算法越来越擅长判断一个人喜欢什么，一个人连续看了几篇机器人公司的文章，又搜索了AI芯片、高端制造和工业软件，互联网平台很快就能得出结论：他对科技成长方向感兴趣。

　　接下来，推荐系统会继续给他推类似内容。

　　这已经是互联网世界最普通不过的逻辑。看过什么、停留多久、点过什么，都会逐渐拼出一个人的兴趣画像。

　　但在金融服务里，“感兴趣”和“适合购买”始终是两回事。他可能拥有多年证券投资经验，也可能刚刚进入市场；可能有充足的闲置资金，也可能短期内就需要使用这笔钱；可能愿意接受较大的价格波动，也可能不能接受明显的本金损失。

　　从内容平台的角度看，这些人可能属于同一个标签：AI投资爱好者；从投资者适当性的角度看，他们却可能是完全不同的客户群体。

　　这也是今天投顾机构面对的一件有意思的事情。一边，需要越来越精细地给产业“画图”，看懂技术、公司和商业化进程；另一边，还需要给客户建立另一张“图”，判断他的风险承受能力以及什么样的服务更适合他。两张图解决的是完全不同的问题。

　　01｜第一张图，回答产业发生了什么

　　今年10月，《2026AI+高端制造产业应用图谱》正式发布。这项研究历时数月，走访30家高端制造领域代表性企业，并举行9场线下专题座谈会，从基础层、技术层一直梳理到解决方案层和应用层，观察AI在工业软件、智能制造装备、行业专用装备等领域的技术成熟度、商业化进度和实际需求。汇正财经研究团队参与了企业调研和图谱编制。

　　这并不是汇正第一次参与这样的工作。

　　2025年启动的人工智能产业应用图谱已经覆盖AI+医疗、AI+制造、AI+金融、AI+教育等重点垂直领域，希望把技术提供方、场景应用方和平台支撑方放到同一张产业关系图中；此后发布的AI+医疗健康图谱，又进一步深入药物研发、医疗器械和医疗服务等具体环节。

　　这种产业图谱解决的，本质上是研究机构认识市场的问题。一家机器人企业处在产业链什么位置，上游依赖什么核心部件，下游进入哪些场景；一种AI解决方案已经完成技术验证，还是开始形成付费订单；一家企业的增长到底来自产业扩张，还是自身竞争份额提升。

　　这些问题最终都会体现在资本市场上，但通常不会同时出现在一张财务报表里。因此，产业图谱真正有价值的地方，并不是把公司名字排成一张好看的“图”，而是试图建立企业、技术、场景和商业化之间的关系。

　　这张“图”越完整，研究机构越有可能弄清楚：市场上到底发生了什么。但当研究结果进一步进入投资服务，问题开始发生变化，因为服务面对的已经不是企业，而是人。

　　02｜第二张图，回答客户能承担什么

　　金融机构需要认识客户，但这种“认识”与互联网平台常说的用户画像不是一回事。用户画像经常回答的是：这个人喜欢什么？经常看什么？可能对什么内容感兴趣？

　　金融机构的投资者适当性关注的却是另一组信息。《证券期货投资者适当性管理办法》要求经营机构了解投资者的收入来源和数额、资产与负债、投资经验、投资目标、风险偏好以及可承受损失等情况，并据此判断普通投资者的风险承受能力；同时，机构还要分析产品或者服务的风险特征，在两者之间形成适当性匹配意见。

　　因此，更准确地说：用户兴趣画像回答“你可能想看什么”，风险画像回答“你能够承担什么”。两者看起来都在“了解客户”，目标却完全不同。

　　前者更多服务于内容推荐和用户体验，后者关系到一项金融产品或者服务是否适合这个投资者。这也是为什么，一个人长期关注AI、机器人或者高端制造，并不能由此推导出他就拥有较高风险承受能力。

