核心观点
　　人工智能对资本市场的影响，正在由局部的投研工具升级，演化为对投资决策生产函数、机构行为模式和市场运行机制的系统性重塑。《当信息杠杆遭遇居民存款搬家》一文中，我们指出“信息杠杆”能够发挥股市行情放大器的作用，当前数据、算法、算力和模型协同驱动的“智能杠杆”，能够加速机器学习过程和智能体处理信息的效能。异质性预期下，量化交易丰富市场生态、降低部分波动；同质性预期下，量化交易形成算法共振将放大金融市场波动。随着人工智能由辅助研究进一步嵌入决策、交易和风险管理，资本市场可能同时获得更高的信息处理效率，也要解决模型趋同、交易共振和风险内生化等新问题。
　　人工智能加速机构竞争优势的重构。回顾传统资产管理与券商自营的竞争历程，机构的核心护城河建立在对物理资源与人力规模的垄断之上。随着另类数据的爆炸式增长与信息传播的高度扁平化，传统“人海战术”的边际效益正面临递减，机构优势的护城河正逐步转向“数据治理”与“算力模型”的硬科技底层。人工智能在投研与交易领域的应用展现出显著的“高固定投入、极低边际复制成本”的技术经济特征。这种规模效应最终可能导致机构竞争能力K型分化。
　　量化交易大致可划分为三个阶段：人工设定、机器执行的规则量化阶段，数据驱动、模型自主的机器学习阶段，理解信息、辅助决策的生成式AI与智能体阶段。这一变化不仅提升了信息处理效率，也可能改变市场参与者的行为模式和风险传导机制，对未来金融稳定产生重要影响。
　　人工智能对市场波动的影响取决于投资者预期是否保持异质性，而不能简单归结为“量化交易必然放大波动”。当不同机构使用的数据、模型、投资期限和风险约束存在差异时，人工智能能够丰富市场参与者结构，扩大可交易信息范围，促进不同观点相互竞争，提高流动性和价格发现效率。反之，如果机构普遍依赖相似的数据源、基础模型、因子信号和风险控制规则，原有的异质性预期可能转化为同质性交易，形成信号共振、持仓拥挤和集中调仓，从而放大短期价格波动。
　　从资产定价中具体的使用情况来看，当前AI在机构层面、投研层面广泛使用、但决策层、产品和资金层仍处于早期。AI对资产定价有三个方面的影响：一是在信息提取端，AI可以快速将非标准数据处理成结构化数据。二是在预期修正端，AI低成本的将信息转换为估值模型中的参数。三是在交易执行端，AI可以自主生成报价。
　　AI促进风险管理微观增效、宏观风险共担。微观层面上，AI的应用能够提高资本市场参与者内部的风险管理效率。单一机构能够实时监测新闻舆情、流动性、波动率等多个高频指标，识别异常交易，预测潜在趋势，开展动态压力测试，优化保证金、止损和风险预算。宏观层面上，AI为金融市场或许引入了新型风险　在单一机构内部，AI的应用带来了模型稳健性、数据质量、生成可靠性、内部治理等多重风险。
　　总体而言，人工智能将提高资本市场的信息处理能力和资源配置效率，但技术效率并不自动等于市场稳定。决定其最终影响的关键，不是市场是否使用人工智能，而是数据、模型、策略和风险约束能否保持足够的多样性，以及机构和监管政策能否有效识别模型趋同及其外部性。人工智能时代资本市场治理的核心，应从防范单一机构风险，进一步转向防范不同算法之间看不见的关联与共振。
　　风险提示
　　1）人工智能技术演进及商业化应用不及预期；
　　2）量化交易相关规模和行为数据披露不足；
　　 3）模型黑箱、数据偏差及结论可解释性风险；
　　4）金融监管政策超预期变化；
　　5）历史案例和理论机制可能无法完全解释未来市场运行特征。