2025年金融工程2026年度策略：拥抱AI投研巨浪，迎接量化投资新篇章

大模型生态与应用展望：多模态与 Agentic AI推动投研应用加速迭代

1.1 大模型迭代速度未减，模型生态趋势已基本稳定

2025 年全年来看，大模型迭代速度并未出现减慢，生态与趋势已基本稳定。我们认为，大 模型技术发展与生态方面短期内将出现以下变化： a）、闭源大模型依旧占主导地位，开、闭源之间能力差距不断缩小，国产模型继续维持开 源路线； b）、模型发展维度更加丰富，多模态能力重要性持续提升，国内大模型将在多模态方面实 现追赶； c）、Agentic AI 理论已逐步完善，相关基础设施已较为完备，可支持应用快速落地，投研 等垂直领域的专家型 Agent 将成为核心发展方向。

1.1.1 闭源模型占主导地位，国产开源模型独树一帜

从 Open Router（大模型接口集成平台）的大模型使用量统计结果上来看，当前在绝大多 数的一般应用场景中，闭源大模型始终占据较高比例，最新数据显示闭源大模型使用量占 据 8 成左右。这表明在通用任务的处理上，闭源大模型表现整体优于开源大模型，是一般 场景中的首选项。 不过，开源大模型的占比也在稳步提升。开源大模型普遍费用更低、性价比更高，同样有 许多适配的应用场景。同时我们可以观察到，开源模型的使用量中来自中国的开源大模型 占据了较高比例。实际上，开源大模型调用量占比在 2025 年 2 月与 7 月两次出现显著上 升，分别对应 DeepSeek-R1 和 Qwen3-235B-A22B-Thinking 两大开源模型的发布时点。此 外，由于统计来源 Open Router 是一家海外的模型平台，其用户对国内大模型的调用量天 然偏低，统计口径也不包含官方接口或其他第三方平台，因此来源于国产大模型的使用量 占比实际可能更高。

1.1.2 模型评价维度多元化，多模态、工具调用成为必选项

随着业界对大模型应用的不断探索，大模型需要完成的任务类型越来越丰富，从一开始单 一的推理与知识问答任务逐步拓展到工具调用、行动规划、多模态等各类任务。因此，为 了便于在各种任务类型中对模型能力进行衡量与对比，不同的评价基准（Benchmark）应 运而生，形成了当前多元化的大模型评价体系。

大模型的差异化竞争已成为主要趋势。当前针对不同任务挑选“最合适”模型的情况越来 越常见，就算同样是文本处理任务，也会综合考虑能力、性价比等多个方面进行模型选型。 因此，模型厂商产品重心也在出现转移。各家的旗舰版大模型追求全方位能力的同时也在 逐渐突出差异化的特色，此外也在推出适配不同细分需求的模型，打造完善的模型库。以 Google 旗下模型为例，最新的 Gemini 3 系列有相对通用的 Pro 版本、专注于深度推理的 Deep Thinking 版本和支持快速响应的 Flash 版本，Pro 版本的思考模式还可切换高中低 三档，适配各式各样的应用场景；同时 Google 旗下还有负责文生图的 Nano Banana Pro 模型、音频相关的 Native Audio 模型……组成了完整的大模型产品矩阵。对不同需求的全 面覆盖是一大趋势。 多模态是我们认为当前应用需求最高、也正在出现模型能力跃升的一个维度。多模态能力 已成为当前全球大模型厂商角逐的核心领域之一。最新发布的 GPT-5.2、Gemini 3 Pro 再 到 Claude-4.5、Grok-4 等都属于原生多模态大模型，在多模态相关基准上相互赶超。但 当前国产大模型在多模态方面能力依旧有较大提升空间。以模型视觉较常用的基准 MMMU 为例，目前国产大模型中排名最高的是小红书团队的开源模型 dots.vlm1，位于第 8 名； Qwen3-VL 235B-A22B 排名第 11。

值得一提的是，以上两个模型都是开源模型，这表明在开源领域国产多模态模型具有明显 优势。 我们认为另一个最重要的评价维度就是工具调用与行动规划能力。这也引出了大模型生态 的另一个发展趋势，即 Agent 应用加速落地。

1.2 投研领域，多模态与 Agentic AI 将加速大模型应用的迭代

具体到投研领域，我们认为大模型将在以下层面带来新的变化： a)、多模态为投研带来更丰富的信息来源，并推动多样化的应用落地方式； b)、投资专家的设计将从提示词优化提升到 Agent 设计，框架进一步完善； c)、大模型与投研实务深度融合，从资料收集、个性化分析到投资结论输出全流程结合。

1.2.1 多模态将带来更丰富的信息来源与应用场景

大模型的多模态能力是目前来看将显著提升投研应用效果的一个维度。多模态让大模型处 理的数据不再局限于纯文本形式，而是包含了图像、视频、音频等更丰富的信息来源。 Gemini 3 Pro 模型率先在多模态领域实现了跨越式的提升，GPT-5.2 后来居上。此前模型 虽然也有多模态能力，但对图像细节的识别能力欠佳，还无法用于投研等对准确度要求较 高的场景。但目前最前沿的大模型已可以准确理解图像中细节内容，包括价格形态、流程 逻辑等，且准确率较高。多模态能力可以在以下方面带来能力提升：

a）、对投研能力的增强：

识别图像信息，提高投研资料利用率。此前在处理研报等资料时，对其中的图片数据利用率不高，一般只提取其中的文字部分。多模态能力增强使得模型可以理解图像， 提升信息的利用率。

