近日，在讯兔科技五周年特别呈现的金融AI生态论坛上，讯兔科技联合创始人、首席产品官崔予淳围绕AI对组织能力的重构，发布PaiWork的多项升级，并主持“AI驱动的投研组织”圆桌讨论。

　　圆桌环节中，一位公募基金权益投资负责人，诺安基金权益投资事业部副总经理兼研究部总经理邓心怡，惠理集团投资董事、研究及投资组合管理团队成员罗景，富达国际大中华区股票研究总监李晶，围绕AI如何进入投研工作流、提升组织效率、放大研究员能力，以及大模型与垂类应用关系展开讨论。

　　与会嘉宾认为，AI正在改变投研生产方式，但它并不是替代投资人本身，而是改变低效、重复、碎片化的工作方式。AI的价值也不再停留于单点提效，而是正在从个人工具进入真实工作流，并进一步推动投研组织向AI Native演进。

　　不只会问答，AI已接手投研里的“脏活累活”

　　在主题演讲中，崔予淳介绍，PaiWork上线两个月以来，用户渗透率和使用量已显著超过此前多项热门功能，人均AI交互次数也出现明显增长。在他看来，这说明AI投研工作台不再只是一个“问答助手”，而是开始真正进入研究员的日常工作。

　　据介绍，此次发布的PaiWork+主要升级了数据、工作流和Skill协作能力。在数据层面，PaiWork+接入多资产、多市场数据库，覆盖行情、资金流、指数、债券、商品等数据。研究员可以通过自然语言调用相关数据，并完成测算、画图和初步验证。崔予淳将这一场景概括为“Idea to Strategy”，即把研究想法转化为可验证的策略线索。

　　在工作流层面，PaiWork+进一步打通个人知识库和办公场景。调研录音、会议纪要、云盘文档、历史底稿等资料，可以沉淀到知识库中，并用于后续归档、表格更新和历史跟踪。针对研究汇报、路演材料等高频场景，PaiWork+还发布了AI PPT能力，支持生成可编辑、可修改的投研PPT。

　　此外，PaiWork+推出Skill广场，支持用户将成熟的投研Skill在机构内部共享，也可以发布到广场供更多用户调用。崔予淳表示，很多用户有AI使用意愿，但独立搭建Skill和工作流仍有门槛。Skill广场的作用，是让已被验证的工作方法在团队内沉淀和复用。

　　此次升级后，PaiWork+的应用场景进一步贴近投研日常作业，数据处理、成果输出和组织协作成为重点落地方向。

　　从“一个人一支队伍”到AI Native研究组织

　　PaiWork将AI嵌入投研日常作业后，圆桌讨论进一步延伸到组织层面：当数据处理、底稿更新、PPT生成等工作逐渐被AI接入，机构如何把个人效率转化为团队能力，成为嘉宾关注的重点。

　　一位公募基金权益投资负责人认为，组织效率首先来自个体效率提升，但AI的价值不止于此。调研、电话会、会议纪要等信息过去往往分散在不同研究员手中，AI可以帮助机构完成汇总、分析和分发，提升组织层面的信息流转效率。未来如果AI能够站在更高层面，帮助组织识别任务、分配任务，甚至实现“AI给人派活”，组织效率还会进一步提升。

　　邓心怡则从研究组织管理角度提出，AI正在让优秀研究员逐渐变成“一个人就是一支队伍”。她表示，目前AI已经能较好承担信息收集、框架更新、查缺补漏等工作，但在最终定价和关键判断上，仍然离不开人。她认为，真正值得关注的是如何形成AI Native研究组织。这不是简单采购一个工具，而是涉及工作机制、工作流、人员配置、信息整理和IT系统配合的系统性工程。组织需要先激活个体，让研究员自发探索、提出想法、沉淀经验，再逐步从量变走向质变。

　　罗景分享了惠理在组织层面的实践。他表示，惠理内部大致将AI工具分为三类：效率工具、研究工具和决策工具。其中，研究工具可以沉淀研究员独特的行业研究Skill和研究框架，并在团队内共享；决策工具则用于辅助组合层面的分析。在组织实践上，惠理一方面成立AI IT部门，帮助业务部门解决工作流和基础设施问题；另一方面，在投研层面形成AI Pilot Team，将成熟的Skill、软件和工作流沉淀下来，再推广到整个团队。这使AI能力从少数人的个人经验，逐渐转化为团队共享的组织资产。

　　李晶则从全球投研机构视角分享了富达的实践。她表示，全球投研机构往往拥有横跨多市场、覆盖全行业的庞大分析师团队，由此产生高密度的研究观点输出。内部AI系统上线后，可以帮助她快速提炼和吸收内部洞见，跟踪全球研究员观点变化，也能让研究员与上下游行业观点、历史覆盖经验进行“跨时空对话”。她认为，AI的价值在于把一个组织过去几十年的研究积淀重新激活，相当于打通了组织内部的“任督二脉”。当报告、观点、数据和历史经验被AI连接起来，组织就不再只是很多个体的简单叠加，而是形成可以被调用、被复用、被持续更新的集体智能。

