核心观点
　　AI对金融投研的影响，正在从“提升效率”走向“拓展能力边界”。本报告创新提出AI投研的L1-L5能力阶梯：L1-L2侧重局部提效与深度协作，L3是关键分界，L4-L5则分别指向机构级研究组织与行业级认知统合。未来，单纯依赖信息处理所获取的超额收益或将持续压缩，投研体系的核心价值正加速转向“人机协同”，并推动行业格局发生更深层次的演变。
　　AI重构行业认知，金融投研需要新的能力标尺
　　当前AI最值得重视的变化，并不只是模型能力持续升级，而是智能体正从“能聊天的工具”走向“能做事的系统”，并逐步进入真实工作流。对金融投研而言，这意味着讨论重点已不再是“模型是否足够强”，而是“AI是否开始进入研究执行环节，并改变研究能力的组织方式”。
　　AI在金融投研有哪些潜力？
　　本文首先梳理了AI在金融领域的前沿探索，涵盖研究内容自动化、深度研究代理、多智能体投资决策、组合优化与风险控制、金融推理能力评估体系以及市场行为仿真等方向。整体看，AI在金融中的应用已不再局限于摘要、问答或内容生成，而是在逐步向更贴近真实投研流程、更接近买方决策、更强调系统治理和更具市场级模拟能力的方向延伸。
　　投研自动化L0-L5：L3是关键分界
　　本文借鉴自动驾驶分级逻辑，提出金融投研自动化L0-L5能力阶梯。L0对应生成式AI到来之前的传统投研自动化阶段；L1-L3主要描述AI在研究执行层面的逐步深化，即从局部环节辅助走向更深层次的人机协作，再进一步迈向局部放手与独立研究；L4-L5则开始触及研究规划、任务组织、跨角色协同以及更高层次的跨领域综合认知。本文认为，L3是观察金融投研智能化是否发生实质跃迁的关键分界。
　　AI投研对金融行业的影响
　　随着部分基础研究能力逐步走向平台化供给，金融研究能力的供给方式、承载方式和价值分布都可能发生变化。与此同时，传统依赖信息优势和处理优势形成的超额收益可能被压缩，研究同质化、市场节奏加快和策略生命周期缩短等问题值得关注。总体来看，AI进入金融投研后所带来的，不只是研究工具升级，而更可能是一组相互关联的结构性变化。
　　风险分析
　　技术演进不及预期。若大模型与智能体在推理、多模态、工具调用、稳定性与成本控制等方面的进展低于预期，AI在金融投研中的应用深度与落地节奏可能弱于本文判断。
　　行业落地进展不及预期。当前金融机构相关应用仍有相当部分处于试点、辅助或局部场景阶段，若数据治理、系统整合、组织协同与合规机制推进缓慢，L2-L3以上能力形态的形成可能慢于预期。
　　案例观察与能力映射存在偏差。本文涉及的部分案例、产品形态与能力判断，主要基于公开资料及有限场景观察，不同产品在账号权限、可调用工具、接入数据、使用深度及内部定制程度等方面存在差异，相关层级映射与能力判断可能与机构内部真实使用情况存在偏差。
　　行业与市场影响存在不确定性。本文关于通用投研底座、研究同质化、超额收益压缩、市场节奏加快及治理要求上升等判断，更多反映中长期趋势推演，未来实际演进路径仍可能受到技术扩散、监管约束、市场环境及机构行为差异等因素影响。