AIGC時代下中國智能投顧的需求、挑戰與應對舉措

一、引言

近年來，隨著AIGC（Artificial Intelligence Gen-eratedContent，人工智能生成內容）技術的快速發展及其與金融科技的深度融合，智能投顧作為數字財務管理的工具，在全球范圍內崛起，其通過算法與大模型技術，為客戶提供定制化的投資建議和資產配置方案，降低傳統投顧的服務成本。與此同時，我國居民對于專業化和個性化財富管理服務的需求正在快速提升，智能投顧可作為重要載體，顯現出巨大的發展潛力。但從國際對比視角來看，我國智能投顧產業的發展水平仍處于初級階段，面臨法律、技術、數據等方面的挑戰。

現有的國內外文獻多集中于智能投顧的理論基礎研究、應用性研究及監管環境研究等。Markowitz（1952）提出均值-方差模型，為智能投顧的發展奠定了理論基礎l；Hao等（2022）提出智能投顧在財務教育上的應用及效果[2；陳娟等（2019）分析了智能投顧在中國市場的準人監管問題，認為應當調整傳統金融監管框架，以適應其獨特性質[3]。然而，現有研究仍存在一些不足，例如：動態監管建議存在缺失，缺乏對技術演進中新型風險的前瞻性應對策略；現今文獻較少關注智能投顧本土化適配，特別是深人探討智能投顧在實際落地過程中面臨的法律、技術和數據合規問題。

基于以上缺口，本文聚焦以下核心問題：在AIGC技術驅動下，如何構建適應智能投顧算法快速迭代的動態監管框架，以及如何針對中國市場的監管約束和投資者需求，設計合規且高效的智能投顧服務模式，從而彌補本土化適配研究的缺失，填補動態監管研究的不足，補充實證分析及案例研究，提出信息、法律及技術多維度的協同發展的政策組合，推動AIGC時代下我國智能投顧產業的平穩有序發展。

本文的邊際貢獻主要體現在以下幾個方面：首先，系統梳理了智能投顧的定義及發展歷程，填補了現有文獻中對智能投顧定義及歷史研究的不足；其次，本文結合AI大模型技術的最新進展，深人分析了智能投顧在數據合規、算法透明性及內容生成方面的挑戰，并提出了針對性的應對舉措；最后，本文從信息、法律及技術三個維度提出了推動智能投顧產業發展的政策建議，為相關監管機構和從業者提供了理論支持和實踐指導。通過本文的研究，期望能夠為智能投顧產業的未來發展提供新的思路，進而提升我國金融科技的整體競爭力。

二、智能投顧的內涵與發展歷程

（一）智能投顧的內涵

傳統投顧屬于金融持牌業務，隨后發展出智能投顧，智能投顧可通過算法和AI產品完成以往由人工提供的理財顧問服務。國際證監會組織（IOSC0）于2017年發布的《金融科技研究報告》將智能投顧定義為運用云計算、大數據、智能算法等技術，根據客戶不同的投資需求、風險偏好，為其提供自動化、智能化、定制化的投資組合管理服務。智能投顧的核心投資理念建立在資產組合配置上，是一種追求風險與收益平衡的長期投資策略，能根據市場動態及客戶的投資需求，動態調整投資組合以實現最佳的投資收益。

與傳統投顧相比，智能投顧可以實現全天候運營，在降低成本費用、提高服務效率和強化風險控制等方面展現出顯著優勢；在客戶資源方面，二者存在逐步“替代\"效應，即智能投顧和傳統投顧覆蓋的客戶年齡分布逐漸重合；在服務效果方面，二者發揮著“互補”的作用，即智能投顧更能提升投資者的客觀投資收益，而傳統投顧更能滿足投資者的主觀心理需求[4]。

（二）國際智能投顧發展歷程

1.20世紀90年代到2007年：定位為資產配置和展業輔助工具

20世紀90年代美國互聯網技術取得突破，其人工投顧開始借助互聯網為客戶提供在線服務。部分投顧機構也開始嘗試通過算法和自動化技術來提供投資建議，陸續推出直接面向客戶使用的在線資產配置工具，用于執行一些簡單任務，如描繪用戶畫像，準備銷售材料，為投資者提供投資組合創建、投資組合再平衡等方面的建議，但這一階段的線上化服務并不能脫離人工投顧的操作。

