行业核心挑战与机遇 - 资产管理行业面临低利率环境与波动性加剧并存的时代挑战，传统以追求固定收益为主的模式承压 [1] - 保险公司存在净投资收益率与产品定价利率的错配，以及资产负债久期错配问题，在长端利率下行背景下存在“利差损”风险 [1] - 生成式AI和决策智能成为长期资金实现配置长期资产、进行长期投资等核心使命的最强大工具，将长期资金从“被动持仓”升级为“主动价值创造” [3] AI在资管行业的应用趋势 - AI在投资流程的运营和交易环节应用快于投研和战略决策等充满非结构化信息的环节 [3] - AI在公募基金、量化对冲基金等标准化细分领域的渗透速度和应用深度显著快于非标准化领域 [3] - 头部机构利用资源优势巩固领先地位，小型资管机构面临被技术浪潮拉开更大差距的风险 [3] - 境外资产管理机构应用AI快于境内机构，多数境内机构仍处于“探索”或“单点应用”阶段 [3] AI驱动的资产管理新范式 - AI驱动资产管理业务边界扩张，从服务客群、服务内容、投资标的、投研决策、机构生态五个维度进行拓展 [4] - AI重新塑造资产管理的“全流程各环节” [4] - 风险管理从“静态风控”转向“动态免疫”，实现事前预警和过程监控 [5] - 投研尽调从“人工分析”转变为“模型化处理”，大幅提升处理非结构化数据的效率 [5] - 险资作为长期股东从“重投轻管”转变为“主动赋能者”，利用AI技术为被投企业在生产、销售、管理等方面输出“数字生产力” [5] 行业实践与战略布局 - 上海资产管理协会已建立AIAM发展生态，并启用自研垂类大模型“AIAM萤火虫1.0” [5] - 中保投资公司在国家政策引导下，于算力、算法、数据等AI核心领域进行综合布局，通过债权计划、股权计划及私募基金等多元工具投资了中科海光、摩尔线程、合合信息等行业领军企业 [5] - 资管机构落地AI战略应作为“一把手工程”，坚持实事求是，选择从交易、运营等最能见效的环节入手，以点带面，并选择合适的品类进行风险可控的试点 [6] 行业发展倡议 - 共建“数字基建”，探索建设行业级安全可信的数据共享平台 [6] - 共育“复合人才”，设立联合培训基地，培养既懂投资又懂科技的“新一代投资家” [6] - 共创“标准伦理”，共同研究推出适用于资管领域的AI应用伦理准则 [6]