AI落地资管仍停留在投资决策门外，核心障碍待突破

全球资管行业对AI的应用存在显著分层：Morningstar 6月发布的《AI in Active Fund Management: The State of Adoption in 2026》报告显示，尽管几乎所有资管机构都声称在使用AI，但真正将AI实质性整合进投资流程的机构不到20家，且应用集中在研究层，决策层仍以人类判断为主。

研究层AI渗透已成事实，决策层仍为人类主导

在投资研究环节，AI已展现出明确效率价值：日本三井住友DS资管将财报阅读交给AI系统，从非结构化文本中提取盈利改善、市场份额变化等信号生成评分，筛选值得深入研究的公司；摩根士丹利旗下Counterpoint Global则将研究拆分为可并行执行的生产线，56个AI Agent分工完成市场规模分析、竞争格局等环节，大幅缩短研究周期，分析师覆盖公司数量的限制被突破。

但在投资决策核心环节，全球头部机构均保持谨慎：管理超10万亿美元的Vanguard明确表示，核心买卖决策不由大模型驱动，因大模型无法冻结参数版本、难以保证输出一致性，无法满足投资体系对可回测性和可验证性的要求；Robeco曾尝试用大模型生成股票涨跌预测信号，但未带来稳定增量价值后搁置；高盛资管则规定，所有投资决策必须有基金经理签字负责。

挡在决策层门外的四大核心障碍

报告指出，AI难以进入决策层的原因可归纳为四大核心问题：

1. 回测失效：大模型输出不确定、存在前视偏差，无法满足系统化投资对可验证、可复现的基础要求；
2. 验证瓶颈：AI生成材料速度远超人类审核速度，且大模型错误看似合理，需资深判断力识别，同时AI接管初级研究工作还导致初级分析师培养缺失；
3. 数据与基建差距：高质量数据获取成本上升，行业需持续重投入维持技术迭代，Man Group每年在AI、数据与技术上投入1.35亿美元，仍面临工具快速迭代淘汰的压力；
4. 受托责任约束：资管机构无法将投资决策归因于AI，需向客户解释决策逻辑，黑箱模型无法满足信义义务要求。

四大障碍正逐步松动，决策层突破可期

报告同时提到，Agentic AI端到端管理投资组合不存在根本性技术障碍，四大障碍正通过技术手段逐步破解：回测失效可通过冻结模型版本、控制信息截止日期等工程手段解决，摩根士丹利已用AI管理镜像组合与人类组合做实时对照实验；验证瓶颈可通过模型审计模型实现，验证工作正逐步系统化；数据基建门槛筛选入场资格，核心转向数据转化为可验证研究的能力；受托责任可通过代码级Alpha实现，将投资假设转化为可检查、可测试、可追责的代码，让责任可追溯。

终局图景：AI为资管决策赋能，人类转向系统指挥者

报告描绘的终局场景中，多智能体架构将持续监控信息源、生成研究、扫描信号、在风险约束内执行交易，投资专业人士的角色从研究生产者转变为系统指挥者，负责设定方向、仲裁分歧、应对模糊情境。这一转变将使系统设计能力成为资管机构的核心竞争力，取代个人判断天赋成为持久优势来源。

来源

• 信号源：GIM AI
• 原文：GIM 观察丨AI 停在了投资决策的门外，但不会太久