(2026.8.17 新加坡） 新加坡投资者借助人工智能（AI）分析和应对股市的越来越多，AI也由一时新奇的事物，逐渐成为投资中的常用工具。在富途证券（Moomoo）、老虎证券（Tiger Brokers）和长桥证券（Longbridge）等平台，投资者利用AI助手解读市场波动、分析业绩、筛选股票以及评估投资组合已属寻常。这类工具在市场剧烈波动时尤其受欢迎，因为投资者面对铺天盖地的信息，往往希望迅速得到答案和做出决定。
老虎证券表示，截至2026年6月，新加坡用户在其老虎AI（TigerAI）平台的对话量同比增加五倍，月活跃用户则增长65%。长桥则称，其全球用户中近三成使用过长桥AI（Longbridge AI），其中约18%每月都会使用。
新加坡《海峡时报》指出，AI的吸引力显而易见：它能比普通投资者更快消化业绩报告、市场消息、估值、期权数据以及企业披露的信息，将浩繁的资料迅速整理，梳理出一套近似完整的投资路向。
但美国财经媒体《MarketWatch》近日专访机器学习投资先驱之一达尔（Vasant Dhar），一个根本问题也随之浮现：投资者什么时候可以相信机器，又怎么知道机器没有出错？
达尔早在1994年便将机器学习引入华尔街，后来创办SCT Capital，属于最早一批以机器驱动交易的对冲基金之一。然而，达尔却不愿把自己的钱交给ChatGPT。
达尔的经历和观点，为今天券商对AI的热情提供了值得警惕的信号。他认为，机器处理信息的能力虽然很强，但这并不意味着投资者应该把最终交易权交给机器。
新加坡各大券商如今也多把AI定位为研究助手，而不是放任为自主交易员。比如，TigerAI曾被用来评估美国特朗普“对等关税”对个别企业及行业的影响。
但有一名新加坡投资者考虑短线买入科技股，于是要求系统分析资金流向、估值和风险。系统发现市场情绪高涨，已有过热迹象，同时告知该公司即将公布业绩，其现金流令人担忧，股东还有减持意向。投资者于是按兵不动；及至业绩公布，该股果然下挫。
富途认为，AI的应用正从金融教育和投资研究，逐渐深入到股票筛选、多因素分析、期权策略和回测等领域。长桥则更进一步，开发了一套能够持续监测用户持仓相关动态、并对之拟定对策的系统；即使如此，他们坚持，真正执行交易仍须得到投资者确认。
此中的要害是，AI虽能扩大投资者所需掌握的信息范围，却未必能提升投资者本身的判断力。
达尔曾亲自测试各种AI系统，发现同一个问题只要换一个问法，系统得出的结论就可能不同。因此，他认为，一个答案听起来很有说服力，甚至似乎很有道理，却未必就是可信的投资信号。“除非结论是建立在真实数据之上，否则盲目相信，可能会失手。”
他对达莫达兰估值工具（Damodaran Bot）的测试，正揭示了这一隐忧。这个AI工具采用纽约大学金融学教授达莫达兰（Aswath Damodaran）的估值方法，以大规模数据分析企业。 但当它评估SpaceX时，给出的估值仅约6000亿美元，远低于达莫达兰本人约1.2万亿美元的估值，也明显低于SpaceX上市时约1.77万亿美元的市场定价。 三者间有巨大偏差。
关键不在于机器必然正确，也不在于人必然无误。更重要的是，AI可以根据同一组基础信息作出不同的解读，而投资者必须弄清楚这些差异背后的判断依据。
还有一个风险：AI可能促使投资者更加频繁地交易。个性化系统不断提醒投资者还有另一只股票值得研究、另一项风险需要关注，或者还有另一个仓位需要调整，可能在无意间把投资变成一个永无休止的操作循环。
达尔还看到了一个更长期的系统性风险。如果未来数以百万计的投资者都依赖类似的AI系统，他们可能会收到相似的信号，并在大致相同的时间朝着同一个方向行动，从而形成一种新型的羊群效应，甚至放大市场冲击。
对新加坡而言，这种转变已经开始。AI正从一种用来尝试股票投资的新工具，逐渐融入投资组合分析、市场监测和投资研究之中。
因此，接下来的情景不只是这些系统会变得多么聪明，投资者也须变得更善于质疑AI的判断。
最终，最稳妥的模式或许既不是“人控驭机器
