“識不足則多慮”。這句話，是智能投顧很好的注解。

智能投顧指的是虛擬機器人基于客戶的投資理財需求，通過算法和產品來完成以往人工的理財顧問服務。

[[275841]]

近期在智能投顧領域，風再度吹來。據媒體報道，螞蟻金服與美國先鋒集團(Vanguard)的合資公司公募基金投顧試點業務有望獲批。與此同時，公募投顧試點即將“開閘”。

而在7月底，公募基金行業首只人工智能基金，浙商智能行業優選混合基金獲批。該基金目前有超過300個投資機器人，24小時不間斷追蹤3000多個行業基本面數據。

但在這背后，“識不足”的憂慮仍在。

“國內的智能投顧，技術相對不成熟，產品不完善，智能化水平較低。”億歐智庫高級分析師薄純敏總結道。

把錢交給機器人打理的科幻場景，看似離我們很近，但仍未進入尋常百姓家。這條路上，除了風口，還有波折。

前景

3年后有1億人用智能投顧

5年前，和朋友同學聚會時，袁雨來發現，這些年過30的中產人群，最關注孩子教育和理財投資。于是，當時正打算創業的袁雨來決定把目光瞄向中產理財領域。

“中產群體有4000萬個家庭，30萬億可投資產，關鍵是當時市場里還沒有一個給中產做財務管理的大品牌。”于是，從百度離職的袁雨來經過兩三個月調查，創立了理財魔方，那是2014年12月。袁雨來由此成為國內最早做智能投顧的創業者之一。

目前國內智能投顧領域可以分為三大陣營：傳統金融機構、互聯網公司和金融IT公司。這些企業看中的，是智能投顧相比傳統投顧的優勢。

興業證券研報數據指出，傳統投顧只服務于高凈值用戶，門檻在百萬元以上，而私人銀行理財起點多為600萬元以上，部分私人銀行的門檻甚至高達1000萬元。而智能投顧關注的是中產階級及長尾人群，投資門檻一般設在1萬至10萬之間。

與此同時，袁雨來稱，一名傳統投顧一年內維護50-100名客戶已是極限。與之相對應的，則是機器可以24小時運作，對接更多用戶。這意味著智能投顧的理財成本更低。

據悉，傳統投顧的財務管理費普遍高于1%，智能投顧的管理費則在0.25%-0.5%之間。據數據分析公司Statista估算，2022年中國的智能投顧管理資產總額有望超6600億美元，用戶數量超過1億。

如果按照0.25%的管理費用算，智能投顧的管理費為16.5億美元，相當于人民幣118億元。這是“袁雨來們”的機會。

起點

源起于次貸危機甚至更早

一些公開資料顯示，智能投顧起源于次貸危機陰影下的2008年。那一年，Betterment成立，成為全球首家智能投顧公司，同一時期進入智能投顧市場的還有Wealthfront、Future Advisor。而國內的智能投顧公司，被認為起步于2015年。

當被問及理財魔方對標國外哪家企業時，袁雨來的答案是貝萊德(Black Rock)。這是一家成立于1988年的企業，誕生之初做的是“風險管理”業務。貝萊德還是在線投顧時期的代表公司。

“20世紀80年代末到90年代初就有用機器來管錢這塊業務了。” 袁雨來表示。也有業內人士指出，彼時機器智能應用比較有限，主要應用領域是投資組合分析。

這里似乎出現了時間上的錯亂。智能投顧，究竟源起何時?起點時間線的錯位，最終在梁杰(化名)口中被填補。

梁杰是一名人工智能領域的技術人員，有十多年從業經歷。他告訴《IT時報》記者：“所謂AI(智能)投顧并不是最新的概念。其實它在國外叫作量化投資，只是在量化過程中會用到AI模型。”

梁杰認為，像Betterment一類的智能投顧產品，最主要的功能是稅收規劃。美國實施綜合所得稅制，智能投顧可以根據不同投資收益的征稅方式，優化投資配置，達到稅后收入最大化。因此，智能投顧“更像是稅務方面的財務顧問”。

