其次
，购买渠道的不同也会对房卡的价格产生影响 。目前，玩家可以通过多种方式购买青龙大厅的房卡 ，包括游戏内商城、微信游戏中心 、第三方平台等。其中
，游戏内商城和微信游戏中心通常是官方渠道，价格相对稳定 ，但可能缺乏灵活性
。而第三方平台则可能提供更为丰富的房卡种类和更优惠的价格
，但需要注意的是，选择第三方平台时一定要确保其信誉和安全性 ，以避免遭遇欺诈或虚假宣传。

再者，游戏平台是否正在进行促销活动也是影响房卡价格的重要因素 。在特定的时间段内
，游戏平台可能会推出各种促销活动，如限时折扣
、满减优惠等 ，这些活动通常会降低房卡的单价
，为玩家提供更多的实惠
。因此，如果玩家能够密切关注游戏平台的促销活动 ，那么在合适的时间点购买房卡
，无疑可以获得更多的优惠。

当然，除了以上几点外 ，房卡的具体价格还会受到游戏平台运营成本、市场竞争状况等因素的影响 。这些因素虽然不易被玩家直接观察到
，但它们确实在无形中影响着房卡的价格
。

综上所述，“金花链接房卡”这一问题并没有一个固定的答案。它受到购买数量 、购买渠道
、促销活动以及游戏平台运营成本等多种因素的影响 。因此 ，对于玩家而言
，要想获得最优惠的房卡价格，就需要综合考虑以上因素 ，做出明智的购买决策
。
【央视新闻客户端】

　　来源：中国基金报　

　　AI投研革命进行时：DeepSeek重塑基金业生态，人类智慧成为基金经理“护城河 ”

　　中国基金报记者陆慧婧

　　2025年伊始
，人工智能大模型DeepSeek在金融领域掀起一场投研效率革命。

　　多家基金公司竞相完成DeepSeek的私有化部署，将其应用于投资研究等核心场景 ，推动行业进入“AI辅助投研
”的新阶段 。

　　然而
，在人工智能大爆发的背后，关于“AI能否取代基金经理”的讨论声渐起 ，多位业内人士认为
，AI可以穿透传统金融文本，解析卫星影像、供应链物流数据乃至社交媒体情绪图谱等 ，可以成为基金经理的有力助手
。

　　但在这场颠覆性变革中
，AI并不是替代者，只是进步的催化剂。关于上市公司价值判断 、“黑天鹅 ”事件预判与创新洞察这些“关键决策权
” ，将成为基金经理们新的护城河 。正如一位基金经理所言：“在算法统治的金融世界里
，人性洞察可能成为最稀缺的阿尔法。”

　　引发投研领域

　　效率与决策的双重变革

　　DeepSeek凭借强大的逻辑推理与数据处理能力，正成为基金公司提升生产力的关键工具
。多家公司正在迅速推进DeepSeek的本地化部署。

　　据悉 ，2025年伊始，随着DeepSeek-R1模型的发布
，博时基金迅速完成内部部署，并开始探索它在投资研究、投资顾问服务和软件开发等方面的应用 。招商基金IT部门也于春节后加速完成DeepSeek本地化部署
。目前 ，公司已逐步推进在投研领域的深度应用
，重点突破研报分析与知识交互的效率瓶颈。

　　晨星（中国）基金研究中心高级分析师代景霞指出，DeepSeek在投资领域的主要应用包括风险管理
、投资组合优化、市场预测和交易算法等 。

　　“在市场关注的投资领域 ，DeepSeek本地化部署主要在智能投研等方面
。从具体效果看
，数据处理和分析能力显著增强，在文字生成 、研报解读等应用方向达到可用阶段 ，能实现金融文本
、图表和数据的智能关联与深度解析
，可将复杂的投资问题拆解，展示推理过程 ，提供透明化决策依据。 ”创金合信基金首席经济学家魏凤春表示 。

　　在北京某大型基金公司人士看来
，DeepSeek在投研领域引发了效率与决策的双重变革
。“传统投研面临海量信息挑战，研究员和基金经理需耗费大量时间筛选分析。而DeepSeek凭借强大的自然语言处理和数据分析能力 ，能快速解析研究报告，精准提取关键信息
，帮助研究员迅速把握核心，节省阅读和分析时间 ，有望帮助投研人员深度剖析大量研报
，为投资决策提供全方位、多角度的参考 。
”

