0
| 本文作者： 周蕾 | 2026-03-20 18:48 |
在OpenClaw火熱到頻頻登上頭條的那幾天，有分析師在行業(yè)群里沮喪發(fā)言，“正在拼命學(xué)OpenClaw的投研應(yīng)用……感覺自己快要失業(yè)了?！?br/>
近期流傳甚廣的Anthropic報(bào)告也顯示，“商業(yè)與金融”是AI理論可覆蓋率和實(shí)際滲透率都較高的領(lǐng)域，財(cái)務(wù)和投資分析師的實(shí)際暴露度已達(dá)57.2%。
但在這樣一個(gè)容易被AI滲透的領(lǐng)域，進(jìn)門CEO程建輝告訴我們：
現(xiàn)實(shí)市場(chǎng)并非100%有效，會(huì)存在信息孤島、小樣本信息，也會(huì)存在傳播延遲和解讀效率的問題。AI無法吃掉所有信息，也不可能完全捕捉市場(chǎng)的 “漏洞和機(jī)會(huì)”。但這正是人的機(jī)會(huì)，分析師的機(jī)會(huì)。
主攻AI投研的進(jìn)門（深圳進(jìn)門財(cái)經(jīng)科技股份有限公司），成立于2013年，目前已累計(jì)服務(wù)超過3100家上市公司、74家券商研究所及300多萬專業(yè)投資者。2023年獲得騰訊戰(zhàn)投后，全面升級(jí)為「機(jī)構(gòu)AI投研工作臺(tái)」。
2025年至今，進(jìn)門超級(jí)投研智能體“AI進(jìn)寶”，已從AI投研助手，進(jìn)化為能“干活”的AI數(shù)字研究員。通過12個(gè)Agent、投研大腦和近期上線的投研龍蝦，幫助用戶處理投研場(chǎng)景的高頻任務(wù)，并不斷捕捉投資信號(hào)。
“沒想到大家的熱情這么高?！?程建輝聲音沙啞地說道。自從“進(jìn)門投研龍蝦”上線，他就穿梭在各場(chǎng)路演中，他感受到，券商分析師、投資者們對(duì)于AI能真正“干活”這件事，充滿了前所未有的好奇與期待。
在AI投研這件事上，進(jìn)門的商業(yè)邏輯比較“特別”——以溝通為基礎(chǔ)，試圖構(gòu)建上市公司、券商研究所、專業(yè)投資者三大群體的閉環(huán)生態(tài)，做深專業(yè)智能投研。過去兩年，進(jìn)門不斷閉環(huán)投研溝通場(chǎng)景，并幫助投研用戶提效降噪、挖掘信號(hào)、用AI自動(dòng)化處理各類繁瑣的任務(wù)。
通過AI工具矩陣，幫助用戶提高信息處理的效率和信息獲取的密度：AI轉(zhuǎn)寫、AI會(huì)議托管，AI翻譯、AI錄音，甚至做了自家的錄音智能硬件，將觸角延伸到線下。
深耕溝通場(chǎng)景的同時(shí)，程建輝發(fā)現(xiàn)，AI沒辦法突破信息孤島和小樣本問題，像頂級(jí)分析師、研究員那樣，聽懂真實(shí)世界溝通的“弦外之音”，給出非共識(shí)性的判斷。
他認(rèn)為，專業(yè) AI 讓共識(shí)性信息實(shí)現(xiàn)了平權(quán)普惠，正在不斷提升普通投資者的投資能力下限，“直白點(diǎn)說，過去老是被割韭菜，往后割韭菜也沒那么容易了?！?/p>
進(jìn)門的樣本，實(shí)際指向了這樣一個(gè)思考：比起“替代多少人力”，人類的價(jià)值是否重新得到肯定、得到聚焦，或許才是AI真正的價(jià)值所在。
以下是雷峰網(wǎng)與程建輝的對(duì)話，有不改變?cè)獾木庉嫞?/p>
