春節前后火爆的大模型Deep Seek　持續出圈，引發基金公司爭相布局。

據公開信息，目前已有博時基金、富國基金、中歐基金等多家基金公司“官宣”部署了包括DeepSeek在內的多款開源模型，未來將根據效果運用到辦公、投資研究、客戶服務等領域。

有對沖基金經理表示，在實踐中運用AI算法，2年挖掘出38只收益超20%的股票標的；同時大模型能在“黑天鵝”事件發生之前提示風險，做好風控。

業內人士認為，大模型在基金業的應用有諸多積極意義，如提升投研效率、優化風控合規、降低成本、推動業務創新等，但也容易出現數據質量不佳導致模型輸出結果有所偏差以及合規及數據安全等風險。

關注1

多家基金公司布局Deep Seek推理能力、成本有優勢

近期，基金公司掀起了一股布局DeepSeek的熱潮，并探索這一大模型在投資、投顧、客服等領域的應用。

博時基金方面對新京報記者表示，2024年初，公司經過反復調研，發現了DeepSeek模型在自動編寫代碼和邏輯推理方面的潛力，率先在自有的昇騰服務器上部署了DeepSeek-v1模型，作為公司智能開發工具的基座模型，并在2024年8月升級為DeepSeek-v2模型。“2025年伊始，隨著DeepSeek-R 1模型的發布，公司完成內部部署，并開始探索其在投資研究、投資顧問服務和軟件開發等方面的應用。”

富國基金方面表示，公司科技團隊部署了包括Deep?Seek在內的多款開源模型。

中歐基金方面則表示，公司近期完成了DeepSeek系列開源模型的私有化部署，未來將根據效果運用到辦公、投資研究、客戶服務等領域。

天弘基金方面稱，公司目前對DeepSeek的相關技術在做全面跟進，例如對其模型測試業務效果、利用其訓練自己的大模型、開發強化學習路徑等，部分探索已有進展。

實際上，從2022年底ChatGPT推出后，AI大模型持續火熱，行業更是進入“百模大戰”，但為何此次DeepSeek的出現引發了公募基金的布局熱潮？

推理能力表現較好及成本相對較低或許是其競爭力所在。

博時基金方面坦言，R 1模型在推理能力上表現優異，可以進一步幫助提升工作效率，支持業務創新。同時，其對算力的需求也有所下降，為進一步推廣應用創造了條件。

富國基金方面也表示，DeepSeek在可用性與使用效率上較為領先，且部署成本大大降低。從使用體驗來看，在確保安全和合規的前提下，本地化部署的大語言模型能提升業務處理能力，尤其在部分數據處理與企業級應用的AI融合中提供了智能化升級，定制化和內部融合推動了企業數智化轉型。“經過探索驗證，本地化部署模型在內部數據加工、代碼輔助生成、文字生成、企業級RAG、研報解讀等應用方向上達到了可用階段。”

關注2

大模型賦能投資　未來仍面臨數據質量等挑戰

作為一種先進“工具”，大模型對基金業的賦能，讓行業充滿期待。排排網財富理財師姚旭升對新京報記者表示，大模型在基金業的應用有諸多積極意義。第一，在投研方面，大模型能快速解析海量研究報告，提取關鍵信息，幫助機構提高研究效率；第二，在風控合規領域，大模型可以自動檢查信息披露文件，確保其符合監管要求，提升風控精準度；第三，大模型的開源特性和較低的部署成本，降低了基金業的投入門檻，基金公司可將節省下來的資源投入到其他核心業務中，提升整體競爭力；第四，大模型的引入為基金業帶來了新的業務思路和創新模式，利用大模型，基金公司可以探索新的投資策略和產品設計，更好地滿足投資者需求。

不過，對于投資者來說，最為關心的或許還是“靈魂之問”：AI大模型真的能讓基金的業績表現更好嗎？

對沖基金珠峰智聯資本AI策略基金經理劉昕對新京報記者表示，以我們過去幾年運用0xAI模型預測和分析股票等金融標的實踐經驗來看，AI模型對資管業的賦能主要體現在三個方面：獲取稀缺的超額收益、精準擇時和風險管理。

“賦能的核心在于，AI大模型能夠高效地處理海量非結構化數據，打破傳統投研慣性，挖掘到傳統方法（無論是主觀投資還是量化交易）中未被識別的有效因素，簡而言之，AI大模型能看到人類現有的投研方法下看不到的東西。”劉昕表示，“從實踐來看，運用AI算法，我們2年已挖掘出38只收益超20%的股票標的，同時，目前用AI擇時預測恒生指數的勝率達到了100%。”

劉昕進一步解釋稱，風險管理則體現在，0xAI模型能在“黑天鵝”事件發生之前預測到波動方向，從而提前采取風控措施。同時，AI算法能夠實時監控投資組合中資產的相關性變化，這是非常重要的。

可以預見的是，AI大模型在基金業的滲透率將越來越高，不過，其帶來的相關風險也值得關注。

姚旭升認為，首先，大模型的訓練依賴大量數據，若數據質量不佳，可能導致模型輸出結果有所偏差，同時，由于大模型的“黑箱”特性，金融機構還難以對其結果進行有效的風險溯源和管理；其次，金融業對數據安全和隱私保護有著嚴格的要求，行業對AI技術的監管政策尚未形成統一標準，大模型在金融領域的應用可能面臨法律風險和規則的不確定性。

“基金行業涉及大量敏感數據，大模型的應用可能增加數據泄露、數據濫用的風險，侵害投資者的合法權益。”姚旭升表示。

劉昕也坦言，金融機構全面應用AI模型也存在挑戰，比如，同質化策略，若多家機構均采用相似的AI底層算法，那么，很可能導致策略趨同，大家又站在了同一起跑線上，削弱了超額收益，所以底層模型的自研性和創新性非常重要。“另外，AI模型的透明性與可解釋性相對較低，所以‘黑箱模式’可能引發監管審查和法律問題，尤其是在投資決策需要符合合規要求時，‘黑箱模式’未來很可能會面臨挑戰。”

關鍵詞：