基金公司的AI竞赛,正在进入一个新阶段。

早期,行业比拼的是谁更快接入大模型,谁先搭建企业知识库,谁能让员工使用AI完成会议纪要、资料整理和内容生成。

如今,竞争开始向更深处推进。

Skill、Agent、MCP等新一代AI能力正在进入基金公司日常工作,越来越多业务人员甚至开始自己搭建Skill,把个人经验、工作流程和专业方法转化成可以被AI调用的工具。

这意味着,AI在公募基金行业的角色正在发生变化。

它不再只是一个提高个人效率的办公助手,而正在成为连接数据、知识、方法和业务流程的新型基础设施。

基金公司不再只比“用了什么模型”

近期市场曾流传易方达基金内部已经拥有“上千个Skill”。不过,业内人士透露,这一说法并不准确。

真正值得关注的并不是Skill到底有多少,而是越来越多基金公司正在建立让员工创建、使用和共享Skill的机制。

以易方达为例,其内部EWork平台已经覆盖投研、交易、运营、销售、市场、合规、IT等核心业务条线。除公开安装调用的Skill之外,还有大量由员工个人或小组根据自身工作需求创建的工具。

这种模式与传统企业软件开发存在明显区别。

过去,业务部门提出需求,IT部门负责开发,一个工具从需求提出到上线往往需要较长周期。

现在,业务人员可以直接把自己的工作痛点转化为AI Skill。

IT部门则提供底层平台、开发模板、技术支持和安全保障。

也就是说,AI工具的生产开始从“集中式开发”向“业务人员参与开发”转变。

Skill正在成为新的“数字工作模块”

为什么Skill突然受到基金公司重视？

简单理解,Skill可以把一套相对固定的工作方法封装起来,让AI在特定场景下按照既定方式完成任务。

比如,研究员每天需要整理行业信息,过去可能需要自己搜索资料、筛选信息、整理数据、形成报告。

如果这些步骤被拆解并沉淀为Skill,AI就可以按照预先设计的流程完成其中大量重复工作。

当一个Skill被证明有效后,它还可以被其他员工复用。

于是,一个人的工作经验就不再只存在于个人电脑和脑海中,而可以变成组织内部可以共享的数字资产。

这也是基金公司当前推进AI时非常重要的一层变化:

AI的价值正在从“帮一个人提高效率”,逐渐转向“让一个组织复制高效方法”。

富国：从AI助手走向多Agent协作

富国基金的实践体现了这一变化。

目前,富国智能办公平台已经成为企业内部AI入口,并依托AI中台建设算力调度、MCP中心、Skill中心等底层能力。

平台已经内置20余个Agent、60余个Skill,并接入50余个MCP,覆盖数据分析、办公辅助、报告总结等多个高频场景。

更重要的是,AI开始参与过去需要多个系统和多个岗位协作的复杂任务。

以反洗钱风险交易智能报告为例,过去相关工作需要调取客户信息和交易数据,再经过不同岗位审核。

如今,富国通过反洗钱专家团Agent,让多个专业角色Agent协同完成风险判断和报告生成。

这已经不是简单的“AI问答”。

它更接近一个由多个数字员工组成的工作团队。

在投研领域,富国还进一步建设“智能研究院”,让用户定制研究员Agent,通过学习技能沉淀Skill,再由研究专家Agent进行任务规划和拆解,协调多个研究员Agent共同完成研究课题。

AI由此开始从“工具”向“团队成员”转变。

嘉实：AI开始进入研发和业务全链路

嘉实基金的AI布局同样从底层能力向业务应用延伸。

公司已经构建覆盖“AI基础设施—AI能力—AI应用”的内部生态,并建设统一模型网关。

在应用端,AI已经进入投资、研究、合规审核和办公等场景。

值得关注的是研发领域。

嘉实推动科技员工使用AI辅助编程,并进一步建立“AI审核AI生成代码”的质量闭环。

这意味着AI不只是帮助员工写代码,还开始参与代码质量控制。

从投资研究到软件研发,AI正在逐渐进入基金公司的核心生产环节。

从“AI会回答问题”到“AI会做研究”

如果说办公场景主要解决的是效率问题,那么投研场景则决定了基金公司AI应用的真正上限。

中欧基金给出的判断非常具有代表性投研的下一阶段,关键可能不只是更强的模型和更多的数据,而是中间的“方法论层”。

原因很简单。

基金研究并不是简单地把大量数据输入模型。

研究员需要知道哪些数据重要,应该如何分析,不同指标之间如何建立联系,最终又应该怎样形成投资判断。

这些长期积累的研究框架,恰恰是基金公司的核心知识资产。

因此,中欧基金正在尝试将过去多年主动投研积累的方法论转化为AI能够理解、调用和校验的“组织上下文”。

其中,行业景气度Agent就是一个典型案例。

公司将内部形成的行业景气度研究方法和流程教授给AI,目前已经覆盖超过250个细分行业。

过去,研究员可能需要投入大量时间搜集和整理行业信息。

现在,依托相关Agent,行业景气度看板可以更快完成更新,并进一步提炼关键信息和研究线索。

这里发生的真正变化不是“AI替研究员写报告”,而是把研究员长期积累的方法论变成了可以被组织持续调用的能力。

国泰：让Agent自主完成一套研究流程

国泰基金则进一步将大模型用于投研全流程。

公司已经部署具备任务规划、工具调用和自我反思能力的自主研究Agent。

按照其设计,Agent可以自主获取财报资料,进行财务分析,运行估值模型,交叉验证数据,最终输出带有证据链的研究结论。

背后对应的是一套三层架构:

数据基座 → 知识基座 → Agent能力层。

底层负责提供结构化数据,中间层沉淀研报、路演纪要、调研纪要以及专家观点等非结构化知识,最上层则通过Agent把这些数据和知识转化为具体的研究任务执行能力。

这种架构实际上已经接近一个“AI研究部门”。

人负责提出问题、判断方向和最终决策,AI则承担大量信息搜集、数据处理、交叉验证和基础分析工作。

汇添富：把AI嵌入投研、投顾和营销

汇添富基金则将2026年确定为“拥抱AI应用年”,并围绕投研、投顾、营销、运营和研发等方向推进AI转型。

投研方面,公司正在建设投研AI工作台,将知识库、投研数据MCP和Skill工具链结合起来。

营销端,AI被用于智能营销中台、渠道AI秘书和机构AI助理。

运营端,公司推动“信披AI卫士”等应用。

研发端,则尝试将AI进一步嵌入需求、产品、开发、测试和运维等软件工程流程。

从这些实践可以看到,基金公司的AI布局已经不再局限于某一个部门。

它正在从投研部门向整个组织扩散。

AI真正的“下半场”,可能是知识和经验的数字化

多家基金公司的实践背后,其实存在一个共同趋势:

模型越来越容易获得,真正稀缺的是企业自己的数据、知识和方法。

同样一个大模型,放在不同基金公司内部,最终产生的效果可能完全不同。

原因就在于每家公司拥有不同的投研体系、研究框架、历史数据和业务流程。

如果只是把大模型接入企业内部,它依然只是一个通用工具。

只有当企业把自己的知识和方法不断沉淀进去,AI才会逐渐形成“这家公司自己的能力”。

Skill正是连接二者的重要载体。

一个研究框架可以变成Skill,一个合规流程可以变成Skill,一个数据处理流程也可以变成Skill。

当这些Skill进一步被Agent调用,企业内部就会形成一个不断扩充的AI能力网络。

AI竞争开始从“个人工具”转向“组织能力”

这也是为什么基金公司现在越来越强调统一AI平台。

如果每个员工都单独使用不同的AI工具,效率确实可能提高,但企业也会面临数据安全、权限管理、重复建设和结果不可控等问题。

因此,统一模型网关、Skill中心、MCP中心、执行沙箱、记忆系统等基础能力开始受到重视。

与此同时,AI治理也必须同步推进。

易方达已经建立Skill评价和淘汰机制,对Skill的可用性、稳定性和业务价值进行评估,同时根据实际调用情况清理长期无人使用或者重复建设的Skill。

金融行业尤其需要解决准确性和合规问题。

国泰基金提出的思路具有代表性:需要语言理解和推理的环节使用大模型,需要精确计算和严格合规的环节则继续使用确定性程序和规则引擎。

换句话说,AI可以越来越深入业务,但并不意味着传统系统和人工判断会被简单替代。

“会不会用AI”,正在成为基金从业者的新基础能力

从易方达的员工自主创建Skill,到富国的多Agent协作,再到中欧将投研方法论转化为Agent,基金公司正在经历一次工作方式的变化。

未来,一个研究员的竞争力可能不仅体现在能否找到好公司、做好行业研究,也可能体现在能否把自己的研究流程和经验有效地转化成AI可以调用的工具。

一个基金经理也不一定需要亲自编写复杂程序,但可能需要知道如何调用合适的Agent,如何设计任务,如何验证AI结果,以及如何把自己的投资框架沉淀成可复用能力。

这意味着,AI能力正在从少数科技人员掌握的“专业技能”,逐渐变成金融从业者的通用基础能力。

基金公司AI竞赛,最终拼的不是Skill数量

从目前行业实践来看,基金公司的AI竞赛已经越过“有没有”的阶段。

Skill有多少,Agent有多少,并不能单独决定一家机构的AI能力。

真正重要的是,这些工具是否能够进入真实业务流程,是否能够调用可靠的数据和知识,是否能够复用成熟的方法论,以及是否能够在合规框架下持续运行。

换句话说,未来基金公司的AI竞争可能不再是简单的“谁拥有更多工具”,而是：

谁能把更多优秀员工的经验沉淀下来,谁能把更多专业知识转化为可复用的数字能力,谁就更有可能把AI真正变成组织生产力。

从大模型到知识库,从Skill到Agent,再到多智能体协作,基金行业的AI探索正在进入更深水区。

这场竞赛最终要回答的问题,也正在从“AI能做什么”,转向“AI能否成为一家基金公司的新基础设施”。

如果答案是肯定的,那么今天看似只是一个个Skill的积累,未来可能形成的将是一套全新的金融机构生产体系。