AI應(yīng)用如火如荼，各類經(jīng)驗分享也如雨后春筍，出現(xiàn)在互聯(lián)網(wǎng)的各個角落。

其中有一類，是教大家如何用大模型來做基金投資的——從最基本的知識匯總到讀季報，再到業(yè)績數(shù)據(jù)整理、溢價率分析等，反正各種想得到的需求，都曾看到過相關(guān)的介紹。

AI做“養(yǎng)基好伙伴”靠不靠譜？也曾經(jīng)和一些基民交流過這個問題，我的態(tài)度是至少拿通用類AI助手來輔助投基，某種程度上屬于自討苦吃。

只會讀網(wǎng)頁的AI助手是不夠的

用AI助手輔助基金研究，其實在ChatGPT剛剛熱火的時候，就有不少嘗鮮者了，但都是敗興而歸。

其實不奇怪，ChatGPT當(dāng)時能夠回答的問題，時效性截至訓(xùn)練時輸入的數(shù)據(jù)，所以無法回答2023年4月之后發(fā)生的事件，這對于瞬息萬變的投資市場，無疑是極大的局限性。更不要說大模型時不時還要來個“幻覺”，給你介紹一些并不存在的基金。

之所以最近各類AI輔助投資基金又成為熱門話題，關(guān)鍵是越來越多的大模型提供了“聯(lián)網(wǎng)搜索”的功能。通過接入最新的網(wǎng)頁資料，大模型有了與時俱進的可能，似乎可用性提升了不少。

但從我對國內(nèi)幾個可聯(lián)網(wǎng)搜索的通用類AI的試用體驗來看，這類功能距離好用，還比較遙遠。

下圖是一個示例，是我4月19日收盤后的周末做的測試。單看前幾條，能知道最新的凈值、過去不同時間段的漲幅等，看起來還真似模似樣。但仔細看，問題有不少。其一，我問的是今年表現(xiàn)如何，其實想知道的是今年迄今（YTD）收益率，這是一個重要的指標，但很可惜，回答中沒有我真正需要的信息；其二，答案中混入大量2023年的“舊聞”，反而造成了干擾。

這其實已經(jīng)算是我測試了幾個通用類AI后不錯的結(jié)果了，有的甚至返回的是4月17日的數(shù)據(jù)，連聯(lián)網(wǎng)的及時性都無法保證。

當(dāng)然，對這樣的結(jié)果，我并不意外。作為一個對大模型多少有些認識的投資者，我始終覺得使用通用類AI，哪怕是用聯(lián)網(wǎng)搜索的去搞基金投資，本質(zhì)上也是一條歧路。而結(jié)合內(nèi)置原始數(shù)據(jù)和專業(yè)內(nèi)容的行業(yè)垂類AI，或許更是個好出路。

搜索之外，懂你的AI才是好助手

通用AI的聯(lián)網(wǎng)搜索功能，為什么對基金投資幫助不大？

很大程度上還是網(wǎng)頁作為信息來源的問題，目前網(wǎng)絡(luò)信息良莠不齊，通用類AI助手的回答，很大程度上取決于搜索到的網(wǎng)頁質(zhì)量如何，往往是搜了一堆套話，然后輸出一堆套話總結(jié)，可謂是garbagein garbage out（垃圾進，垃圾出）。

相比之下，我用同樣的問題問了支付寶內(nèi)置的AI金融助理支小寶，它的回答除了公開的市場數(shù)據(jù)，還能整合大量螞蟻基金生態(tài)內(nèi)專業(yè)機構(gòu)的最新觀點。比如問“黃金基金現(xiàn)在還能買嗎？”，機構(gòu)整體的中長期看好程度一目了然，當(dāng)然短期上漲后的風(fēng)險提示也不少。從信息增量而言，支小寶的回答，干貨多多了。

當(dāng)然，對現(xiàn)成信息的歸納總結(jié)，本質(zhì)上還是對文本的處理。但基金投資上，更重要的還是非結(jié)構(gòu)化數(shù)據(jù)的聯(lián)動。

比如當(dāng)我表達想買某個基金時，通用類AI助手至多是全網(wǎng)搜一下，給我總結(jié)一下其他人寫的這只基金的特點。不能說這些內(nèi)容沒價值，但投資理財這件事情，不是單一考慮一個產(chǎn)品的優(yōu)劣就夠了，而是需要放在你的理財需求和現(xiàn)有的理財配置下去通盤考慮的。

