在資管行業，信息供給與有效判斷之間的矛盾，從未像今天這樣突出。每天涌入的海量研報、會議紀要、實時行情，正在持續擠壓著投研人員的認知帶寬。

與此同時，AI大模型的快速發展，也正在改變金融行業的底層運行邏輯。從頭部券商提出“AllinAI”，到量化私募試水“投研自動駕駛”，再到全球對沖基金巨頭設立AI實驗室，一個共識在行業內部逐漸凝聚：AI已經從“可選項”變成了“必選項”。

而在這場深刻的范式遷移中，國內頭部主觀私募也開始探索屬于自己的智能投研路徑。其中，淡水泉的實踐，提供了一個頗具代表性的樣本。

AI沖擊波下的投研變局

2026年，私募行業的“分水嶺”已從預測走向現實，并在一組最新的數據中得到了印證。

私募排排網數據顯示，截至2026年2月底，國內百億證券類私募已經攀升至126家，創下歷史新高。然而，真正讓業內震動的不是數量，而是一個結構性的變化：百億級量化私募的數量，第一次超過了傳統的主觀多頭私募。

在過去幾十年里，主觀投資靠的是什么？是“深度認知”——跑調研、攢行業經驗、靠商業直覺找出被低估的標的。這種模式依賴的是人的直覺、邏輯推理，還有對模糊信息的判斷力。

但隨著市場交易結構變化，信息處理效率的重要性正在顯著提升。

市場交易量越來越大，信息碎片化程度呈指數級上升，這時候速度、紀律、廣度反而成了制勝的關鍵。AI不光能在毫秒級別上抓住套利機會，更重要的是，它能靠高頻數據和各種另類數據，在一定程度上把“微觀定價權”抓在手里。

當量化交易主導了日內的價格發現，主觀多頭策略不得不面臨一個現實：你靠基本面挑出來的好公司，它的短期股價其實更多是被算法的情緒推著走，而非由遠期的現金流貼現決定。

此外，更深的影響是，投研人員的工作方式也被AI徹底改變。

在早期，AI相當于“計算器”——幫研究員更快地整理數據、做財務模型。而如今，AI已經嵌進了投研的核心決策鏈，變成了“副駕駛”甚至“半自動駕駛”。

對于量化投資而言，傳統的多因子模型已經讓位于深度學習和大語言模型。AI不光挖掘因子，還自己生成策略、模擬交易員、跑壓力測試。因子挖掘的流程自動化了，人類量化研究員的工作重心從“寫代碼找因子”變成了“設計神經網絡”。

而對于主觀投資機構來說，AI帶來的變化同樣明顯。以前一個研究員最多覆蓋50到100只股票，現在有了AIAgent，他能快速掃完整個市場5000多只股票的財報電話會、供應鏈數據。AI負責“掃廣度”和“異常預警”，人負責“深度解讀”和“邏輯證偽”。

兩種解法：量化的“自動化”，與主觀的“增強化”

在AI賦能投研的浪潮中，不同類型的投資機構走出了截然不同的路線。

量化私募憑借天然的“數字基因”跑在了最前面?；梅搅炕缭?019年AI大模型尚未爆發時就投資2億元建成“螢火一號”AI算力集群，搭載1100塊高性能GPU，2021年再投10億元打造“螢火二號”。

2023年7月，由幻方實控人梁文鋒牽頭、依托幻方量化體系孵化并持續提供資金與算力支持的DeepSeek正式成立，目標直指AGI。

靈均投資則把AI融進了量化策略的全流程。他們用超過10萬個信號、上千個子模型做極致分散，再配上嚴格的風控。在靈均看來，AI真正的價值在于降低另類數據的處理成本，補上傳統量化在基本面和非結構化數據上的短板。如果未來AI能在多模態數據和商業信息的理解上取得突破，量化投資就有可能打通價格數據和公司真實經營之間的那堵墻。

主觀投資這邊，步伐也不慢。國際巨頭率先示范——橋水內部組建了AIA實驗室，致力于運用人工智能與機器學習在市場中創造超額收益，已推出一只以機器學習作為主要決策依據的基金。貝萊德則構建了名為“阿西莫夫”的AI研究平臺，將其應用于公司的股市基本面業務。

在國內，主觀私募也在積極探索自身的AI解法。淡水泉的探索具有一定代表性——它沒有選擇大幅顛覆既有投研范式，而是以“增強而非替代”為核心理念，從信息助理起步循序漸進地向機會總結和輔助決策演進。這條路徑對于大多數主觀投資機構而言，或許更具普適性。

讓AI成為“最強輔助”

我們了解到，淡水泉的智能投研探索，最早可以追溯到2020年，但真正系統性地起步是在2021年。

彼時AI還沒有進入大眾的視野，投資中的大量信息還沒有進行數字化。但淡水泉已經敏銳地抓到了一個核心痛點——長尾數據。這類數據不是主流供應商整理好的現成信息，而是散落在輿情、自媒體、會議錄音、行業深挖指標里的“非標準信號”。淡水泉的想法很簡單：供應商做得好的，自己沒必要重復做；但那些貼近真實投研場景、又沒人標準化覆蓋的數據，必須自己啃下來。

這種判斷，與其長期形成的擁抱科技的文化也有關系。淡水泉從創業那年開始就在做系統化，當時很多機構還在手工用Excel做估值，他們已經用上自動化了。在數據采購上，淡水泉也傾向于與市場上領先的供應商合作。2021年前后，在智能投研還沒有成為行業熱點時，淡水泉已經開始與創新技術機構展開合作，并持續跟蹤AI能力演進。

2023年ChatGPT的爆發，成了淡水泉智能投研的一個轉折點。團隊同步推進內部投研數據和大模型的結合，在智能問答能力上實現了突破。

目前，淡水泉的智能投研系統已經具備了報告閱讀與摘要生成、會議內容提煉、市場總結和主線分析這些“信息助理”級別的功能。在技術路線上，淡水泉的智能投研系統是基于自研與采購的大量投研數據進行輸出，日均處理超過10000份專業報告，在輸出的信息結果方面與投研更相關。

信息助理的能力完善之后，淡水泉又開始往機會總結方向推進。近一兩年，智能投研系統在“蒸餾”主觀基金經理總結市場主線脈絡、挖掘細分方向機會、提煉典型個股解決方案的方法論，幫投研團隊查漏補缺。

而往遠了說，淡水泉的長期目標是將宏觀分析、主題方向判斷、個股邏輯都統一內置到自建的AI模型中，讓投研人員能更科學地分析機會、匹配策略，把精力真正集中在那些需要創造性和前瞻判斷的地方。

隨著Agent技術越來越成熟，淡水泉團隊也看到了更深層的變化。今年，他們在試用Agent體系時發現，一旦AI接入了投研數據，它在信息歸納、交叉檢索和初步分析等方面的效率，已經開始明顯超過傳統研究流程。

在淡水泉看來，未來投研工作中人的價值會走向兩極：一頭是最一線的基礎調研，另一頭是最頂層、靠長期經驗積累出來的綜合判斷和決策。

從淡水泉的智能投研演進路線能看出來，他們對AI角色的定位想得很清楚——AI是用來增強人類判斷的，而不是替代。對長期投資來說，經過時間積累沉淀下來的洞察力和判斷力，是任何算法都取代不了的。

未來的主觀投資，或許會被重新定義。具備競爭力的機構，未必是最依賴AI的機構，也未必是最堅持傳統研究方式的機構。真正關鍵的是，如何把機器的效率優勢，與人的長期判斷能力結合起來。兩者結合，可以為主動權益投資創造出長期的價值。