港股市场中资券商股权融资活动 - 截至1月19日，年内港股市场股权融资规模达390.9亿港元，同比增长316.27% [1] - 2025年全年港股一级市场股权融资规模达6127亿港元，同比增长248.8% [1] - 2025年股权承销金额前十席位中，中资机构占据六席，合计市场份额达56.15% [1] - 在IPO保荐规模上，中金公司以516.52亿港元位居第一，中信证券（香港）以460.29亿港元位居第二 [1] - 在IPO承销数量上，中金公司担任了53家公司IPO的承销商，位列榜首 [1] - 活跃的融资环境主要得益于港股市场复苏及中资企业融资需求回暖 [1] 西部证券研究所人事变动 - 穆启国已卸任西部证券研究所所长，由分管研究所的副总经理赵英华兼任 [2] - 此次变动是基于公司“十五五”战略规划对研发中心能力提出更高要求及个人发展意愿 [2] - 穆启国后续将聚焦公司智能投研及香港子公司研究业务筹建工作 [2] 保险资管机构产品登记情况 - 2025年保险资管机构共登记债权投资计划、股权投资计划和保险私募基金314只，登记规模5104.43亿元 [2] - 登记产品数量与规模同比分别减少20.71%和26.08% [2] - 其中，债权投资计划285只，规模4419.05亿元，数量与规模同比分别减少24%和28.46% [2] - 股权投资计划22只，规模335.32亿元，数量与规模同比分别增加83.33%和12.52% [2] - 保险私募基金7只，规模350.06亿元，数量与规模同比分别减少22.22%和18.61% [2] - 债权计划收缩明显，而股权计划逆势增长，反映险资配置向权益市场倾斜 [3]

港股股权融资市场动态 - 2025年全年港股一级市场股权融资规模达6127亿港元，同比增长248.8% [1] - 截至1月19日，年内港股市场股权融资规模达390.9亿港元，同比增长316.27% [1] - 2025年股权承销金额前十席位中，中资机构占据六席，合计市场份额达56.15% [1] 中资券商业务表现 - 在IPO保荐规模方面，中金公司以516.52亿港元位居榜首，中信证券（香港）以460.29亿港元位列第二 [1] - 在IPO承销数量方面，中金公司担任了53家公司IPO的承销商，位列第一 [1] - 中资券商在港股股权融资领域表现亮眼，主要得益于市场复苏及中资企业融资需求回暖 [1] 券商高管变动与战略调整 - 穆启国已卸任西部证券研究所所长，由分管研究所的副总经理赵英华兼任 [2] - 此次变动基于公司“十五五”战略规划对研发中心提出的更高要求及个人发展意愿 [2] - 穆启国后续将聚焦公司智能投研及香港子公司研究业务筹建工作 [2] 保险资管产品登记情况 - 2025年保险资管机构共登记债权投资计划、股权投资计划和保险私募基金314只，登记规模5104.43亿元 [3] - 登记产品数量与规模同比分别减少20.71%和26.08% [3] - 其中债权投资计划285只，规模4419.05亿元，数量与规模同比分别减少24%和28.46% [3] - 股权投资计划22只，规模335.32亿元，数量与规模同比分别增加83.33%和12.52% [3] - 保险私募基金7只，规模350.06亿元，数量与规模同比分别减少22.22%和18.61% [3]

人事变动 - 西部证券研究所所长穆启国已卸任，由公司分管研究所的副总经理赵英华兼任研究所所长 [2] - 此次变动基于公司“十五五”战略规划提出的更高要求以及个人发展意愿，穆启国后续将聚焦公司智能投研及香港子公司研究业务筹建等工作 [2][3] - 穆启国于2017年加入西部证券担任研究发展中心总经理，此前在光大证券、华泰证券、川财证券等多家券商从事研究工作 [3] 研究所业绩与战略方向 - 在穆启国任职期间，其团队2019-2021年连续三年获得新财富最具潜力研究机构奖，2020-2021年蝉联新浪金麒麟最具特色研究机构奖，2021年获上证报最佳分析师评选最具社会责任机构奖 [3] - 2025年以来，西部证券研究发展中心的营业收入和营业利润均同比大幅增长，收入结构多元化成效显现 [7] - 2025年，保险客户收入迅速攀升，收入占比超过公募基金，成为研发中心主要收入来源；私募基金、海外投资机构等客户营收在2025年前三季度也实现了快速增长 [7] - 公司未来战略是坚守研究本源，在强化卖方研究基础上，积极布局海外业务，加强科技创新、强化区域经济赋能、深化对内协同 [3] 研究业务理念与转型 - 穆启国曾提出，中小券商研究所可聚焦两类细分赛道：一是存在重大Beta变化的领域（如未被充分挖掘的新兴产业、供给侧改革的冷门赛道），通过前瞻研究抢占先机；二是深入产业上游获取一手信息，提供独家洞见，这类研究对投资者的Alpha价值更高 [6] - 同时，可开发小而精的量化或主题研究产品，用量化工具转化为主动研究洞察 [6] - 穆启国主导研发了智能投研系统VSignals并推动研究业务转型回归优质前瞻深度研究 [7] - 他提出研究业务应实现从信息提供者向科技金融生态赋能者的转变，主张通过人工智能算法和大数据分析技术构建科技投研生态圈，推动形成“专家咨询—另类数据—智能决策—解决方案”专业化体系，建立跨周期研究能力 [7]