雷峰網(wǎng)：現(xiàn)在一些分析師用OpenClaw做投研，進(jìn)門目前也接入了OpenClaw。其實(shí)OpenClaw、Manus這些相對(duì)通用的AI，聲量是更高一些的，您怎么看它們和進(jìn)門的競(jìng)合關(guān)系？
程建輝：進(jìn)門是聚焦于金融投研領(lǐng)域的AI產(chǎn)品，不管在場(chǎng)景、數(shù)據(jù)、工具，還是對(duì)行業(yè)know-how的認(rèn)知上，都會(huì)比其他通用AI要好。
當(dāng)然，Manus、OpenClaw等產(chǎn)品給了我們很多啟發(fā)。我們很早就在系統(tǒng)思考AI如何解決投研場(chǎng)景的問題，充分發(fā)揮AI的“思考”與“執(zhí)行”雙重能力。
Manus這類產(chǎn)品的方向是，從會(huì)話模式向“幫用戶完成特定任務(wù)”轉(zhuǎn)變，感覺挺有意思。但任務(wù)執(zhí)行的完整度不夠好。OpenClaw的誕生，標(biāo)志著AI從“對(duì)話腦”進(jìn)化出了“干活的手”。
我們很興奮，一直在觀察，春節(jié)也沒休假，加班夯實(shí)底層基礎(chǔ)工作。不過，早期的OpenClaw 比較脆弱，升級(jí)、開關(guān)機(jī)、處理任務(wù)時(shí)經(jīng)常報(bào)錯(cuò)。操作繁瑣，門檻很高，所以最開始只有極客用戶在使用。迭代了幾個(gè)版本后，成熟度比以前高很多，我們才感覺時(shí)機(jī)成熟，于是推出了自己的“投研龍蝦”。
進(jìn)門投研龍蝦采用云端部署的方式，對(duì)OpenClaw進(jìn)行封裝、改良，讓用戶能夠拿來即用。這極大地降低了使用門檻，讓用戶不用再費(fèi)心折騰底層系統(tǒng)基建，把全部精力都放在完成核心任務(wù)上。
雷峰網(wǎng)：真正實(shí)現(xiàn)AI在投研領(lǐng)域的自動(dòng)化有哪些難點(diǎn)？
程建輝：要解決多樣化的問題?；谕瑯拥氖聦?shí)和數(shù)據(jù)，各人看法不一。因此，光靠模型遠(yuǎn)遠(yuǎn)不夠，還要涵蓋不同群體的思維范式。
AI進(jìn)寶的任務(wù)模式（即投研龍蝦），以及對(duì)話模式下的投研大腦，都能有效解決這個(gè)問題。
投研龍蝦能夠?qū)gent的能力原子化，讓用戶根據(jù)自身需求，靈活組合、定制，實(shí)現(xiàn)個(gè)性化工作流的搭建。會(huì)話模式中的投研大腦，支持用戶自定義創(chuàng)建思維鏈，或讓系統(tǒng)自行拆解優(yōu)秀研究范本中的方法論，比如可以拆解芒格、巴菲特的著作中蘊(yùn)含的投資心得。
當(dāng)然，會(huì)話模式的能力不止于此。2025年，我們上線了12款A(yù)gent，包括業(yè)績點(diǎn)評(píng)、觀點(diǎn)對(duì)比等等，在這個(gè)模式下，進(jìn)寶就能夠自由發(fā)揮，用預(yù)訓(xùn)練時(shí)候形成的思維鏈來回答問題。
但用戶的新想法、新要求源源不斷，不可能無限滿足，所以才有了投研大腦和“龍蝦”任務(wù)模式。（雷峰網(wǎng)近期將持續(xù)關(guān)注投研等AI Agent實(shí)際應(yīng)用案例，歡迎添加作者微信 LorraineSummer 交流）
雷峰網(wǎng)：可以說通用AI對(duì)進(jìn)門沒有太大威脅？
