投研范式正在经历从“人力主导”到“AI+HI协同”的历史性变革。国信证券《投研范式的革新——当大模型遇到大资管》报告显示，DeepSeek-V3每百万tokens输入成本仅0.27美元（优惠价0.14美元），远低于国际主流模型，在性能相当的前提下实现成本仅为1/10。DeepSeek-V3在MMLU达88.5%、MATH-500达90.2%，推理能力与GPT-4o、Claude-3.5-Sonnet不分伯仲。本文从AI选股架构、投研范式演进、DeepSeek降本三个维度，解析AI赋能资管投研的变革路径。

AI赋能投资决策的核心在于构建系统化的投资机会识别架构。MarketSenseAI等模型展示了基于多源数据的AI选股路径。新闻提取器负责新闻的获取、浓缩和制作股票最具影响力新闻的渐进式概要，让AI模仿金融分析师角色，整合公司发展、市场动态和战略策略。基本面总结器通过获取和比较最近季度财务报表，深入研究盈利能力、收入轨迹、债务指标和现金流动态，旨在对公司的财务状况进行公正客观的概述。股价动态摘要生成器不仅收集目标股票股价变动数据，还根据公司描述和行业将其表现与最相似股票及市场环境比较，计算累积回报、夏普比率、波动性、相关性和最大回撤。宏观经济摘要生成器汇总宏观经济报告和文章，提供关于宏观经济状况、央行政策、行业趋势和地缘政治态势的共识观点。基于四类数据的智能整合，AI大模型对不同类别数据进行权衡推理，作出投资机会提示。在投资决策中，AI负责数据整合和机会提示，人工负责深度复核和最终决策，形成“AI提示+HI复核”的协同模式。

投研范式的演进是理解AI赋能资管的关键视角。HI为主的1.0时代由格雷厄姆、巴菲特、彼得林奇等投资大师主导，通过管理人的巨大投资洞察力实现显著超额收益，契合时代背景，但巨大成功难以复制。工业化运作2.0时代先锋基金、贝莱德、桥水等初步形成了资产管理工业化，以指数产品作为基础工具实现集约化运作，但运作成本高昂、标准化资产配置为主。“AI+HI”协同3.0时代正在探索中——AI将能一定程度上模拟人类思考，在信息整合基础上理解和推理，为决策判断提供依据，在标准化资产上进一步延伸到另类债权、私募股权等新资产；HI在此基础上充分利用AI工作，提升工作和决策效率，推动投研范式革新。按照胜率和赔率两个维度，所有投资机会分为四个象限：基本面佳+估值便宜（第一象限）属于可模型化的投资机会，AI提示机会人工复核；基本面不佳+估值便宜（第二象限）需要人工深度研究；基本面佳+估值高（第四象限）需要人工深度研究公司前景；基本面不佳+估值高（第三象限）为回避区域。

投研范式三次迭代对比

时代	代表模式	特点描述
1.0时代	超级产品模式（格雷厄姆、巴菲特）	个人投资洞察力驱动；成功难以复制
2.0时代	工业化运作（先锋、贝莱德、桥水）	资产管理工业化；指数产品集约化；运作成本高昂
3.0时代	AI+HI协同（探索中）	AI模拟人类思考推理；HI充分利用AI决策

DeepSeek的性价比优势为大模型在资管投研领域的规模化应用提供了技术基础。DeepSeek-V3每百万tokens输入成本仅0.27美元（正常价）/0.14美元（优惠价），输出成本1.10美元。对比国际主流模型：Claude-3.5-Sonnet输入3美元、输出15美元；GPT-4o-0513输入2.5美元、输出10美元。在性能相当的前提下，DeepSeek输入成本仅为Claude-3.5的9%、GPT-4o的11%。SemiAnalysis估算DeepSeek AI总服务器资本支出约16亿美元、4年总拥有成本约25.7亿美元。DeepSeek-V3在MMLU达88.5%、MATH-500达90.2%、AIME2024达39.2%，在开源模型中位列榜首。国内基金公司已开始探索AI赋能投研的具体路径——某头部基金公司已发行AI量化基金，以中证500指数为基准，利用AI和海量数据寻找被低估或错误定价的标的，通过AI算法让模型根据市场环境和自身表现不断学习和进化，自发行以来相对基准指数的超额收益较为显著。境外Amplify AI驱动股票ETF（代码AIEQ.P）通过AI筛选受益于当前经济环境、投资风向、全球和公司层面事件的标的，从股价最有上升潜力的股票中构建组合。AI赋能投研正从“理论探索”进入“实盘验证”阶段。

结合《促进资本市场指数化投资高质量发展行动方案》，AI赋能指数化投资具备全链条应用前景。在指数设计与产品开发阶段，AI可处理新闻、社交媒体、卫星图像等非结构化数据，辅助编制反映经济趋势的“新型指数”；可运用机器学习动态调整权重，提升风险调整后收益。在指数基金产品运作与管理阶段，AI通过分析历史相关性选择最小样本组合以降低跟踪误差；预测市场波动和交易成本优化调仓时机与路径；拆解大额订单动态选择最优交易所和交易时段，降低市场冲击；通过NLP监测市场情绪，预判流动性变化，避免极端行情下的被动抛售。在客户服务层面，AI根据用户风险偏好自动配置一篮子ETF，实现“千人千面”的被动组合，充分运用AI内容生成能力提供持续买方投顾服务。在风险管理领域，AI监测市场脆弱性指标（如期权隐含波动率、资金流异常），提前调整对冲策略。AI赋能指数化投资有望显著提升投资者服务水平和风险管理能力，推动资管行业从“爆款产品”模式向“工业化+智能化”投研体系转型。