被 AI 超越：是时候替换你的分析师了吗？

你的分析师有了竞争对手——而且不是人类。

六款 AI 模型最近与经验丰富的股票分析师进行了直接竞争，以生成 SWOT 分析，结果令人瞩目。在许多情况下，AI 不仅与人类专家平分秋色，还发现了人类专家忽略的风险和战略缺口。这并非理论。我和我的同事们在 2025 年 2 月对三家公司的分析师共识进行了控制测试：德国的德国电信、日本的大冢制药和美国的基里公司（Kirby Corporation）。每家公司都是其地区最受好评的股票——分析师普遍推荐的“稳赚不赔”的股票类型。

我们特意选择了市场热门股，因为如果 AI 能够在人类只看到优点的地方发现缺点，这将是一个强有力的信号。这表明 AI 不仅有可能支持分析师的工作流程，还可能挑战共识思维，甚至可能改变投资研究的方式。

AI 表现的不舒适真相

这里是你应该坐起来注意的：通过复杂的提示，某些 LLMs 在分析的精确性和深度上超过了人类分析师。请深思熟虑这一点。

机器生成的 SWOT 分析比行业从业多年的专业人士更加详细和全面。但在你淘汰人类分析师之前，有一个关键的注意事项。虽然 AI 在数据整合和模式识别方面表现出色，但它无法读懂 CEO 的肢体语言，也无法捕捉管理层“谨慎乐观”指导背后的潜台词。正如一位基金经理对我们说的：“没有什么能替代与管理层交谈，以了解他们真正如何看待自己的业务。”

40% 的差距，改变一切

最引人注目的发现？高级提示将 AI 性能提高了高达 40%。从简单询问“给我一个德国电信的 SWOT 分析”到提供详细指令之间的区别，就像从维基百科摘要到机构级研究之间的区别一样。这已经不是可选项了——提示工程正变得和 2000 年代的 Excel 一样重要。掌握这项技能的投资专业人士将从 AI 工具中提取出成倍的价值。那些不掌握这项技能的人将眼睁睁看着竞争对手在极短的时间内生产出更优秀的分析报告。

模型层次结构：并非所有的 AI 都平等

我们测试并排名了六款最先进的模型：

1. Google 的 Gemini Advanced 2.5 (深度研究模式) — 明显的赢家
2. OpenAI 的 o1 Pro — 次之，推理能力出色
3. ChatGPT 4.5 — 基本不错，但明显落后于领先者
4. Grok 3 — 艾隆·马斯克的竞争对手，表现出色
5. DeepSeek R1 — 中国的黑马，速度快但不够成熟
6. ChatGPT 4o — 比较基准

优化推理的模型（具有“深度研究”能力的模型）始终优于标准版本，如 ChatGPT-4o。它们提供了更多的背景信息，更好的事实核查，以及更少的通用陈述。想象一下聘请资深分析师与初级分析师的区别——两者都能完成工作，但后者需要更多的指导。时间也很重要。最佳模型在 10 到 15 分钟内生成了全面的 SWOT 分析，而简单的模型则在不到一分钟内就完成了。思考时间与输出质量之间存在直接关联——这是人类分析师一直知道的。

欧洲的 AI 赤字：一种战略脆弱性

对于欧洲的读者来说，这是一个令人不安的现实：在测试的模型中，有五个是美国的，一个是中国的。欧洲缺席 AI 领导者的名单不仅令人尴尬——而且是一种战略上的危险。当 DeepSeek 从中国涌现出来，在成本仅为西方几分之一的情况下展现出竞争力时，这被一些人称为 AI 的“斯 putnik 时刻”。

信息非常明确：AI 领导地位可以迅速改变，没有国内能力的企业将面临技术依赖的风险。对于欧洲基金经理来说，这意味着在关键分析中依赖外国的 AI。这些模型真的能像理解美联储声明那样理解 ECB 通讯或德国监管文件吗？答案尚无定论，但风险确实存在。