程建輝：我們?cè)跀?shù)據(jù)基座、專業(yè)邏輯、安全風(fēng)控、工作流與決策閉環(huán)上，擁有通用AI無法替代的垂直壁壘。通用類AI缺乏權(quán)威金融數(shù)據(jù)源、不懂投研范式，也難以深度嵌入投研全流程，無法替代專業(yè)投研AI的核心價(jià)值。
而生產(chǎn)力級(jí)別投研AI，對(duì)數(shù)據(jù)準(zhǔn)確度、顆粒度要求都很高，一般市場(chǎng)產(chǎn)品做不到。很多網(wǎng)絡(luò)分享，號(hào)稱利用模型抓信息形成研報(bào)、自己炒股掙錢，在我理解都是Demo級(jí)別、玩具級(jí)別的東西，距離生產(chǎn)力級(jí)別還很遠(yuǎn)，這是民品和軍品的區(qū)別。
Demo級(jí)別的投研AI大家都能玩，但真正做到生產(chǎn)力級(jí)別，你要相信市場(chǎng)上最專業(yè)的那群機(jī)構(gòu)投資者的選擇和判斷，這是世界上最聰明的一群人。我們目前也和南方基金、鵬華基金、平安基金、招商基金等頭部公募達(dá)成了深度合作。
雷峰網(wǎng)：說到投研領(lǐng)域，大家更熟悉的可能還是萬得、東財(cái)、同花順。進(jìn)門和這些老牌金融信息廠商的最大差異是什么？
程建輝：他們主要做過程交付，而我們做結(jié)果交付；他們的產(chǎn)品設(shè)計(jì)以人為中心，但我們是AI原生產(chǎn)品，設(shè)計(jì)上主要考慮如何讓AI以更智能、更自然的方式服務(wù)于人。
什么是過程交付呢？舉個(gè)例子，老牌廠商把交易所的公告，處理成數(shù)據(jù)表，這個(gè)過程就像把胡蘿卜從地里拔回來，洗干凈切好放著。
但進(jìn)門做的是端到端交付，直接給出結(jié)果，一步到位。像西紅柿雞蛋這類簡(jiǎn)單的菜，機(jī)器人直接炒好了；復(fù)雜的、需要高超手藝的，才留給大廚去做。
當(dāng)然，現(xiàn)在AI還有幻覺問題，理解數(shù)據(jù)不夠準(zhǔn)，所以要通過大量工程方法去解決。但在技術(shù)趨勢(shì)上，“端到端”一定會(huì)比傳統(tǒng)“過程交付”做得好。
雷峰網(wǎng)：AI幻覺給投研帶來的挑戰(zhàn)應(yīng)該是非常大的。
程建輝：是的，所以要做好數(shù)據(jù)治理。在我看來，投資的本質(zhì)其實(shí)就兩層：第一層是數(shù)據(jù)治理，第二層是信號(hào)捕捉。
數(shù)據(jù)治理，就是要利用大量工程方法，對(duì)原始數(shù)據(jù)進(jìn)行處理。就算最頂級(jí)的模型，要減少幻覺，保證結(jié)果可靠演進(jìn)，也要基于治理后的高質(zhì)量數(shù)據(jù)。
不管是人還是模型，都要在數(shù)據(jù)干凈的基礎(chǔ)上，去挖掘信號(hào)，獲得洞察。
對(duì)于我們來說，主要治理兩大類數(shù)據(jù)。一是從溝通場(chǎng)景沉淀的路演、調(diào)研等動(dòng)態(tài)信息，這些信息比靜態(tài)的公告更及時(shí)、全面；二是外購的財(cái)報(bào)、行業(yè)、宏觀、行情因子等數(shù)據(jù)。
通過治理和結(jié)構(gòu)化表達(dá)，我們推出了《進(jìn)門內(nèi)參》（一日三更的投研日?qǐng)?bào)）、事件信號(hào)等能力，幫助用戶更快、更精確地捕捉信號(hào)。
雷峰網(wǎng)：互聯(lián)網(wǎng)上本來也有很多真?zhèn)坞y辨的信息，數(shù)據(jù)治理很難做，AI采納這些信息之后給出的回答，質(zhì)量不會(huì)太理想。進(jìn)門怎么防范這種風(fēng)險(xiǎn)？
