财联社2月27日讯（记者 吴雨其）当“遇事不决问AI”成为一代人的生活习惯，选基金也难免被卷进这股浪潮。
打开基金App，全市场上万只公募基金排成长列，行业、主题、持仓风格千头万绪，光是把产品名单拉到底就要滑好几屏。对不少年轻投资者而言，与其苦苦研究，不如把资金和指令一并交给AI大模型。
近日，在雪球、短视频平台、社交媒体上，有人晒AI选基的实盘曲线，有人公开自己的AI指令词，运用包括豆包、DeepSeek、千问等国内大模型和ChatGPT、Gemini等海外模型，甚至有人写出成体系的“大模型选基金实战指南”，把需求拆解成一整套输入模板和流程。
不过，从机构和专业投资者的视角看，AI再聪明，也只是放大器而不是决策者。大模型驱动的机器选基究竟能替代多少人脑选基，正在成为一场悄无声息的测试。全市场超一万三千只基金产品、风格多变的市场环境，以及每个人财富状况的巨大差异，注定这场博弈的答案不会简单。
AI选基逐渐兴起，真的能挑出好基金吗？
在多数年轻投资者的日常里，AI首先是搜索引擎加万能客服。当面对复杂的基金世界，直觉的做法是把传统调研逻辑压缩成一句话，丢给大模型。比如“帮我推荐几只好基金”这种含糊的指令，往往换来的是几只耳熟能详的明星产品，加上一些类似长期表现优异、适合稳健投资者的标准话术，看起来很专业，却很难真正落地。
不过，财联社记者发现，在部分投资者的实践里AI选基已然成型。在社交媒体上，有人会先写一段类似“自我介绍”，把资金量、投资期限、可接受回撤、收益目标、是否排斥某些行业等关键信息讲清楚，再让大模型给出初筛组合。
也有人直接把需求拆得很细，比如要求筛出某个区间内每年跑赢沪深300一定幅度、且三年最大回撤居前的主动权益基金，只保留规模在一定之上、基金经理未更换的份额，再让AI按回撤由小到大排序。
这种高度结构化的指令，其实某种意义上是在把人脑原本就存在的选基逻辑，翻译成机器可以理解的语言。一位公募量化团队人士就感叹，真正的门槛不是会不会用AI，而是你有没有清晰的、自洽的投资约束条件，“如果投资者自己都说不清楚想要什么收益与风险组合，交给再聪明的大模型，得到的也只是一次包装精致的模糊回答。”
从记者各个AI大模型上的实测看，这种边界感在具体操作中很明显。例如，当输入一组相对完整的个人信息与组合现状时，模型能迅速提炼出风险偏好偏中高、持仓行业过于集中这类判断，并给出适度增加红利或宽基产品权重等建议，逻辑上并不粗糙。但在落到具体基金代码时，模型引用的往往是基金公司过往推介材料或公开文章，信息更新并不总是跟得上，而这恰恰会影响投资体验。
与此同时，社交平台上的玩法明显更娱乐化。有博主会把同一笔资金交给多个大模型，根据它们给出的基金组合搭建几组实盘，检测哪个模型能获得的收益最高。
还有人会用模型A搭的组合作为底稿，再把方案丢给模型B，请它专门挑错，然后根据B的质疑内容再回头追问A，看两者在行业集中度、基金经理稳定性、历史回撤评估上的分歧。
从调研数据看，AI理财工具已经不再是小众玩具。清华大学五道口金融学院与蚂蚁集团研究院的一项研究显示，超过四成个人投资者已经开始在寻找和比较理财产品、学习基础知识、获取市场资讯等环节使用AI，但真正把AI深度融入投资决策流程的人仍然只是少数，很多人停留在参考一下的阶段。
机构版AI选基加速落地
如果把视角从个人投资者切到机构端，可以看到另一条正在展开的路径。
AI选基在基金投顾中已扮演着不可缺少的角色。如蚂蚁集团与先锋领航合作推出的帮你投，核心路径其实就是AI+投顾：通过问卷、行为数据和账户信息构建投资者画像，再由系统自动生成基金组合方案、动态调仓和再平衡，用算法替代了过去大量依赖人工经验的配置工作。
再如盈米基金旗下的且慢平台，就在智能投顾助理“AI小顾”里接入了包括 DeepSeek 在内的多款主流大模型，系统先调用资金规划模块做现金流测算，再由大模型生成适配风险承受能力的基金组合方案
对于公募机构而言，部分基金公司已经开始引入本地化部署的大模型。以南方、博时、华夏、诺安、国泰、中欧等基金公司为例，大模型被嵌入到日常投研工作中，对研报、公告、财报等文本进行自动标注和因子提取，把原本需要研究员反复通读的大量材料交给模型预处理，再由投研团队在此基础上做二次判断和深挖。
在量化投资方向，包括博时、鑫元在内的机构，则在指数增强等产品上更明确地强调，超额收益因子中已有相当比例来自AI学习，内部投研体系也在从传统量化逐步迭代到AI阶段，试图让模型在选股、择时、风控等环节中扮演更重要的角色。
