AI投顾竞速：算力狂奔之后，合规如何补位？

当大模型浪潮狠狠撞进财富管理的大门，证券行业的AI投顾竞赛其实就已经正式进入下半场了。

智能服务早已经不是当年那个只会机械问答的聊天机器人了，现在它变成了能诊断持仓、生成策略、预警风险的全链路决策助手。然而监管规则、责任怎么认定、投资者权益谁来保护，这些制度层面的“配套设施”也应该逐渐跟上脚步。

从通用的AI框架跟金融行业的特殊规矩衔接，到算法黑箱里出了问题算谁的，AI投顾要想让大家从“能用”变成“敢用”，制度上的协同配合是一道绕不过去的坎儿。

1、重金投入下的产品升级

现在信息技术的投入多少已经几乎成了衡量券商核心竞争力的硬指标。翻看2025年的年报可以发现：招商证券投入了19.08亿元，华泰证券也花费了26.79亿元在这上面，而国泰海通全年加起来投了32.35亿元。头部机构依靠自己资金充足的优势快速垒起了算力和技术的壁垒。

与投入一起进步的是产品形态。早期AI投顾的作用局限于查查行情、回答简单问题等基础功能。现在完全不一样了，它已经钻进了投资决策的每一个环节：一键就可以生成持仓诊断报告；根据投资者的风险偏好可以量身定制投资策略；市场一有风吹草动也能够马上提醒投资者动态调仓；甚至全年无休地盯着投资者的持仓。

“AI主动盯盘+信号预警+人工投顾跟进”的一套标准化流程现在已经变成了头部券商的标配。它既将投顾脱离每天重复性的盯盘，又使得以前只有高净值客户才能够享受得起的“贴身服务”范围扩展到海量的长尾客群，真正做到了投资全周期的陪伴。

2、五大待解的合规难题

技术迭代太快带来的弊端就是现有的监管框架跟业务实践之间的衔接缺口不断暴露。几个核心领域现在还是一片模糊的状态。

1、通用监管与金融规范的适配缺口

现有的《生成式人工智能服务管理暂行办法》主要是针对内容安全的，比如防虚假信息、保数据安全这些通用风险。可是证券行业自有的对于信义义务、利益冲突怎么防、适当性怎么管的相关要求具体在AI场景下到底怎么落地，目前还没有明确说法。

业内讨论的最凶的一点在于通用大模型输出的投资建议要不要参照《证券投资顾问业务暂行规定》拿牌照？关键分歧在于监管到底该看“行为实质”，还是看“技术载体”？边界不清楚的情况下机构搞创新就有很大的不确定性。

2、算法决策下的责任认定困境

《证券法》和《证券投资顾问业务暂行规定》都是以“人”作为投顾前提的。可是当建议是算法生成的，券商要负什么责任？第三方技术服务商又该担多少？现有法律并没有写清楚。

更棘手的是算法的“黑箱属性”。监管要求券商留下投资建议的依据和过程，可深度学习算法自己都说不清它是怎么做出决策的。合规上要留痕，投资者要有知情权，但是实际操作起来全是难题。

3、自动化场景的适当性管理标准缺失

投资者适当性是证券业务的底线，它要求券商在“充分了解客户”之后再提供匹配的服务。可是在AI自动推荐的场景下，怎么才算券商尽到了“了解客户”的勤勉义务？客户标签该设哪些维度、信息多久更新一次、算法匹配怎么校验……目前全行业都没有统一的合规标尺。

4、算法趋同的系统性风险隐忧

多数券商的AI投顾算法底层都是主流的量化因子，逻辑相似性很高。万一碰上极端行情，大量算法可能同时发出同向的调仓信号，那市场波动就会被放大。而现在的风控体系大多只盯着单一产品和客户风险，对于全行业算法集中度、调仓同步性这些系统性指标，基本还是监测盲区。

5、非持牌机构借AI违规展业乱象

有些没有资质的机构打着“AI智能选股”“算法稳赚”的旗号，干着非法投顾的勾当，迷惑性极强。上海警方之前就破过相关案子，涉案金额超过9000万，最后相关人员因为非法经营罪被判了刑。深圳证监局最近也曝光了类似的套路，提醒投资者警惕AI量化选股骗局。

3、中小券商的差异化困境

跟头部机构比起来，中小券商在AI合规这条路上走得更艰难。一方面，他们能投在合规、算法审计、内控体系建设上的资源实在有限，模型测试和备案的相关资金未必能拿得出来；另一方面，中小券商大多只能采购第三方的通用大模型服务，万一算法输出有偏差，或者出了合规风险，持牌机构跟技术供应商之间的责任怎么分、损失找谁赔都不清楚，只会进一步加剧中小券商的展业顾虑。

4、商业模式转型的合规边界

AI投顾正在推动券商从赚交易佣金，转向真正的买方投顾。新模式来了，新的合规命题也跟着来了。

1、买方投顾收费的制度配套

从佣金模式转向“AUM×费率”的买方收费，本意是减少诱导客户频繁交易的利益冲突。但现行规则对AI赋能下的投顾怎么收费、怎么披露，还需要结合实践进一步细化。

2、AI增值服务的收费定性

像策略订阅、智能盯盘这些增值服务，收的钱算不算证券投资咨询报酬这些问题的口径目前还是模糊的。如果在宣传时过度强调算法多厉害、淡化风险提示，很容易踩上“承诺收益”的监管红线。

3、多平台内容输出的界限

投顾借助AI在社交平台上发内容，“财经科普”和“投资建议”之间那条线经常模糊不清。万一公开给出具体的个股买卖建议，那就直接违反规定了。

5、系统化合规体系构建

针对这些行业痛点，中国证券业协会提出了一套系统性的发展建议，给AI投顾的合规发展指了方向。

1、坚持约束与激励并行

约束方面，参照金融稳定法草案划出监管红线，严厉打击非法AI荐股这类行为；激励方面，推行监管沙盒，对成熟场景开放试点，把准入、测试、退出规则都讲清楚，在实践中慢慢完善制度。

2、实施分级分类准入

内部员工用的AI研究、合规工具，风险低，可以简化管理；但是面向客户的智能投顾服务要按风险等级设置不同的准入标准，不能“一刀切”。

3、构建全闭环管理机制

探索设立智能投顾专项牌照，明确券商是第一责任人；建立算法登记和持续测试制度，完善算法纠纷的责任追究和解决机制；搭建全行业风险监测体系，把算法集中度、调仓同步性等指标纳入日常监测。

4、夯实人才与知识基础

把算法伦理、模型风控这些内容纳入投顾培训体系，培养既懂金融又懂技术的复合型人才；同时构建行业知识库，共享典型案例和最佳实践，降低全行业的合规成本。

6、结语

说到底，技术从来不是短板。金融服务的根基是信任，而信任是没有办法依靠算法速成的。AI投顾从“能用”到“敢用”，差的不是技术的“最后一公里”，而是规则与责任的“最先一公里”。监管尺度更清晰，机构肩膀更硬实，算法更透明，三方各进一步，这台引擎才能真正发动起来。

来源 | 中国证券报

编辑 | 夏叶璐