华尔街对人工智能（AI）的短暂试探已变成一场持久的纠缠，而且这一过程正开始影响策略构建、风险识别和资金流动。

　　生成式人工智能不再只是一个令人好奇的对象。ChatGPT问世仅不到三年，人工智能正从支持性角色转向“副驾驶”。

　　大语言模型为金融人士总结财报电话会、识别市场异常、草拟研究报告，并推动投资组合决策。大多数应用虽然只是静悄悄推出，但如果把它们结合起来看，会发现华尔街的投资决策在制定、验证，实施方式上正在发生根本性变化，现在还只是早期。

　　“我们正在朝着一个数字化的未来迈进，在这个未来中，AI和生成式AI渗透到投资价值链的每一个环节，而且很可能还会持续下去，”专注于全球基金管理的研究机构CREATE-Research的首席执行官Amin Rajan表示。“一旦这些早期采用者展现出真正可量化的成果——我认为有些已经开始了——那么其他人就会迅速跟进。”

　　CREATE-Research上月发布的对资产管理公司的调查显示，近30%的机构投资者已经部署或正在采用生成式AI。受访对象的全球资产管理规模总计38万亿美元。

　　在摩根资产管理，大语言模型被嵌入到该公司内部投资平台Spectrum中。一个新功能会跟踪投资组合经理持有某只股票的时间是否与其预估的最佳持有期相符。如果持有时间过长或过短，系统会发出提醒，不是直接干预，而是提示基金经理评估行为是否合理。

　　Spectrum还可以生成一批可能因政策因素（例如国会立法）而受益或受损的公司。它会标记分析师的预测与市场共识或与公司自身预测之间的偏离程度。最终决策仍由基金经理做出，但机器现在已成为会议桌上的一员。

　　在Robeco，公司将大型语言模型用于前端流程——梳理监管文件、财报电话会记录以及社交媒体，寻找投资主题变化的早期信号。最初只是帮助起草致投资者信的模型，如今已发展到生成交易信号和设计投资产品。今年10月，该公司推出了Robeco Dynamic Theme Machine UCITS ETF，这是一款围绕AI识别的主题变化构建的ETF。

　　该公司的Mike Chen表示：“我们正在运行多个研究项目，测试生成式AI是否能提取阿尔法，或预测公司基本面”。

　　当然，问题也会存在。不同模型可能给出不一致的结果，这就要求人类继续参与、检查逻辑并做出最终判断。此外，模型升级也会带来逻辑变化，而且难以追踪。比如上个月还能得出明确回答的问题，今天再问，可能得到不同答案。可解释性仍然有限。

　　“这就像走进大海，”AI策略师Dillon Edwards说，“你不会一下子跳进去。得一步一步来。”

　　更多公司跃跃欲试准备加入AI竞赛。在CREATE的调查中，近三分之二受访者认为资产管理是最有可能被AI颠覆的行业，这个领域长期以来依赖人类通过大量数据分析来形成投资观点。

　　“现在人们已经理解，大型语言模型在总结文本信息方面非常有用，但这些摘要其实并未充分发挥大语言模型在推理方面的能力，”麻省理工学院金融学教授Andrew Lo表示。“我们目前仍处于大型语言模型重塑金融服务业的初始阶段。”