2.2008年至今：全權委托模式日趨成熟

2008年金融危機后，美國普通投資者對傳統金融機構一直宣傳和使用的主動投資策略產生質疑，另外傳統投顧的高收費和有限的服務范圍也引起投資者不滿，投資者對低成本、自動化的財富管理服務需求提升。以Betterment為代表的新興智能投顧機構推出完全基于算法的機器人投顧，使得各個服務環節可以脫離人工，實現高水平的自動化，智能投顧全權委托服務迎來了快速發展期。后來，部分傳統資產管理機構例如Vanguard也開始進入廣闊的智能投顧市場，尋求運用創新方法來滿足客戶的需求。按智能投顧資產管理規模劃分，截至2024年11月，排名前三的智能投顧機構分別為Vanguard、Betterment及Wealthfront，其資產管理規模分別為3330億美元、460億美元及360億美元，用戶數分別為80萬人、110萬人及53萬人。Statista數據庫最新數據顯示，2024年全球智能投顧資產管理規模達1.8萬億美元，收入規模達142.8億元，客戶群體數量為3267萬人。（見表1）。

（三）中國智能投顧發展歷程

1.20世紀90年代到2014年：從投資工具延伸至資訊平臺

與國際智能投顧產業相比，中國智能投顧產業起步并不算晚，但發展歷程較為波折。20世紀90年代，中國智能投顧產業開始以“投資工具”的形式登上歷史舞臺。隨著中國證券市場興起，上海證券交易所和深圳證券交易所相繼成立，標志著中國證券市場正式步入規范化發展階段。投資者對于及時獲取證券交易信息和便捷交易工具的需求日益迫切，因此陸續有公司創建并進入這一賽道，代表性公司有1995年成立的“同花順”以及2000年成立的“大智慧”。這些公司早期推出“薦股軟件”的主要功能為查看簡單行情及提供基礎的技術分析和數據。

步人21世紀10年代以來，中國智能投顧產業在\"工具\"屬性的基礎上增加了“平臺”屬性。例如，東方財富于2011年上線移動端“東方財富APP”，增加了金融資訊推送、社區交流平臺搭建等功能，投資者可以在了解投資標的相關信息的同時與別人交流投資觀點。2012年12月，中國證監會發布《關于加強對利用“薦股軟件”從事證券投資咨詢業務監管的暫行規定》，明確了“薦股軟件”的定義及范圍，規定向投資者銷售或者提供“薦股軟件”，并直接或者間接獲取經濟利益的，屬于從事證券投資咨詢業務，應當經中國證監會許可，取得證券投資咨詢業務資格。該暫行規定將“薦股軟件”定義為具備證券投資咨詢服務功能的軟件產品、軟件工具或終端設備。這一暫行規定或為中國智能投顧相關制度規范的開端，代表監管機構在實踐上認可了具有“工具”屬性的智能投顧產品。

2.2015一2022年：全權委托模式的探索嘗試和監管整頓

2015一2022年，伴隨互聯網金融浪潮的興起，中國智能投顧產業先迎來了快速發展期，但也因為合規問題受到了監管機構的重點整頓，隨后進入了規范發展期。自2015年開始，互聯網公司和傳統金融機構陸續推出類似于國際上流行的全權委托類智能投顧產品。例如，2015年8月，京東依托金融產品線推出“京東智投”，螞蟻集團推出“螞蟻聚寶”；2016年12月，招商銀行推出“摩羯智投”；

2017年11月，中國工商銀行推出“AI投”；等等。這些早期的智能投顧產品多針對C端客戶，服務流程與國際智能投顧產品基本一致。但在資產配置環節上，與以ETF和指數基金為主要投資標的的國際智能投顧產品不同，中國智能投顧產品的投資標的主要以公募基金主動管理類產品為基礎資產。這些產品的出現雖然給中國智能投顧產業帶來了新的發展，但也帶來了新的風險，并且觸及合規紅線。2018年開始實施的《關于規范金融機構資產管理業務的指導意見》對智能投顧業務做出相關說明，明確指出“運用人工智能技術開展投資顧問業務時，應當取得投資顧問資質。非金融機構不得借助智能投資顧問超范圍經營或者變相開展資產管理業務，且投資顧問的服務僅限于提供建議和輔助投資決策，不包括全權委托管理”。2021年，監管部門下發的《關于規范基金投資建議活動的通知》指出，部分機構混淆了基金投資顧問業務與基金銷售業務附帶提供基金投資建議活動，并明確提供基金投資組合策略建議活動為基金投資顧問業務，從事該業務必須持有相關牌照。在此背景下，包括招商銀行、中國工商銀行在內的多家金融機構主動下線智能投顧產品，配合監管要求，展開整改活動。

