来源：中国外汇

要点

人工智能之于财富管理是一把双刃剑，未来需要监管部门、金融机构、投资者多方协同，坚持技术向善、制度护航，才能真正将技术红利转化为金融发展的实效，为金融强国建设注入持久动力。

作者 | 平依鹭 香港中文大学（深圳）数据经济研究院副研究员

吴海峰 香港中文大学（深圳）高等金融研究院研究员

来源 |《中国外汇》2026年第16期

党的二十届四中全会提出，加快建设金融强国，健全投资和融资相协调的资本市场功能，多渠道增加城乡居民财产性收入。这一部署为财富管理行业指明了发展方向，也提出了更高要求。当前，我国财富管理行业正处于从“卖方销售”向“买方投顾”转型的关键窗口期。传统模式高度依赖投顾个人经验，服务半径有限，难以覆盖数以亿计的长尾客群多元化、个性化的资产配置需求。而以新兴的大模型以及以大模型为核心的多智能体系统为代表的生成式人工智能，正在重塑财富管理的底层逻辑，为破解行业痛点提供了新的可能。笔者结合我国市场特征，剖析人工智能对财富管理的赋能逻辑，探讨风险防控路径与适合我国的发展模式。

财富管理数字化的进阶：从“流程固化”到“认知赋能”

当下财富管理行业热议的“人工智能化”，实质是数字化进程深化到一定阶段的自然表现，而非对人工的跳跃式替代。吴晓求（2024）提出，科技嵌入金融可提升跨期资源配置功能、重构财富管理功能并改变投资组合机制。回望过去十余年的发展，这一进程主要体现为金融功能边界的连续扩展，而非一次性替代。

财富管理数字化的最初阶段是“流程固化”期。中国证监会原副主席屠光绍指出，科技发展的不同阶段对资产管理产生了不同影响，金融科技使科技与行业全面结合，赋能资管智能化，改变信息采集源、资产与风险定价模型、投资决策过程等核心环节。第一代智能投顾在本质上是将均值-方差模型等专家经验固化为静态代码，实现了理财产品的标准化分发，但尚未触及决策内核。由于无法处理研报观点、舆论情绪等非结构化信息，也难以动态捕捉客户“心理账户”的转变，第一代智能投顾存在服务同质化严重的缺陷，在极端波动中往往僵化失效。

2023年以来，随着生成式人工智能的应用，行业进入“认知赋能”新阶段。国际清算银行（BIS）相关研究系统梳理了金融人工智能从规则系统向复杂模型演进过程中的规则僵化风险，提示新一代人工智能工具的价值重在信息整合与辅助研判，但受限于因果推断、可解释性和稳定性短板，仍需人工复核与合规约束。实践中，部分国内金融机构已探索把产业链景气、另类观测指标与传统财报、研报和舆情融合建模，并通过检索校验技术压制信息偏差，为在金融场景中的可信应用打下基础。这一转变切中了中国普惠财富管理的市场缺口：基金投顾客户长期呈小额化特征，根据《中国基金投顾业务洞察报告（2025）》，超九成客户的持仓规模在10万元以内，而行业仍面临专业投顾人才稀缺、“重投轻顾”和陪伴服务不足等约束。因此，数字化进程是从“把业务搬上网”升级为“用数据和模型降低专业投顾的边际服务成本”，而非立即替代人的判断与责任。

人工智能对财富管理全链条的价值重构

技术演进的价值体现在对财富管理全链条的重塑上，人工智能正深刻推动行业从粗放的“产品销售”向精细的“资产配置与投顾服务”转型。

在产品供给端，过去资产管理产品往往“千人一面”：风险收益分层粗糙、策略趋同，难以匹配居民差异化期限与波动偏好。借助人工智能工具对多维度数据的处理能力，金融机构可以更高颗粒度刻画资产特征与客群需求，如结合产业链景气数据开发主题策略，或围绕绿色低碳以及环境、社会与治理（ESG）因子设计指数化、策略型乃至适度结构化的产品。这正回应了低利率环境下居民对“确定性收益来源”的渴求——我国家庭资产明显偏重房产和实物资产，住房资产占比约六成，金融资产占比提升空间巨大。更关键的是，在底层资产清晰、人工复核到位的前提下，资管产品风险收益来源变得更加“说得清”，从而在合规框架内减少信息不对称。