公司人事变动 - 西部证券研究所所长穆启国已卸任，由公司分管研究所的副总经理赵英华兼任所长 [2] - 此次变动基于公司“十五五”战略规划对研发中心提出的更高要求及个人发展意愿 [2] - 穆启国后续将聚焦公司智能投研及香港子公司研究业务筹建工作 [3] 研究所战略与规划 - 公司研发中心未来将继续坚守研究本源，强化卖方研究，并积极布局海外业务 [3] - 公司将加强科技创新、强化区域经济赋能、深化对内协同，以提升研究所综合实力 [3] - 穆启国曾主导研发智能投研系统VSignals，并推动研究业务向优质前瞻深度研究转型 [5] 研究业务转型与理念 - 穆启国认为，中小券商研究所可聚焦于存在重大Beta变化的细分赛道或产业上游研究，以提供更高Alpha价值 [4] - 中小券商可开发小而精的量化或主题研究产品，用量化工具转化主动研究洞察 [4] - 研究业务应实现从信息提供者向科技金融生态赋能者转变，通过AI与大数据构建科技投研生态圈 [5] - 主张建立“专家咨询—另类数据—智能决策—解决方案”的专业化体系，以建立跨周期研究能力 [5] 研究所业绩与客户结构 - 2025年以来，西部证券研究发展中心的营业收入和营业利润均同比大幅增长 [5] - 2025年保险客户收入迅速攀升，其收入占比已超过公募基金，成为研发中心主要收入来源 [5] - 私募基金、海外投资机构等机构客户营收在2025年前三季度也实现了快速增长 [5] 过往成就 - 穆启国于2017年加入西部证券担任研究所所长，此前在多家券商有研究经验 [3] - 在其领导下，团队于2019至2021年连续三年获得新财富最具潜力研究机构奖 [3] - 团队在2020至2021年蝉联新浪金麒麟最具特色研究机构奖，2021年获上证报最具社会责任机构奖 [3]

文章核心观点 - 中信建投证券推出“智研多资产配置+”平台，旨在通过构建覆盖“研究-策略-组合”全链条的智能生态，推动机构投研范式从“经验驱动”向“系统驱动”升级，以解决传统投研模式效率低下、信息孤岛等痛点，满足机构投资者对系统性决策能力的需求 [1] 平台定位与设计理念 - 平台并非简单的研究成果线上化，而是致力于构建“研究即投资”的智能生态，标志着头部券商的服务模式正从提供碎片化产品向交付一体化解决方案进行战略性跨越 [1] - 平台设计的原点是拆解投研过程中的“黑箱”与“断点”，将体系化研究框架进行数字化封装，以提升决策的科学性、过程的效率与结果的可控性 [1] 平台核心功能体系 - **深度研究工具库**：作为系统的“认知基石”，构建穿透式资产洞察网络，其中包含涵盖500多个深度标签的基金特色分析库，以及利用AI智能听录技术将数百场基金经理访谈及内部路演转化为可秒级检索、结构化观点数据库的“前沿声音”智库 [2] - **量化配置模型库**：作为平台的“决策引擎”，将宏观研判与中观战术从定性讨论推进至定量指引，集成了美林时钟、货币信用周期等经典模型及改进的普林格周期模型、宏观状态择时模型等特色研究，行业轮动模型则基于因子动量思想，涵盖七大子维度以构造复合策略 [2] - **AI增强功能**：作为提效“加速器”，引入AI智能体矩阵，包括7×24小时在线的AI基金助手、能模拟多角色协同自动生成投资分析报告的多智能体投资框架，以及让用户能在Excel中直接调用平台底层数据的智研Excel插件，实现“数据直达策略” [3] 平台的研发基础与竞争优势 - 平台基于“专业研究+科技赋能”的双轮驱动模式，其功能模块背后对应着金融工程及基金研究团队多年沉淀且经过市场验证的体系化研究框架，这是其区别于通用工具的核心竞争力 [4] - 专属科技金融支持团队与公司信息技术部提供了坚实支撑，团队在智能投研领域累计申请专利与软著达40余项，确保了系统的技术先进性与运行稳定性 [4] - 平台将依赖资深分析师个人能力的复杂研究过程，转化为标准化、可复用的系统能力，有助于在机构服务中构建差异化的专业壁垒 [4] 行业影响与未来展望 - 平台的推出代表了卖方研究向数字化、产品化、智能化的深度演进，为行业提供了一个可参考的转型样本 [4] - 平台通过一体化系统回应了机构客户“投什么、怎么投、如何优化”的核心诉求，旨在赋能机构投资者建立系统化投研流程、提升专业决策效率，以在复杂市场中构筑可持续竞争力 [5] - 这一实践表明，未来机构服务竞争将侧重于整合自身投研、科技与业务资源以构建闭环服务生态的能力，当数字化技术成为“业务核心驱动力”，券商创造的价值边界将被大幅拓宽 [5] - 平台的发展指向一个决策更系统、流程更智能、能力更可沉淀的机构投研新范式，旨在引领行业共同迈向高质量发展新阶段 [5]

