出品|拾盐士 多面金融工作组

从技术试水到全场景渗透，DeepSeek影响基金行业迎来“智”变。

今年年初，国产大模型DeepSeek凭借其强大的逻辑推理与多模态处理能力，在金融领域掀起了一场技术风暴。其中，多家头部公募基金和量化私募纷纷下场，积极布局AI领域，热度一波接着一波。

拾盐士关注到，继2月初汇添富、富国、国泰、中欧、诺安、永赢等十余家头部基金公司宣布完成DeepSeek系列开源模型的私有化部署后，多家知名量化私募也迅速行动起来。日前，百亿量化私募宽德投资宣布为旗下智能学习实验室招贤纳士，而量化私募巨头九坤投资则携手微软团队发布了AI相关论文，引发市场热议。

不难发现，这些基金公司不仅将人工智能深度嵌入投研、风控、客服等核心业务链，还向着通用技术领域的研究，而非具体的量化投资研究进发。而这场技术竞赛的背后，是基金行业对效率提升与业务创新的迫切需求。

开源模型+私有化调优，基金巨头积极拥抱AI

当AI大模型成为大国科技博弈的竞争高地，如今各行各业都在积极拥抱DeepSeek，金融行业也不例外。今年以来，各大基金巨头都踩准这轮AI热潮，积极拥抱AI技术，这也显示出这一领域对于AI前景的看好。

据不完全统计，目前包括天弘基金、富国基金、诺安基金、国泰基金、中欧基金、景顺长城基金、万家基金、博时基金、永赢基金等近20家公募机构已完成或即将完成DeepSeek系列开源模型私有化部署。

作为最早布局DeepSeek的机构之一，博时基金在年初便嗅到了其在代码生成与逻辑推理领域的潜力。公司率先将DeepSeek-v1模型部署于昇腾服务器，并逐步升级至v2版本。2025年R1模型发布后，博时进一步探索其在投研报告生成、量化策略优化等场景的应用。博时技术负责人表示，R1模型的低算力需求与高推理效率，使其成为业务创新的核心驱动力。

无独有偶，兴证全球基金自研的AI交易员“兴宝”通过DeepSeek实现语义识别与指令生成，交易效率提升超30%；投研端则借助大模型打破数据孤岛，构建全景化分析框架，每日自动生成涵盖个股与行业的深度报告。此外，公司推出的DeepSeek+Word智能插件，将文档处理时间缩短50%，成为内部效率革命的“隐形引擎”。

万家基金则推出了自研大模型项目——“万Chat”平台。据了解，该平台通过智能知识库与Agent技术，将DeepSeek的32B本地模型与业务场景深度绑定，实现投研决策支持与客户交互体验的双升级。

此外，不少基金公司的“差异化”技术布局也颇有看点。

比如，兴业基金聚焦代码生成与风险合规，利用DeepSeek优化量化因子库；诺安基金推出“诺安AI助手”，整合语音、图像等多模态功能；汇添富基金覆盖投研、销售、合规全场景，打造“AI中台”体系；景顺长城将DeepSeek应用于知识管理，构建行业首个智能投研知识图谱；招商基金基于DeepSeek开源架构，完成系列开源模型的本地化部署，并在内部场景中验证其效率和表现优势。

此外，近期宽德投资、九坤投资等多家私募巨头也迅速跟上节奏，积极招募AI相关人才，并推出相关科研论文。

观察上述基金巨头动作也不难发现，在具体应用方面，这些头部基金机构普遍采用“开源模型+私有化调优”模式，既保障数据安全，又通过行业数据蒸馏形成差异化能力。这场部署竞赛不仅拉开了技术代际差距，更预示着未来行业格局可能洗牌。

不过，北京一家公募机构中高层相关人士认为，目前各家公司对DeepSeek的私有化部署还处于初步阶段，真正能带来业务、部门及岗位人员等方面哪些更为实质性的改变还无法量化。

AI或重塑资管行业价值链条？

还需警惕效率狂飙下的“隐忧”

有业内人士告诉拾盐士，DeepSeek的引入，可能让基金行业的业务逻辑发生根本性转变。从“人脑决策”到“人机协同”，从“经验依赖”到“数据驱动”，AI正在重塑资管行业的价值链条。

首先便是业务上带来的三大场景的颠覆性突破：

第一是投研智能化，从“信息过载”到“决策提效”。传统投研中，研究员需耗费70%时间处理数据。而DeepSeek可实时解析非结构化数据（如财报、舆情），提取关键信号并生成投资建议。例如，某头部基金通过模型监测5000只个股舆情，预警准确率提升至85%，投研效率提高3倍。

第二是风控体系升级，从“事后应对”到“主动预判”。有研究显示，在合规审查中，DeepSeek可自动识别披露文件中的潜在风险点，错误率低于0.5%；在组合管理上，其通过深度学习动态优化风险收益比，某量化基金的年化波动率因此下降2个百分点。

