编者按：新华网“AI赋能千行百业一线观察”系列融合报道，走进产业一线，聚焦人工智能和“人工智能+”产业发展，以真实场景、典型案例与实践成效，反映新质生产力推动中国经济高质量发展。
新华网北京7月6日电（闫惠卓）一直以来，财富管理是一个繁琐又复杂的过程。想打理闲钱，需要整理资讯、对比产品。想做资产规划，门槛较高，难以获得合适的财富管理服务。记账复盘、风险测评、行情研判，需要耗费大量时间研究。
如今，财富管理已发生肉眼可见的改变。当我们打开券商基金的App，智能助手自动汇总收支账单、匹配风险适配的理财产品；个人投资者现在可依托智能工具完成产品筛选、资产体检、风险预警等步骤，缩短了产品研究、规划调整的时间。当然，目前AI工具更多是承担辅助角色，市场环境瞬息万变，用户的个性化需求也在动态变化，最终的决策依然需要结合投资者自身判断或专业顾问建议。
落地现状如何？
近期，清华大学五道口金融学院与蚂蚁集团研究院联合开展行业调研，并发布研究报告《AI财富管理服务现状与趋势研究》（以下简称《报告》）。《报告》显示，超过四成个人投资者已开始使用AI工具，但仍有半数尚未使用。用户认可AI在提升服务可及性和个性化建议方面的价值，但同时期望服务能变得更实用、更中立、更具共情能力。
个人投资者AI工具使用情况（数据来源: 清华大学五道口金融学院财富管理研究中心与蚂蚁集团研究院）
近些年，各类金融机构正积极探索AI技术的落地应用。从机构落地实践来看，行业已形成清晰的适配逻辑。面向长尾大众群体，AI可以提供普惠投教、7×24小时基础咨询、标准化资产体检等服务，把过去线下投顾能提供的基础理财服务线上化，提高效率；面向有自主交易需求的成熟投资者，AI开放量化回测、多市场数据整合、自然语言策略生成等专业工具，降低量化、深度投研的技术门槛；针对高净值客群，AI作为投顾前置分析工具，批量梳理跨品类资产、测算税务与传承方案，为人工定制家族财富规划节省数据梳理时间。
“传统财富管理受限于人力成本与个体差异，高质量服务难以覆盖大众客群。”中金公司相关负责人表示，“AI技术能够系统性、规模化地帮助突破财富管理行业长期存在的的核心瓶颈。”他指出，AI赋能财富管理，首先体现在提升信息传导效率，以较低的边际成本，显著扩展服务半径。其次，AI可以缩小投顾服务的动作误差。在共同作用下，能够帮助行业更好地实现普惠化与专业性、响应效率与服务温度的双重平衡。
从机构赛道差异来看，券商依托完整交易、研报数据资源，AI侧重投研辅助、组合优化；公募基金聚焦大众理财科普、基金涨跌归因、定投智能规划；银行私行则将AI嵌入家族信托、综合资产统筹场景。
中信建投证券武汉中北路营业部员工为客户讲解AI智数平台，中信建投证券供图。
从具体实践来看，中信建投证券推出的“信谛听”1.5智数平台推出零代码量化功能。该功能允许投资者通过自然语言直接描述投资逻辑，系统自动完成代码生成、错误修正与策略回测，投资者可快速验证交易构想。平台同时开放了7000余篇脱敏研究报告及20TB机构级历史数据资源，分析结论均支持原文溯源，确保输出内容有迹可循。南方基金App上线AI助手“AI梦”，7×24小时响应理财咨询，用通俗语言解读涨跌归因，搭配投教智能体“南南FUND搭子”持续输出科普内容，帮助投资者快速理解专业理财知识。
综合来看，AI在多元化财富管理领域的核心价值，并非简单替代某个服务环节，而是帮助金融机构高效响应不同投资者的差异化财富管理需求。当前行业机构正通过技术迭代持续优化现存问题，例如在算法透明度提升、数据安全防护及人机协同机制完善等方面积极探索，推动AI财富管理从概念构想向成熟应用稳步迈进。