　　尽管从效果上看，DeepSeek本地化部署可以使得研究员的信息处理效率提高数倍
。但目前这一应用的局限性也较为明显。“包括大模型的幻觉问题 ，深度分析能力不足
，这些都需要资深投研人员去修正 。”据平安基金林清源反馈。

　　在数据分析 、风险评估

　　等方面为投研赋能

　　据了解，DeepSeek人工智能系统正以每月迭代三次的速度渗透投研核心环节
。在投资决策
、风险评估、市场判断等多方面给基金公司投研部门赋能。

　　魏凤春举例 ，在投资决策方面
，DeepSeek可整合多维度数据并深度分析，利用深度思维链技术 ，将复杂投资问题拆解
，清晰展示从数据到结论的推理过程，为投资者提供贴合业务需求的投研建议和透明化决策依据 。

　　在风险评估方面 ，DeepSeek通过对海量数据（维权）的实时监测和分析，凭借强大的计算能力和模型算法
，全面识别各类风险，还可自动检查文件是否符合监管要求 ，提高风险识别的精准度
。

　　在市场判断方面
，DeepSeek能对金融文本数据进行深度理解与分析，快速提取关键信息 ，把握市场趋势
，还可基于历史和实时数据，运用模型预测市场短期波动和长期趋势。

　　排排网财富理财师荣浩表示 ，DeepSeek通过构建产业链动态图谱和事件归因模型
，帮助研究员快速梳理复杂逻辑链 。一位基金公司人士也表示，在投资决策方面 ，DeepSeek有强大的数据处理和分析能力
，在逻辑推理能力和数学证明能力上较有优势，能够高效处理和分析海量的数据和信息 ，整合多领域知识，帮助基金经理更好地理解市场趋势和风险
，帮助投研团队节省时间，提高效率和做出更科学合理的决策
。

　　“DeepSeek利用机器学习算法 ，分析历史数据
，预测市场走势，或为投资提供参考。还可通过分析社交媒体 、新闻评论等非结构化数据 ，DeepSeek有望能够捕捉市场情绪的变化
，辅助判断市场趋势 。 ”上述北京大型基金公司人士认为，DeepSeek可以在市场预判上发挥作用
。

　　策略创新
、跨资产配置逻辑

　　客户沟通上仍存在局限性

　　当AI的数据整理分析能力日益强大 ，组合调整响应速度缩短至毫秒级
，人类投研团队的价值坐标是否需要重新定义？基金经理的日常工作内容中，哪些部分最容易被DeepSeek等AI技术替代？哪些部分则难以被替代？成为投资者关注的话题。

　　在林清源看来 ，基础的数据整理归纳和初级的量化分析工作容易被AI替代
，比如市场热点信息汇总，可比公司的财报数据对比 ，但更深层次的投资逻辑推演与复杂决策不能被替代，此外
，AI大模型还存在幻觉问题，在多个环节后误差就容易被放大 。

　　西部利得基金经理翟梓舰也有同样的感受
。他指出 ，具有高度重复性和比较繁琐的工作可能容易被AI技术取代。但是更多的情况下
，DeepSeek或其他的AI工具还是在辅助基金经理的日常工作，而非取代 。“DeepSeek-R1的特点之一是逻辑推理能力相比之前有了很强的提升 ，但比起人类来说还远远不够。投资工作中有大量的逻辑分析、推理过程
。某个长期有效的因子近期失效了
，如何找到原因？这仍大量依靠人的分析和决断，不是AI能够轻易取代的。”

　　“策略制定与创新 ，投资框架设计 、跨资产配置逻辑等需要人类经验与直觉的领域 。客户沟通与信任构建
，高净值客户的个性化需求理解和情感互动仍依赖人类情商，但未来也可能被颠覆
。
”荣浩对此也有自己的看法。

　　魏凤春更是强调 ，投资决策是一种艺术化
、个性化很强的行为 。“在资产配置中
，对于不同投资风格和策略的融合与平衡，需要基金经理根据市场感觉和投资理念进行艺术化的决策
。此外 ，通过团队管理与文化建设以发挥团队智慧的工作，显然也不是AI所擅长的领域。”

　　AI本质是“工具革命 ”

　　而非“职业替代
”

