21世纪经济报道记者 黎雨辰 北京报道 DeepSeek对基金业所带来的影响，从近期的机构招聘需求中便能窥见一斑。
2月以来，一批公募基金已开始抢跑春季招聘行情，发起新一轮“英雄帖”。而在DeepSeek本地化部署浪潮下，月内新增的基金社会/校园招聘岗位中，围绕人工智能相关的岗位出现了一定增长。
集中的人才渴求背后，是DeepSeek对基金业一时激起的千层浪潮。
当前，多家公募已率先尝到这一技术基础设施为业务优化带来的甜头，并普遍认同其在推动基金行业方面将会有毋庸置疑的影响。
而在机构广泛接入、拉开数智化转型序幕后，就像许多基金公司会同时看重应聘者的AI技术开发和后续应用落地能力一样， DeepSeek与基金业务链条的深度融合也难以一蹴而就，依然需要行业长线探索、“深度学习”。
算法、量化等岗位受关注
2月17日，华安基金同日新发布了三则信息技术类社招岗位，其中之一便是AI算法工程师。从官网的描述来看，该岗位负责机器学习、深度学习等主流人工智能技术研究与应用，具体职责从AI算法的研发和实施、AI产品的系统开发、实际应用场景的落地到为其他项目组提供技术支持，不一而足。
复杂全面的工作内容，也要求应聘者具备扎实的机器学习和深度学习知识。招聘信息显示，应聘者需要“熟练掌握常见的机器学习和深度学习算法和工具，具备大模型应用开发经验者优先，如ChatGPT、ChatGLM、DeepSeek等，并对训练、精度/性能调优、推理部署有完整的实践经验。”
无独有偶，2月11日，汇添富发布了高级IT经理的社会招聘岗位，并明确强调负责AI应用方向。该职位要求应聘者精通Python编程，熟练掌握主流机器学习框架；深入理解Transformer架构和大语言模型原理，具备至少三年以上的大语言模型训练和落地经验。
从职能来看，高级IT经理的工作将分为两方面。一方面，应聘者要负责大语言模型的全流程研发和优化，包括前期的数据处理、模型评测、预训练、微调和部署，后期提升模型的运行效率和推理速度。另一方面，应聘者还要负责模型在产品应用层面的最终落地，设计并实现基于大语言模型的解决方案，提升公司投研风控、市场服务等核心业务效率等。
易方达基金也在2月10日发布了关于算法研究员的校招岗位。
该岗位面向博士开放，要求应聘者了解机器学习算法原理，能够结合业务场景进行建模研究，与工程师配合进行人工智能金融项目研发。同时还需要跟踪人工智能学术研究、行业应用的最新动态；研究和理解机器学习和深度学习算法原理，将其应用于金融领域的业务场景等。
与此同时，中小型公募基金也在广纳贤才，与机器学习紧密关联的算法、量化等研究类岗位，是相关公司近期的招聘重心。
例如2月14日泓德基金启动的新一轮校园招聘中，包含算法研究员岗位。跟踪深度学习领域最新研究成果，提炼可用于投资的模型思想，复现并优化相关论文，构建有开创性的神经网络模型并持续迭代；研究市场微观结构，参与高频因子开发测试，通过统计和机器学习工具实现高频特征提取和低频化工作。同时，该岗位在2024年9月便已发布并进行了一轮招聘。
国联基金则在2025届春招提前批实习招聘简章中明确招聘量化研究员，具有统计学、机器学习等基本知识，工作内容之一为基于机器学习进行量化选股模型研究。
不过，也并非所有公募眼下都急于增补技术人才储备。从背后原因来看，一些公司是因为已在模型开发应用方面未雨绸缪，另一些在加大投入前，仍在对模型带来的具体效益进行测算、观察。
一家中型公募人士向21世纪经济报道记者表示，公司近期没有新的招聘动向，可能是因为公司技术部门对AI相关的研究和布局启动得更早，同时公司开发部门先前也已调配了更多人手支持AI相关工作。记者了解到，该基金公司近年一直在不断探索AI与业务的融合应用，在此次接入DeepSeek之前就已进行过私有化模型的部署。