程建輝：AI會(huì)遭遇“數(shù)據(jù)投毒”問題，今年3·15晚會(huì)也提到了這點(diǎn)。有人為GEO批量制造數(shù)據(jù)，誘導(dǎo)模型抓??；有人在紀(jì)要中刻意夾雜私貨，通過“小作文”擾亂市場(chǎng)——這些有毒信息，會(huì)侵蝕決策的準(zhǔn)確性。
為了防范這種風(fēng)險(xiǎn)，我們一直在做數(shù)據(jù)溯源、數(shù)據(jù)準(zhǔn)確性校驗(yàn)與底層數(shù)據(jù)治理體系建設(shè)。二是不斷累積最真實(shí)、最原始的一手信息，包括上市公司、分析師在進(jìn)門的會(huì)議。從源頭有效規(guī)避數(shù)據(jù)投毒風(fēng)險(xiǎn)。
雷峰網(wǎng)：涉足AI投研的技術(shù)廠商不少，但像進(jìn)門這樣從“開會(huì)”起家的不多見。為什么最初會(huì)選擇“溝通場(chǎng)景”來做？
程建輝：在金融領(lǐng)域，溝通是僅次于行情和交易之后，最高頻的場(chǎng)景。其次，溝通場(chǎng)景是一個(gè)天然的信息富礦，是存在信息差的地方。第三，現(xiàn)在股價(jià)對(duì)信息的反饋速度非?？?。相比于其他交流形態(tài)，溝通是一個(gè)效率最高的形式。
另外，溝通場(chǎng)景有天然的雙邊市場(chǎng)效應(yīng)，分析師開會(huì)、上市公司路演，都會(huì)吸引投資者，場(chǎng)景自帶流量。三個(gè)群體形成生態(tài)，自然會(huì)沉淀大量內(nèi)容和數(shù)據(jù)。大家在市場(chǎng)上看到的券商研究路演海報(bào)、上市公司路演海報(bào)、業(yè)績說明會(huì)信息，背后基本都是進(jìn)門在支撐。
我創(chuàng)業(yè)的時(shí)候是2013年是，移動(dòng)互聯(lián)網(wǎng)元年，路演還在用“八爪魚”那種有點(diǎn)“古老”的機(jī)器，我覺得這里面是有機(jī)會(huì)的。
雷峰網(wǎng)：進(jìn)門切入AI，可以說是從會(huì)議轉(zhuǎn)寫這些做起。
程建輝：會(huì)議是天然的信息富礦，做好會(huì)議內(nèi)容的轉(zhuǎn)寫，是形成完整的數(shù)據(jù)、應(yīng)用閉環(huán)的核心。豐富干凈的數(shù)據(jù)底座，也是模型進(jìn)行文本理解、信息提取、投研分析的關(guān)鍵。
但早期處理會(huì)議音視頻信息，成本非常高。邀請(qǐng)速記員做一場(chǎng)會(huì)議的錄音轉(zhuǎn)寫，大概需要400元左右的費(fèi)用。我們算過一筆賬，想把歷史積累的幾十萬個(gè)小時(shí)錄音都處理一遍，得上億成本。
AI來了之后，能實(shí)現(xiàn)極致的降本增效。路演、調(diào)研等音視頻轉(zhuǎn)寫，是投研高需求場(chǎng)景。語音識(shí)別（ASR）也是AI領(lǐng)域最早實(shí)現(xiàn)工程化落地的成熟技術(shù)。所以，我們把會(huì)議轉(zhuǎn)寫作為首要切入的場(chǎng)景之一。
外界一直誤解進(jìn)門是個(gè)開會(huì)平臺(tái)。其實(shí)路演只是“抓手”，真正的目標(biāo)是用它構(gòu)建生態(tài)，深度服務(wù)投資者。