3.2023年至今：回歸工具屬性并基于AIGC技術升級迭代

2023年后，中國智能投顧產業在大語言模型技術的加持下實現了升級，智能投顧產品邁入了“AI時代”。近兩年來，中國眾多金融科技公司、金融機構陸續把AI大模型技術應用于智能投顧場景。2024年1月，“同花順”發布問財HithinkGPT大模型，之前的投顧對話產品“i問財”基于該大模型成功升級。2024年9月，螞蟻集團正式發布基于其自研金融大模型的智能理財助理產品“螞小財”，聯動金融機構給客戶提供更專屬、個性化的分析。2025年2月，中金財富宣布完成與“深度求索”研發的DeepSeek-R1大模型深度融合，實現了智能投顧助手IC-Copilot的升級迭代，更開創性地構建投顧服務領域“熱點發現—資訊處理一策略生成\"的三位一體的服務生態。這些基于AI技術創新的投顧產品，在很大程度上突破了傳統炒股軟件的局限性，給投資者帶來更多維度的信息歸納總結和投資邏輯的梳理，雖然仍舊無法脫離“工具”屬性，但相對來說能為投資者帶來更專業、個性化的服務，為我國開啟全新智慧的理財時代做了有益探索。

三、中國智能投顧市場供需分析

（一）供給側：AI大模型助力投顧滿足客戶多元需求

1.AI+ 投顧營銷及內容服務：滿足客戶個性化營銷與內容體驗需求

在金融服務領域，傳統投顧面臨諸多挑戰。由于其對接客戶數量大，自身知識范圍有限，難以對客戶實施精準、實時、有效的營銷策略。相比之下，AI大模型賦能下的智能投顧產品，正在逐步填補這一市場空白，為客戶提供更貼合需求的服務。

智能投顧產品借助AI大模型技術，深度挖掘用戶數據，實現營銷手段的精準匹配。它將用戶持倉、用戶行為、市場動態、用戶標簽等數據匹配相應的營銷手段，例如，通過分析客戶在銀行的交易行為，捕捉客戶對不同類型產品的潛在需求。同時，AI大模型技術能夠收集并分析用戶行為數據和銷售產品池，以確定推薦的產品類別和定標推薦的產品屬性，生成高度適配的營銷策略，為營銷活動提供富有針對性的話術。

在內容創作方面，智能投顧產品憑借AI大模型輔助寫作工具，能夠深入金融業務場景，幫助投顧、運營等金融內容創作者進行定制化內容創作。這些創作成果可用于行情復盤、策略報告、季報解讀、熱點點評等多個投顧場景，為客戶提供全面且專業的金融信息。

此外，基于AI大模型技術的智能圖表生成功能，為智能投顧產品的內容表達賦予新活力。該功能具備強大的數據可視化功能，支持客戶將復雜的投資數據及分析結果以圖表等形式呈現，同時根據數據特征生成相應的數據解讀，幫助客戶自定義可視化內容。這一功能極大程度地提高了數據內容及分析結果的可讀性與可理解性，也充分滿足了客戶對個性化咨詢服務的需求。不僅如此，智能投顧產品支持金融機構對虛擬數字人投顧的形象、聲音等進行定制，這種定制化的虛擬數字人能夠拉近與客戶間的距離，讓客戶更容易理解投資建議，增強客戶的投資體驗。

2.AI+ 投顧陪伴服務：滿足客戶投資陪伴與專業支持需求

客戶對于投顧服務有著多方面的需求， AI+ 投顧陪伴服務能夠精準理解及回應這些需求，為客戶提供更及時、更廣覆蓋的投資陪伴體驗。

第一，客戶在投資過程中，希望能夠精準把握自身的需求和投資偏好，以便獲得契合自身情況的投資建議。傳統投顧了解客戶主要依賴于問卷調查采集，受限于部分客戶自身理財認知有限而無法準確評估自身的投資需求和風險等問題。然而，AI大模型強大的語義理解能力賦予智能投顧產品關鍵能力，令它能夠準確把握交流語境，深度理解客戶問題，從而精準、及時地了解客戶的需求和投資偏好，并在對話過程中動態調整和優化客戶畫像，提高客戶洞察的準確性。與傳統投顧不同，智能投顧在建立客戶畫像后，可通過內建金融知識庫的輔助，將客戶的咨詢進行分解、執行。解答時，智能投顧系統通過實時檢索相關金融數據、金融資訊等信息，進行觀點提煉總結，輔助配合一線投顧人員生成更具有針對性的回答，為客戶提供及時、便捷的投資咨詢服務，全流程實現AI大模型智能化能力與業務服務能力的完美融合。

