一方面，券商分析师数量持续增长，截至2024年底已达5776人;另一方面，人工智能(AI)大模型在多环节大幅提升了投研效率。当分析师直面AI时，由此产生了职业焦虑。

不过，证券时报记者对多家券商研究所的调查情况显示，短期内，AI的发展或许会使助理分析师的需求有所降低，却无法完全替代分析师。

受访者普遍认为，AI更多是作为智能助手，承担基础和重复性的工作，而深度研究仍会是分析师的主场。

分析师日常工作积极拥抱AI

记者从受访券商处了解到，DeepSeek火热之后，不论年轻抑或资深，总量小组或是行业小组的分析师们，都在积极学习使用AI工具。除了内在驱动外，正如广发证券发展研究中心提到的，公司和部门层面在积极引导分析师借助AI辅助自身研究工作。

据中信建投证券研究所有关人士介绍，在学习路径方面，一些动手能力强的分析师已然是扣子、秘塔等 AIGC(人工智能生成内容)平台工具的重度使用者，另有一些分析师则侧重于与技术人员展开合作，积极探索场景发掘。一些资深研究员，更希望能通过AI针对行研框架、产业链研究、估值模型等提供整体的解决方案。

“分析师对AI工具的接受度普遍较高，这是因为他们在工作中切实感受到了AI带来的效率提升。”浙商证券研究所有关人士表示。申万宏源研究总经理助理、TMT总监、首席分析师刘洋则预判，未来在研究所里，必将是人人使用AI，人人善于AI。

不过，虽然AI在投研领域中所起的作用越来越重要，但仍不可完全替代分析师。“分析师的价值主要体现在发现上市公司的价值以及与投资者进行沟通交流上。在这个过程中，分析师会对产业的发展变化形成个性化的判断，进而产生新的知识和观点，并且能够在产业界积累自身的影响力。”广发证券发展研究中心相关人士认为。

AI投研仍需人类主导

记者了解到，AI在一些单项技能上表现出色，但在细分场景中，还很难说当下AI已彻底接近甚至超越分析师的表现。

据国信证券经济研究所策略首席分析师王开介绍，AI在“听”和“读”这类输入任务上表现较好，能够高效归纳市场信息、提炼观点要点，不过存在遗忘问题，而且处理过多信息时容易丢失重点。在数据计算、模型优化方面，AI也能助力分析师提高工作效率，但仍需在分析师的监督下开展工作，以避免出现“AI幻觉”。对于AI在“写”方面的质量，评价褒贬不一，它能够快速整合相应素材，然而在逻辑性、连贯性和专业性上仍有待训练和改进，尤其在深度研究和市场策略分析方面，还需逐步打磨和优化。

中金公司研究部执行总经理、非银行金融及金融科技行业首席分析师姚泽宇也提到，在当前所测试的应用场景中，AI在回答完整度、忠实度、准确性等方面，平均能达到70～80分的水平，特别是在大模型所擅长的读、写这类场景里，表现更为突出。不过，在信息甄别、观点认知、决策建议等对专业性及精确度要求更高的场景中，依旧需要分析师发挥主导作用，从而确保结果的质量。

中信建投证券研究所有关人士提到，虽然AI在公开信息的采集、合成等方面能力已超越人类，但由于幻觉问题还未根除，由 AI整理的各类“初稿”，仍需研究员人工复审，在大部分场景下无法直接交付给客户。

分析师与AI“互助”

“AI能够替代部分助理研究员所做的基础且重复性的工作，然而在竞争壁垒分析、商业模式拆解、估值模型边际变化、投资评级建议等深度研究领域，依旧是分析师发挥主导作用的‘主场’。”浙商证券研究所有关人士表示。

中信建投证券研究所有关人士亦认为，以DeepSeek为代表的大模型在投研工作中的意义，在于解构复杂脑力劳动中的标准化环节，将人类从重复性信息处理中解放出来，为专业分析腾出认知带宽。在他看来，应该把AI看作是金融行业生产力工具的进化升级，未来更可能是人机协同，由AI当助理。

王开也更倾向于把当前的AI作为增强型工具，而非完全独立决策主体。更现实的趋势是“分析师逻辑搭建+AI执行”，即AI 作为分析师的智能助手，承担数据处理、趋势分析和辅助建模等工作，而人类分析师则聚焦于研究逻辑的构建。

刘洋则认为，在深度思考、旁征博引、跨领域思考方面，分析师与AI应当共同进步，甚至互相帮助。

助理分析师面临挑战

当前，AI正在重塑研究所的人才培养体系，当研究团队负责人及资深分析师更多借力智能投研助理时，对人工助理分析师的需求将会下降。

中信建投证券研究所有关人士表示，助理分析师所承担的工作相对基础，涵盖资料整理、日报周报撰写、基础数据分析等方面。然而，与人类相比，人工智能不仅可以胜任这些工作，而且在效率、成本和稳定性方面更具优势，效率更高、成本更低且稳定性更强。与此同时，由于AI本身具有“越用越聪明”的特性，在分析师与AI日常持续交互并协同为客户服务的过程中，AI积累的专业知识会日益丰富，所掌握的专业技能也会更加完善。这反过来又会进一步增强分析师对AI的信赖程度，从而形成一种人机合作的良性循环效应。

不过，对此也有不同的观点。广发证券研究所认为，从分析师成长路径来看，基础性、重复性工作也是学习成长的必备过程，很难说可以完全跳过。

姚泽宇持有类似观点。在他看来，卖方分析师一般需要历经长时间的训练，以此增强自身全方位的专业能力，进而赢得客户信任并提升市场影响力。在这一过程中，分析师不仅要持续丰富自身的专业认知、完善研究框架，还得不断改进表达沟通技巧、提升综合素质。相对来说，后者很难通过AI大模型迅速获得显著提升。