人机协同成为主流发展模式
AI技术规模化应用初期，市场曾出现“AI将取代理财从业者”的行业论调。结合近年来行业落地实践来看，金融市场具备强波动性、高复杂性，且投资者个性化需求差异显著，纯AI服务存在天然短板。当前财富管理行业已形成共识，AI赋能、人为核心的人机协同模式，是适配财富管理行业发展的优质落地路径，承接普惠化转型趋势，进一步优化金融服务质量。
近期，麦肯锡在报告中指出，借助智能体式人工智能（Agentic AI）等更先进的技术以及更完善的数据整合能力，财富经理能够为更广泛的客户群体提供定制化的服务。
“人的因素至关重要，而且将一直至关重要。”麦肯锡财富管理业务负责人Vlad Golyk表示，AI与智能数据平台大幅压缩服务成本，各类服务逐步向普通投资者开放。财富管理的定义不再局限于金融投资，转向全维度家庭、个人生活资产统筹。
中金公司相关负责人接受采访时表示，在AI的驱动下，财富管理正在实现从“产品导向”到“客户需求导向”的转型，这种普惠化服务能力将成为券商零售业务的核心竞争力。在行业实践中，中金公司正在探索“AI+HI”（人工智能+人类智慧）协同模式，避免AI应用陷入“空中楼阁”。
盈米基金董事长肖雯认为，AI并不会取代投资顾问。在人机协同的投顾模式中，AI和人有着清晰的分工，相辅相成、缺一不可。AI负责的是效率与精度，人负责的是温度和信任。
中信建投证券相关负责人指出，证券公司布局AI应用需要秉承三方面原则，一是技术投入与场景价值平衡，避免纯技术驱动，聚焦高价值场景；二是人机协同最优配置，明确AI与人类的分工边界，建立协同机制；三是合规与创新并重，在监管框架内探索创新，构建可解释、可审计的AI系统。
在投研层面，讯兔科技创始人、CEO李罗丹认为，AI正重塑各个行业的入口，金融投研也不例外。“AI到来，技术汹涌而来，我们需要考虑未来人和AI如何共存、如何配合、如何协作、如何能让AI变成我们的杠杆，而不是我们的制约，更不是我们的替代。”李罗丹指出，AI投研正从“助理时代”迈入“师徒时代”，人机协同已成必然。
合规边界尚需厘清
近年来，AI从辅助判断逐步融入投资决策环节，行业在智能化推进过程中仍存在部分亟待完善的问题。现阶段算法解释度不足、权责划分有待细化、用户数据防护、智能营销规范等方面仍有优化空间。
国家金融与发展实验室副主任杨涛指出，新技术有助于应对相关痛点与挑战，例如智能投研提升获取超额收益的能力、开放合作精准把握客户需求、大数据风控改善风控水平、透明算法重建信任机制、数字化转型提升管理能力等。同时，新技术要赋能财富管理行业，还需进一步优化技术自身，例如数据信息的保护难题、人工智能的算法黑箱等，最终通过“技术+制度”双轮驱动来平衡效率与安全，精准匹配财富管理的需求与供给、痛点与特性。
在机构实践层面，中邮证券提出，金融AI应用需注重三方面的合规边界：一是数据隐私保护。采用私有化部署大模型，确保敏感数据不出域。对训练数据进行脱敏处理，防止隐私泄漏。实施严格的访问控制和数据加密传输，保障存储传输安全。二是模型安全加固。针对数据污染和对抗攻击，建立模型输入过滤机制，检测恶意注入数据。定期对模型进行安全评估，防止偏见放大和滥用风险。三是遵循《生成式人工智能服务管理暂行办法》，明确人机协同责任边界。模型输出仅供参考，最终决策由人工确认，确保责任归属清晰。同时，优化模型训练算法，降低能耗，符合绿色发展要求。
业内人士指出，财富管理本身存在市场波动等风险，AI工具虽能辅助分析，但无法完全规避这些固有风险。同时，AI产出内容可能受训练数据、算法偏差影响，使用时需仔细辨别信息真实性与适用性，避免盲目依赖。
