据券商中国2026年9月29日发布的采访内容，多家基金公司对AI投研的公开陈述显示，AI正从研报摘要、知识问答等信息处理环节，逐步嵌入研究、投资、交易和风控流程，部分投研经验开始被数字化、标准化为可复用的组织能力。这一判断来自来源方对多家基金公司的采访与自述，属于来源方观察与判断，而非经独立核验的行业结论。
从工具到组织能力，依据是什么
来源方判断，过去两年AI进入基金公司的第一站大多是研报摘要、知识问答、会议纪要等信息处理环节；如今AI的工作清单逐步拉长至研究、投资、交易和风控等全链条。支撑"组织能力"这一说法的关键，是Skill与Agent两种机制的分工：Skill被定义为将规则化的研究方法封装为可反复调用的能力，Agent则试图把目标拆解为多步骤并自主调用数据、工具和不同Skill。
来源材料给出的具体载体包括：富国基金智能办公平台已内置20余个Agent、60余个Skill，接入50余个MCP，日请求次数超过3000次；易方达基金以EWork平台为核心底座，其Skill覆盖投研、交易、运营、销售、市场、合规、IT所有核心业务条线；国泰基金已发布覆盖数据获取、行业分析和个股分析的标准化Skill。易方达提出"经验随代码流传"，表示将把个体能力转化为可规模化复用的公司组织能力。
基金公司如何衡量AI投研成效
来源方观察，基金公司对AI的态度正从"能不能用"走向"用得怎么样"。易方达基金表示已构建覆盖技术能力、业务效率、投资价值三大维度的评估体系，过程指标包括任务成功率、任务处理效率、人工介入率、用户活跃度，运营指标包括业务落地效果、业务覆盖范围、算力利用率、单 Token 成本。富国基金表示对系统投入的转化效率采取多维度综合衡量，考察投研协同效率、研究与投资的转化率、数据准确性、策略与因子研究表现及交易执行绩效分析。
来源方同时指出，在投入大量算力、模型和系统建设之后，AI究竟有没有效果是基金公司面临的现实问题；能否形成稳定、可衡量的投入产出，将成为检验其长期价值的重要考题。
人机协作的边界在哪里
来源方明确指出，Agent"自主干活"并不意味着把最终决策权交给机器。富国基金表示采用"AI辅助生成+人为审核"的人机协作方式，人作为决策者提出正确的问题、验证关键假设、做最终决策，AI作为执行者提供垂直研究、深度研究等工作能力。广发基金认为，当前大模型更多作为被动的问答工具使用，智能体技术的演进方向是让AI具备自主规划任务、调用多种工具和接口、多步骤并行执行的能力，并判断未来投研系统将从个体操作的工作平台进化为智能协作体——这属于来源方的方向性判断，尚待验证。
常见问题
公募基金AI投研目前主要落地在哪些环节？
来源材料显示，研究端包括研报速读、财务分析、政策跟踪和会议纪要结构化整理；投资端包括另类因子提取与量化模型融合；交易与风控端包括兴证全球基金的头寸AI助理和风控AI助手。来源方判断AI正从信息处理环节向全链条延伸。
Skill和Agent的区别是什么？
按来源材料的解释，Skill是把业务流程中相对规则化的研究方法封装起来供反复调用；Agent则试图把目标拆解成多个步骤，自主调用数据、工具和不同Skill完成任务。多Agent协作指由研究专家Agent规划、拆分任务，再交由多个研究员Agent协同完成课题。
这些AI投研成效有独立验证吗？
来源材料中的平台规模、Skill数量、评估指标等均为各基金公司的自述，来源方未提供第三方核验数据。来源材料亦未提供各指标的具体数值、统计口径或对比基准。