　　这也与PaiWork+发布Skill广场的思路形成呼应。崔予淳介绍，很多研究总监和基金经理并不缺少AI使用意愿，但独立编写Skill和工作流仍有门槛。Skill广场支持用户将自己沉淀的投研Skill在机构内部共享，也可以发布到广场供更多用户调用。其本质，是把少数“AI先锋分子”的经验沉淀下来，让更多团队成员共享成熟工作流。

　　优秀研究员是“1”AI和Token是后面的“0”

　　围绕Token投入和人机关系，嘉宾形成了较为一致的判断：AI不会替代优秀研究员，而是放大优秀研究员。

　　上述公募基金权益投资负责人认为，研究员不是流水线上的“螺丝钉”，而是一个高度综合的职业。研究员需要与上市公司交流，需要从纷繁复杂的信息中形成判断，需要具备财务能力、建模能力、表达能力和持续学习能力。AI可以替代一部分重复劳动，但无法替代研究员的主观能动性和综合判断。未来的关键不是人和Token竞争，而是人如何借助Token创造更高价值。优秀研究员与AI结合后，可以释放出更强能力。

　　邓心怡提出，优秀研究员是“1”，AI和Token是在后面加上的很多个“0”。AI放大的是优秀人的能力，因此在AI时代，优秀投研人员反而更加稀缺。她表示，组织更应该关注如何识别和筛选优秀研究员，并让他们把精力从重复劳动中解放出来，更多投入到独立思考和有区分度的判断上。她同时指出，AI仍无法替代若干关键环节。真实一线变化需要人去获得，行业技术拐点和产业趋势变化需要人判断，公司定价和空间判断仍然依赖人的认知能力。

　　罗景也认为，目前AI在机构内部仍主要定位为辅助工具。AI可以整理公开信息、会议内容和市场共识，但一手信息仍需要研究员到现场获取；对个股和行业的非共识洞见，也来自研究员和基金经理长期积累的理解，而非标准化流程自动生成。

　　李晶则将AI类比为未来投研行业的“水电煤”，所有人都离不开它，但并不意味着只要拥有它就能无敌。真正关键的是人如何使用AI创造价值。行业正在从“Token Maxing”走向“Value Maxing”。早期大家更关注谁能调用更多Token，未来则会更关注Token到底完成了什么任务、创造了什么价值。

　　崔予淳在圆桌总结中表示，AI是研究工作的“放大器”，不是简单替代者。AI可以帮助人处理事实、共识、数据和重复劳动，但真正基于共识推理非共识，仍然是人的核心价值。

　　垂直AI的壁垒在数据、工作流和信任

　　在最后一个话题中，嘉宾围绕大模型是否会吞噬垂直软件展开讨论。整体来看，嘉宾认为，大模型能力持续提升是确定趋势，但金融行业仍然存在数据、流程、合规和信任等壁垒，垂直AI应用仍有重要价值。

　　上述公募基金权益投资负责人认为，金融行业在数据接入、业务流程和合规方面具有明显壁垒，这为垂类应用企业提供了切入机会。以PaiWork为例，它对投研工作流的梳理、效率提升和使用习惯的适配，已经体现出垂类应用的价值。

　　他还将AI投研类比为智能驾驶。智能驾驶从辅助驾驶走向L3，难点不只是技术能力提升，更在于责任边界是否清晰、安全底线能否守住。对应到金融AI，模型能力只是起点，数据准确性、逻辑可靠性和合规安全决定了应用底线；在此基础上，能否在更长周期、更复杂组合中提升判断胜率，才决定其价值上限。对于金融AI服务商而言，真正的挑战不是单次任务中的能力展示，而是持续证明其可靠性和价值增益。

　　邓心怡认为，大模型和应用之间的价值分配，关键取决于数据和用户生态。AI辅助带来的增量价值，一部分来自模型，一部分来自应用。谁掌握更深的数据和更强的用户生态，谁就能获得更多价值。

　　罗景表示，未来真正重要的是如何把模型用好，金融机构面临的最大难点之一，是如何把散落在研究员、公司平台、交易所网站、外部数据商和不同AI软件中的数据统一起来、结构化起来，再基于机构自己的模板、框架和投资逻辑进行调用。

　　李晶则用“大楼”和“电梯”作比喻。大模型像大楼的基座，企业可以基于它搭建自己的系统；垂类应用则像电梯，可以更快捷、更顺滑地把用户送到目标楼层。机构选择垂类应用的原因，在于应用更理解需求、场景和信任边界。

　　崔予淳总结道，过去软件公司通过API服务机构内部系统，未来则可能通过Skill、MCP、智能工作流等方式与机构系统融合。对金融AI公司而言，真正的壁垒不是单纯调用大模型，而是能否构建数据体系、应用生态、专业工作流以及安全可信的服务闭环。

　　本次论坛的核心议题始终聚焦在AI投研如何从个人提效到组织进化。未来，谁能更好地把AI嵌入工作流、沉淀为组织能力，并让优秀的人借助AI创造更大价值，谁就更有可能在金融AI时代获得新的竞争优势。（CIS）