第二，客戶期望在投資過程中能夠及時獲取全面的市場信息和專業解讀，智能投顧可提供更及時、更廣覆蓋的投資陪伴服務，滿足客戶所需。傳統投顧服務受限于人力與時間，針對市場上大量重點事件、政策和新聞，僅能進行少量重點解讀，且難以在非工作時間獲得及時服務，無法滿足客戶對信息及時性和廣泛性的要求。

智能投顧借助AI大模型技術打破了傳統投顧的時間和空間限制，全面提升了展業效率。基于金牌問答資料庫、大模型強化訓練、人設風格模擬構建的智能投顧產品，不僅能自動檢索客戶所咨詢的問題，還能通過經典金融量化歸因模型對客戶持倉情況進行穿透分析，識別出客戶重點持倉板塊，分析客戶賬戶收益和底層資產，結合宏觀/行業策略及組合優化模型給出持倉診斷與建議，自動生成資產配置策略。同時，它可以實時監控客戶持倉異動，捕捉該板塊的重點事件、政策和新聞，檢索與話題相關的行情資訊數據、產品營銷物料、知識庫信息，通過專家知識注人和智能協同機制，快速解析異動原因，及時為客戶提供最新、最準確的市場動態解讀。因此，與傳統投顧服務相比，智能投顧服務覆蓋投資前的規劃配置和投資后的管理調整，能讓客戶在投資全程獲得專業知識與個性化陪伴。

（二）需求側：個人和財富管理機構對于智能投顧的需求將持續提升

1.零售客戶：迫切需要專業化、智能化、個性化的投資咨詢服務

在所有發達國家中，美國智能投顧市場最具有代表性。從表1的數據看，全球智能投顧產業無論是從AUM、收人規模還是用戶數量在過去幾年都實現了快速增長，而背后的原因本質上是個人投資者對專業化、智能化、個性化的投資咨詢服務需求提升。我們以智能投顧的創始地和最大市場美國為觀察對象，可以更加直觀地感受到上述趨勢。本文用\"智能投顧滲透率 智能投顧資產管理規模/居民金融資產規模”框架進行分析，“智能投顧滲透率”可以用來衡量多少比例的居民金融資產是通過智能投顧機構和平臺進行管理的，能夠直接反映零售客戶對于智能投顧服務的需求程度，計算結果見表 22020-2024 年末美國居民金融資產總規模從100.7萬億美元增長至125萬億美元，而美國智能投顧管理的資產規模則從600億美元快速增長至1.46萬億美元，對應的美國智能投顧滲透率從2020年的 0.06% 提升至 1.17% 。雖然目前滲透率尚不及 2% ，但增速極高，預計未來在AI大模型技術不斷完善的背景下滲透率有望持續快速提升。

從我國現實角度出發，我國零售客戶也同樣有對專業化、智能化、個性化的投資咨詢服務的需求，發展智能投顧可以作為解決傳統投顧服務門檻高、理財產品選擇困難及個人投資認知偏差等問題的方案。

首先，目前傳統人工投顧服務難以滿足整體市場需求，存在明顯的市場局限性，高服務資金門檻將大部分的普通投資者排除在外。而借助AI大模型的智能投顧能較好地解決這一問題，幾乎無投資門檻，面向新興中產階級和中低收入人群等低凈值客戶，滿足其財富管理需求，具有巨大的潛在市場規模。

其次，智能化的投顧服務通過精準匹配與決策輔助，解決居民面對大體量金融產品選擇困難的問題。從居民個體角度出發，過去我國可供投資者選擇的金融產品種類較為有限，僅包括了銀行理財、信托、公募基金、股票私募等產品。而隨著中國私人財富的增值，金融產品市場快速發展，金融產品和金融交易不斷創新，產品種類和策略日益豐富。根據WIND數據庫統計，截至2024年末，我國資產管理行業各類型產品數量達到351721只，總規模達到151.5萬億元。當前結合人工智能等科技手段推進產品創新已成為趨勢，隨著金融產品的種類和數量不斷提升，在滿足了投資者多樣化需求的同時，也增加了投資者的選擇困難，這極大提高了對投顧服務的專業度要求[5。智能投顧通過AI大模型數據，系統化滿足用戶需求，使用戶可以迅速進行智能篩選與匹配，實時分析大量金融產品，解決用戶選擇困難的問題。