圍繞上市公司，我們做了IR（投資者關(guān)系） SaaS系統(tǒng)；圍繞券商研究所，推出了全場(chǎng)景統(tǒng)一研究系統(tǒng)，涵蓋了會(huì)議安排、調(diào)研活動(dòng)、客戶管理、員工管理、合規(guī)管理、數(shù)據(jù)統(tǒng)計(jì)分析等。面向?qū)I(yè)投資者，我們則打造了AI投研工作臺(tái)。
雷峰網(wǎng)：這些服務(wù)聽起來都是圍繞“會(huì)議”這個(gè)場(chǎng)景展開的。但現(xiàn)在的會(huì)議工具已經(jīng)很多了，進(jìn)門做的和別人有什么不一樣？
程建輝：最大的不同在于，進(jìn)門不是一個(gè)通用的會(huì)議連接工具，而是一個(gè)垂直于金融領(lǐng)域的AI投研入口。
普通工具解決的是“怎么開好會(huì)”——音視頻流暢、共享清晰；進(jìn)門是在這個(gè)基礎(chǔ)上，解決“開完會(huì)留下了什么”以及“如何讓會(huì)議服務(wù)于投資決策”。
我們?cè)谕堆袝?huì)議的全流程嵌入AI：會(huì)前自動(dòng)梳理相關(guān)研報(bào)與數(shù)據(jù)，會(huì)中可隨時(shí)向AI提問獲取背景，AI無法解答時(shí)再舉手與分析師或高管直接交流；會(huì)后通過調(diào)優(yōu)后的金融轉(zhuǎn)寫模型，自動(dòng)生成帶思維導(dǎo)圖的紀(jì)要、提煉章節(jié)，并提取問答環(huán)節(jié)的財(cái)務(wù)指標(biāo)，方便用戶復(fù)盤研究。
騰訊戰(zhàn)投后，我們與騰訊會(huì)議實(shí)現(xiàn)互聯(lián)互通，客戶可以在進(jìn)門、騰訊會(huì)議多端接入，擁有輕量化的會(huì)議體驗(yàn)。
另外，我們推出了AI會(huì)議托管，將Zoom、騰訊會(huì)議等鏈接丟給機(jī)器人，即可自動(dòng)錄制并生成紀(jì)要。這些紀(jì)要都會(huì)沉淀在用戶云文檔里，成為個(gè)人數(shù)據(jù)資產(chǎn)。
音頻轉(zhuǎn)寫同樣經(jīng)過金融模型深度調(diào)教，在人名、術(shù)語、數(shù)字上達(dá)到專業(yè)投資者所需的高準(zhǔn)確率。簡(jiǎn)言之，別的工具是把線下會(huì)議搬到線上，而進(jìn)門是把每一次會(huì)議變成一次數(shù)據(jù)價(jià)值挖掘的過程。
雷峰網(wǎng)：據(jù)說你們還做了會(huì)議錄音的智能硬件？這在金融Agent廠商身上似乎不太常見。這兩年P(guān)laud很火，進(jìn)門的錄音硬件和Plaud那類產(chǎn)品有什么本質(zhì)區(qū)別？
程建輝：錄音硬件（Finnote AI小餅干錄音機(jī)）是進(jìn)門生態(tài)的一部分。主要目標(biāo)是補(bǔ)齊線下溝通場(chǎng)景，解決手機(jī)錄音質(zhì)量不佳、容易被打斷、待機(jī)時(shí)間有限的問題，同時(shí)在錄音結(jié)束自動(dòng)處理數(shù)據(jù)。
上市公司每天迎來送往十幾波投資者，聊完還得一個(gè)個(gè)翻錄音、對(duì)名片，根本搞不清誰是誰。
2025年初產(chǎn)生了這個(gè)想法，年中立項(xiàng)，10月份發(fā)貨，一個(gè)季度就出來了。我們找了硬件廠家ODM，軟件全部是我們自己做的，一起設(shè)計(jì)，他們把我們的想法實(shí)現(xiàn)?，F(xiàn)在市場(chǎng)反響很熱烈，客戶特別喜歡。
