智能投研在国内仍然属于小众的新兴概念，多数人会将其与智能投顾、智能投资、智能金融等混淆。2017年以来，多位海归的人工智能精英或金融领域专家在这一领域进行创业，并获得千万级别的初始投资。鲸准研究院对这一新经济领域行业进行了探讨，主要观点如下：

1.智能投研行业政策环境较好：智能金融写入国家战略，鼓励科技赋能多金融业态

智能金融兴起，首要助力资金管理，投研是管理资金的重要工具之一。中国自2015年起便将人工智能纳入了国家战略发展规划，从鼓励智能制造，逐步扩展到鼓励AI进行全面的生态赋能。金融作为人工智能落地的最佳场景之一，成为政府关注鼓励的重点方向。2016年至今，有关智能金融、金融科技、金融创新的政策意见陆续面世，智能投研作为其中细分的应用场景，享受着整体利好的大环境。

2.智能投研行业的核心技术一：领域知识图谱辅助搭建金融投研语义网络，彰显场景理解深度。

在智能投研领域，机器可以从公司公告、券商研报、新闻报道等非结构化数据中批量化自动提取关键信息，以此为基础构建关联关系，搭建领域知识图谱，辅助投研人员完成更深层次的分析，并在一定程度上优化投资决策。

智能投研行业的核心技术二：依靠数据红利，机器学习探索量化投资策略自开发自学习

机器学习是指计算机在完成某些任务的过程中，能够从中不断学习方法和经验，从而提高机器的性能。在金融领域，机器学习通过特征工程（从原始数据中构建、提取、选择数据）、模型训练、模型融合等流程，提供了进行数据挖掘的更加丰富有效的算法。

3.中游金融信息加工是核心环节，智能投研发挥重要作用。

金融信息服务包括对金融信息资源进行生产收集、加工处理、存储利用，或是直接将信息工具提供给从事金融分析、交易、决策等多方用户，从而直接或间接影响金融市场。由于金融数据库附加值较低，垄断竞争格局基本成型，其他参与者正面临着寻求突破和转型的需求。

在金融信息采集充分的基础上，对金融信息进行深度加工分析，能够直接影响到财富拥有者/管理者的决策，是整个链条中附加值较高的环节。因此，尽管对传统金融行业来说，投研只是投资工作中的一个场景或流程，但从金融信息流通的角度来说，智能投研为信息赋予了更高的价值，也给交易创造了一个相对公平的环境。

4.TO B是业内共识，目前以模块产品独立销售和提供解决方案为主

深耕细分领域，提供独立的模块化工具：金融To B业务具有较高的行业门槛，用户集中度不高，但智能投研应用的各个细分场景存在可观的想象空间，因此，部分智能投研公司采取为客户提供统一定价的标准化数据模块、产品模块的形式，来创造营收。

直接面对客户，为客户部署定制化的解决方案：单纯的金融服务附加值低，难以建立竞争壁垒。因此，从客户的需求角度出发，提供直面痛点的解决方案才能抓牢客户，建立稳定、可复制的盈利模式，这也是目前智能投研公司收入中占比较高的部分。

5.智能投研行业投资热度预计持续上升。

根据鲸准洞见数据统计，从2017年初至今，国内智能投研行业的热度趋势经历了一次波浪上涨。进入2017年以来，行业投融资迎来小规模增长，并据行业相关人士透露，业内尚且存在多起未披露的大额投资事件。预计随着智能金融的发展和金融监管的完善，2018年行业将继续保持投资热度。

中国智能行业自动化报告产品存在潜在需求，风控场景有望成为应用突破口。开放需求和科技浪潮使金融底层架构发生了改变，导致传统的监管制度和工具不能覆盖日益复杂的风险，2017年至今，金融监管政策环境转变明显：密集颁布、全面覆盖、态度明确、力度强化。金融机构和监管机构对于风险的事前预警需求提升。

智能投研是数据+模型的结合，智能解析金融交易中的信息，为进入监管领域奠定了数据基础。如果能够契合监管/合规的需求场景，将有望在监管红利的驱动下，开拓新的发展思路。