转眼兴起的20的多家智能投顾，象征着这个行当已经像当年P2P一样成为了新的风口。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。笔者认为，中国智能投顾发展的现实是理想远大，现实“身不由己”，行业发展程度更多依赖资本市场的进步而非自身的努力。

当然，在此情况下，智能投顾也绝不能坐以待毙。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：“价值投资者”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被动投资的价值投资者的，这就决定智能投顾的发展首先必须要有足够多的价值投资者群体。缺乏这样的根基，智能投顾行业想要风卷残云式的发展很难。

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。

不幸的是，这些都掐中了智能投顾的死穴。被动投资、稳健收益、一站式智能服务，对缺乏价值投资意识的国内大众投资者而言，意味着低收益率、缺乏信任的冰冷机器。

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。

笔者认为，智能投顾可以借鉴理财平台普遍采用方式，采用社交+投顾意识培养的方式，例如苏宁金融股票理财频道的投资组合晒单及跟投服务，让投资者近距离接触同类型人员的投资标的和投资方式，建立直观的投资理性认知。

此外，刚刚接受分众传媒1亿投资的拿铁财经，App首页采取了类似一点资讯、今日头条的模式，通过知识宣贯“扫盲”，降低“组合投资”这一活动相对“单一投机”的技术门槛，让大众投资者不再敬而远之，又增加了平台的用户粘性。

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。

招商银行的摩羯智投，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。

同样的，还有Beta理财师，线下专业理财精英队伍为高净值客户提供个性化服务，线上智能平台为中低净值客户提供标准化服务，也是在尝试解决互补的问题。

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。

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。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。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只，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。

而除了数量、丰富度之外，国内的智能投顾也未必可以大量选择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。

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。

例如，理财魔方创造了一种独特的资产配置模式，通过Jensen、Sortino、Sharpe等多测度挖掘、选取3000支基金中的标的基金，以类似FOF（Fund of Fund，基金中的基金）的模式实现分散风险、稳定收益的目的，同时规避了市场上FOF单一的投资者风险设定，为不同投资者定制不同的“智能投顾FOF”，算得上目前资本环境里的积极尝试。

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。

或者仿照前文理财魔方的做法，用FOF的方式，选取那些风险已经自我“均匀化”的标的资产进行配置，把复杂的风险冲抵排斥在模型之外，在单一资产内部就已经优化掉部分风险。

技术端口：基础条件并非人人都有

技术端口看起来是智能投顾自己可以把握的，较少存在“身不由己”需要另找出路的境况。然而实际情况是，个体内部的努力往往脱离不了大环境的影响，有时候还可能新瓶装旧酒。

1、IT、金融的复合型人才极度缺乏

懂IT的一抓一大把，懂金融的更是多不胜数。但既懂IT又懂金融的不多。就像金蝶、用友这些财务软件的核心技术人才一定是财务/IT全能型的一样，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，否则，投资模型、智能IT程序及金融交易对接容易脱节，任何偏废都会造成极坏的用户体验。

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。

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。这方面，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具有先天的优势，平台天量的用户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、技术本身易落入传统投顾思维模式的陷阱

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，但现实又决定国内智能投顾很容易落入（或主动进入）前者的陷阱。

证监会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本位，与理财销售彻底区分，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，不论是招商银行、平安证券、民生证券还是中小型创业企业、支付宝等都是警示。

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。

【来源：钛媒体       作者：潇湘Lee】