不同于美國，國內實行的是分類稅制。因此，這一功能發揮空間并不大，從而被隱去。可以說，國內智能投顧還是回到了30年前的軌跡上，繼續扮演著“投資理財顧問”的角色。

“有了幾十年的積累，目前智能投顧在量化方面已經有了一套成熟的體系。”他補充道。

技術

真正的智能投顧比無人駕駛復雜

成熟的量化體系，并不代表著AI已是一個成熟的投顧。

2017年3月，天風證券分析師何飄飄在研報中表示，目前智能投顧仍在原始階段，“就像轉盤電話相對于iPhone一樣。

2018年，清華大學國家金融研究院在一份報告中稱，大部分平臺宣傳的“智能”，其實只是實現“自動化”，“智能投顧”離“人工智能”還有較遠距離。

現在，這一現狀似乎仍未改變。“智能投顧還未普及，都在摸著石頭過河。”中信證券浙江分公司財富管理部副總經理錢向勁如是說。

梁杰坦言，目前智能投顧并不是“從1.0走到2.0，而是從1.0走到了1.1。” 背后的原因，是數據的缺失。

“中國證券市場不過30年歷史，真正有用的數據還要從2006年開始(之前的會計政策不同)。另外，金融領域的數據無法大量自我復制。”梁杰認為，AI歸根結底是統計學，無論模型建得多好，沒有大量的數據支撐，技術始終無法快速提升。

這也解釋了，能夠自我復制，源源不斷產生的圖像和聲音數據，推動了人工智能在圖像識別和語音識別領域的突破。按梁杰的說法，AI在這兩個領域到達了2.0的階段。

不過梁杰還是給出了智能投顧可能快速發展的軌跡，“與金融相關的新聞數據是無限的，因此AI可以把新聞中的關鍵信息提取出來，作為一個參考。”從而，AI技術可以在投資、理財輔助層面上得以提升。

這也印證了東北證券投資總監付立春的判斷，智能投顧目前只是傳統投顧的一個“補充”。

一位券商人士則告訴《IT時報》記者，AI在數據收集處理和識別上有優勢，但對源頭上信息的獲取沒有途徑。“比如了解很多行業的情況需要經驗和產業資源，AI如何從工程師、銷售經理處得到信息?”

事實上，按照智能投顧的設定，這一產品需要在風險管理的基礎上，用算法準確捕捉人類情感和行為，從而為客戶做出理性的投資策略。如果要最終替代人做出決策，可以看見，其技術難度超過了以圖像識別為主的無人駕駛技術。

監管

九成不靠譜，謹防夸大和李鬼

“如果站在投資獲取更好的收益率這個角度來講的話， 99.9%的智能投顧都是不靠譜的。” 梁杰表示。

剩下的小部分，在梁杰看來運用于私募基金產品中。“道理很簡單，如果一個產品收益率很高，為什么要拿出來讓所有人都享受高收益。”

當然，從收益率的角度來看，這個定論沒有錯。但從根源上看，智能投顧產品主要采用的是防御性策略，早期的在線投顧也好，機器人投顧也罷，主要的作用還是防御風險。

據《IT時報》記者了解，目前智能投顧產品的收益率往往呈現“跌不過大盤，漲不過大盤”的狀態。這對國內投資理念仍待加強的投資者來說，是一個挑戰。

與此同時，智能投顧往往采用黑箱策略。如何證明AI給出的是最優解，成為一個新的問題。“沒法證明。因為AI所謂的最優解都是針對歷史數據，沒有針對未來行情。”梁杰道。

另一方面，隨著智能投顧逐漸受到關注，“李鬼”也相繼出場。薄純敏表達過這樣的擔憂，市面上不乏一些打著智能投顧旗號，實際做信貸業務的公司。

這背后，需要的是監管。央行曾在發布資產新規時表示，“取得資質的機構可以在技術具備的前提下，運用人工智能技術開展投顧業務，但非金融機構不能借助智能投顧超范圍經營;取得資質的金融機構在進行智能投顧業務時，不能夸大宣傳，必要時應人工介入。”

持牌，是智能投顧列入監管的開端。但目前專門針對智能投顧的牌照，仍未出現。據袁雨來透露，目前理財魔方申請了基金銷售牌照(組合銷售)和保險經紀牌照。

根據今年2月份證監會令第91號《公開募集證券投資基金銷售機構監督管理辦法(征求意見稿)》，“允許基金銷售機構基于客戶資產配置需求開展基金組合銷售服務，滿足差異化風險收益投資需求，引導投資者行為更趨長期與理性，分享資本市場長期投資收益。”這一條例，在袁雨來看來是監管層為智能投顧平臺所定。

事實上，投資國內資產的投顧公司不能對賬戶進行后續操作，智能投顧企業僅擔任的是基金銷售角色。因此，此前智能投顧平臺與獲得銷售牌照的基金公司合作，而基金、證券公司直接開通智能投顧業務。

盡管目前智能投顧在功能、數據、監管等多個方面還存在“識不足”的情況，但機器人投顧進入日常生活，已漸行漸近。