（来源：浙商基金微视界）

在当今科技时代，人工智能发展日新月异，DeepSeek系列开源大模型的出现为高性能大模型应用开辟了全新机遇。该系列模型凭借卓越性能和显著成本优势，正在重塑多领域应用格局，尤其在公募基金行业的研究、风控、运营乃至投资决策等场景中展现出巨大应用潜力。

传统大模型开发部署往往需要耗费巨额计算资源和资金投入，这对中小企业构成严峻挑战。

DeepSeek系列开源大模型通过创新算法架构与优化训练方法，大幅降低了模型训练和推理的资源消耗。基于MIT开源协议的特性，更显著降低了金融机构布局本地化大模型的成本门槛，使高性能大模型的本地化开发应用成为现实。

随着技术持续突破，DeepSeek系列模型性能不断提升。最新推出的DeepSeek-V3模型已具备与世界顶尖闭源模型GPT-4o及Claude-3.5-Sonnet比肩的性能水准。该模型采用混合专家（MoE）架构、多头潜在注意力（MLA）机制、多Token预测、FP8训练等前沿技术，实现了高效训练与推理能力，在数学推演、代码生成、自然语言理解等任务中表现尤为突出。其应用范畴已突破传统自然语言处理领域，在智能对话、编程辅助、法律咨询等多维度场景展现出强大适应性。

尽管DeepSeek系列模型在多领域展现优势，但在投资决策场景仍需持续优化。投资决策作为复杂系统工程，需综合考量市场情绪、财务数据、行业格局等多重因素。当前模型虽具备海量数据处理能力，但在深层逻辑推理和专业领域理解方面仍存在提升空间。

就当前技术发展阶段而言，构建基于大模型的智能Agent系统，结合本地知识库与强先验小模型协同运作，或是更优解决方案。通过创建专业化Agent集群，依托大语言模型处理细分任务，同时整合本地知识库提供领域专业支撑，并融合经市场验证的小模型强化决策逻辑。这种架构如同为原始大模型打造的Agent配备专业武器库与操作指南，可显著提升系统实战能力。值得关注的是，由于基座模型的同源特性，未来竞争差异将更多体现在本地知识库质量与小模型的专业化程度上。浙商基金始终秉持AI驱动理念，基于主动投研逻辑积累了大量细分领域模型，既为现有产品管理提供有力支撑，也将成为提升本地化投研Agent性能的重要基石。

随着高性能AI模型持续涌现，AI技术必将在资产管理领域绽放异彩。我们将坚守创新初心，持续探索基于大模型Agent的投资策略体系，以智能化、高效化的新型投研模式，深度挖掘多元数据中的投资线索，致力于为投资者打造更具竞争力的资产管理产品。

备注：本文部份内容由大模型协助完成。

胡羿

智能权益投资部副总经理

基金经理

复旦大学金融硕士，10年量化投研经验，2015年开始从事量化策略开发工作，投资策略为基本面量化叠加交易性模型，利用AI模型结合人类智慧构建基本面选股模型，基于海量数据挖掘交易性信号。

目前负责浙商基金AI策略研发工作，推进包括指数增强方面策略、基本面量化模型、大类资产配置、绝对收益等策略条线。

基金有风险，投资须谨慎。人工智能投资存在固有缺陷，投资者应当充分了解基金运用人工智能投资的风险收益特征。基金管理人承诺以诚实信用、勤勉尽职的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。本材料仅为宣传材料，不构成任何投资建议，不作为任何法律文件。投资人应认真阅读《基金合同》、《招募说明书》及《产品资料概要》等基金法律文件，充分认识基金的风险收益特征和产品特性，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，理性判断并谨慎做出投资决策。投资基金应当通过基金管理人或具有基金销售业务资格的其他机构购买和赎回基金，基金销售机构名单详见基金管理人网站公示信息以及相关公告。