转眼间兴起的 20 的多家智能投顾，已经成为了财富管理行业新的风口。在Betterment、Wealthfront、嘉信、FutureAdvisor的国外相对成功案例的鼓励下，国内投资者、银行、券商、创业者等纷纷入场。

机器人、人工智能等时髦概念，配上低成本、高效率、多资产三大优势，智能投顾势必在传统投资顾问这个行当里惹足眼球。在AI替代人工的大趋势下，有理由相信智能投顾的前景是光明的。然而国内智能投顾的发展，却不能尽参考国外的经验。

在我看来，中国智能投顾发展面临来自资金端口、资产端口和技术端口等诸多现实挑战，需更多依赖资本市场的进步。当然，技术和模式既可以是时代发展的产物，也可以反过来推动时代的进步。传统投顾解决不了的问题，智能投顾也许能起到推动作用。

资金端口：“坚持资产配置长期投资者”群体并未成长起来

和传统投顾包抄所有投资者不同，智能投顾的产生便是针对客户的“投资需求”，投资于波动市场、根据不同客户的风险偏好，个性化的定制“风险-收益”投资方案的一种智能化服务。因此，智能投顾的目标客户群主要是：认可资产配置理念、并坚持长期投资的经验投资者。显然，中国目前的投资者市场缺乏这样的根基：

1、目标大众投资者缺乏理性，投资认知还需长时间培育

中国投资市场上，有一定储蓄积累的社会中层往往都不是稳健的投资者。说白了，一夜暴富的投机心态远远大于慢工出细活的投资心态。而大批量刚性兑付的理财产品，让大众投资者习惯于低风险、高稳定收益的理财环境，很难建立风险、收益对等的基本投资观念。

另外，传统投顾其实都并未充分发展，大众投资者往往喜欢小道消息，愿意自己操盘，获取某种“赌博”式的快感，从2015年大牛市的天量开户数就可以看出。在这种情况下，突然跃升至“高科技”的计算机AI顾问，接受度很成疑问。

尽管智能投顾拥有三大优势——长期投资、资产配置、一站式智能服务，但对于缺乏风险投资意识的国内大众投资者而言，他们对波动市场下，收益率不确定的投资服务还不理解。

这样的窘境使智能投顾可能需要花费大量力气来培育市场。然而，刚刚崭露头角的行业肯定不具备这样的能力，某种程度上也不应该独自承担这样的责任，行业的发展似乎只能依靠投资市场的日趋理性来推动。

但反过来想想，易于普及、费用低的智能投顾实质上也弥补了导致传统投顾一直做不起来的缺陷，可以用自身的模式来促进投资者接受“投顾”，从而培育投资理念。智能投顾依赖市场理性，同时又可以是市场理性的推进力量。

2、标准化服务易失去高净值客户

高效率意味着标准化、统一化、程式化，所有的投资者客户，都面临统一的风险调研、投资组合策略及动态调仓手段。这样做的好处是降低成本提高效率，但也会带来投资策略“上限”不足的问题。

对智能投顾而言，高净值客户往往都是理性的投资者客户。基于投资认知和个人市场水平，这些客户认同投资顾问，且往往希望获得最个性化的理财服务。他们拥有智能投顾最希望客户拥有的投资意识，却反感智能投顾千篇一律的服务模式。

这就导致了尴尬的结局：目标投资群体不合适，合适的投资群体被错过。这时候，传统投顾的个性化服务同智能投顾的标准化服务的结合就显得尤为必要。无论如何，智能投顾都不能完全替代人工，这不是能力技术问题，而是市场问题，二者一定是相互补充的关系。

招商银行在去年12月发布的摩羯智投产品，从一开始就没有想要做纯智能投顾，其模式定义为“人与机器”、“线上线下”的融合服务新模式，本质上就是标准化与个性化的结合，兼顾普通投资者与高净值投资者，实现业务范围最大化。

3、B端的智能投顾是一块被忽略的大蛋糕

不论是大众投资者或高净值客户都属C端，而智能投顾还有块大蛋糕就是B端。B端客户既拥有近乎完美的投资理性，基于技术、投资学理论认知又容易接受智能化、标准化的智能投顾。

事实上智能投顾B端的市场前景不比C端小。可以是纯策略服务的，给中小基金公司或者资管公司提供智能投顾策略服务并按服务收费（实际上是B2B2C），也可以是像用友、明源一样的纯技术出售，把智能投顾的整套算法和程序售卖至金融企业。