公司合作与行业趋势 - 慧博投研与中信证券、中金公司两家行业标杆券商达成合作，为其量身打造投研智能体平台 [1] - 投资机构升级数字化战略、向智能化转型已成必然，此举旨在推动数据与人工智能技术在金融投研领域的深度融合 [1] - 合作旨在助力券商稳固核心竞争力，推动金融机构迈向高质量发展新阶段 [1] 行业痛点与公司解决方案 - 金融投研领域当前瓶颈在于处理海量数据、精准筛选信息、实现高效决策 [2] - 客户核心痛点并非缺少信息，而是信息过于分散、难以有效整合，研究员需在数十个不同平台间切换 [2] - 公司打造了一支既懂业务又懂技术的复合型团队，能够深度理解客户需求并转化为可落地的智能化方案 [2] - 通过整合分散信息源并为不同业务场景定制数据逻辑与分析框架，公司将定制化交付周期从数月缩短至数周 [2] - 团队能深度融入客户日常工作，快速响应需求调整，并通过系统化人才培养规模化打造复合型人才，确保服务质量一致性，实现“一站式投研赋能” [2] 智能体平台核心功能模块 - 数据处理“超级大脑”：能快速从海量数据中提取关键指标，进行横纵向对比分析并生成直观图表报告，同时实时监测市场动态，及时预警潜在投资机会与风险 [3] - 信息整合“智慧中枢”：通过合规技术手段，将碎片化信息采集转化为一体化智能工作流，从多元信息源（如公众号、外网资源、专业数据库）自动汇聚并整合数据 [3] - 报告生成“高效助手”：可根据研究员输入的关键信息和需求，自动生成逻辑严谨、内容丰富、格式规范的投研报告 [3] 平台实际应用与成效 - 深度投研问答系统打破数据来源局限，实现本地与外部多源数据（如研究报告、公司公告、财务数据、新闻资讯）的深度融合 [4] - 系统支持调用数据查询、数值计算、图表制作、代码编写等多种实用工具，满足投研人员多样化需求 [4] - 平台支持上传本地文档构建私有空间，并具备第三方金融数据源接入能力，整合多元数据以提升投研深度广度 [4] - 在项目对接时，智能体可利用大模型多模态能力“解读”BP文件与路演音视频，自动提取核心内容并实现个性化精准推送 [4] - 在投资决策时，智能体可聚合海量研究资料与投决报告，提取投资知识库，利用大模型广泛筛选和特征分析寻找高回报潜在项目并提供初步建议 [4] - 在投后管理中，借助大模型Agent能力灵活调用网络爬取工具、SQL代码生成模型及业务系统API，快速构建多维度评价体系，实现智能引导和主动管理 [5] - 在打造内控助手方面，可结合投资知识库快速搜索条款、查找案例，提前补齐申报材料漏洞，并检查文档歧义、数据问题和敏感信息，减少人工失误 [5] 公司未来规划 - 公司未来将继续为更多券商及金融客户提供定制化智能投研方案 [6] - 计划持续提升平台智能化与数据分析能力，助力客户精准把握市场 [6] - 目标为推动金融行业向智能化、高效化迈进，为国家金融高质量发展贡献力量 [6]