在投顾服务端，人工智能正成为投顾人员的“超级外脑”，推动“站在客户立场做配置”的买方模式真正落地。过去一位投顾服务数百客户已是极限，动态调仓更是无从谈起。现在人工智能工具可以实时监测宏观指标异动与市场结构变化，辅助投顾生成更理性的战术配置建议，减少人为情绪干扰；同时在客户授权范围内，实现7×24小时的持仓偏离度跟踪，当市场波动触及客户风险阈值时及时提示投顾介入。《中国基金投顾业务洞察报告（2025）》数据显示，截至2025年9月末，投顾客户累计盈利占比为76.9%，高于单基金客户的63.4%；投顾客户平均持有时长从2022年的149.8天稳步增长至2025年9月的672.7天。这种“机器辅助监测与纪律执行、投顾负责目标澄清、适当性与信任陪伴”的协作模式，在中国散户主导的市场中，有望帮助客户延长持有时长，缓解追涨杀跌等行为偏差。

在运营与托管端，财富管理涉及的交易清算、估值核算等工作烦琐细碎，过去人工处理效率低、易出错。人工智能工具的引入实现了全流程自动化处理，尤其对于跨境托管这类涉及多套监管规则、多类合规文件的复杂场景，能够大幅压缩操作时间、降低差错率，释放大量人力资源。金融机构得以将更多资本与精力投入到前台业务创新与客户服务中，优化全行业的资源配置效率。

在合规风控端，人工智能构建了穿透式、前瞻性的风险防火墙。过去依赖人工筛查和固定规则的合规模式，很难识别隐蔽的新型风险。现在人工智能工具可以建立更精细的客户行为基线，实时捕捉异常交易线索，也能穿透识别复杂股权结构背后的关联关系，防范利益输送与内幕交易。更重要的是，其能动态跟踪客户风险承受能力、财务状况与产品风险等级的匹配情况，从源头减少因不当销售引发的纠纷，筑牢金融安全的底线。

智能时代财富管理的潜在金融风险

技术的双刃剑效应在金融领域尤为凸显。人工智能技术在提升市场效率的同时，也将新的风险嵌入了投顾、配置等核心业务场景，业界与监管层要高度警觉。

第一，人工智能决策可解释性不足带来信任与合规风险。智能工具的决策逻辑往往不如传统规则透明，一旦系统为客户推荐与其风险承受能力错配的产品，亏损后的责任归属极易引发争议。这是国际及国内监管界的共同关切。金融稳定委员会（FSB）2024年11月发布的《人工智能对金融稳定的启示》报告将有限可解释性、数据质量问题与治理缺陷列为金融人工智能的重要脆弱性来源。2026年6月，FSB《负责任采用人工智能的实践指南》（咨询报告）进一步提出，在高重要性或高风险场景下，如果人工智能模型可解释性不足，可采取用途限制、挑战者模型、压力测试、加强人工监督等补偿控制；若补偿控制无法控制风险，则应改用可解释性更强的方案。我国国家金融监督管理总局2026年6月发布的《关于银行业保险业人工智能安全开发应用的指导意见》明确提出，高风险应用关键环节要建立人工监督和干预机制，“可解释性不足的人工智能技术在高风险场景应用时，仅能作为辅助工具，应由人工进行最终决策”。2026年2月1日起正式实施的《金融机构产品适当性管理办法》要求金融机构根据客户金融需求、财务状况、风险承受能力等匹配金融产品。在金融产品“卖者尽责”的监管要求下，不可解释的决策逻辑会给金融机构带来合规隐患，也容易引发客户信任危机。

