大模型不再是稀缺资源，数据与流程才是核心，Dify、晨星、阿里云、九鞅科技共论AI如何重塑资管行业

左右滑动查看更多

大模型≠生产力，数据与流程才是核心

不少金融机构盲目采购大模型与算力硬件，投入不菲却难以落地业务，AI 沦为 “摆设”。陈璐莎认为，这本质是财务投入与业务认知的错位。她表示，资管AI落地的核心瓶颈是薄弱的数据治理与业务流程适配。多数金融机构IT人力、投入有限，热衷硬件资本化采购，却忽视核心的软件、数据、流程建设。资管AI转型，核心是补齐数据标准化、工作流规范化两大短板。

AI是能力放大器而非研究替代品

武荣表示，AI是放大投研价值的工具，晨星历经多轮技术迭代，核心的独立研究、高质量金融数据价值始终不变。AI 不是简单叠加功能，而是重构底层投研与服务能力，将海量数据、研究成果转化为AI 可识别的标准化数据，放大专业投研效率。依托机器学习赋能基金评级，拓宽覆盖广度；运用 NLP、知识图谱搭建全球主题基金图谱，解析百万级基金持仓，精准辨别主题真伪、纯度与市场趋势。晨星在投研过程中，全程坚持AI 高效处理 + 人工校验把关，用技术放大专业价值，守住投研质量底线。

AI时代的“护城河”在哪里？

何华直言，AI本身并不重要，真正的护城河是底层的金融工程与数据模型。“我们国家大部分金融机构的数字化转型只做了5年，而国外做了20年。在底层数据和模型的搭建上比较欠缺，当底座松动时，AI无法创造真正价值。”九鞅的实践表明，AI更像是一个聪明的“调度员”，擅长自然语言处理和调度数据工具，但在高精度定价、实时交易下单等容错率极低的环境中，仍需人类把关。

从“堆算力”到“拼工程” ，

大小机构路径分化明显

徐志良指出，从投资的角度来说，AI落地已从单纯购买算力，演变为五大工程能力的比拼：算力工程、模型工程、数据工程、知识工程、应用工程，目前算力、模型已高度商品化，行业门槛降低，但人才应用能力的差距，将形成新的机构壁垒。对于不同的机构而言，他分析，大型机构易受过往数字化路径依赖束缚，习惯叠加AI能力、难以彻底革新；中小机构无历史包袱，最优路径是借力云厂商成熟基建，聚焦垂直场景创新，避免重复、无效投入。

点击下方视频，获取全部精彩观点！

Morningstar, Inc.是全球目前最主要的投资研究机构之一，业务遍及北美、欧洲、澳洲及亚洲，为个人投资者、投资顾问、基金管理公司、退休计划发起机构及私募领域的机构投资者等专业人士提供财经资讯、基金、股票的分析及评级，并致力于发展具实用性、操作简易及功能显著的分析应用软件工具及服务等。晨星资讯（深圳）有限公司是由美国Morningstar, Inc.（纳斯达克上市公司，代码MORN）于2003年2月通过晨星（亚洲）有限公司在深圳投资成立的港资独资企业。Morningstar, Inc. 及其子公司提供有关各种投资产品的数据和研究报告，包括管理投资产品，上市公司，私人资本市场和即时全球市场数据。Morningstar, Inc. 及其子公司亦有提供投资管理及顾问服务，截至2025年6月30日，晨星所管理及给予投资建议的资产约为3520亿美元；Morningstar, Inc. 及其子公司在全球33个市场开展业务。