最后，我國居民的財富認知仍有待提升，個性化智能投顧可基于客戶畫像，滿足客戶定制化的需求。現實中，大部分居民投資決策隨意，對收益有非理性預期，風險意識和長期持有意識不足，選擇產品時主要參考歷史收益，持有后出現追漲殺跌、頻繁短期交易等行為 2021 年5月銀華基金曾做過一個測試，測試涵蓋了股票定價原理、主動管理基金業績與基金經理能力、指數基金成分股等。答對得分、答錯扣分，分值越高代表基金認知水平越好。測試結果發現，中國市場權益基金投資者的認知水平較為一般，超半數的投資者存在認知模糊或者認知偏差的現象。智能投顧的精準畫像及行為矯正機制可以輔助投資者的行為，矯正錯誤投資策略，避免投資損失，提升全民金融素養。

另外，上海交通大學上海高級金融學院（高金）與美國領先的金融服務機構嘉信理財（CharlesSchwab）聯合發布《2023中國居民金融素養報告》，數據顯示中國居民金融素養平均總得分為68.7/100，不同群體的金融素養水平呈現不均衡發展，且在金融實踐和知識應用方面普遍相對薄弱。上述數據進一步印證了中國居民金融素養的不足，凸顯智能投顧在普及金融知識、引導理性投資行為中的重要作用。

2.財富管理機構：迫切需要智能投顧工具提升業務效能

在財務管理行業持續變革的背景下，財富管理機構的一線投顧人員正面臨著雙重壓力。首先，隨著金融市場的蓬勃發展，客戶群體日益擴大且結構復雜，投顧人員需要向廣泛的客戶群體提供標準化的投資顧問服務。這要求投顧人員在服務過程中嚴格遵循統一標準和流程，確保服務的一致性與高效率。另外，客戶對投資顧問的服務期待不斷提高，不再滿足于千篇一律的標準化服務。現在的客戶更重視個性化體驗和情感陪伴，希望投顧人員可以深入了解其財務狀況、投資目標及風險偏好，形成定制化的財產配置方案。因此，投資顧問不僅需要精通各類投資產品的特點及市場趨勢，讓每位客戶接收專業、規范的投資建議，樹立良好品牌形象，同時還需要具備敏銳觀察力，在金融市場波動時，給予客戶及時、有效的情感支持。

然而，現有的投顧服務模式存在許多顯著不足。從客戶覆蓋層面來著，長尾客戶缺乏維護，覆蓋不全，有較為龐大體量的客戶難以觸達。從服務模式來看，投顧服務未能對全部客戶進行深入、細致及全面性的服務，導致投資需求未能得到滿足，造成客戶資源的流失。從服務水平來看，投資顧問的專業能力差異較大，部分一線投顧人員在市場研究、理財規劃等方面的知識不足，不能準確提供有效行業動態及趨勢，建議缺乏前瞻性，不能制定長遠的財富增長計劃，無法抓住客戶痛點，投資方案與客戶期望不符。以上問題均導致一線投顧人員乃至財務管理機構的專業性與管理模式受到質疑，品牌形象大受損失。

智能投顧的出現為財務管理機構與一線投顧人員的問題提供了新的解決方案。在專業能力方面，智能投顧工具通過簡便的智能問答和基于AI大模型的內容生成技術，及時響應各年齡段投資者的咨詢，生成千人千面的投資建議。大數據生成技術是智能投顧的一大主要優勢，它根據海量客戶數據與投資方案，提供針對性的陪伴話術，滿足客戶定制化需求的同時還能減輕投顧人員的工作負擔。另外，在情感支持方面，智能投顧的共情、溝通能力顯著提升了服務效率和質量。它能夠通過客戶的語言和行為數據，理解客戶情緒變化，給予恰當的情緒安撫與支撐，實現有效溝通。

因此，在智能投顧的輔助下，投資顧問得以減輕兼顧標準化服務與個性化需求的壓力，財富管理機構也可以在平臺建設中更注重工具的分析和加工能力，提升其整體服務水平與市場競爭力，為行業注入新活力。

