中，质量管控是研究价值的核心保障，合规风控是业务发展的底线要求。在不远的未来，AI技术的深度应用将从标准化提效、全流程溯源、风险前置防控等维度，为研究业务内控体系注入新动能，解决传统人工内控效率低、覆盖窄、响应慢的痛点，推动内控从“事后核查”向“事中监控、事前预防”闭环升级，成为券商研究内控数字化建设的核心抓手。

　　一方面，在研究质量管控上，借助AI可实现标准化全覆盖与精细化提升。传统人工质控存在效率低、标准不一、漏检率高的问题，且难以覆盖研究逻辑等核心维度。AI凭借数据处理与语义分析能力，可辅助实现质控全流程智能化升级。在基础质控层面，AI可批量校验研报、调研纪要等成果，自动核查数据与原始数据源的一致性、引用合规性及格式规范性，将质控从抽样核查升级为全量覆盖，杜绝基础失误。在核心逻辑层面，AI通过知识图谱与逻辑推理算法，可辅助排查估值模型假设合理性、行业趋势与数据匹配性等逻辑漏洞，及时提示修正，守住研究质量底线。同时，AI可通过文本相似度算法检测研报同质化，推动研究员更聚焦产业底层逻辑、跨领域交叉研究等差异化方向，完善行业质量竞争的生态。

　　另一方面，在合规风控上，可借助AI构建全流程闭环防控体系。券商研究涉及大量敏感信息，传统合规风控多为事后核查，风险防控滞后。AI通过多维度赋能，筑牢合规底线。一是敏感信息前置识别，AI搭建敏感信息库，实时扫描研报撰写、客户沟通等全场景文本，自动预警未公开业绩、重大重组等敏感信息，从源头防范信息泄露与内幕交易风险。二是全流程事中监控，AI对接各类业务系统，搭建实时监控平台，核查调研报备完整性、研究成果发布合规性及客户沟通规范性，及时处置违规行为，避免风险扩大。三是操作行为可追溯，AI记录研究员全流程操作日志，实现长期存储与快速检索，一旦发生风险可精准溯源，明确责任主体。四是合规规则标准化落地，AI将监管规则与内部制度拆解转化为系统强制校验条件，确保合规要求嵌入各个业务环节，避免执行偏差。

　　解放生产力 拥抱人机共融的新时代

　　AI技术正以全方位的渗透力，深刻重塑研究咨询业务的整体面貌与发展格局。但回望人类历次技术革命的演进轨迹，技术从未成为替代人类的工具，而是以解放生产力的核心价值，推动人类向更具创造性、更高价值的工作领域迈进。AI技术的发展与应用，也终将延续这一核心路径，为研究咨询业务的创新发展开启全新篇章。

　　未来，能够立足行业浪潮、实现持续成功的研究员，必然是那些主动拥抱技术变革、坚持持续学习进化、善于驾驭人机协同模式的从业者。于研究员个体而言，AI时代是挑战与机遇并存的新赛道：挑战在于，必须打破固有能力边界，持续学习AI应用新技能、适应研究角色新定位、培育价值创造新能力；机遇在于，他们得以彻底从繁琐的基础事务中解脱出来，将更多时间与精力投入到深度分析、战略研判、创新思考等更高价值的工作中，在更核心的业务场景中实现个人能力的快速成长与行业影响力的持续提升。

　　而未来能够在行业中站稳脚跟、构筑核心竞争力的研究咨询机构，必然是那些能够实现人类智能与人工智能深度融合、高效协同的主体。这类机构既懂得充分发挥AI技术在数据处理、流程效率上的极致优势，又能牢牢把握人类在专业判断、创新创造、共情沟通上的独特价值；既能够通过AI工具的本地化部署与定制化二次开发，让技术精准适配研究咨询的专业化、个性化需求，又能搭建适配人机协同的工作流程、培育包容技术创新的组织文化，更能依托AI赋能筑牢内控防线，通过质控与合规风控的智能化、协同化建设夯实业务发展根基；既能始终保持对数据技术发展的高度敏感度，又能深耕产业与市场，精准洞察客户核心需求、深刻理解复杂投资环境。

　　唯有以理性视角正确理解AI技术的价值，以务实姿态提升科学运用AI技术的能力，推动人机协同成为研究咨询业务的核心工作模式，才能让研究咨询业务在技术赋能下持续提质增效，更好地对接客户需求，提供更专业、更有深度、更有价值的产业洞察与智力支持。

　　（作者单位：东北证券研究咨询分公司。作者李冠英为东北证券研究咨询分公司总经理）

　　主要参考文献：

　　①陈雨露.数智时代人才培养新路径的探索与实践[J].中国网信,2025.

　　②曾勇华等.人工智能技术在证券公司内部审计中的应用研究[J].中国内部审计，2025.

　　③崔予淳.AI投研的边界与可能[J].北大金融评论,2025.