轉眼間興起的 20 的多家智能投顧，已經成為了財富管理行業新的風口。在Betterment、Wealthfront、嘉信、FutureAdvisor的國外相對成功案例的鼓勵下，國內投資者、銀行、券商、創業者等紛紛入場。

機器人、人工智能等時髦概念，配上低成本、高效率、多資產三大優勢，智能投顧勢必在傳統投資顧問這個行當里惹足眼球。在AI替代人工的大趨勢下，有理由相信智能投顧的前景是光明的。然而國內智能投顧的發展，卻不能盡參考國外的經驗。

在我看來，中國智能投顧發展面臨來自資金端口、資產端口和技術端口等諸多現實挑戰，需更多依賴資本市場的進步。當然，技術和模式既可以是時代發展的產物，也可以反過來推動時代的進步。傳統投顧解決不了的問題，智能投顧也許能起到推動作用。

資金端口：“堅持資產配置長期投資者”群體并未成長起來

和傳統投顧包抄所有投資者不同，智能投顧的產生便是針對客戶的“投資需求”，投資于波動市場、根據不同客戶的風險偏好，個性化的定制“風險-收益”投資方案的一種智能化服務。因此，智能投顧的目標客戶群主要是：認可資產配置理念、并堅持長期投資的經驗投資者。顯然，中國目前的投資者市場缺乏這樣的根基：

1、目標大眾投資者缺乏理性，投資認知還需長時間培育

中國投資市場上，有一定儲蓄積累的社會中層往往都不是穩健的投資者。說白了，一夜暴富的投機心態遠遠大于慢工出細活的投資心態。而大批量剛性兌付的理財產品，讓大眾投資者習慣于低風險、高穩定收益的理財環境，很難建立風險、收益對等的基本投資觀念。

另外，傳統投顧其實都并未充分發展，大眾投資者往往喜歡小道消息，愿意自己操盤，獲取某種“賭博”式的快感，從2015年大牛市的天量開戶數就可以看出。在這種情況下，突然躍升至“高科技”的計算機AI顧問，接受度很成疑問。

盡管智能投顧擁有三大優勢——長期投資、資產配置、一站式智能服務，但對于缺乏風險投資意識的國內大眾投資者而言，他們對波動市場下，收益率不確定的投資服務還不理解。

這樣的窘境使智能投顧可能需要花費大量力氣來培育市場。然而，剛剛嶄露頭角的行業肯定不具備這樣的能力，某種程度上也不應該獨自承擔這樣的責任，行業的發展似乎只能依靠投資市場的日趨理性來推動。

但反過來想想，易于普及、費用低的智能投顧實質上也彌補了導致傳統投顧一直做不起來的缺陷，可以用自身的模式來促進投資者接受“投顧”，從而培育投資理念。智能投顧依賴市場理性，同時又可以是市場理性的推進力量。

2、標準化服務易失去高凈值客戶

高效率意味著標準化、統一化、程式化，所有的投資者客戶，都面臨統一的風險調研、投資組合策略及動態調倉手段。這樣做的好處是降低成本提高效率，但也會帶來投資策略“上限”不足的問題。

對智能投顧而言，高凈值客戶往往都是理性的投資者客戶。基于投資認知和個人市場水平，這些客戶認同投資顧問，且往往希望獲得最個性化的理財服務。他們擁有智能投顧最希望客戶擁有的投資意識，卻反感智能投顧千篇一律的服務模式。

這就導致了尷尬的結局：目標投資群體不合適，合適的投資群體被錯過。這時候，傳統投顧的個性化服務同智能投顧的標準化服務的結合就顯得尤為必要。無論如何，智能投顧都不能完全替代人工，這不是能力技術問題，而是市場問題，二者一定是相互補充的關系。

招商銀行在去年12月發布的摩羯智投產品，從一開始就沒有想要做純智能投顧，其模式定義為“人與機器”、“線上線下”的融合服務新模式，本質上就是標準化與個性化的結合，兼顧普通投資者與高凈值投資者，實現業務范圍最大化。

3、B端的智能投顧是一塊被忽略的大蛋糕

不論是大眾投資者或高凈值客戶都屬C端，而智能投顧還有塊大蛋糕就是B端。B端客戶既擁有近乎完美的投資理性，基于技術、投資學理論認知又容易接受智能化、標準化的智能投顧。

事實上智能投顧B端的市場前景不比C端小。可以是純策略服務的，給中小基金公司或者資管公司提供智能投顧策略服務并按服務收費（實際上是B2B2C），也可以是像用友、明源一樣的純技術出售，把智能投顧的整套算法和程序售賣至金融企業。

