核心观点 - 大语言模型、深度强化学习和图神经网络三大技术正从信息基础、决策机制到系统架构三个层面深度重构资产配置的理论与实践 [1] - AI技术栈已具备现实基础，AI正从辅助工具转向决策中枢，推动资产配置从静态优化迈向动态智能演进 [1] - 头部机构的竞争已升维至构建专有、可信且能驾驭复杂系统的"AI原生"战略，其核心是全链条的专有技术布局 [2] - 对国内资管机构而言，破局之道在于战略重构与组织变革，走差异化、聚焦式的技术落地路径，构建务实高效的"人机协同"体系 [2][3] AI技术范式重塑 大语言模型（LLMs） - LLMs通过深度理解财报、政策等非结构化文本，将海量非结构化文本转化为可量化的Alpha因子，根本上拓展了传统投研的信息边界 [1][11] - 金融专用LLMs的开发遵循预训练加微调的两步范式，以克服通用模型在金融专业术语理解上的不足，业界已出现如BloombergGPT（500亿参数）、FinGPT等专用模型 [12][13] - LLMs的应用场景包括为算法交易系统提供实时情绪信号，以及7×24小时不间断监控全球信息流进行风险管理 [14] - LLMs应用面临数据偏见与模型幻觉、高昂计算成本及可解释性难题等核心挑战 [15][16] 深度强化学习（DRL） - DRL推动资产配置决策框架从静态优化转向动态自适应，其目标是学习在长期内实现最优回报的决策策略，而非一次性精准预测 [1][17] - DRL构建"智能代理"通过与模拟或真实的金融市场交互来学习，其核心是经历"观察-行动-奖励"循环以学会最优策略 [18] - 主流DRL算法包括演员-评论家方法、近端策略优化和深度确定性策略梯度，这些算法非常适合投资组合管理中的连续权重调整任务 [19][20] - DRL的发展瓶颈包括数据依赖与过拟合风险、市场周期适应性难题、高昂计算成本及现实世界约束整合的技术挑战 [21][22] 图神经网络（GNNs） - GNNs通过将金融系统抽象为网络（节点代表金融机构，边代表相互关联），揭示金融网络中的风险传导路径，深化对系统性风险的认知 [1][23] - GNNs通过"消息传递"机制学习节点的自身特征和图的拓扑结构，能够进行风险传播建模和压力测试，识别"大到不能倒"的核心机构 [24][25] - GNNs对监管者的启示在于能够进行动态系统性风险评估和压力测试，对投资者的价值在于帮助构建更有效的投资组合对冲策略 [26] 头部机构实践案例 贝莱德（BlackRock）AlphaAgents - AlphaAgents项目采用多智能体系统模拟人类投资委员会的"协作与辩论"机制，设立基本面分析、情绪分析和估值分析三个专业分工的AI智能体 [30][31] - 系统核心技术由GPT-4o驱动，通过对抗性辩论与共识辩论环节，强制智能体就"买入"或"卖出"展开多轮讨论直至达成一致，以提升结论稳健性 [31][33] - 回测实验显示，在风险中性策略下，多代理投资组合的累计回报和夏普比率显著优于所有单代理组合及市场基准，而在风险规避策略下成功实现了规避下行风险的策略目标 [34][35] - 该系统的战略定位是代表贝莱德人机协作模式的根本性升级，其未来价值在于解决AI信任问题、具备全流程AI赋能潜力及寻找判断性Alpha [39][40] 摩根大通（JPMorgan）"AI原生"战略 - 摩根大通每年在AI上投入20亿美元，其AI研究部门在2024至2025年间共发表140篇出版物，其中8篇发表于AAAI顶级会议，研究布局具有鲜明的学术导向 [42][43][44] - 战略支柱一聚焦构建专有、可信的AI核心技术，通过研究如模型公平性、差分隐私和输出控制等技术，将合规成本中心转化为竞争护城河 [45][46][47][49] - 战略支柱二通过多智能体模拟和强化学习创建金融"风洞实验室"，旨在模拟复杂经济系统并训练AI代理做出最优决策，以掌控复杂系统 [53][54][55][56] - 战略支柱三从物理与另类数据中创造信息优势，应用计算机视觉和地理空间分析技术将现实世界数据转化为结构化金融信息，扩展"可知"和"可定价"的边界 [58][59][60][61] 对国内资管机构的启示 - 国内机构需进行战略重构，成立跨部门AI战略委员会，制定符合公司特色的转型路线图，并采取"聚焦突破"策略而非盲目追求"大而全" [63] - 技术落地应采取"三步走"策略，夯实数据基础，基于开源框架务实选择模型，并确立"人机协同"原则，将AI定位为投研团队的"智能副手" [64] - 组织变革需打破部门壁垒，构建融合投资、数据科学和工程的跨职能团队，并采取"外部引进与内部培养"双轨制进行人才建设 [65][66] - 风险管控需建立覆盖模型全生命周期的治理框架，前瞻性布局"可信AI"能力，将合规能力转化为竞争优势 [67]

核心观点 - 提出X-Nav框架实现端到端跨形态导航 单一通用策略可部署于轮式和四足机器人 通过两阶段学习机制（专家策略训练+通用策略提炼）解决现有方法通用性受限问题 [3][4] - 核心创新是导航动作分块transformer（Nav-ACT）模型 将多专家策略提炼为统一策略 支持对未知形态机器人的零样本迁移 [3][8] - 实验显示在商用机器人上成功率（SR）达90 4% 成功率加权路径长度（SPL）达0 84 显著优于行为克隆等基线方法 [13] 技术架构 阶段1：专家策略学习 - 在4096个随机生成的机器人形态上训练3类专家策略（小型四足/大型四足/轮式） 采用PPO算法和定制奖励函数（含任务奖励与正则化奖励） [6][10][16] - 奖励函数包含7项指标：目标位置跟踪（Tpos）、前进激励（Tfwd）、停止精度（Tstop）、碰撞惩罚（Tcollide）等 轮式与四足采用不同正则化权重（Table I） [7] 阶段2：通用策略提炼 - Nav-ACT模型含4层transformer和4注意力头 嵌入维度256 通过256 batch size训练100 epoch 输入统一观测序列（含本体感受/目标位置/激光雷达等14维数据） [15][16] - 动作空间统一为14维向量 前2维对应轮式速度 后12维对应四足关节位置 采用MSE损失函数（L1损失会导致性能下降15%） [15][19] 实验验证 性能对比 - 在6款商用机器人（Jackal/Dingo/A1等）测试 X-Nav的SR（90 4%）和SPL（0 84）全面领先BC/BCT/DP/CP等方法 其中Jackal的SPL比次优方法高23% [13] - 训练形态数量从128增至4096时 SPL提升37% 显示数据规模对泛化能力的关键作用 [14] 实际部署 - 在TurtleBot2和Jackal真实机器人测试 室内外环境平均成功率85% SPL 0 79 验证不同传感器（Kinect/ZED 2相机）下的适用性 [22] - 轮式机器人需时间集成（TE）平滑动作 四足则直接采用首动作 消融实验显示该设计使Jackal的SPL提升29% [11][19]