　　投资兴趣和风险承受能力之间，并不能完全画等号。这一点在算法越来越深入金融营销之后，反而更值得强调。

　　9月30日起施行的《金融产品网络营销管理办法》对算法推荐等网络营销行为做出了专门规定。新规要求，通过算法推荐进行金融产品网络营销时，应提供不针对个人特征的选项或者便捷关闭算法推荐的方式；与此同时，第三方互联网平台不得介入投资者适当性测评、合同签订和资金划转等正式销售环节。

　　这些规则背后，其实能看到一条很清晰的边界：算法可以帮助判断一个人可能对什么感兴趣，但投资者适不适合接受某项金融服务，仍然需要金融机构按照适当性要求作出判断。流量逻辑和适当性逻辑，并没有因为AI更聪明就合并成一件事。

　　03｜同样喜欢AI的两个人，可能完全不是同一种客户

　　把这个区别放到一个具体场景里，会更容易理解。

　　假设两名投资者都长期关注人工智能。他们看的产业新闻相似，也都对机器人、高端制造和AI芯片感兴趣。如果只按照内容行为分析，两个人可能会被归进非常接近的用户群。

　　但进一步了解之后，情况可能完全不同。其中一位已经有多年证券投资经历，投资资金主要来自长期闲置资产，对一定幅度的市场波动有心理预期。另一位同样看好AI，但家庭未来两年有较大的资金支出，投资经验较少，对本金波动的接受程度也比较低。

　　这时，“喜欢什么”已经失去区分能力。真正影响投顾服务适配程度的，是两个人在资产、负债、投资经验、资金期限和风险承受能力上的差异。这也是金融服务和普通互联网推荐最大的区别之一。

　　也因此，一家合规专业的投资机构其实需要两张“图”，从这个角度看汇正财经近两年的动作，它们恰好出现在业务的两端。

　　一端是产业。从2025年的人工智能产业应用图谱、AI+医疗健康，到2026年的AI+高端制造，汇正研究团队持续参与企业调研和产业图谱编制，试图把企业、技术、场景和商业化阶段放进更完整的产业关系中观察。

　　另一端则是投资者。根据汇正目前服务购买流程，其风险评估会综合资产、负债、投资经验、收入来源、家庭资产配置以及损失承受能力等多个维度，形成相应的风险类型判断。风险测评置于支付之前，未完成风险测评不能进入下一步，风险等级不匹配会影响后续购买，合同版本、签署时间、支付时间和业务开通时间等关键节点也会留有系统记录。

　　这两张“图”处理的是两类完全不同的信息。

　　产业图谱里面是：企业、技术、产品、客户、产业链和商业化进度；投资者风险画像里面则是：资产、负债、经验、投资目标、风险偏好和损失承受能力。

　　前一张图帮助机构理解市场，后一张图帮助机构理解客户。

　　它们最终会在一项具体投顾服务中碰面：机构先通过研究形成对市场和产业的认识，再根据产品或服务的风险特征，以及客户自身情况，判断什么样的服务更适合什么样的投资者。

　　这也是投资者适当性制度最基本的逻辑。监管要求经营机构既要了解投资者，也要分析产品或服务，并根据两端的风险特征作出匹配，而不是只完成其中一边。

　　所以，一家投顾机构越来越懂AI、懂制造业、懂机器人，并不会让了解客户这件事变得多余。恰恰相反。研究越细，能够形成的产品、工具和服务越丰富，如何判断这些服务适合什么样的人，也就越重要。

　　互联网发展到今天，理解一个人的兴趣已经变得越来越容易。算法能够从一次点击、一次搜索和几分钟停留中，快速判断用户最近在关注什么。随着AI能力继续提高，这种判断只会越来越精细。

　　但金融服务需要回答的问题比“猜你喜欢”多一步。它不仅需要知道投资者对什么感兴趣，还需要知道他能够承担什么，以及一项具体服务是否与他的情况匹配。

　　这也解释了为什么投顾机构需要“两张图”。产业图谱帮助机构判断市场正在发生什么，风险画像帮助机构判断这些研究形成的服务适合谁。

编辑：刘静