　　DeepSeek是否能够完全取代基金经理？从多方反馈的情况上看
，尽管技术革新势头迅猛，DeepSeek的局限性仍制约其成为决策核心 。目前行业的共识是 ，DeepSeek的本质是“工具革命”而非“职业替代 ”
。

　　代景霞指出
，DeepSeek在投资决策中的局限性主要有以下几个方面：一是基金经理的工作中包含大量情感因素和主观判断，而DeepSeek是一个基于数据和算法的工具 ，缺乏团队协作以及对市场情绪、市场参与者行为 、投资者心理等主观因素的理解。二是AI的决策基于已有的数据和模型
，缺乏创造性和创新性思维 。基金经理在投资中会不断尝试新的策略和思路，而AI可能无法突破现有的框架；三是市场本质是不可预测的 ，而AI基于历史数据进行预测
，在某些突发事件（如危机事件、地缘政治冲突等）发生时，可能导致AI模型无法捕捉到相关信息并及时应对
。

　　一位基金公司人士直言 ，基金经理不会被DeepSeek完全取代
，据他反馈，在此之前 ，基金公司的投研信息化本身做得也不错，在DeepSeek等AI模型的帮助下自身的能力有效率上的提升。但是
，在他看来，对于投资决策能不能赚到钱 ，主要还是依靠基金经理其背后的投资逻辑以及基金经理的应对能力
，包括自己能否掌控投研资源，知道自己的能力边界在哪里等等 ，这些都是大模型不具备的能力 。

　　“首先
，AI缺乏投资理解和直觉，基金经理依靠长期市场经验形成的直觉和判断力 ，是AI目前无法模拟的
，某些直觉可能归属于不能用语言表述的知识，但是大模型恰恰是建立在大语言模型的基础上的；其次 ，AI对市场情绪的理解是有限的
，金融市场是整个社会的投影，大模型很难捕捉到交易市场以外的信息 ，而基金经理是可以从不同真实的生活角度去理解社会。
”林清源也认为，目前看DeepSeek不能完全取代基金经理
。

　　“投资总是知易行难
，投资决策背后通常有多重因素在作用。DeepSeek在基金投资中的应用具有一定的辅助作用，但它并不能完全取代基金经理 。”上述北京某大型基金公司人士也认为 ，DeepSeek基于特定算法和模型构建
，无法涵盖基金投资中的所有因素和复杂关系
。“例如，基金经理的个人能力和决策风格具有很强的主观性和独特性 ，难以完全量化并纳入模型分析。同时在数据来源上也存在缺乏时效性或者不严谨不可信等因素 。AI在进行深入的行业调研和实地考察方面的能力有限
，在处理复杂的投资组合和定制化投资建议方面也需要基金经理介入
。 ”

　　AI重塑金融行业职业结构

　　一批“AI+
”新兴岗位或将崛起

　　中国基金报记者张燕北

　　以DeepSeek为代表的AI技术无法取代基金经理，几乎成为业内共识。但不可否认的是 ，AI技术的迅猛发展和广泛渗透
，对整个金融行业的职业结构产生深远影响 。在人人自问“我是否会被AI取代”的同时，一些变化正悄然发生
。

　　这些变化主要体现在两个方面：其一 ，现有的金融行业岗位需要更懂AI和更会用AI的人才；其二
，一些顺应AI时代的新兴岗位将涌现出来，替代部分传统岗位。

　　人机协作机制或成常态

　　对从业者提出更高要求

　　面对AI技术浪潮的冲击 ，包括基金经理在内的金融行业从业人员工作方式转变在即 。未来，人机协作或将成为常态化模式
。

　　“未来的趋势是建立人机协同机制。AI是非常好的效率提升工具
，可以释放人力聚焦战略判断，使金融从业者更加专注于深度思考和战略决策 。 ”沪上一位基金经理表示 ，从业者要积极学习和掌握AI技术
，理解AI工具输出的结果和建议。

　　多位业内人士指出，除了专业技能外 ，跨界融合能力
、持续学习能力以及人际交往和沟通技能将变得更加重要
，具备跨学科背景的金融专业人才将更具竞争力
。

　　博时科创板人工智能ETF基金经理李庆阳就指出，未来AI很可能会改变基金经理的职业发展路径 ，体现在几个方面：从“经验驱动
”转向“技术驱动”
，基金经理需从传统基本面分析转向结合AI模型输出的数据决策；职业重心向高价值领域转移，如战略决策、资产配置 、客户关系管理；跨领域协作将成为核心方向。

