基金投顾AI部署走到哪一步了？易方达、华夏、南方、嘉实、中欧等头部公募及财富子AI部署全景调研

基金投顾业务试点已近七年，行业总规模突破千亿元，目前正处于规模化落地的关键阶段。

与此同时，人工智能正推动财富管理机构向买方投顾模式转变。AI已深度整合到投资研究、顾问服务、运营管理和合规风控等全业务流程中，从简单的智能问答发展到投顾工作台，从客户服务扩展到组织协同。业内普遍认为，AI是推动这一转型的关键因素。

那么，财富管理机构向买方投顾的转型目前进展如何？AI究竟带来了哪些改变，又是如何具体赋能基金投顾业务的？如何评估基金投顾业务中AI转型的成效？未来，基金投顾业务的AI转型路径应如何规划？面临哪些挑战？在AI浪潮下，如何建立自身的竞争壁垒？什么才是不可替代的核心竞争力？针对这些问题，中国基金报记者进行了深入的行业调研。

财富管理行业正加速向买方投顾模式转型

财富管理行业从卖方销售向买方服务的转型正在持续深化。

以基金投顾为例，自2019年10月启动试点以来，已过去近七年。投顾机构数量从最初的5家增加到60多家，参与方包括基金公司及其子公司、互联网独立代销平台、券商等，行业管理规模已超过千亿元。

根据中国证券投资基金业协会最新发布的百强榜单，有4家基金财富子公司进入了基金销售保有规模的前100名。在非货币基金代销总规模方面，嘉实财富位居首位，最新规模为216亿元，较2025年底增长了17.4%，排名第61位；其次是中欧财富，规模为99亿元，环比增长8.8%，排名第78位；易方达财富首次上榜，规模为89亿元，排名第82位；华夏财富以82亿元的规模紧随其后，环比增长1.2%，排名第87位。

易方达财富人工智能部总经理刘玮表示，当前国内财富管理行业正加速向买方投顾模式转型，基金投顾已进入规模化落地的关键时期。

“行业发展至今，投顾机构的标准化服务流程和系统平台已日趋成熟，专业投顾人才储备也在持续增加，这为规模化发展奠定了业务基础。从试点效果来看，与投资者自行购买单只基金相比，基金投顾模式能显著提升投资者的体验和获得感，其长期价值已得到市场验证。从海外经验和行业趋势来看，将AI深度融入投研、顾问、运营、合规等所有业务环节，并推行人机协同的分层顾问服务，是买方投顾实现规模化发展的必经之路。”刘玮表示。

**嘉实财富认为，当前中国资本市场正迈向高质量发展的深水区，居民财富管理需求呈现出“规模增长与多元配置”并行的特点。**一方面，居民金融资产规模持续扩大，对专业理财服务的需求日益迫切；另一方面，“基金赚钱，基民不赚钱”的行业痛点仍未根本解决。财富管理行业面临着从“规模导向”向“投资者回报导向”的转型：既要打破传统“依赖产品销售”的路径依赖，又要构建以专业服务创造价值的买方投顾新模式。

AI赋能基金投顾业务，成为财富管理行业转型的关键变量

AI正成为财富管理行业转型的关键驱动力。从智能问答到投顾工作台，从客户服务到组织协同，AI的应用场景不断扩展。业内人士指出，AI对基金投顾的最大价值，并非简单替代某个岗位，而是将高度依赖个人能力的专业服务，转化为机构可以沉淀、复制并持续进化的能力。

那么，AI在哪些环节真正发挥了作用？刘玮表示，目前，易方达财富正通过多种技术融合以及大、小模型协同，围绕投资研究、顾问服务、合规风控、运营运维等所有业务线进行工作流改造，并将AI能力嵌入业务系统。目前已落地了上百个AI应用场景，实现了AI工具的全员使用，投资顾问等专业人员在日常工作中也深度应用AI。

在研究端，AI可以辅助处理研究报告、公告和市场数据，进行基金研究、组合分析、绩效归因和风险监测；在顾问服务端，可以结合客户画像、持仓情况和服务历史记录，辅助识别需求、分析账户并准备沟通材料；在运营端，可以解析复杂文件，识别交易和账户异常；在合规风控端，可以协助理解制度和服务规范，进行会话质检和风险预警。这些场景的共同点是信息量大、任务高频重复且结果可验证。

“从实践来看，当前AI主要承担信息处理、分析和辅助执行工作，让专业人员能将更多精力放在关键判断、复杂沟通和最终规划上。模型能力强，并不意味着业务效果一定好。只有将其接入真实流程，并与评测反馈、人工复核和风险控制相结合，AI才能从一项技术能力转变为可持续的业务能力。”刘玮表示。