另一家已启动DeepSeek部署规划的公募人士则告诉记者，考虑到行业目前还未到扩张期，公司会跟随后续行业趋势，再去考虑AI相关人才的招聘事宜。影响公司后续经营决策的，包括AI模型应用的检验结果、投入的成本收益分析等。
开启基金业务生态变局
基金公司求贤若渴，与DeepSeek的落地所带来的金融业生态变革密不可分。
春节以来，多家公募机构对DeepSeek的部署和应用进展陆续公开有所发声。进入二月中下旬，基金公司“抢滩”新技术的浪潮仍在持续。
2月16日，财通基金、西部利得基金公开表示已完成DeepSeek大模型本地化部署，而在此之前，10余家基金公司也已在近期公开宣布对这一大模型的接入。
还有一些头部规模的基金公司虽未公开披露在DeepSeek方面的规划情况，但也向记者表示，公司对DeepSeek的部署和应用开发在日前就已经落地。区别于以链接方式接入，本地的私有化部署不仅保障了数据安全性与响应效率，也提升了模型服务的性能和稳定性。
事实上，许多公募基金也已不是第一次使用人工智能赋能业务。
2024年以来，很多中大型公募都为公司系统接入过多款主流人工智能模型，甚至是做过自研模型的探索。但和过往的开源模型相比，DeepSeek显著低于同行的训练与推理成本，以及领先的可用性与使用效率，都对AI大模型应用在基金业的铺开产生了前所未有的促进作用。
眼下，部分基金公司已经率先体验到了DeepSeek对具体业务的优化效益。
“公司基于Coze智能体平台开发的营销材料合规审核系统已实现85%以上的规则命中率，但在处理复杂条款时仍存在优化空间。近期，通过引入DeepSeek模型对原有方案进行升级，其出色的理解能力显著提升了规则的识别精度，目前自动审核准确率已提升至95%以上。后续将持续优化模型对金融领域专业术语的适应性。”鹏扬基金IT部负责人向记者表示。
易方达基金则提到，接入DeepSeek后，公司借鉴DeepSeek在大模型合成数据和知识蒸馏方面的优秀经验，让此前自研的金融大模型EFundGPT得到了大版本升级优化，着重提升了专家框架和深度思考能力。
“与DeepSeek-R1结合之后，R1的强推理机制助力EFundGPT在公司内的一些‘重逻辑’的场景发挥更大作用，比如智能投资研究、材料审核、智能客服、智能投顾、智能个人助手等领域。”易方达基金称。
富国基金还在近期指出，经过科技团队的探索验证，目前本地化部署模型在公司内部数据加工、代码辅助生成、文字生成、企业级RAG、研报解读等应用方向上达到了可用阶段。
不过需要注意的是，尽管基金业对DeepSeek探索的启动是近乎“爆发式”的，使其与基金业务链条实现深度融合，并完成向公司利益的转化，却并非朝夕之间。
记者了解到，目前DeepSeek整体在市场营销、客户服务、公司合规、运营管理等方面的应用落地得比较迅速，可以围绕内容生产，对机构工作的效率、准确度等带来改善。
相比之下，囿于开发难度、员工适应性和验证周期，DeepSeek在投研领域体现实质效用，需要的时间会相对更久。
“在投研领域，DeepSeek的应用仍有较高门槛。”前述鹏扬基金IT部负责人指出。据了解，模型在投研的应用包括研报语义解析、事件归因分析、重塑量化策略的研发流程、实现高效的因子挖掘与回测优化等。
一家大型公募基金人士同样表示，尽管目前公司的投研员工已有意识地在工作中尽可能多用AI，但大多主要停留在个人练手阶段，许多研究员仍对接受DeepSeek的选股感到“惶恐”。相比之下，量化条线对DeepSeek更易上手，已开始尝试用其训练模型，但进度尚不明朗。
“将DeepSeek本地化部署不难，但在技术和成本的壁垒都大幅缩小之后，重要的是怎么使用AI给业务场景提供解决方案，而且不仅要在公司内部科技系统落地，还应该考虑在对客户端的输出和服务中体现出差异化。”另有受访公募人士指出。
记者注意到，这一企盼与多家基金公司在近期进行AI人才招聘时，对应聘者能够做到技术开发、应用落地“两手抓”的要求不谋而合。
发表评论