四、AI大模型驅動下智能投顧面臨的挑戰

（一）數據治理與合規性面臨挑戰

智能投顧作為金融科技的重要應用，近年來在全球范圍內持續增長，但我國智能投顧產業的發展步伐相對滯后，尚處于初級階段。從行業環境來看，全權委托管理投顧牌照尚未放開，市場準入制度不夠完善，監管政策也較為嚴格，這些因素嚴重制約了智能投顧產業的發展。在數據治理與合規性方面，挑戰尤為突出。

海量有效數據是智能投顧服務的基礎，但隨著《個人信息保護法》的實施，數據使用與安全問題成為行業焦點。從數據采集、存儲、管理到輸出與保密，合規工作貫穿智能投顧機構的整個業務流程。根據信息不對稱理論，智能投顧的算法不透明性和數據使用風險可能導致用戶與機構之間的信任缺失，尤其是AI大模型在智能投顧服務中的應用，也可能加大數據信息使用風險。模型在開發與應用過程中不可避免地會涉及客戶的隱私信息，這些信息不僅包含諸如身份信息等敏感的個人資料，更涵蓋了客戶的資產信息，同時關聯著財產利益與人身權益。如果對這些隱私信息進行過度使用或間接泄露，極有可能成為金融犯罪活動的導火索，令智能投顧潛在風險被擴大化。

此外，客戶初次使用智能投顧產品時，數據授權與隱私管理同樣存在顯著的合規風險。智能投顧機構通常通過彈窗形式，要求用戶為留存于程序中的個人信息授予權限，其表述多為“是否同意將您的個人數據用于接下來的投資咨詢活動中”。然而，用戶金融資產信息屬于敏感個人信息，根據《個人信息保護法》，應嚴格適用知情同意原則。這種非特異性授權條款是否滿足法律要求，仍有待監管機構進一步明確，展開合規整改與業務優化[8]。

（二）法律合規及監管框架面臨挑戰

智能投顧作為人工智能技術與金融服務深度融合的創新模式，其算法驅動的特性在提升投顧效率的同時，也對傳統金融法律法規提出了挑戰。

在市場現狀方面，智能投顧機制一經推出，就已突破傳統投顧法律合規與監管的框架，造成監管標準缺失。傳統投資顧問作為受托人，需對客戶承擔忠實義務與勤勉義務，并履行依法注冊、保持勝任性以及投資者適當性管理等合規義務。但智能投顧業務的混合業務模式一機器算法自動決策與自然人設計參與的結合突破了現行法律框架，導致行為主體識別與信義關系判斷的困境。智能投顧服務所使用的算法程序或大模型等技術，并不能被賦予法律主體地位，傳統監管規則在界定責任歸屬與合規義務時面臨顯著挑戰。因此，當投資決策失誤或出現糾紛時，責任歸屬方難以界定，投資者權益的保障面臨巨大風險。

同時，一線投顧人員的專業能力會影響投顧運營的質量。傳統的投顧人員需要通過從業考試，如證券投資資格考試，以證明其專業勝任能力具備從業資質。然而，在智能化程序全面滲透投顧行業的背景下，監管機構雖可通過更新考試內容，要求投顧人員同時具備金融專業知識與算法基礎常識，但如何科學評估其對算法的理解與設置能力仍是一個亟待解決的問題。若投顧人員對算法理解不夠深入，設置出現失誤，可能導致投資決策的誤差，給投資者帶來經濟損失。

（三）大模型技術運用面臨挑戰

在智能投顧領域，大模型技術的引入是一把雙刃劍。一方面，其在數據處理與分析能力上的優勢為投顧業務帶來了顯著的效率提升；另一方面，大數據技術的不可預測性與黑箱特征導致生成內容存在巨大的不確定性，其真實性、準確性和合規性難以得到充分保障。

研究表明，大模型由于其復雜性和數據訓練過程中的不可控性，可能生成一些違背金融道德或法律法規的內容，例如鼓勵用戶追漲殺跌等不當建議，這對金融機構的聲譽和客戶信任構成嚴重威脅。同時，黑箱特征意味著即使是開發者也難以完全信任模型的輸出結果，從而增加了智能投顧生成投資建議內容的不確定性和風險。

大數據技術在智能投顧運營中的應用面臨諸多風險。一是大模型技術的訓練數據在真實性、時效性和關聯性方面存在顯著缺陷。這些數據通常來源廣泛且復雜，可能包含過時、錯誤甚至無關的信息，從而導致輸出結果出錯并生成誤導性內容[0。二是技術缺陷嚴重阻礙智能投顧的運營。如智能數據孤島問題未能解決，至今未能達到跨平臺的數據處理，導致智能投顧導出的投資建議看似合理，但缺乏實質性的支持依據及全面性的整合，客戶投資前未能了解全平臺信息，可能因此面臨資產受損的風險。