例如，璇璣為民生證券推出數字化資產配置系統提供服務，就是智能投顧切入B端的最好案例。對民生證券來說，這個為中產階級目標客戶提供數字化資產配置解決方案的系統，本質上就是借助璇璣技術力量建立起來的民生智能投顧，讓民生證券在國內券商行業找到了智能投顧的領先地位。

對璇璣來說，從B端切入，可以有效避免C端引流冷啟動帶來的長周期，最終又可以將經過B端歷練的智能系統應用至C端。

還有一種B端服務是給專業的理財經理使用的，通過智能化地掃描全球市場、根據客戶的個性化選項構建資產配置組合、24小時進行組合監控和再平衡，可以有效提升理財經理的投資顧問效率和專業性。

招商銀行的摩羯智投體系能夠基于系統的自動運算，進行大類資產配置、基金篩選、倉位控制和風險預警，最終構建智能基金投資組合，為廣大零售提供個性化的基金組合配置服務。整個服務體系包括C端和B端兩部分：在C端，零售客戶可以通過招商銀行APP5.0，實現公募基金產品的一鍵組合配置、一鍵購買和組合的動態再平衡；在B端，招行全行的理財經理可以借助資產配置系統中的摩羯智投模塊，通過IPad的展示為客戶更專業的基金組合配置建議和投資跟蹤服務。招商銀行既是業內在C端首家推出智能投顧服務的商業銀行，也是成功地將B端C端有效結合，開啟O2O融合服務的首創者。

資產端口：理性市場尚有一定距離

資產端口的問題本質也是由資金端口的投資者造就的，投機心態盛行的結果就是資產的非理性漲跌，同時關注穩健投資收益的資產類型偏少。

1、標的資產面臨數量和配置雙重問題

穩健型、被動投資要求智能投顧的標的以穩定的、跟隨市場發展腳步的資產為主，尤其是不能出現較大的波動，否則一方面無法保證風險控制，另一方面也造成頻繁調倉影響投資組合模型的有效性。

而這類標的主要以ETF為主，尤其是在國外，智能投顧服務的組合構建主要基于這類被動指數型基金。而由于種種原因，國內資本市場的ETF數量很少，截至2016年7月為134支，只有美國的1/10，且以傳統指數型ETF為主，債券型ETF、商品型ETF較少，豐富度不足，限制了模型策略的設定和收益的提升。

現實條件是一方面，另一方面，在國內做智能投顧也很少會大量選擇ETF進行資產配置。這是因為在非單邊上漲的中國資本市場，ETF的收益率往往不如主動管理型基金，大量配置ETF的收益不容樂觀，也沒必要。

要構建好的基金組合，主動管理型基金是一個很好的選擇。然而在中國市場內主動管理公募基金數量眾多，至今已超過3600支，且業績分化嚴重：以2016年為例，偏股混合基金中表現最好的基金收益27%，表現最差的基金-39%； 2015年 ,偏股混合基金中表現最好的基金收益163%，表現最差的基金-17%；2014年 ,偏股混合基金中表現最好的基金收益102%，表現最差的基金-15%。

考慮數量和配置的問題，選擇新的、適宜國內的智能投顧之道就尤為重要。招商銀行摩羯智投通過以主動管理的公募為基礎，構建全球資產配置組合，以分散投資風險的目的。其中，摩羯智投的公募基金篩選體系，是結合了十余年財富管理及基金研究經驗，利用行業內獨家非結構化國內基金研究大數據，通過五星之選行為動量基金分析決策樹來進行的。

2、風險梯度過大，投資策略契合效果難以保證

智能投顧要求根據智能化的技術手段，盡可能針對不同投資人制定不同的投資組合策略。形象地說，聽音樂時，不同的人對音量有不同要求，音量調節軟件一般要設置100個檔位。倘若只有10%、50%、100%三個檔位，那么無論如何也滿足不了使用者的普遍要求。

而國內市場上標的資產的波動普遍偏大，暴漲暴跌都在一時之間，這就導致配置一攬子資產從而分散風險的難度加大，在 “高風險”（例如股票）到“超安全”（例如債券）之間，缺乏足夠細致的風險資產類型過渡。

而國內頻繁發生的系統性的市場風險又容易導致資產波動的共振，利用資產波動間的負相關關系沖抵風險策略失效。

在數學上，可以不斷增加資產數量來創造平滑的組合風險梯度，但這會造成智能投顧的市場模型測算難度成幾何倍數增加，嚴重影響模型的效果和調倉的難度，在這種情況下，擁有豐富經驗的人工投顧來進行互補，例如招商銀行摩羯智投、平安證券等，會比純智能投顧更具備市場適應性。

