在新金融联盟主办的“AI驱动资管业务价值跃迁的路径与挑战”内部研讨会上，泰康资产总经理兼首席执行官段国圣分享了AI在资产管理领域的应用前景。他指出，AI技术正在深刻改变传统投研模式，通过解决信息过载、复杂研判、场景覆盖和快速迭代等核心问题，为资管行业带来新的发展机遇。
资产管理行业的核心业务是投资研究，其本质涵盖信息获取、分析研判、决策制定和交易执行等环节。然而，传统人力投研模式存在显著局限：数据获取和处理能力有限，难以实现全覆盖；决策过程受直觉和理性系统交替影响，容易产生偏差；长期形成的经验框架可能导致思维固化，难以接受新观点。这些局限制约了投研工作的广度和深度。
AI技术的引入为突破这些局限提供了可能。凭借海量数据处理、深度逻辑推理、多模态融合和持续学习等能力，AI不仅能够提升投研效率，更能重构信息获取、知识理解、判断形成和行动落地的完整链路。具体而言，AI可以处理人工难以完成的海量信息，解决复杂研判问题，全面感知真实场景，并快速适应市场变化，从而弥补传统投研的四大短板。
在投研逻辑重构方面，AI与人力形成非对称性互补。传统投研流程中的报告阅读、调研、建模等工作可由AI承担，而研究员和投资经理则可专注于创造性研究。这种协同模式不仅扩大了研究范围和深度，还促进了研究知识的沉淀和复用。决策范式也随之转变，AI负责基础信息处理和分析，人类则聚焦核心判断和策略落地，提高了决策质量。
AI还打破了基本面投研与量化投研之间的壁垒。基本面研究员借助AI工具可快速开展量化研究，将因子打磨和策略验证周期从半年缩短至一周，显著提升了研究效率和创新能力。这种融合为资管行业带来了新的研究方法和工具。
尽管AI应用前景广阔，但其落地仍面临诸多挑战。业务与技术融合困难、安全合规要求严格、算力供给不足、数据打通难题、组织经验沉淀和AI技术跟进等问题亟待解决。针对这些痛点，泰康资产构建了“七要素+双环境”的企业级AI架构，涵盖算力、模型、数据、能力、工具、终端和安全等要素，并设立公域和私域双环境，确保创新与合规的平衡。
在算力分配方面，公域环境算力充足，支持大规模AI应用；私域环境则面临算力限制，需重点突破。这种差异化策略既保障了核心业务的安全运行，又为创新应用提供了空间。通过权限控制和沙箱隔离等措施，公司确保了AI使用的合规性和可追溯性。
泰康资产的AI应用不仅限于投研场景，还将扩展至公开市场、产销客、风控、运营和科技等全业务链条。公司计划搭建覆盖资管全流程的智能体体系，赋能各个环节。为推动AI落地，管理层亲自参与工具开发，深入理解一线需求。例如，首席投资官段国圣在“灵境”AI平台上开发了资产配置和投资策略工具，通过实践掌握了AI应用的难点和优化方向。
这种亲身实践的经验表明，管理层参与对AI落地至关重要。只有深入了解技术细节和应用场景，才能制定出切实可行的推广策略。泰康资产的探索为资管行业提供了宝贵经验，展示了AI技术与业务深度融合的路径。