例如，璇玑为民生证券推出数字化资产配置系统提供服务，就是智能投顾切入B端的最好案例。对民生证券来说，这个为中产阶级目标客户提供数字化资产配置解决方案的系统，本质上就是借助璇玑技术力量建立起来的民生智能投顾，让民生证券在国内券商行业找到了智能投顾的领先地位。

对璇玑来说，从B端切入，可以有效避免C端引流冷启动带来的长周期，最终又可以将经过B端历练的智能系统应用至C端。

还有一种B端服务是给专业的理财经理使用的，通过智能化地扫描全球市场、根据客户的个性化选项构建资产配置组合、24小时进行组合监控和再平衡，可以有效提升理财经理的投资顾问效率和专业性。

招商银行的摩羯智投体系能够基于系统的自动运算，进行大类资产配置、基金筛选、仓位控制和风险预警，最终构建智能基金投资组合，为广大零售提供个性化的基金组合配置服务。整个服务体系包括C端和B端两部分：在C端，零售客户可以通过招商银行APP5.0，实现公募基金产品的一键组合配置、一键购买和组合的动态再平衡；在B端，招行全行的理财经理可以借助资产配置系统中的摩羯智投模块，通过IPad的展示为客户更专业的基金组合配置建议和投资跟踪服务。招商银行既是业内在C端首家推出智能投顾服务的商业银行，也是成功地将B端C端有效结合，开启O2O融合服务的首创者。

资产端口：理性市场尚有一定距离

资产端口的问题本质也是由资金端口的投资者造就的，投机心态盛行的结果就是资产的非理性涨跌，同时关注稳健投资收益的资产类型偏少。

1、标的资产面临数量和配置双重问题

稳健型、被动投资要求智能投顾的标的以稳定的、跟随市场发展脚步的资产为主，尤其是不能出现较大的波动，否则一方面无法保证风险控制，另一方面也造成频繁调仓影响投资组合模型的有效性。

而这类标的主要以ETF为主，尤其是在国外，智能投顾服务的组合构建主要基于这类被动指数型基金。而由于种种原因，国内资本市场的ETF数量很少，截至2016年7月为134支，只有美国的1/10，且以传统指数型ETF为主，债券型ETF、商品型ETF较少，丰富度不足，限制了模型策略的设定和收益的提升。

现实条件是一方面，另一方面，在国内做智能投顾也很少会大量选择ETF进行资产配置。这是因为在非单边上涨的中国资本市场，ETF的收益率往往不如主动管理型基金，大量配置ETF的收益不容乐观，也没必要。

要构建好的基金组合，主动管理型基金是一个很好的选择。然而在中国市场内主动管理公募基金数量众多，至今已超过3600支，且业绩分化严重：以2016年为例，偏股混合基金中表现最好的基金收益27%，表现最差的基金-39%； 2015年 ,偏股混合基金中表现最好的基金收益163%，表现最差的基金-17%；2014年 ,偏股混合基金中表现最好的基金收益102%，表现最差的基金-15%。

考虑数量和配置的问题，选择新的、适宜国内的智能投顾之道就尤为重要。招商银行摩羯智投通过以主动管理的公募为基础，构建全球资产配置组合，以分散投资风险的目的。其中，摩羯智投的公募基金筛选体系，是结合了十余年财富管理及基金研究经验，利用行业内独家非结构化国内基金研究大数据，通过五星之选行为动量基金分析决策树来进行的。

2、风险梯度过大，投资策略契合效果难以保证

智能投顾要求根据智能化的技术手段，尽可能针对不同投资人制定不同的投资组合策略。形象地说，听音乐时，不同的人对音量有不同要求，音量调节软件一般要设置100个档位。倘若只有10%、50%、100%三个档位，那么无论如何也满足不了使用者的普遍要求。

而国内市场上标的资产的波动普遍偏大，暴涨暴跌都在一时之间，这就导致配置一揽子资产从而分散风险的难度加大，在 “高风险”（例如股票）到“超安全”（例如债券）之间，缺乏足够细致的风险资产类型过渡。

而国内频繁发生的系统性的市场风险又容易导致资产波动的共振，利用资产波动间的负相关关系冲抵风险策略失效。

在数学上，可以不断增加资产数量来创造平滑的组合风险梯度，但这会造成智能投顾的市场模型测算难度成几何倍数增加，严重影响模型的效果和调仓的难度，在这种情况下，拥有丰富经验的人工投顾来进行互补，例如招商银行摩羯智投、平安证券等，会比纯智能投顾更具备市场适应性。

