人工智能的边界与投资判断的起点

人工智能正在重塑投资专业人士产生想法和分析投资机会的方式。如今，人工智能不仅能够通过所有三个 CFA 考试级别，还能自主完成长期复杂的投资分析任务。然而，对最新学术研究的仔细阅读揭示了专业投资者面临的一个更细致的图景。尽管最近的进步令人瞩目，但当前研究的深入分析—— 正如雅恩·勒克莱恩最近向英国议会作证所强调的那样 ——表明这是一个更结构性的转变。

在学术论文、公司研究和监管报告中，三个结构性主题反复出现。它们共同表明，人工智能不会仅仅提升投资者的技能。相反，它将重新评估专业知识的价值，提高流程设计的重要性，并将竞争优势转向那些理解人工智能的技术、制度和认知限制的人。

本篇是关于与投资管理专业人士相关的 AI 发展的季度系列文章中的第四篇。基于双月刊《投资管理中的增强智能》的投稿人见解，它延续了早期文章的内容，以更细致的视角探讨 AI 在行业中的演变角色 。

能力正在超越可靠性

第一个观察是能力和可靠性之间的差距正在扩大。最近的研究表明，前沿推理模型能够在 CFA 一级到三级模拟考试中取得非常高的分数，这削弱了那种认为死记硬背的知识能够带来持久优势的观点（哥伦比亚大学等，2025 年）。类似地，大型语言模型在推理、数学和结构化问题解决等多个基准测试中表现越来越好，这体现在新的通用人工智能（AGI）认知评分框架中（人工智能安全中心等，2025 年）。

然而，大量研究表明基准的成功掩盖了现实场景中的脆弱性。OpenAI 和乔治亚理工学院（2025 年）的研究表明，幻觉反映了结构性权衡：减少虚假或捏造回答的努力会内在于限制模型回答罕见、模糊或未明确指定问题的能力。相关的研究工作从大型语言模型中提取因果关系进一步表明，在符号或语言推理方面的优异表现并不能转化为对现实世界系统的稳健因果理解（Adobe 研究 & 马萨诸塞大学阿默斯特分校，2025 年）。

对于投资行业而言，这一区别至关重要。投资分析、投资组合构建和风险管理并不基于稳定的事实。结果依赖于环境，具有概率性，并且对尾部风险高度敏感。在这样的环境中，看似连贯且权威，但实际上是错误的输出可能会带来不成比例的后果。

对投资专业人士的影响是，AI 风险越来越像模型风险。就像回测通常会高估实际表现一样，AI 基准往往会高估决策可靠性。那些在部署 AI 时缺乏充分验证、基础和控制系统框架的公司，会将潜在脆弱性直接嵌入其投资流程中。

从个人技能到机构决策质量

第二个主题是，AI 正在使投资知识商品化，同时提高了投资决策过程的价值。生产环境中 AI 使用的证据使这一点变得清晰。对生产环境中 AI 代理的第一项大规模研究发现，成功的部署通常是简单的、严格约束的，并持续受到监督。换句话说，今天的 AI 代理既不是自主的，也不是因果关系上的“智能”（加州大学伯克利分校、斯坦福大学、IBM 研究，2025 年）。在受监管的工作流程中，通常更倾向于使用较小的模型，因为它们更易于审计、可预测且更稳定。

行为研究强化了这一结论。凯洛格管理学院（2025）的研究表明，当 AI 的使用对主管可见时，专业人士会低效使用 AI，即使它提高了准确性。Gerlich（2025）发现，频繁使用 AI 会通过认知卸载减少批判性思维。因此，如果 AI 不受管理，它将引入低效使用和过度依赖的双重风险。

对于投资机构而言，其核心教训在于结构性：AI 带来的好处并非归属于个人，而是归属于投资流程。领先企业已将 AI 直接嵌入到标准化的研究模板、监控仪表盘和风险工作流程中。治理、验证和文档的重要性日益超过原始的分析能力，尤其当监管机构自身也开始采用 AI 赋能的监管方式时（SupTech 报告，2025 年）。