技術端口：基礎條件并非人人都有

相對于依賴于市場的資金、資產端口，技術端口看起來是智能投顧自己可以把握的。畢竟任何一個新興行業的興起，必然伴隨著專業人才庫的不斷豐富和優質人才的流動。

1、IT、金融的復合型人才缺乏

智能投顧離不了金融/IT的復合型人才，頂尖的投資建模能力、極強的IT知識、豐富的金融交易知識，這三者是設計出優質智能投顧必備的人才素質要求。不過中國如今的人才市場上，既懂IT又懂金融的人才依然是少數。

這個問題主要是創業型智能投顧面臨的難題，要么花費高昂的引入成本還不一定能找到，要么自己培養但周期太長市場給不了那么多機會。

相比之下，傳統金融機構中已經匯集了一定的復合型人才，背靠大型金融企業，例如招商銀行摩羯智投、平安證券智能資產配置系統、同民生證券合作的璇璣，可以利用到金融企業已有的技術金融復合型人才。尤其是平安證券智能資產配置系統，本身就是基于原有強大的金融技術體系研發，在人才上有充足的準備，為智能投顧的開發掃清了人才障礙。

2、客戶數據來源面臨“冷啟動”

技術端口同資金端口是緊密結合的，需要高度豐富的客戶數據用以高精度的客戶風險判定，從而根據特定風險級別設定資產投資組合模型。

用投資問卷、風險偏好測試來測驗客戶的個性化需求還是沒有脫離傳統投顧的模式。智能投顧需要的是通過大量的數據維度構建風險測試的統一模型，從而能提供千人千面的定制化方案，而不是只有幾個歸類、幾種策略。

這就要求大量的客戶數據來源。而剛剛入場的創業企業，顯然面臨客戶數據來源不足、冷啟動的問題。有業內人士認為，剛剛宣布研發虛擬機器人、布局智能投顧的螞蟻金服與支付寶在數據上具有先天的優勢。

然而，客戶在“投資場景中”所需要的數據并不是消費數據和社交數據，而是需要與流動性和風險承受能力高度相關的大數據，如此來看，商業銀行平臺范兒在客戶數據上具備強大的優勢，商業銀行海量的用戶投資理財及財務信息為風險模型提供了足夠的數據支撐，可以勾勒出極度細化的風險畫像，保證評估的有效性和多樣性。

3、資產端口的金融數據被鉗制

資產端口的數據壁壘更為嚴重。金融數據是智能投顧領域的底層代碼，沒有足夠的歷史數據，資產的風險分析、投資組合就成了無本之末，而金融監管要求金融機構數據不得給第三方使用，這一矛盾難以調和。

招商銀行、平安證券等投身智能投顧固然可以使用自有數據資源，但創業型平臺普遍面臨這樣的數據壁壘。但也不是全然沒辦法，Beta理財師依靠創始人數據服務商Wind資訊的背景，自建了擁有100萬+全品類金融歷史數據，有些還并非銀行、·證券業所能擁有，形成了獨特的金融歷史數據行業壁壘。走數據資訊的路徑組建金融數據體系，也未嘗不是一種參考。

4、技術本身容易落入傳統投顧思維模式的陷阱

當我們在回答智能投顧到底能否徹底顛覆傳統投顧這個問題時，繞不開一個現實——傳統投顧一直是與理財產品的銷售緊密結合在一起的。投顧即銷售，在國內理財界也是約定俗成的現實。

智能投顧的名義下存在兩類陷阱：首先是打著智能投顧旗號，行產品銷售之事，智能投顧淪為新的營銷噱頭。其次是有心做智能投顧，但牽扯相關資產方的利益，在模型的標的選取上易傾向于特定的資產，違背智能投顧中立化的基本定位，“智能”二字站不住腳。

這實際上是智能投顧的盈利模式之爭，到底該不該像安卓應用市場那樣收取入駐產品的費用或者直接售賣產品，還是要完全中立化推薦投資產品，依靠賬戶管理費用生存？懷揣“智能”二字，理應采用后者類似的方式，但現實又決定，國內不少現存的智能投顧平臺很容易落入（或主動進入）前者的陷阱。

證監會已經明確表示，將高度關注以智能投顧為名義擅自開展公募基金銷售的互聯網平臺并予以查處，其實就是要求智能投顧業務回歸服務的本位，與產品銷售徹底區分，不能打著投顧幌子賣理財產品。

這把高懸的達摩克利斯之劍，對所有智能投顧從業者，尤其是打著“智能投顧”旗號進行產品銷售的P2P和互聯網平臺都是警示。

總而言之，與智能投顧相關的資金端口、資產端口、技術端口都存在有智能投顧憑一己之力難以克服的困難，智能投顧的發展必須隨著金融市場的成熟亦步亦趨，難以在短期內快速發起。

但這種“身不由己”并不意味著個體參與者只能隨波逐流，不斷創新探索也可能創造獨特的機會，又反過來助力金融市場成熟。