技术端口：基础条件并非人人都有

相对于依赖于市场的资金、资产端口，技术端口看起来是智能投顾自己可以把握的。毕竟任何一个新兴行业的兴起，必然伴随着专业人才库的不断丰富和优质人才的流动。

1、IT、金融的复合型人才缺乏

智能投顾离不了金融/IT的复合型人才，顶尖的投资建模能力、极强的IT知识、丰富的金融交易知识，这三者是设计出优质智能投顾必备的人才素质要求。不过中国如今的人才市场上，既懂IT又懂金融的人才依然是少数。

这个问题主要是创业型智能投顾面临的难题，要么花费高昂的引入成本还不一定能找到，要么自己培养但周期太长市场给不了那么多机会。

相比之下，传统金融机构中已经汇集了一定的复合型人才，背靠大型金融企业，例如招商银行摩羯智投、平安证券智能资产配置系统、同民生证券合作的璇玑，可以利用到金融企业已有的技术金融复合型人才。尤其是平安证券智能资产配置系统，本身就是基于原有强大的金融技术体系研发，在人才上有充足的准备，为智能投顾的开发扫清了人才障碍。

2、客户数据来源面临“冷启动”

技术端口同资金端口是紧密结合的，需要高度丰富的客户数据用以高精度的客户风险判定，从而根据特定风险级别设定资产投资组合模型。

用投资问卷、风险偏好测试来测验客户的个性化需求还是没有脱离传统投顾的模式。智能投顾需要的是通过大量的数据维度构建风险测试的统一模型，从而能提供千人千面的定制化方案，而不是只有几个归类、几种策略。

这就要求大量的客户数据来源。而刚刚入场的创业企业，显然面临客户数据来源不足、冷启动的问题。有业内人士认为，刚刚宣布研发虚拟机器人、布局智能投顾的蚂蚁金服与支付宝在数据上具有先天的优势。

然而，客户在“投资场景中”所需要的数据并不是消费数据和社交数据，而是需要与流动性和风险承受能力高度相关的大数据，如此来看，商业银行平台范儿在客户数据上具备强大的优势，商业银行海量的用户投资理财及财务信息为风险模型提供了足够的数据支撑，可以勾勒出极度细化的风险画像，保证评估的有效性和多样性。

3、资产端口的金融数据被钳制

资产端口的数据壁垒更为严重。金融数据是智能投顾领域的底层代码，没有足够的历史数据，资产的风险分析、投资组合就成了无本之末，而金融监管要求金融机构数据不得给第三方使用，这一矛盾难以调和。

招商银行、平安证券等投身智能投顾固然可以使用自有数据资源，但创业型平台普遍面临这样的数据壁垒。但也不是全然没办法，Beta理财师依靠创始人数据服务商Wind资讯的背景，自建了拥有100万+全品类金融历史数据，有些还并非银行、·证券业所能拥有，形成了独特的金融历史数据行业壁垒。走数据资讯的路径组建金融数据体系，也未尝不是一种参考。

4、技术本身容易落入传统投顾思维模式的陷阱

当我们在回答智能投顾到底能否彻底颠覆传统投顾这个问题时，绕不开一个现实——传统投顾一直是与理财产品的销售紧密结合在一起的。投顾即销售，在国内理财界也是约定俗成的现实。

智能投顾的名义下存在两类陷阱：首先是打着智能投顾旗号，行产品销售之事，智能投顾沦为新的营销噱头。其次是有心做智能投顾，但牵扯相关资产方的利益，在模型的标的选取上易倾向于特定的资产，违背智能投顾中立化的基本定位，“智能”二字站不住脚。

这实际上是智能投顾的盈利模式之争，到底该不该像安卓应用市场那样收取入驻产品的费用或者直接售卖产品，还是要完全中立化推荐投资产品，依靠账户管理费用生存？怀揣“智能”二字，理应采用后者类似的方式，但现实又决定，国内不少现存的智能投顾平台很容易落入（或主动进入）前者的陷阱。

证监会已经明确表示，将高度关注以智能投顾为名义擅自开展公募基金销售的互联网平台并予以查处，其实就是要求智能投顾业务回归服务的本位，与产品销售彻底区分，不能打着投顾幌子卖理财产品。

这把高悬的达摩克利斯之剑，对所有智能投顾从业者，尤其是打着“智能投顾”旗号进行产品销售的P2P和互联网平台都是警示。

总而言之，与智能投顾相关的资金端口、资产端口、技术端口都存在有智能投顾凭一己之力难以克服的困难，智能投顾的发展必须随着金融市场的成熟亦步亦趋，难以在短期内快速发起。

但这种“身不由己”并不意味着个体参与者只能随波逐流，不断创新探索也可能创造独特的机会，又反过来助力金融市场成熟。