在这种环境下，“明星分析师”的传统观念也在减弱。可复制性、可审计性和机构学习可能成为可持续投资成功的真正来源。这样的环境要求在投资流程的设计上有一个明显的转变。在全球金融危机（GFC）之后，投资流程在很大程度上实现了标准化，并非常注重合规性。

然而，新兴的环境要求投资流程必须优化以提升决策质量。这一转变在范围上意义重大且难以实现，因为它依赖于将个体行为改变作为组织适应能力的基础层面进行管理。投资行业常常试图通过非人格化的标准化和自动化来回避这一问题——现在又试图通过人工智能集成来再次解决，将一个行为挑战错误地描绘成技术挑战。

为什么 AI 的局限性决定了谁能够捕获价值

第三个主题关注 AI 的局限性，而不仅仅是将其视为一场技术竞赛。从物理层面来看，基础设施的限制正在变得具有约束力。研究表明，美国宣布的数据中心容量中只有一小部分实际上正在建设中，而电网接入、发电和输电的时间表是以年为单位，而不是以季度为单位（摩根大通，2025 年）。

经济模型强化了这一点的重要性。Restrepo（2025）表明，在一个由通用人工智能（AGI）驱动的经济体中，产出与计算能力呈线性关系，而非劳动力。因此，经济收益归属于芯片、数据中心和能源的所有者。计算基础设施的布局、芯片、数据中心、能源以及管理分配的平台，是捕获价值的关键因素，因为劳动力已被排除在增长方程之外。

制度约束也需要更密切的关注。监管机构正在大力扩展其人工智能能力，提高对投资行业使用人工智能时的可解释性、可追溯性和控制力的期望（SupTech 报告，2025 年）。

最后，认知限制日益凸显。随着 AI 生成的研究日益增多，共识形成得更快。Chu 和 Evans（2021）警告说，算法系统倾向于强化主导范式，增加了智力停滞的风险。当每个人都基于相似的数据和模型进行优化时，差异化就会消失。

对于专业投资者而言，AI 的广泛应用提升了独立判断和流程多样性的价值，因为这两者正变得越来越稀缺。

对投资行业的影响

AI 在自动化投资工作流程中日益增长的作用，使其无法消除的内容更加明确：不确定性、判断力和责任感。围绕这一现实设计其组织结构的公司更有可能在未来的十年中保持成功。

综合来看，证据表明 AI 将作为一种差异化因素，而不是普遍的提升，从而扩大那些为可靠性、治理和约束而设计的公司与那些没有这样做公司之间的差距。

更深层次上，这项研究指向了一种哲学上的转变。AI 的最大价值可能不在于预测，而在于反思——挑战假设、揭示分歧，并迫使提出更好的问题，而不是仅仅提供更快的答案。

参考文献

Almog, D. AI 推荐与非工具性图像 初步工作论文 ，西北大学凯洛格商学院，2025 年 4 月

di Castri, S. 等人. SupTech 报告 2025，2025 年 12 月

Chu, J 和 J. Evans, 大型科学领域规范进展放缓，PNAS, 2021 年 10 月

Gerlich, M., 《社会中的 AI 工具：认知卸载的影响与批判性思维的未来》， 战略企业前瞻与可持续发展中心 ，2025

Hendryckx, et al. D, 《通用人工智能的定义》，https://arxiv.org/pdf/2510.18212，2025 年 10 月

Kalai, A, et al., 《语言模型为何产生幻觉》，OpenAI，2025，arXiv:2509.04664，2025

Mahadevan, S. 《从大型语言模型构建大型因果模型》，Adobe Research，https://arxiv.org/abs/2512.07796，2025 年 12 月

帕特尔 J., 推理模型在 CFA 考试中表现优异，《哥伦比亚大学》，2025 年 12 月

Restrepo, P., 我们不会被错过：AGI 时代的工作与增长，NBER 章节 ，2025 年 7 月

加州大学伯克利分校，意太利圣保罗银行，斯坦福大学，IBM 研究，生产中代理的衡量， , https://arxiv.org/pdf/2512.04123，2025 年 12 月

所有文章均为作者观点。因此，不应将其解释为投资建议，且所表达的观点不一定反映 CFA Institute 或作者雇主的看法。