实用整合 playbook

我们的研究指出了投资专业人士应如何使用这些工具的明确四步方法

1. 混合，而非替代： 使用 AI 进行重活——初步研究、数据整合、模式识别。保留人类判断进行解释、策略制定以及需要对管理层思维真正洞察的部分。最佳工作流程：AI 起草，人类润色。

2. 触发词库是你的新阿尔法来源： 开发标准化的触发词以处理常见任务。精心设计的 SWOT 触发词是知识产权。内部分享最佳实践，但要像保护交易策略一样保护你最好的触发词。

3. 模型选择很重要： 对于深入分析，使用优化推理的模型。对于快速摘要，标准模型即可。使用 GPT-4o 进行复杂分析就像拿着刀去打枪战。

4. 持续评估： 新模型几乎每周都会推出。我们六项标准评估框架（结构、合理性、具体性、深度、交叉验证、元评估）提供了一种一致的方法来评估最新模型是否真正优于其前代。请参阅完整研究报告：“ 被 AI 超越：是时候替换你的分析师了吗？”（Michael Schopf，2025 年 4 月）。

超越 SWOT：不断扩大的前沿

当我们关注 SWOT 分析时，其影响贯穿整个投资过程。我们下面列出其中一些，但还有很多更多：

• 几分钟完成财报电话会议总结与分析，不再是几个小时
• 整个投资组合中的 ESG 红旗识别
• 大规模监管文件分析
• 竞争情报收集
• 市场情绪合成

每个应用程序都能让人类分析师从事更高价值的工作。问题不在于是否采用 AI，而在于你能多快有效地将其集成。

不舒适的疑问

让我们来面对大家心中的疑问：“AI 会取代分析师吗？”不会完全取代，但不会使用 AI 的分析师将被取代。人+AI 的组合将优于单独使用人或 AI。你信任 AI 输出吗？信则用，疑则验。AI 可能会虚构事实或忽略上下文，因此人类监督仍然是必不可少的，尤其是在投资决策方面。你应该使用哪个模型？从 Gemini Advanced 2.5 或 o1 Pro（或其后续版本）开始进行复杂分析。但鉴于技术变化的速度，每季度重新评估一次。如果竞争对手使用 AI 更好呢？那么你将处于追赶状态，而他们则在寻找阿尔法收益。在竞争对手建立 AI 优势的同时置身事外，意味着在日益激烈的竞争环境中失去地盘。

前进的道路

genie 已从瓶中释放。LLMs 已经证明它们可以在几秒钟内完成曾经需要几天才能完成的分析工作。它们带来了速度、一致性和庞大的知识库。如果使用得当，它们就像拥有一支永不疲倦的初级分析师团队，而且从不睡觉。但关键在于：成功需要有条不紊的整合，而不是全面采用。

将 AI 输出视为初级分析师草稿——有价值但需要资深审查的输入。掌握提示工程。明智地选择模型。保持人类监督。对于欧洲专业人士来说，还有一项额外的要求：推动本土 AI 开发。在关键金融基础设施上依赖技术是一种战略漏洞，没有哪个地区能承受得起。

掌握工具——否则将被工具超越

明智地拥抱这些工具，否则将被竞争对手甩在后面。在这个新环境中，胜出者将是那些能够将 AI 的计算能力与人类的洞察力、直觉和关系技巧相结合的人。投资分析的未来不是人与 AI，而是人和 AI。那些认识到这一点并采取相应行动的人将繁荣发展。那些不这样做的人将发现自己被那些学会与 AI 合作的人类超越，而不是被机器超越。

你的下一个分析师招聘可能仍然需要咖啡休息时间。但最好让他们知道如何提示 LLM、评估其输出，并添加将数据转化为 alpha 的人类洞察。因为在 2025 年，这是新的标准。这些工具已经存在。这些框架已经存在。胜利者将是知道如何使用它们的人。