五、AIGC時代下智能投顧的應對舉措

（一）智能投顧機構應當遵循數據征集與使用邊界

智能投顧服務的第一步通常是通過問卷調查等形式收集客戶信息，以構建客戶畫像，這些信息包括年齡、職業、收入、負債、金融資產配置和風險偏好等，其中大部分屬于我國《個人信息保護法》定義的敏感個人信息。智能投顧機構在征集、管理與使用這些信息時，需嚴格遵守合法合規邊界。為確保客戶隱私權益得到充分保護，我國《民法典》第1035條明確規定，個人信息處理應遵循“合法、正當、必要”的原則，并需獲得用戶的明示同意。智能投顧機構應將數據收集限定在合理范圍內，避免過度處理，同時確保客戶對其未來用途有清晰認知，并采取嚴格措施防止信息濫用。

在數據收集階段，智能投顧機構需遵循《個人信息保護法》與《民法典》的相關規定，明確告知投資者數據來源、范圍、使用目的、必要性及潛在風險，并對產品及服務方案進行全面評估，及時調整或廢止違法處理個人信息的產品或服務。通過去標識化技術對訓練數據中的敏感信息進行一定的識別并清除，例如從文本中刪除姓名、地址、電話號碼和身份證號碼等個人身份信息，可有效降低數據泄露風險。在模型訓練階段，可采用差分隱私技術，向數據添加噪聲或擾動，以模糊敏感信息降低潛在攻擊者推斷用戶隱私的可能性。在模型后處理階段，技術人員應對大模型進行定期合規審計，排查模型生成內容是否違反隱私原則，對其違反隱私原則的部分進行替換或過濾，例如可通過構建分類器或者利用大模型通過提示的方式判斷當前回復中是否包含個人身份信息。

為進一步提升隱私保護效果，監管機構可細化相關指導條款，提供更多的行政執法案例，這不僅能為投資者信息安全提供更多保障，而且能夠使智能投顧機構厘清數據征集與使用邊界，降低數據合規成本。

（二）監管機構應當緊跟智能投顧發展，改進或補充現行法律框架

隨著科學技術的快速發展，智能投顧業務領域不斷涌現創新應用。量化投資、算法選股、精準營銷、智能畫像、輿情分析、極速交易等內容和服務給投資者帶來全新的體驗，也對監管機構提出新要求，有待其提升和完善監管技術和監管手段，緊跟智能投顧算法和業務模式的演變步伐。

在責任方認定方面，監管機構應采用穿透責任模式，明確智能投顧算法作為金融服務工具的本質屬性。由于智能投顧算法程序由金融服務人員與程序編寫者共同設計，其邏輯流程融人了設計者的金融知識、價值判斷與利益偏好，相關金融人員的專業知識不足、判斷瑕疵、利益衡量偏好有可能反映在算法之中。計算機系統依據人工輸入的指令進行數據搜集，本質上是依據人工預設的邏輯流程作出判斷，其結論體現的是程序編寫者的主觀意識，作出的決策實際上模擬了提供交易和決策模型的金融從業者的行為。因此智能化程序可以被視為智能投顧平臺向客戶提供服務的工具，仍可依據我國《民法典》侵權責任編之內容，要求運營者承擔民事責任。但隨著算法自我學習和迭代的能力增強，其決策可能脫離人類預設的代碼邏輯，作出超出預判范圍的選擇。因此，監管機構需要檢查數據輸入和數據輸出的合規性，并根據技術的不斷發展來動態完善現行法律框架，進一步明確責任承擔問題。

針對算法程序的資質審查，監管部門也需盡快制定明確、詳細的指引或規范性文件。可以參考從業資格考試，創設計算機程序代碼測試，旨在考量計算機代碼是否具備了從事此項服務所必需的能力，包括知識圖譜及判斷能力。測試范圍應涵蓋智能投顧服務的全流程，如適當性分析、大類資產配置、投資組合構建、交易執行、風險管理及投后分析等。初期可由各機構通過內部測試驗證算法能力，待行業形成標準化評測體系后，監管機構再設定統一的測試門檻[2]。