解析视频数据，扩充信息来源。当前有大量信息来源于社交媒体中的视频，譬如大 V、 KOL 等发布的观点、解读等，多模态模型可直接读取一手资料，无需通过“字幕提取 ->大模型分析”的链路处理。

b)、提升工作效率：

全自动生成演示文稿，质量大幅提升。PPT 的自动生成是多模态模型最直接的应用方 向，目前已能够基于指定模板和文本内容，直接生成符合使用要求的 PPT 文稿，真正 提升工作效率。同时也包括自动生成思维导图等图像内容。

数字人质量进一步提升。数字人技术也实现了效果提升，当前文生视频模型能力再上 一个台阶，可支持数字人路演等应用领域。

1.2.2 投研 Agent 专家将是业界核心探索方向

Agentic AI 应用将与投研实务进一步融合。我们判断在主动投研赋能和投资决策生成方 面将集中出现新的应用成果。

a）、主动投研赋能： 金融投研领域的“Deep Research”类应用将快速落地。当前，Deep Research 类型的通用 Agent 应用已有较多成果。OpenAI、Google 等大模型厂商均有类似的产品，从效果上来看 贴合投研对信息获取与整合的需求。理论层面，业界已从模型、推理机制、工具利用、任务规划、内容生成等全流程进行了优 化方法探索，积累了丰富的研究成果，相关的 Agent 框架可适配不同场景需求，有望快速 迁移到金融投研领域。

b）、投资决策生成： 在投资决策方面，Agent 需要与金融领域知识进行更紧密的结合，才能产出专业的决策结 果。我们认为 Agent 应用的发力点在于将主动投资逻辑与量化方法进行有机结合。我们借 助“投资大师 Agent”与“因子智能挖掘 Agent”两个案例来说明如何搭建投研专家 Agent。 投资专家智能体。投资专家智能体需要提取投资大师的选股逻辑内嵌于 Agent 的提示词中，同时提供知识库和工具允许 Agent 提取个股实际信息。基于此，大模型可以按照指定 的标准、逻辑来分析个股资料，并给出各维度的投资判断结果；最后再结合大师投资框架 进行综合判断，给出选股结果。投资专家智能体可以为投资者提供大师视角下的选股结果 与理由，提供参考价值。

大模型自动挖因子 Agent。遗传算法挖因子的方法一直面临因子难以解释、缺乏逻辑性的 问题。大模型在因子回测后进行归因与逻辑改进，并构建知识库存储因子改进的思路，挖 掘出的因子更注重可解释性。以此打造一个挖因子专家 Agent，可实现 7*24 小时的高质 量因子自动挖掘。

2026 年资产配置年度策略展望：通胀再起行情下，如何对风格和行业进 行配置？

2.1 目前宏观状态及宏观一致预期

关于 2026 年宏观展望方面，我们本次报告通过结合当前宏观环境所处位置以及市场给出 的 2026 年宏观指标一致预期共同判断。 整体经济方面，我们通过景气度指标中采制造业 PMI 以及 PPI 同比+工业增加值同比两者 共同判断当下的所处的环境阶段。从划分的阶段可以看出，自 2023 年 Q4 至今，尽管经济 中途经历了一定的震荡回落，但整体增速呈现逐步回升的趋势，另外我们能看到，制造业 PMI 开始也已经重新回升。但总体来说上升斜率不高，整体仍属于弱复苏阶段。 通胀方面，上下游通胀缓步回升,但整体增速水平仍然偏低，待后续更多促内需政策落地 推动通胀回升。结合经济增长和通胀水平来看，目前市场仍然处于弱复苏的阶段。

但我们判断在明年海外降息持续以及 AI 大规模资本开支推动下，26 年上游通胀态势能有 进一步回升。一方面目前联邦基金利率期货隐含 2026 年仍有 2-3 次降息，并且目前当选 概率最大的两位美联储主席候选人，凯文·沃什和凯文·哈塞特，都是倾向于鸽派降息的。 在新美联储主席的推动下，明年美联储的降息大概率能顺利甚至超预期落地，从而带动美 国经济以及上游工业品通胀的回升。 除此之外，目前全球 AI 大基建仍在持续。我们根据美国已上市超大规模云数据商（包括 谷歌、亚马逊、微软、甲骨文等）的资本开支和自由经营现金流的彭博一致预期数据进行 测算，云数据商在 2026 年会进一步扩大数据中心建设的规模，从而带动上游资源品的需 求以及价格都有所上行。并且明年乃是十五五开局之年，我们预计五年计划安排的基建项 目能快速落地，以及国内反内卷政策的持续出台都会带动明年上游通胀的继续上行。

2.2 风格配置： 明年成长仍强，但趋于均衡

本次年度展望的风格配置方面，我们将风格分别划分成大小盘，成长价值，以及较为特殊 的红利与微盘风格逐一进行分析。 在大小盘轮动方面，我们选择了地产开发投资完成额累计同比以及固定资产投资完成额累 计同比指标来辅助分析。地产开发投资完成额方面，从图表可以看到，若固定资产投资回 升明显，经济回暖，顺周期涨幅靠前，大盘占优；结合上文提及目前的宏观一致预期数据 来看，未来一年的固定资产投资明年预估有所回升，能够对大盘风格的走强形成支撑。 成长价值风格方面，我们主要观察 M1-M2 剪刀差指标。当 M1-M2 剪刀差上行阶段，市场成 长风格占优的可能性较大。今年以来，国内流动性方面，M1M2 剪刀差回升明显，资金活期 化率提升，带动高弹性成长风格占优。而今年中国央行在第三季度货币执行报告中明确提 及，“贷款增速略低一些也是合理的，……逐步淡化对数量目标的关注。”这意味着后续央 行不会为了维持高的贷款增速超量使用货币政策。我们据此推断明年市场的信用增速会从 高位稍有回落，从而使得明年的市场风格更显均衡，而不是如同今年的成长风格明显占优。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）