文章核心观点 - AI技术正以指数级速度重塑资产管理行业的底层运行逻辑，推动行业价值链从“人力驱动”转向“人类智能+机器智能双驱动”[1] - 泰康资产自主研发的深度研究智能体已初步实现深度赋能投研，并展现出显著优势，未来有望全面赋能资产管理全场景[1][2][4] - 资管机构需建立健全配套机制，优化治理体系，打造适应AI转型的人才团队和组织保障，以有效推进AI建设[7][8] AI在资产管理行业的优势与契合度 - 资产管理行业是数据与知识密集行业，具有高度业务专业度与复杂度，AI的优势特性高度契合行业特点与需求[2] - AI具备更全面的知识储备，其智能体拥有强大的自主性、适应性和交互能力，能够持续迭代进化、实现闭环管理[2] - AI能够帮助投研人员显著提高工作效率、扩展能力圈、扩大管理半径，未来甚至有可能在部分领域引领投资[2] 泰康资产深度研究智能体的应用与优势 - 公司借鉴国际顶级科技公司前沿实践，探索打造覆盖多品种、具备全技能的自有深度研究智能体[2] - 智能体整合海量高质量内外部投研数据和内部积累多年的投研分析方法论，着重强化幻觉控制[1][5] - 以一个典型投研分析场景为例，对比传统模式，智能体能够迅速梳理核心诉求，即时调用资源，构建全面研究分析框架，并通过智能算法生成可读性强的报告[3] - 智能体具有四大独特优势：运行逻辑高度符合主动投研范式；积累大量泰康特色数字研究资源；着重强化幻觉控制；坚持“体系胜于判断”，支持持续迭代升级[5] AI对资产管理行业价值链的重塑展望 - 全球顶级资产管理公司如贝莱德、JP摩根等已在投资研究、策略构建等多个领域积极探索并落地AI应用[4] - 通过智能体体系构建和投研能力建设双轮驱动，公司将建设人机协同的投研新范式，中短期拓展研究员效率，长期在策略研发等领域引领投资[6] - AI有望全面赋能投研决策、财富管理、风控合规、运营经营等场景，重塑资产管理价值链[1][6] 推进AI建设的配套机制与组织保障 - 业务团队需主导智能体的研发应用与迭代升级，科技团队需深化与业务部门合作，做好AI中台与底座建设[7] - 需制定匹配AI战略的人才培养与管理体系、优化与淘汰机制，并将AI应用纳入绩效合约，重点激励AI人才[7] - 必须转变传统“科技主导、业务配合”的建设模式，建立“业技共研、共创、共建”的协同机制，并以业务价值为导向组建敏捷团队[7][8] - 必须同步建设业技融合的决策与责任机制，提升资源调配弹性，并高度重视数据资产管理，保障AI应用安全性与合规性[8]

大会概况 - 第六届1024资管科技开发者大会于10月17日在上海临港中心举办 [1] - 大会是全球资产管理中心上海国际活动周2025系列重要活动之一 [1] 报告发布 - 《上海全球金融科技中心建设资产管理垂直领域大模型开发与应用报告2025》在大会上正式发布 [1] - 报告包含国产大模型在资产管理领域的应用实践 兼具技术深度与行业实践视角 [1] - 报告内容汇集从技术解析到场景落地等方面 [1] 产业活动启动 - “滴水智汇”智能投研&人工智能+产业发展系列活动同步启动 [1] - 活动将围绕智能汽车、高端装备、集成电路、民用航空和数字经济“4+1”临港主导产业重点场景展开 [1] - 活动旨在搭建“产业研究+场景路演+闭门研讨+联合倡议”的常设平台 [1] 闭门研讨 - 会前60余位专家参加了“临港新片区金融科技集聚区发展座谈会” [2] - 座谈会聚焦“打造标杆性金融科技集聚区”核心目标 [2] - 座谈会围绕产业协同、融资发展、跨境数据流动、算力基建、离岸金融场景等关键议题展开深入交流 [2] - 座谈会旨在推动金融科技资源集聚、技术创新与产业落地 助力上海全球金融科技中心建设 [2]

