核心观点
　　随着大模型加速迭代，AI有望快速实现大规模应用。面对ESG投资生态中的监管追踪难、企业合规成本高、投资端数据获取分析困难等痛点，AI能在多个环节帮助不同参与者降本增效，通过智能、高效、创造性输出等特点，助力ESG投资打通生态链条。目前AI正面影响与负面争议作用于多个行业，并与多方面的ESG议题相关，但对AI治理的直接评估并不直接体现在ESG框架中，我们整理了全球实践情况，发现将负责任AI原则与ESG框架相融合，可以建立AI伦理风险分析体系，为管控相关投资风险提供思路。
　　AI有望大规模应用，帮助完善ESG投资基础设施。
　　近期，AI大模型迭代速度加快，模型热度在周度统计中都发生了较大变化，同时算法优化成本降低，有望进一步加速大规模应用。AI有助于解决ESG生态中的多方痛点。对监管与国际机构而言，过去ESG政策追踪困难、追踪成本高，AI通过广泛整合信息的动态化监测，以及智能对比逻辑关系的交叉验证体系，有望帮助监管端降低追踪成本，助力ESG政策与倡议的顺利施行；对企业而言，面对多样的ESG政策，企业学习理解与合规保本的成本都较高，AI提供了知识图谱等工具，助力企业政策分析；同时生成式AI能够帮助企业进行合规报备和ESG信息披露。合规成本的降低将使企业更有动力参与ESG实践。
　　AI助力投资端优化策略与营销。
　　在投资层面，传统ESG数据存在来源多、收集处理困难、更新频率低、滞后性强等问题。AI首先可以智能化获取包含文本、图片在内的多模态海量数据，同时能够智能化将数据整理成为“终端友好”的形式，为投资者分析ESG变化提供支撑。同时，AI可以实现争议事件的实时抓取和分析，帮助投资者及时调整估值。在投资策略方面，机器学习算法能够在因子策略构造与因子筛选方面提供帮助，同时语言分析、识别与预测模型也能够成为构建新型量化策略的核心，帮助投资人优化风险-收益情况。在营销端，生成式AI通过生成营销方案、营销内容，大大降低了营销成本。
　　负责任AI成为共识，整合ESG框架的RAI体系助力伦理风险管理。
　　当前AI立法尚不完善，而AI的争议性影响在环境、社会、治理层面广泛存在，例如：在环境维度，AI既能够通过智能化系统助力降低能效，但AI所需的算力耗能巨大；社会维度，AI既提高了生产效率，也造成了就业冲击、隐私泄露等社会问题甚至伦理争议；公司治理维度，AI赋能了公司治理也带来了监管挑战。面对缺少法律框架参考但仍会受到监管督导、社会舆论压力等因素冲击的AI行业，整合ESG框架与负责任AI原则，能够帮助投资者识别有AI伦理风险的企业。在投资实践中，主要有公司治理维度关注AI与ESG框架整体整合两种方式。投资者也可以通过与企业的进一步沟通获得信息，为管理有关企业的投资风险提供参考。
　　风险提示
　　经济修复不及预期；AI模型不稳定风险；市场情绪与偏好波动风险。