　　在他看来 ，未来基金经理可能需要具体的技能包括：AI技术理解与批判性评估能力；识别AI模型的局限性；数据驱动的决策能力；跨领域知识整合能力；风险管理与合规意识；生态协作与持续学习能力 。

　　平安基金林清源结合自身的观察
，指出AI技术的发展对金融行业人才培养模式产生了深远影响
。

　　他以研究员岗位举例称，“AI技术发展使初级研究员的信息筛选
、归纳和总结等基础工作被替代 ，这要求研究员更快成长，学习哲学、大脑科学 、神经网络学
、AI底层架构等底层知识
，需要具备跨学科的知识储备和运用能力。 ”

　　金融行业新兴岗位需求增加

　　复合型人才受青睐

　　业内普遍认为，含“AI”量较高的新兴岗位将明显增多 ，与此同时一些传统岗位或将大幅减少 。

　　北京一位公募人士表示
，随着金融科技的崛起，传统金融机构加速数字化转型 ，对传统金融岗位提出新的要求
，风险管理和合规职位的需求将增加
。同时金融行业对技术型岗位的需求将大幅增长，包括但不限于AI风控工程师、量化交易员 、金融数据科学家等岗位。这些岗位需要具备数据分析
、机器学习、编程等技能 ，以支持金融服务的智能化和自动化 。

　　“未来这些‘AI+岗位’将不断涌现
，证明AI最终会创造而不是破坏工作，AI浪潮下新增就业机会多于被它取代的岗位
。
”他说。

　　西部利得基金经理翟梓舰的观点类似：“未来金融行业可能会出现更多专注于开发和优化AI系统的专业角色 ，而一部分传统的职能有可能会减少 。”

　　李庆阳判断
，未来金融行业的职业结构可能会出现以下变化：传统岗位需求减少，如基础数据处理和简单的文档处理；新兴岗位需求增加 ，如AI金融工程师以及AI合规专家；现有岗位转型与升级，需要从单纯的投资决策执行者转变为AI技术的使用者和管理者
，需要具备更强的AI技术应用能力 、跨领域知识融合能力和创新思维能力，与AI协同工作 ，提升投资管理水平
。

　　在代景霞看来
，AI技术的快速发展正在重塑金融行业的职业结构，其中专注于利用AI技术进行投资研究的岗位可能会增多 ，这类岗位更注重算法设计和模型优化
，金融机构也可能会更倾向于招聘具备AI技能和传统投资经验的复合型人才。

　　在AI不断赋能金融行业各大业务领域的趋势下，魏凤春也认为 ，行业对传统金融分析师
、数据处理人员等需求会减少
，对既懂金融又懂AI的复合型人才需求增加 。还会催生一些新职业，如AI金融策略师、AI风险评估专家等。

　　荣浩进一步指出 ，新兴岗位崛起势不可挡
，AI训练师 、算法合规官、复合型投资经理需求增加，可能还会催生出AI策略专家岗位 ，负责设计AI与人工协作的投资框架
。

　　DeepSeek来了，是威胁？还是机遇？

　　中国基金报记者方丽

　　马斯克曾经说过“人类社会是一段非常小的代码
，本质是一个生物引导程序，最终导致硅基生命的出现 ”。当下 ，以DeepSeek
、ChatGPT等为代表的“AI硅基生命们
”
，正在逐渐融入碳基生物社会的各行各业 。

　　公募基金行业也在积极拥抱着这一浪潮
。然而，面对这样全新的技术巅峰 ，对学霸云集的基金经理群体究竟意味着什么？是职业威胁还是投资机遇？是被替代还是实现“1+1＞2”价值？

　　从多数受访基金经理反馈来看
，当下是“机遇大于威胁 ”，DeepSeek等AI工具能实现“人机协同
” ，提升投研效率、释放人力聚焦于战略判断。不过
，最终对每个基金经理来说，只有不断用“硬业绩”证明自己价值 ，时间会给出所有的答案 。

