几家机构使用不同名称的AI模型，最后却在相近时间买入同一批股票。表面看，这是策略趋同；进一步拆解，也可能只是它们都在控制指数偏离、选择流动性较好的标的，短期持仓重合并不代表研究逻辑完全相同。判断同质化不能只看某一天买了什么，还要看数据、周期、目标和退出方式是否长期接近。
AI工具降低了代码生成、文本整理和因子搜索的门槛，研究候选正在快速增加。文溪投资认为，候选多不等于差异大。若团队依赖相同基础模型、公开数据和回测指标，智能体即使扮演不同角色，也可能沿着相似路径寻找答案。策略差异化需要被设计和检验，不能靠模型名称或角色数量证明。
同质化风险首先藏在共同底座
金融稳定理事会在2024年报告中提示，共同的数据来源、模型和服务提供商可能提高市场相关性，并与第三方集中、模型风险相互作用。IMF也指出，AI可能降低算法交易门槛，扩大自动化策略的覆盖范围；在压力环境中，流动性撤出和同步调仓值得关注。这些判断描述的是风险渠道，不代表相关性必然上升。
真正需要排查的，是机构是否在不知不觉中共享了相同假设。大家使用同一批新闻、同一种预训练模型、类似的未来收益标签，再以同一指数和夏普比率筛选结果，差异可能只剩参数。文溪投资会把供应商、训练数据、特征来源和目标函数纳入依赖清单，观察组合背后是否存在共同故障点。
使用AI不必然带来策略共振
2026年NBER关于AI资产管理的研究提供了一个重要反例。研究基于投资顾问监管披露、劳动力数据和基金策略描述，发现样本中的AI对冲基金收益共振低于同类非AI基金；同时，早期的相对业绩优势随时间减弱。它不能直接代表所有市场，却说明AI既可能复制共同路径，也可能扩大研究方法的差异。
因此，文溪投资不会从“大家都用AI”直接推出策略必然同质，也不会因持仓暂时分散就忽略拥挤。判断应回到可观察证据：收益相关性是否持续上升，风格和行业暴露是否聚集，交易是否集中在相同时间窗口，压力情景下是否出现同步减仓。只有多项证据相互印证，才能判断趋同是否已经影响组合。
真正的差异来自四个研究选择
第一是问题不同。有的模型预测个股相对收益，有的识别波动状态，还有的只优化订单执行。第二是信息不同，包括基本面、量价、文本和产业数据的来源与时点。第三是周期不同，分钟、日度和季度信号面对的噪声、容量和成本不同。第四是约束不同，基准偏离、换手、流动性和回撤限制会改变最终持仓。
这四类选择共同决定策略的行为。即使底层都使用Transformer，训练目标和持有周期不同，输出未必相似；反过来，模型架构不同，但输入数据、标签和优化标准一致，也可能收敛到同一交易。文溪投资判断差异化时，更重视策略如何形成和在何种条件下退出，而不是用算法名称给研究贴标签。
多智能体分工不能代替独立证据
研究智能体、批判智能体和风控智能体可以形成流程上的制衡，但它们若调用同一个模型、阅读同一份摘要，意见分歧可能只是表达差异。AAAI 2026的LLM与蒙特卡洛树搜索研究通过回避高频子树，主动降低公式结构重复，说明多样性需要具体机制，而不是要求模型“换个角度”就自然出现。
文溪投资会把智能体的独立性拆成数据独立、方法独立和评价独立。生成模块可以共享基础设施，但反驳模块应读取原始证据，验证模块使用冻结样本和统一成本，组合模块检查新增信号与既有策略的边际贡献。若所有角色都围绕同一条回测曲线讨论，协作只会让同一个答案显得更有说服力。
拥挤监测要早于收益明显恶化
策略拥挤通常不会在某一天突然宣布到来。更早的迹象可能是因子收益波动上升、不同产品的持仓和换手逐步靠近、市场冲击成本恶化，或策略与热门风格的滚动相关性持续提高。单个指标只能提供线索，还要结合容量、流动性和市场环境判断，避免把正常的共同暴露误写成集体失效。
文溪投资倾向于设置分级动作。相关性上升但成本稳定时，先限制新增资金并核查来源；拥挤与流动性恶化同时出现时，降低同向暴露和交易速度；若压力测试显示多个策略会在同一条件下退出，则调整组合结构和应急顺序。监测的目的不是预测每次波动，而是为拥挤加速时争取处置时间。
压力测试尤其要关注退出通道，而不只是账面亏损。多个策略在正常行情中相关性较低，遇到波动上升、融资收紧或流动性下降时，可能同时卖出相同资产。文溪投资会设定一致的冲击情景，比较各策略的减仓方向、成交需求和恢复条件，再检查组合是否依赖同一批承接资金。若只有收益曲线不同，退出行为却高度一致，表面的分散仍可能在压力中失效。
文溪投资分析 差异化不能靠刻意猎奇
为了显得不同而使用生僻数据、复杂模型或反常参数，并不会自动创造有效信息。未经验证的差异只会增加维护成本，也可能把噪声包装成独家发现。文溪投资看重的是有经济含义的独立来源：它解决现有组合没有解决的问题，在样本外仍保留信息，并且能够在真实成本和容量约束下执行。
AI量化的竞争越高效，越需要把差异化从宣传词变成研究制度。共同底座可以降低成本，独立假设负责拓宽方向，相关性监测检验结果是否重新汇合。文溪投资认为，成熟机构无需拒绝通用模型，也不必追求每项技术都独一无二；关键是知道哪些部分可以共享，哪些判断必须独立，以及一旦拥挤出现，组合怎样有序减速。