谁是更懂投资的AI?全网首发测评:支小宝、AI涨乐、问财、妙想
作者：微信文章让AI像投资顾问一样搜索、分析数据，指导投资，到底靠谱吗？
最近马斯克转发了一篇来自字节和哥大商学院的分析报告，发现让大模型搞金融，连查个股价都有可能出错。
例如在查询历史复杂任务数据时，表现最好的Grok 4 (web)准确率只有68.9%，国内最优质的大模型豆包也仅仅只有54.3%。
大模型在一些静态文本任务（比如苹果CEO是谁）上得分很高，但是切换到跨时间、多数据源、因果推理的任务上时（比如过去10年标普500单月最大跌幅是哪个月），就心有余而力不足。
仅依靠大模型来辅助理财投资，还需要结合知识库、金融检索、专业逻辑、智能调度的复合型系统。
而国内支小宝、华泰证券涨乐、东方财富妙想、同花顺问财无一不是宣称智能化布局，推出了综合了大模型、金融知识库、具备逻辑推理能力的智能体。东方财富更是据说投入了千人的产研团队、高举高打。他们的表现如何？它真的懂投资吗？可以放心把自己的钱交给它们吗？
趁着假期没出去玩，我按照普通投资者真正"用得上"的方式来做了一波测试。
● ● ●
测评原则
什么叫「用得上」？结合投资者常用问题、监管要求、金融投资的特点，我总结了三个很严格的原则。
1 【结果可靠、过程可溯】
使用的数据来源合法、可验证（如公开财报、监管机构数据、市场公开数据），投资推理结果可靠、过程可溯，提供的不仅是结论，还要说明推理过程，避免“黑箱”，保证用户和监管都能理解决策依据。
2 【适当性匹配】
AI投资助理的所有产品和业务推荐，都必须严格限定在与投资者风险等级相匹配的产品范围内。如果我被标记为保守型投资者，AI就不能主要推荐高风险的产品和业务交易。
3 【有投资洞察】
AI投资助理不能是简单的“智能搜索+数据复读机”，避免“人人都知道”的空话套话，它对投资没有太大的参考意义。需要具备一定的投资洞察能力，比如能识别趋势、挖掘隐含逻辑、提出有价值的观点。
这个要求其实很苛刻，因为就算是专业的投资顾问，也都不一定能提供有洞见、有价值的建议。但是如果没有这个要求，那它和普通的“信息整理工具”其实没有太大区别。比如市面上任何一个AI工具，都能回答“美联储加息时间表”，但只有有洞见的AI，才能进一步回答：它对哪个板块的最有实质性利好影响？本次加息跟以往不同所在、风险在哪里。这才是从工具到“投资助手”的升级。
下面就是我的完整测评，想省时间的可以拉到底看总结。
● ● ●
测评过程
1、查询类问题
按照递进式难度，参考字节和哥大商学院的研究方法，我设计了三类任务：
（1）简单历史查询类任务：简单历史查询任务，比如“2024年泡泡玛特公司的营业收入”，需要对齐时间、数据单位等。
（2）时效性任务：需要获取实时变化的数据，如最新股票价格、基金净值、外汇汇率等，它强调数据时效性搜索、多信息源的综合判断。
（3）最具挑战性的是复杂查询任务：比如“过去10年沪深300指数的最大跌幅是哪个月”这样的问题，需要跨越长时间跨度查询、并进行标准化单位比较。“怎么打新创业板股票”需要跨知识库查询打新条件、创业板股票的开通条件，并进行多步推理还不出错。
2.适当性问题
按照递进式难度，我设计了两类任务：
（1）简单推荐类问题：需要结合用户的风险偏好等个人标签、市场环境，推荐具体品种。
（2）复杂推荐类问题问题：除风险偏好和市场环境外，还需要考虑多类资产之间的相关性和和配置比例。
3、分析类问题
按照递进式难度，我设计了三类任务：
1、总结分析类任务：帮助投资者快速理解市场“发生了什么、为什么”，需要具备信息筛选、总结归纳、对照和解释能力。
2、预测类问题：帮助投资者理解“可能会怎样”，需要基于数据和逻辑，通过概率或者场景，说明“未来可能会怎样，以及为什么”。
3、复杂分析类任务：需要把总结和预测转化为可执行的投资启发。
● ● ●
测评总结
⭕对于用户来说
目前任何AI投资助理的上限还不够高，如果是比较复杂的任务，但几乎没有任何一款能满足你的需求。
(1)如果你是一个专业的投资者：对比之下，同花顺问财、东方财富妙想还不错。
同花顺的数据覆盖度广，在公司财报、经济数据分析、投资业务办理的准确度比较高，且具备相对专业的投资框架。
东方财富具备深度思考的能力，选股和大模型深度融合，能形成深度投研报告，高于其他平台“信息归纳总结”能力。
(2)对于在对于刚入门的普通投资者：支小宝的体验会更加友好。表达讲人话、理解起来更简单，并且能跟持仓个性标签绑定、提供的投资建议明确且能实际落地。更重要的是，已经能把AI智能化能力全面覆盖到支付宝理财模块的各个场景，陪伴能力能强。
⭕对于平台来说，海内外券商加快AI智能化布局，其实是两条路。
(1)拼组织力：不仅是挂一个或者买一个AI模型、增加一些知识库，还需要把它做到组织系统里，真正投人、投资源，提高数据治理清洗能力、打通数据（内外部）、拆解流程（投顾、决策、风控系统），构建能跑起来的组织环境。
(2)拼服务力：不只是做一个个孤立的AI助手，而是嵌入实际投资操作流程中（市场监控、客户行为分析、账户诊断等），做好服务设计、信任构建和用户教育。比如直接和投资者的持仓结合，比如“你持有的科技ETF和交易习惯，近期受益于政策催化，建议xxx”。
页:
[1]