大会概况与核心主题 - 第六届1024资管科技开发者大会于2025年10月17日在上海临港中心举办，主题为“人工智能+，从产业AI到金融AI” [2] - 大会汇聚了来自政府部门、金融基础设施、银行、保险、公募基金、券商资管、金融科技企业等领域的300余位嘉宾 [2] - 智能投研技术联盟成员机构已从最初的72家增长到333家 [4] AI与资管融合的战略机遇 - 临港新片区将以制度创新、场景开放、生态聚合，深度赋能“AI+资管”融合，打造标杆性金融科技集聚区 [4] - 人工智能技术正以前所未有的广度和深度赋能资产管理行业，推动投研、投顾、交易、风控等环节向智能化跃迁 [5] - 当前正站在新的历史拐点，大模型不再只是大而是专，AI不再只是工具而是生态，资管不再只是配置资金而是配置未来 [4] 大模型技术挑战与解决方案 - 人工智能大模型发展面临五大挑战，包括AI扩展定律与硬件摩尔定律不协调、多智能体协同中的错误叠加、人工智能安全与价值观对齐等 [7] - 提出“联邦师生大模型”解决方案，通过联邦学习实现通用大模型与垂直小模型的协同学习 [7] - AI发展可分为三个阶段，三大建设方向为沉淀高质量垂直领域数据、构建底层技术平台与智能体平台、加强AI安全与伦理治理 [7] AI在产业端的落地实践与投资机会 - AI在卫星设计、智能制造、在轨计算等方面有应用，批量化卫星制造、算力上天、星间激光通信等领域存在投资机会 [10] - 通过量子模型与机器学习结合加速新材料开发，与传统制造业深度合作提升毛利空间是可行共赢路径与投资机会 [10] - 半导体前道量检测设备国产化率不足8%，将AI算法深度融入高端设备可提升操作效率与产线良率，存在较大市场空白 [11] - AI正从语言模型向控制领域延伸，未来可能出现本地部署的“家庭AI管家”，机器人产业将向模块化发展 [11] AI在资管业务环节的应用与挑战 - 证券行业正构建“算力+数据+网络”融合支持体系，通过构建行业可信数据空间降低机构应用大模型的技术复杂度与成本 [14] - AI正推动资管从“信息差”向“模型差”转变，应用落地面临数据治理、异构算力融合、AI工程化与人才结构转型三大挑战 [14] - 大模型核心挑战在于人才，亟需具备好奇心、能主动跨越职责边界的复合型团队，关键在于从大模型能力出发重新设计业务流程 [14] - 东方汇理通过SaaS化资管平台为80家外部客户管理近5万亿欧元资产，AI 1.0阶段已上线20个提升运营效率的应用，2.0阶段将聚焦智能投研与ESG评估 [15] 行业生态与未来发展重点 - 未来将推动AI从“助理”向“协同”乃至“自主”阶段演进 [15] - 必须建立全链条审计机制，确保模型可解释性并满足监管要求 [15] - 协会数智化工作将着力于三个“一致性”：产业AI与金融资管AI技术一致性、资管机构战略与AIAM人才培养一致性、行业“AI+”创新与地域AI生态构建一致性 [16]

行业变革趋势 - 公募量化投资正从传统量化全面向AI量化转型 数据与算法重塑投资决策方式 [1] - 行业面临降薪降费 人才流失和主动管理能力弱化挑战 推动AI技术为基础的投研体系改革 [2] - 产品工具化率提升 某中型公募产品工具化率超过70% 预计2026年完成智能投研升级 [2] 技术应用差异 - AI量化能处理非标准化数据 包括研报文本 行业政策和社交媒体情绪 显著提升超额收益 [3] - 不同公司采用差异化路径：嫁接海外算法框架 AI与传统模型加权融合 或专注行业轮动 [3] - AI模型用于寻找传统多因子模型难以发现的特殊因子 增强投资策略多样性 [4] 数据竞争核心 - 数据质量成为差异化关键 非结构化数据处理能力决定模型信息密度 [5] - 整合内部非结构化资产 包括研究员笔记 电话会议录音和产业链群聊记录 通过NLP技术转化 [5] - 专业团队基于经验选择有价值特征数据 而非全量输入 形成竞争优势 [6] 竞争优势与挑战 - AI量化覆盖全市场5000多只股票 不受情绪影响 保持投资纪律性 [6] - 客户忠诚度较低 业绩波动易导致规模缩水 需持续争取超额收益 [6] - 中小基金公司缺乏平台优势 通过构建数据平台+策略工厂双引擎应对竞争 [2]