　　有机遇 、有威胁
，但机遇更大

　　作为职业“金字塔尖 ”的一类，DeepSeek出现对基金经理而言 ，机遇和威胁并存，能提升工作效率
，也会带来就业竞争压力
。

　　“机遇和威胁并存，机遇更大一些。
”平安基金经理林清源谈及感受时直言 ，机遇是先进生产力工具赋能
，AI大模型可以显著提升投研效率，基金经理可以利用AI进行信息筛选
、数据分析、会议纪要整理 ，节省大量时间
，覆盖更多的股票，提高投资收益 。威胁有两点：一是AI普及后 ，市场有效性提升
，单纯依赖短时间信息差的投资策略将逐渐失效；二是初级投研岗位的工作会被逐步替代，需要基金经理迅速去适应新的AI背景下的投研方式
。

　　同样 ，西部利得基金经理翟梓舰也认为“一定是机遇大于威胁”。日常工作中有大量的事务可以使用AI辅助完成
，提升效率的同时，有更多的时间去打磨策略 ，精进业绩 。他更强调，作为基金经理
，要广泛了解 、体验各种AI工具，并且尝试将其应用到自己的日常工作中；从量化基金经理的角度 ，深度学习在投资中的应用已经有了成熟的范式
，但是大模型到底应该如何应用到投资中，还是一个有待深入研究的领域
。

　　晨星（中国）基金研究中心高级分析师代景霞认为 ，对于基金经理而言
，DeepSeek带来的威胁：可能使基金经理在某些领域（如算法交易或量化投资）面临更大的竞争压力，尤其是那些对AI技术比较熟悉的基金经理；同时DeepSeek依赖于大量数据和模型训练 ，如果数据质量或模型存在偏差
，可能会影响基金经理决策的准确性。但AI可以作为基金经理的辅助工具，帮助分析复杂数据
、优化投资组合、预测市场趋势等 ，帮助基金经理从繁杂的重复性工作中解脱出来
，节省时间并提高效率 。

　　投资是科学和艺术

　　更需提高自身

　　金融投资最显著的特点在于不确定性，投资是科学和艺术的结合。在目前环境下 ，基金经理更需要利用AI技术，提升自身来扎扎实实做好业绩
。

　　“AI平权每个人拥有丰富的研究资料
，这是件好事情，是技术带来的改变 ，但能否让人类群体变得理性？抑或加重了情绪化？例如在一家公司因为某种原因下跌
，当去问人工智能，也许首先得到的更多是悲观的信息 ，但巴菲特所说的‘扣动扳机的机会’
，是反人性的，能透过现在的悲观看到价值和未来的乐观 ，需要内心的强大和对投资的理解。这便是投资的‘艺术’ 。 ”上银基金陈博更从投资科学和艺术角度来分析
。

　　陈博表示
，当然，对于投资“技术
”方面 ，未来每个人都需要掌握AI工具
，基金经理需要使用一些AI应用。“有人会沉浸于信息极大化以获取收益，有人向内搜寻长期投资的奥秘 ，方法没有好坏，适合就好 。但客观来说
，现在每天用手机的我们，投资境界与读报纸的巴菲特和查理芒格相比 ，或许缺的不是技术
，而是内心的定力
。”

　　对此，创金合信基金首席经济学家魏凤春表示 ，任何新技术的出现和大规模的应用都会对现有的从业人员提出挑战
，善于适应并学习者会驾驭这一工具，从而顺势而为。基金经理需要深入学习AI技术 ，包括机器学习和深度学习的基础知识
，掌握数据安全与管理技能，提高跨团队协作与沟通能力 ，与技术团队密切合作
，共同打造更高效的投资管理体系 。

　　博时科创板人工智能ETF基金经理李庆阳也表示，基金经理应该学会利用DeepSeek等技术进行数据分析和决策支持 ，将精力集中在需要人类经验 、直觉和复杂判断的任务上，并注重客户关系管理
、谈判等AI难以替代的能力
，关注AI技术发展，不断更新知识体系以应对行业变化 ，保持批判性思维
，避免盲目依赖
。

　　显然，站在这个历史当口 ，基金经理投资的关键还要看如何将工具为己所用
，发挥其更大效能，实现“1+1＞2 ”的效果才是智能化投研时代的关键所在。

]article_adlist-->

版权声明

《中国基金报》对本平台所刊载的原创内容享有著作权 ，未经授权禁止转载
，否则将追究法律责任 。

授权转载合作联系人：于先生（电话：0755-82468670）