猜你想问
这份研报的核心内容是什么？
这份研报聚焦AI赋能投研，核心是解决AI在投研中从广度、速度向深度拓展的问题。通过知识库搭建补齐主观投研的AI赋能短板，形成AI+投研的操作指南。报告探讨了AI投研的技术基础、Token优化策略、数据评估维度、AI在投研全流程的参与度、知识库搭建路径以及人-AI-知识库飞轮效应等重要内容。
AI在投研中的应用发展趋势如何？
AI在投研中的应用正从广度、速度向深度拓展。技术进步如国产大模型算力平权、OpenCloud开源、金融插件上线等构建了AI投研的技术基础。AI可高效完成数据检索整理、框架执行、风险识别等工作，但无法替代人类在微观调研、非一致共识构建、未来预测等环节的深度思考。AI+多资产知识库是投研效率提升的核心方向，金融领域的开源插件、结构化数据接口等是重要基础设施。
报告重点分析了哪些方向？
报告重点分析了AI投研的技术基础构建、Token优化策略、数据评估维度、AI在投研全流程的参与度、知识库搭建路径（事件驱动、摘要型）以及人-AI-知识库飞轮效应。报告强调通过组合模型策略、知信度打分等方法优化AI投研效果，并构建“人-AI-知识库”飞轮效应以平衡历史经验与当前市场，避免样本外推风险。
当前AI投研的市场现状如何？
当前AI投研市场正经历技术基础构建的关键阶段，国产大模型算力平权、OpenCloud开源、金融插件上线等技术进展为AI投研提供了重要支撑。AI在盘前扫描、复盘阶段参与度高，但在行业专题、公司研究阶段参与度降低，交易环节参与度极低。金融领域的开源插件、结构化数据接口等基础设施的应用有望提升投研决策科学性。
研报提示了哪些风险？
研报提示AI在处理复杂工作流时存在Token成本过高、数据幻象、无法应对短期情绪主导的交易环节等问题。知识库回测存在理想化假设，实际应用中需考虑交易滑点、持仓成本等现实限制。AI无法替代人类在微观调研、非一致共识构建、未来预测等环节的作用，需避免过度依赖AI导致的决策风险。