我問支小寶想買“南方價值臻選”行不行時，支小寶首先會代入我的持倉記錄，告訴我已經(jīng)持有以及持有收益如何。在這個基礎(chǔ)上，還會結(jié)合我整體的理財持倉，提供更深度的分析和參考結(jié)論。

我又試了下天弘安利這只短債基金，支小寶就會調(diào)用三筆錢這個專業(yè)的配置工具，結(jié)合我穩(wěn)健類資產(chǎn)主要是貨幣基金的現(xiàn)狀，提醒我注意穩(wěn)健資產(chǎn)類的結(jié)構(gòu)，關(guān)注固收類資產(chǎn)。

垂類AI應(yīng)用可用，但尚需努力

打通底層數(shù)據(jù)，這可以讓垂直行業(yè)內(nèi)的AI應(yīng)用贏在起跑線上。當(dāng)然，這些金融垂類AI應(yīng)用，優(yōu)勢并不僅僅在打通底層數(shù)據(jù)上。

更重要的是，在金融服務(wù)功能上，本就是這些機構(gòu)更專業(yè)，只不過過于豐富過于復(fù)雜，對普通人不太友好。

但是，大模型的出現(xiàn)，提供了一種全新的可能性——我覺得本質(zhì)上大模型是一種通過文字交互的新UI，以更友好的方式，觸達各家原有的功能點。

這里舉個例子，當(dāng)我在支付寶中要求支小寶“推薦幾個大盤價值風(fēng)格過去一年正收益的主動基金”時，支小寶直接調(diào)用螞蟻基金原有的“條件選基” 工具，以“價值挖掘”和“近1年收益高”給出參考。

我一直相信，LLM大模型是一種新UI，正在于此。

其實在去年的外灘大會上，和支小寶的產(chǎn)品經(jīng)理有過一番交流，當(dāng)時我關(guān)注的是支小寶在大模型賦能后，如何避免當(dāng)時大家后怕的“幻覺”問題，當(dāng)時產(chǎn)品經(jīng)理就表示金融場景對準確率要求極高，所以核心的數(shù)據(jù)、決策等都會調(diào)用專用的功能，AI的任務(wù)是理解用戶調(diào)用對應(yīng)的專用功能。

其實條件選基這種對基金結(jié)構(gòu)化數(shù)據(jù)進行篩選的功能，不難做，也有了大量現(xiàn)成的產(chǎn)品。但對于支付寶這樣一個國民級應(yīng)用，最大的兩個挑戰(zhàn)是?條件篩選的使用還是有一定的用戶學(xué)習(xí)壁壘，?這個功能可能藏得太深，不好找。

有了AI助手去理解用戶自然語言的要求，理解對應(yīng)的是哪個功能，這顯然大大降低了用戶的使用難度。這件事兒，對用戶或許比各類花哨的功能，更重要。

對比看，各家的AI小助手也是類似的思路。

同樣的問題拋給天天基金的智能助理“小天”，也會跳轉(zhuǎn)到選基模塊，不過需要從頭開始設(shè)置條件，智能化程度略遜。

招行的AI財富助理“小招”類似，也是理解需求后給出對應(yīng)功能的入口。

當(dāng)然，AI賦能投基這件事兒，各家都是去年剛剛起步。即使是表現(xiàn)還不錯的支小寶，當(dāng)我要求推薦指數(shù)基金時，就無法給出參考答案。作為專業(yè)基金分析者，我當(dāng)然知道肯定存在這樣的基金，只不過可能目前支付寶的選基模型中還沒納入這樣的篩選條件。從這點而言，各家都尚需努力。

AI助手，對于基金投資參考價值有多大。

如今來看，小荷才露尖尖角。

我相信，有更多專業(yè)技術(shù)和專業(yè)信息的賦能，AI小助理們可以成為基民獲取服務(wù)的新入口，不需要記住煩瑣的功能層級，一切用文字，甚至用語音就能獲得自己想要的信息，這對于沒有太多時間研究基金功能的基民，才是一個美麗新時代。

（文章原標題：《AI做你的“養(yǎng)基好伙伴”？可以，但還能更好》）