（三）智能投顧機構應當有針對性地改進大模型技術

針對AI大模型生成有害內容的風險，智能投顧機構可在模型訓練階段采用RLHF與RAFT技術，增強模型對指示的理解與遵循能力，確保其在復雜環境下的對齊性；在模型開發過程中，定期進行紅藍攻防演練與數據監測優化，可有效發現并修復模型漏洞；在模型推理階段，通過預設黑名單詞語降低其生成概率，并在后處理階段嵌入內容安全防控工具，實現有害內容的二次復核與消除。例如，開發金融垂類內容風控大模型，可在產品鏈路上設置兜底答案，進一步減少違規內容的生成。

針對AI大模型生成不真實內容的風險，智能投顧機構可在數據收集階段使用高質量、專業領域的數據集（如維基百科與“textbook-like\"數據源），以提高模型的準確性與可靠性；在模型訓練階段，通過加人“Sorry，Idon'tknow\"等實例，培養模型的自我邊界認知能力，減少其在不確定情況下的過度自信，但需注意避免過度拒識的風險；在模型推理階段，通過引導語言模型展開詳細的推理過程，使用思維鏈技術提高模型在復雜問題上的邏輯性和連貫性，進而提升推理的準確性。同時結合檢索增強（RAG）技術，加入外部知識源，增強模型的信息檢索和整合能力，以提升其在復雜任務中的表現。

參考文獻：

[1]MARKOWTTZH.Portfolio Selection[J].The Journal ofFi-nance，1952，7（1）：77-91.

[2]HAOR，ZHANGL，CHENY.TheApplicationandEffec-tivenessofRobo-Advisorsin Financial Education：EvidencefromaField Experiment[J].Journal of Financial Planning，2022，35（4）：45-60.

[3]陳娟，王偉，李強.智能投顧在中國的準入監管問題研究[J].金融研究，2019（5）：102-115.

[4]路曉蒙，王一冰，吳衛星.傳統投資顧問和智能投資顧問：替代還是互補？[J].管理世界，2023，39（10）：74-98.

[5]謝捷，陳柳欽.科技金融與現代化產業體系建設—基于新質生產力的作用機制分析[J].金融理論探索，2024（6）：3-15.

[6]郭靂，趙繼堯.智能投顧發展的法律挑戰及其應對[J].證券市場導報，2018（6）：71-78.

[7]劉江偉.證券投資者個人信息的法律保護及其完善[J]證券法律評論，2020：530-541.

[8]吳燁，葉林.“智能投顧”的本質及規制路徑[J].法學雜志，2018，39（5）：16-28.

[9]宋姝.智能投顧信義義務主體的責任承擔[J].華東政法大學學報，2024，27（4）：136-145.

[10]劉金瑞.生成式人工智能大模型的新型風險與規制框架[J].行政法學研究，2024（2）：17-32.

[11汪世虎，馬瑞乾.金融數據安全背景下的智能投顧算法黑箱監管體系構建[J].社會科學輯刊，2022（2）：86-95.

[12]李瑞雪，閆正欣.數字普惠金融下智能投顧發展與監管問題研究[J].價格理論與實踐，2019（9）：112-115

Demands，Challenges and Solutions of China's Robo-advisory Industry Development in the Era of Generative AI

LiYixuan'，PongYushan2，LiShihan

（1.Digital FinanceCommittee of the China Computer Federation，Shanghai 2Ooo，China;2.Facultyof

SocialSciences，TheUniversityofHongKong，HongKong SAR999079，China;3.SchoolofFinancial Technology，Shanghai Lixin University of Accountingand Finance，Shanghai 2Ooooo，China）

Abstract：With therapiddevelopment of generativeAI technology，robo-advisory israpidly emerging globallyasanimportant application inthefield of financial technology.Based onthe literatureresearch methodand market research method，thispaper thoroughly analyses the current development status，market demand，challengesand corresponding solutionsofrobo-advisory industryinChina.Thestudyfinds thatalthough therobo-advisory industryinChinaisunderdeveloped，ithas hugemarket potential driven by the growth in personal wealth，rising demand for wealth management and diversification of financial products. The introductionof generative AI technology significantly improves thepersonalized service capability and decision-makingefficiency ofrobo-advisory，but also brings challenges in termsof datacompliance，legal andregulatory frameworksand technologyapplication.Inorder to ensure the safetyand compliance of roboadvisory industry，this paper proposes to strengthen the dataand information protection，improve the legal andregulatory framework，optimize the bigmodel and other countermeasures.

Keywords：robo-advisory;generative AI；wealth management（責任編輯：李丹；校對：龍會芳）