7月10日，中国证监会官网发布消息称，经严格评审，中国证监会正式公布《中国证监会2026年省部级课题研究入选名单》。从入选课题来看，人工智能（AI）相关课题占比高达25%，内容涵盖AI对投资者行为的改变、生成式AI对定价效率的赋能作用，以及AI等科技发展对资本市场的影响和挑战。
在业界看来，监管部门加大AI课题研究力度，折射出AI在资本市场场景的渗透速度与应用深度正持续提升。从行情趋势研判到监管风险甄别，AI正加速嵌入资本市场诸多业务环节，为行业提质增效积蓄发展动能。但也要清醒看到，AI赋能资本市场释放红利的背后，算法黑箱、模型幻觉等问题随之显现，既考验各类市场参与者的风控能力，也对监管体系建设提出了新的挑战。
接受《证券日报》记者采访的专家表示，AI与资本市场的深度融合已成行业发展必然趋势。在充分挖掘技术赋能价值、释放行业发展新活力的同时，更要注重风险防控与制度建设的协同发力，通过完善规则体系、强化技术监管，引导AI技术在资本市场领域规范、可持续发展。
加速融入多元场景
“如今每当纠结要不要加仓，我都会习惯性咨询人工智能相关产品，请其出具分析报告。尽管最终交易决策并不会完全依托AI结论，但它给出的观点依旧能为我的投资判断提供参考。”投资者林女士在接受《证券日报》记者采访时坦言。
不只是林女士，当下依托AI辅助投资决策的投资者群体正持续壮大。根据清华大学五道口金融学院携手蚂蚁集团研究院推出的《AI财富管理服务现状与趋势研究》，在调研样本中，超四成个人投资者会运用AI工具研判投资机会。在他们看来，普惠便捷、自动高效、定制化适配是AI赋能财富管理最突出的优势。
事实上，随着大模型本地化部署的加速与自研智能体的涌现，AI在资本市场中的应用场景持续拓宽。除了个人投资者，证券公司也正依托相关技术，在智能业务办理、风险监测、智能投顾、投研分析等核心业务环节深耕布局。
记者根据公开资料统计，截至目前，至少有20家证券公司已完成DeepSeek等大模型的本地化部署或接入。与此同时，多家券商公开表态，后续将持续加码AI建设。
监管层同样借力AI技术升级监管手段。日前，中国证监会科技监管司相关负责人在2026中国国际金融展上表示，近年来，中国证监会系统推进人工智能在资本市场的应用研究与落地实践。目前行业已积极运用大模型等AI技术，推动业务与监管全面数字化、智能化升级，经营效能、智能决策、风险监控预警能力显著增强，取得阶段性成果，呈现三大趋势：一是技术深度赋能业务，核心场景效能全面提升；二是技术架构迈向自主可控，算力模型数据协同升级；三是行业生态多元共生，协同发展格局加速形成。
全联并购公会信用管理委员会专家安光勇在接受《证券日报》记者采访时表示，AI带给资本市场最大的价值在于提升信息处理能力、优化资源配置效率和增强风险识别能力。过去市场面临的主要问题不是信息不足，而是信息过载。AI能够快速分析上市公司公告、财务数据、产业链信息、政策和舆情等多维数据，提升价值发现和资产定价效率。同时，AI正推动交易、投研和风控向智能化升级，大模型能够辅助财报分析、行业研究和风险预警，提高市场运行效率。
直面全新现实挑战
技术变革从来都是一把双刃剑。AI在为资本市场注入强劲动能的同时，也带来了算法黑箱、模型幻觉、交易趋同、信息造假、权责划分模糊等一系列新问题，投资者、券商机构和监管部门均面临全新挑战。
中国电子商务专家服务中心副主任郭涛在接受《证券日报》记者采访时表示，AI落地资本市场过程中的核心风险集中体现在：其一算法趋同隐患，众多机构选用同质化的模型框架与数据来源，极易引发市场羊群效应，极端情况下可能诱发市场闪崩；其二模型偏见问题，算法内置的固有偏差会误导投资判断，破坏市场竞争的公平性；其三虚假信息隐患，借助人工智能批量炮制不实信息，扰乱投资者理性判断。
安光勇补充表示，从监管治理层面剖析，当前资本市场的算法伦理建设仍较为薄弱，算法公平性缺乏常态化约束机制；参与主体权责划分不够明晰，传统监管手段适配性不足，跨地域乃至跨境监管协同体系建设滞后，难以适配AI高速发展节奏。反观产业层面，AI技术在金融场景落地成效不及预期。复合型人才缺口较为突出，兼具大模型研发、量化算法搭建能力，同时深谙投研交易、风控合规、监管规则的从业人员储备严重短缺。同时，考核评价及长效激励制度建设滞后，也制约了AI技术在资本市场高质量落地应用。
面对AI落地资本市场暴露出的现实难题，各方需协同发力，从制度完善、技术迭代、人才培育、行业自律等多维度综合施策，推动AI技术在资本市场规范健康发展。
安光勇建议，健全机构AI应用生态，指导市场机构依托AI增强自身竞争力，实施AI分类分级监管，做好AI内容标注、风险披露、数据治理，建立全流程管控机制并制定行业AI标准；凝聚监管、机构及科研院所合力，深化AI与资本市场融合，设置创新试点和容错机制，统筹算力和数据资源建设，补齐资金、技术、人才短板；构建全链条风控体系，严控数据安全，规范模型管理，关键业务坚持人工监督模式，重点防范AI智能体及开源工具衍生的新型风险。