华夏基金（财富）认为，“AI+专业投顾人员”的协同模式贯穿投前、投中、投后，为个性化服务和标准化经营创造了空间。

投前，AI可以综合分析客户基本信息、风险等级、持仓、历史交易、行为和沟通记录，将过去的“静态标签”升级为“动态理解”，基于多维数据完成KYC画像，帮助财富顾问更快、更准确地为客户进行适当性匹配。

投中，AI可以持续监控每个组合和客户账户，在持仓偏离、成分基金风险预警、资金事件预警、再平衡调仓成本计算等方面，将研究周期从数天缩短到分钟级。算法对组合进行动态监测预警，为投资经理、交易运营和客户提供更精细的建议，实现了响应效率和判断质量的双重提升。

投后，AI可以针对多种陪伴场景，即时响应常见问题，聚焦个性化需求，在关键时点主动介入，提供更具针对性的陪伴，纠正非理性行为，改善持有体验。此外，AI擅长计算、分析和洞察，而真人投资顾问则擅长理解、沟通和陪伴。AI生成的物料通过真人投资顾问对客户隐性需求（如家庭、情感）的洞察，使客户陪伴变得更有温度。

中欧财富表示，目前，AI真正发挥作用的环节大致分为三层。第一层在客户端，通过投研底层框架和AI大数据模型，根据客户KYC、KYP等综合信息，生成账户诊断、大类资产透视等工具，方便用户自主查询账户健康状况，提高基金投顾服务的个性化和千人千面可及性；第二层在投顾端，AI作为辅助工具帮助投顾整理市场信息、生成持仓分析、大类资产信号等，提高投顾工作效率，辅助投资决策；第三层在服务层，投顾输出的标准化服务，通过AI大模型生成适配不同客群的个性化内容（如调仓解读、市场点评、陪伴服务），实现基于客户理解的差异化投资陪伴，为客户带来更有温度的投资体验。

南方基金指出，AI赋能基金投顾主要体现在三大场景：一是夯实底层基础，加强投顾选品能力建设，用可对标的数据支持选品研究和营销运营；二是深化精细化运营，利用内容Agent提升陪伴和观点输出能力；三是强化AI在公共领域品牌宣传和营销的应用，提升品宣产能和热点承接能力。

在这些场景中，AI带来的改变体现在三个层面：第一，改变了成本效益模式——原本“负担不起”的服务半径（如主理人每周更新内容、逐客户陪伴）变得可行；第二，改变了数据的可获得性；第三，改变了组织方式——“AI生成+人工判断+效果复盘+数据沉淀”的闭环，使投顾业务成为一个可持续学习和迭代的系统，而非一次性项目。

需从多维度评估AI转型效果

如何判断基金投顾业务的AI转型效果？南方基金认为，AI转型的效果不能只看“用了多少AI”，而要看AI是否改善了客户层面的买方指标（如持有时间更长、盈利更高、复购率更好）和机构层面的成本曲线（如单客服务成本下降、服务效率提高等）。

“判断基金投顾业务的AI转型效果，我们不会只看接入了多少模型、上线了多少智能体、用了多少Token，也不能简单照搬通用AI的评估框架。”刘玮表示，原因在于，基金投顾面对的是具体客户、真实账户和长期投资目标。因此，关键不在于AI说了多少，而在于它是否做对了专业任务、改变了服务流程，并为客户创造了风险可控、经得起长期检验的价值。

刘玮指出，评估维度主要可分为三个层次：一是看专业任务是否做对，二是看服务流程是否真正改变，三是看客户结果是否改善、风险是否可控。从实践来看，AI应用得多只是起点，能够稳定地完成专业任务，并进入可评估、可追溯的业务流程，才是转型成熟的标志。

AI落地“最后一公里”难点犹存

在行业费率改革和居民财富结构重塑的背景下，财富管理机构持续探索转型。目前，AI落地及转型的难点是什么，成为业内关注的焦点。

南方基金表示，难点在于几个方面：一是数据基础薄弱。组合策略数据非标准化，缺乏统一的因子和公开口径——没有可对标的业绩和竞争力数据，买方立场就无法被客观验证。二是内容供给成本高。主理人高频每周更新内容的成本很高，专业群的差异化和价值感难以做实——买方投顾的本质是持续陪伴，而陪伴在人力模式下是奢侈品。三是AI落地“最后一公里”困难。AI生成的内容仍需进行提示词调优和流程复核——生成容易，但要合规可用则很难。