第二，算法趋同可能放大市场波动风险。国际货币基金组织（IMF）2024年10月发布的《全球金融稳定报告》提出，人工智能可能强化算法交易并提高资产相关性，在压力情景下若人工智能模型对冲击作出相似反应或同步关停，市场波动可能加剧。从我国股票市场结构看，自然人投资者账户数量在2025年末的占比超 99.76%，交易贡献度大，这意味着价格发现受散户情绪牵引的程度高。在散户数量庞大、交易活跃、情绪驱动相对更强的市场中，算法同质化信号与个体交易行为共振时，放大短期波动和流动性冲击的风险更高。

第三，数据使用中存在隐私保护与责任边界问题。人工智能需要另类数据，包括卫星遥感、网络爬虫乃至个人社交图谱。在精准营销的背后，是个人隐私边界的模糊。例如，通过分析客户的医疗记录或消费轨迹来推断其财务状况并进行产品推销，虽然提升了转化率，但可能触及个人信息保护法律红线。如何在数据要素的高效利用与客户隐私的严格保护之间找到平衡点，是人工智能投顾面临的重要伦理问题。此外，若人工复核的机制流于形式，一旦出现决策失误，算法开发商、金融机构、一线投顾之间的责任链条容易断裂，最终损害投资者合法权益。

构建适配我国国情的智能财富管理体系

我国财富管理市场特征鲜明，人工智能的应用不能照搬海外“纯自动化”的路径，应走出一条兼顾效率与稳定、普惠与安全的本土化道路。

第一，引导差异化技术布局，防范系统性共振。当前行业存在对少数通用技术底座的依赖，看似各家产品形态不同，实则底层逻辑趋同，容易埋下市场共振隐患。未来应鼓励机构深耕垂直场景，结合自身业务积累打造特色化的分析模型，而非一味追逐通用工具的参数规模。监管层面也可建立针对智能策略的压力测试机制，模拟极端行情下的同向交易影响，提前化解系统性风险。例如，已有头部券商探索“通用能力+私有知识库”的技术路线，在降低适配成本的同时，保持了策略的独立性，这类实践值得总结推广。

第二，以技术降成本，更要破解“卖方基因”。过去财富管理长期受困于“服务深度、覆盖广度、运营成本”的不可能三角：服务越精准，成本越高，覆盖人群越少。人工智能工具的普及有望显著降低单客边际服务成本。例如，部分机构的线上服务平台已经能通过自然语言交互，让普通投资者便捷获取组合配置参考，降低了专业投资的理解门槛。但要真正实现普惠，还要避免“重技术、轻服务”的倾向。2019年基金投顾业务试点的初衷之一，正是推动机构收入重心从申赎销售费用转向按账户资产规模计收的管理型投顾费。技术若只用于更高效卖产品，便背离了初心；绑定买方收费机制，才更有利于引导居民储蓄通过资本市场分享产业成长红利。

第三，筑牢“人机协同”的信任防线。财富管理不仅是“数字游戏”，更涉及家庭规划、代际传承等复杂的人文考量。对于涉及客户权益或将产生实质性财务影响的高风险关键决策，人工智能工具应定位为“辅助者”而非“最终决策者”。目前一些机构已在探索多层校验机制。比如，在人工智能生成投研内容后，由人工进行事实核验和合规把关；在投顾服务中，人工智能工具仅提供数据支持，最终决策由具有相关资质的专业人员做出。同时，随着《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》等法律法规的深入实施，也要加快合规框架下的隐私保护技术应用，平衡数据价值挖掘和客户隐私保护之间的关系。

总体而言，人工智能为财富管理行业转型提供了重要机遇，但技术始终是工具，其核心目标是为居民提供财富保值增值服务，为资本市场高质量发展赋能。人工智能之于财富管理，犹如一把精准的手术刀：用得好，可以破解行业长期存在的痛点，提升服务质效；用得不好，也可能带来新的风险隐患。未来需要监管部门、金融机构、投资者多方协同，坚持技术向善、制度护航，才能真正将技术红利转化为金融发展的实效，为金融强国建设注入持久动力。