文章核心观点 - 金融投研AI工具的能力正在快速进化，从处理基础任务发展到能够进行深度行业分析和参与投资决策，接近高级研究员水准 [1] - 金融AI投研工具能力的提升得益于基础大模型的快速进化以及专业工具在行业思维模型和可信数据积累上的优势 [1][5] - 以熵简科技AlphaEngine为代表的工具，通过采用混合模型方案和开发垂直场景工具箱，显著提升了投研工作的效率和质量 [4][6] - AI工具实现了信息平权，将普通投资者的基础研究能力提升至60-70分水平，但70分到90分之间的差距仍需依靠人的深度研究和决策能力 [12] - AI目前主要替代重复性信息收集工作，为投资者节约时间以进行更深入的调研和决策，尚不能完全替代人做投资决策 [12] 基础大模型进化与竞争 - 基础大模型的竞争激烈，应用公司必须使用最前沿的模型以保持产品优势 [2] - 根据金融投研领域的数据测评，Google推出的Gemini3 pro在多项能力上具有明显断档优势，其综合得分达9.15 [2] - 在细分能力上，Gemini3 pro在财务分析和行业Know-how方面得分最高，分别为9.6和9.7 [2] - 国内大模型的第一梯队包括Kimi K2和DeepSeek V3.2 [2] 专业金融AI投研工具的演进 - 行业应用的优势在于融合行业专家的思维模型和积累可信数据，使AI能更好地解决专业问题 [5] - AlphaEngine内置的FinGPT是一个金融通用AI投研助理，能调动平台和个人知识库资源，模拟专家思维解答复杂投研问题 [5] - 工具进一步结合垂直高频场景需求，推出了如“一页纸”、“主题选股”、“调研清单”等封装好的工具箱，将通用任务耗时从20分钟缩短至5分钟 [6] 混合模型方案的应用 - AlphaEngine已从纯开源方案切换至成本高出一倍的Gemini3 pro+混合模型方案，以集成各家模型之长 [4] - 在该方案中，利用Gemini 3 pro最强的综合推理能力做主控进程，利用Qwen3 max优秀的指令遵循能力做任务初步理解，利用Kimi K2最低的幻觉率做数据复核 [4] 垂直工具箱功能详解 - “一页纸”功能可快速生成公司全景扫描分析报告，涵盖核心投资逻辑、跟踪指标、业务拆分、盈利模型、估值等，数据引用可溯源，生成仅需两分钟 [6][7] - “主题选股”功能支持输入特定赛道，AI会迅速梳理产业链和机会并挖掘个股标的，例如针对“商业航天”赛道，能在约3分钟内建立多市场并行工作流并生成包含详细公司列表和全景图的报告 [8][9] - “调研清单”功能主要为机构投资者服务，用于实地调研前查漏补缺，检验研究思路 [11] AI对投资研究的影响与定位 - AI工具具有信息平权属性，缩小了普通投资者与专业投资者在基础信息层面的差距，使大家都能达到60-70分的水平 [12] - 真正的专业壁垒在于从70分到90分的提升，这需要投资者进行更深入的调研和积累交易敏感度 [12] - AI当前主要价值在于替代重复性的信息收集工作，为投资者节约时间以专注于提升研究深度和决策质量 [12] - 由于非结构化信息和“水下”信息仍需人工获取，且决策责任归属问题尚未解决，AI目前不能完全替代人做投资决策和直接交易，但其应用正在渐进式尝试中 [12]