嘉实财富认为，转型阻力方面，其一是买方投顾机构的长期目标与短期商业逻辑之间的冲突。在卖方模式下，机构收入主要来自前端一次性的佣金和代销费，当期即可兑现；但在买方投顾服务中，机构前期投入大，获得信任和回报的周期更长。这两种底层逻辑在周期上存在差异，导致考核机制和业务模式难以快速切换。其二是专业能力断层。目前，专业型投顾人才队伍仍相对短缺，具备“从客户需求出发、账户思维”视角、能以专业赢得客户信任，并拥有优秀行为引导能力和综合素养的从业者非常稀缺。

如何在AI浪潮中构建自身护城河？

对于如何在AI浪潮中构建自身护城河，刘玮认为，未来的竞争将从“谁更早接入先进模型”，转向专业决策、客户服务和组织运行能力的竞争。对易方达财富来说，底层模型可以采购、组合和替换，但数据、知识、工具、业务流程、评估数据和治理规则应沉淀在自己的体系中。

据悉，围绕这一目标，易方达财富正在建设“1+2+3”AI智能化体系。“1”是统一智能底座，解决模型、知识、工具与业务系统的连接问题；“2”是数据能力中台和AI能力中台，分别支撑数据治理与应用和AI能力沉淀复用；“3”是智能工作、智能服务和智能应用三大平台。“这套体系背后，关键是形成AI原生的组织能力。AI友好的组织不是简单叠加AI功能，而是围绕真实业务问题，形成从需求定义、知识与数据准备、工程实现到一线验证和持续迭代的协作闭环。”刘玮表示。

南方基金认为，构建自身护城河的关键在于：一是数据资产独有。通用大模型谁都能买，但“自己的组合跑出来的、带效果标注的数据”只有自己拥有。二是信任关系和品牌场域不可复制。买方立场下的信任关系和品牌场域——南方基金旗下司南投顾积累的品牌信任和差异化陪伴关系，是客户视角下“别人拿不走的”资产；买方投顾的终极壁垒，是客户愿意把钱长期托付给你。

嘉实财富也认为，信任无法被算法取代。财富管理行业的核心本质是经营长期信任，因此，依托长期责任维系的客户关系与信任，是AI无法逾越的边界。AI可以高效处理信息、优化服务流程，但它无法承担投资责任，也无法建立真实的人际情感连接。当AI不能承担责任、缺乏情感链接、且依然存在幻觉时，客户很难将权限交给“龙虾”——所有数字背后都是客户的真金白银，数据治理和安全是底线。未来，人机协同将成为财富管理的主流形态。

未来基金投顾业务，AI转型之路怎么走？

AI转型已是大势所趋，但财富管理机构的AI转型路径，行业仍在摸索。

南方基金认为，第一步，先打地基。将非标组合数据标准化——统一因子、可对标口径、竞对数据、卖点标签库、周报监控看板。这是所有上层AI应用的基础。第二步，实现场景闭环。沿着“AI生成→人工判断→渠道应用→效果复盘→数据沉淀”的流程跑通每个场景，且每个场景都要有量化验收指标，复盘数据反哺知识库，形成良性循环。第三步，扩展人机协同范围。从内容生成走向陪伴交互（如语音陪伴链路等），最终形成分层服务模型——行业共识是，AI智能服务将成为标配。同时，必须守住合规底线。AI内容的全流程提示词规范加上人工复核标准操作程序，是在制度约束下唯一可持续的落地方式。

中欧财富表示，第一步，夯实基础设施建设。包括建立大模型部署、数据集成、知识库等，需要完成历史数据的清洗、结构化处理以及与现有系统的数据打通工作，将散落的沉睡数据变成可用的数据资产，为上层应用打下基础。第二步，培养AI复合型人才。让业务人员掌握AI、让AI理解业务，形成能将AI真正落实到工作流中的团队。第三步，推进产品化落地。聚焦基金代销中的高频重复性场景——常见咨询问答、基金分析、持仓交易诊断等，推动AI从被动问答的助手走向主动执行的Agent，在合规可控的前提下，让AI具备长期记忆、定时执行、自动交付的能力。第四步，实现开放和标准化。将投研、投顾、内容生产等专业能力封装成标准化、可调用的接口，通过对外输出赋能合作机构，共建行业生态。

嘉实财富指出，AI在财富管理落地的目标是解放人力、让服务回归本源。因此，基金投顾业务的AI转型路径，很可能沿着“客户画像→需求识别→账户规划→配置方案→选品→执行再平衡→风险监测→个性化诊断与提示”的路径展开。其本质是将理财顾问从繁琐的机械工作中解放出来，回归服务本源，让他们有更多时间经营客户信任。

本文来自微信公众号 “中国基金报”（ID：chinafundnews），作者：曹雯璟，36氪经授权发布。