第三是客户服务重构，将从“成本中心”到“价值中心”进行转变。例如，智能客服“小钢”（某基金与上海钢联合作项目）借助DeepSeek实现7×24小时响应，从而降低人工成本，并提升客户满意度。

其次，AI大模型的应用门槛正在重塑行业竞争格局。一直以来，头部机构凭借资金与人才优势，快速构建私有化AI平台；中小机构则面临“用不起、用不好”的困境。

对此，富国基金直言，未来3年技术领先的机构将吃掉60%的市场增量。

景顺长城基金表示，DeepSeek在投资研究、风险管理、产品运营、软件开发、客服营销、公司知识库管理及运营提效等多个领域均展现出应用价值。其中，DeepSeek为工作效率提升、知识管理和流程优化带来了更广阔的应用前景。

博时基金也指出，DeepSeek的R1模型推理能力出色，有助于提升工作效率、支持业务创新。而且，该模型对算力的需求有所降低，为其进一步推广应用创造了有利条件。

可以看到，从当前的使用情况来看，多家基金巨头对DeepSeek系列开源模型给予了高度评价，并一致认为ai技术的应用大大提升了效率。

但值得注意的是，虽然多家基金公司在引入和应用DeepSeek模型的过程中收获了显著成果，但在实际应用中也面临着诸多挑战。

兴证全球基金表示，DeepSeek-R1在性能上优势突出，这使得它在金融数据分析、风险特征分析以及投资组合优化等关键领域大显身手。然而，该模型对GPU资源需求巨大，受英伟达GPU供应紧张的影响，资源获取困难重重。为解决这一问题，兴证全球基金采用蒸馏版本DeepSeek-R1，但实测效果略逊于完整版。

在使用效果方面，大模型在基金领域的应用主要存在四大难点：

一是金融数据的敏感性要求严格的隐私保护机制，需通过数据脱敏和本地化部署解决；二是业务场景的差异化需求需针对性优化调整；三是跨部门协作中需平衡技术迭代与现有业务流程的兼容性；四是完整版模型对硬件资源要求较高，对公司在算力资源的投入有一定要求，其次是数据之殇。

同样，诺安基金在引入AI技术的的过程中，也面临着算力成本高、与现有系统融合困难等问题，这对其技术团队的专业能力提出了极高要求。

而招商基金引入DeepSeek系列开源模型后，虽然取得了一定的成果，但也遇到了不少难题。比如金融数据质量参差不齐、隐私保护难度大，模型与金融业务场景适配性不高，算力资源需求与实时性要求之间存在矛盾，以及合规和可解释性方面存在挑战。

总体来看，DeepSeek系列模型在业务与行业改革中不仅提高效率也兼顾便利，但在应用过程中，各基金公司还需克服算力、数据、技术融合等诸多挑战，通过不断探索和创新，实现AI技术与基金业务的深度融合，推动行业智能化发展。

在颠覆中寻找新平衡，基金经理开启“忙碌模式”

从另一个角度来看，当DeepSeek掀起AI行情时，基金经理们也正经历着从业以来剧烈的角色转型——从“信息处理者”变为“策略指挥官”。

首先，基金经理们纷纷进行策略调整。2025年春节后，市场发生风格骤变，算力板块遇冷，应用端标的受捧。多位基金经理迅速调仓，例如减持英伟达产业链，加仓数据与牌照壁垒高的AI应用企业。

上海一位重仓AI的基金经理此前向券商中国记者透露：“我们对持仓进行了相应调整，对算力特别是英伟达链条的算力品种进行了一定的减持。但我们此前配置就相对均衡，在应用和端侧方面也有一定布局，所以本次并不打算在情绪推动下追高，特别是短期市场由活跃资金定价，个股涨幅并不由基本面主导，我们更倾向于保留一部分现金并在后续分化中选择长期看好、有较强技术能力和行业壁垒的标的进行配置。”

其次，基金经理们的工具进化，AI成为投研“标配”。调研、纪要整理、信号挖掘……这些曾占用基金经理大量时间的低效工作，正被DeepSeek逐步接管。某百亿基金经理表示：“现在晨会前，模型已生成前日关键事件分析，我们只需聚焦策略验证。”更有机构将AI用于反向验证投资逻辑，通过模拟市场反应减少决策偏差。

不过，市场上也有不少声音，认为DeepSeek的深入应用可能改变基金行业的从业结构，这也对基金经理的职业能力与核心竞争力提出了更高的要求。

正如华南某公募高管所言，AI不会取代基金经理，但会用AI的基金经理将取代不用AI的人。这场技术革命终将推动行业从“经验依赖”跃迁至“智能增强”的新纪元。