雷峰網(wǎng)：AI+投研通常讓人想到量化選股或智能研報(bào)，投資者關(guān)系這個(gè)細(xì)分賽道相對(duì)不那么常見。進(jìn)門投入精力做IR SaaS，具體解決什么問題？
程建輝：解決三個(gè)具體問題。一是建立與買方市場(chǎng)的溝通橋梁，給上市公司做IR網(wǎng)站、管理私有數(shù)據(jù)；二是通過平臺(tái)用戶行為分析，幫助上市公司挖掘潛在投資人——比如誰看過你的公告、誰參加過你的會(huì)；三是打通溝通行為和股東數(shù)據(jù)，追蹤“誰最終買了股票”這個(gè)核心轉(zhuǎn)化指標(biāo)。
以前上市公司IR（投資者關(guān)系）是個(gè)糊涂賬，每天迎來送往很多投資人，聊完搞不清楚誰是誰、聊了什么。我們實(shí)現(xiàn)從會(huì)議管理、重點(diǎn)投資人篩選、投關(guān)資料庫、投關(guān)報(bào)告與股東分析等全流程數(shù)字化。這個(gè)系統(tǒng)在國內(nèi)是首創(chuàng)，年收入數(shù)千萬，已經(jīng)有1000多家付費(fèi)客戶。
雷峰網(wǎng)：行業(yè)里一些投研AI還是以基本面、資金面、診股選股這樣的場(chǎng)景切入，進(jìn)門對(duì)AI的設(shè)計(jì)思路是怎么考慮的？
程建輝：研究的本質(zhì)是基于事實(shí)和數(shù)據(jù)，加上思維鏈推導(dǎo)，最后得出觀點(diǎn)。所以我們的設(shè)計(jì)思路是，通過數(shù)據(jù)治理和信號(hào)涌現(xiàn)這兩層，給用戶做結(jié)果交付。
這個(gè)過程中有個(gè)問題：現(xiàn)在很多人只關(guān)注觀點(diǎn)，其他東西都被忽略掉了，比如思維鏈。AI只能靠自身的涌現(xiàn)能力給你回答，但研究員在實(shí)際投研工作中，有很多自己的想法，對(duì)于同一個(gè)事實(shí)數(shù)據(jù)會(huì)得出不同的結(jié)論。
進(jìn)門投研大腦，支持用戶創(chuàng)建自己的思維鏈，在這個(gè)基礎(chǔ)上調(diào)用垂域Multi-agent。你可以把自己的研究方法論表達(dá)出來，比如你怎么研究周期股，把整個(gè)邏輯思維鏈寫清楚，存進(jìn)去。以后再問AI相關(guān)問題時(shí)，它就會(huì)調(diào)用你那個(gè)周期股的研究框架。
還可以讓AI從研報(bào)里提取思維鏈，提取完研究員可以在上面再改，根據(jù)自己的想法調(diào)整怎么看這家公司。調(diào)整完馬上可以用模型測(cè)評(píng)打分。我們用模型交叉打分，看這個(gè)思維鏈到底好不好。
可以理解成，Prompt加上SOP流程，再加上底層數(shù)據(jù)調(diào)用。你的需求、方法論、工作經(jīng)驗(yàn)越具體，反饋效果就越好。
AI的回答總是有點(diǎn)“騎墻派”的意思，我們希望用戶能很輕松簡(jiǎn)單地去分析，去得出自己獨(dú)有的結(jié)論。
雷峰網(wǎng)：進(jìn)門的AI工具已經(jīng)很全面了，資料扔進(jìn)去套用舊研報(bào)的思維鏈，出來的又是新的研報(bào)，這個(gè)時(shí)候人類分析師的價(jià)值是什么？
程建輝：那就沒有價(jià)值了呀（笑）。AI確實(shí)在某些能力上比人厲害，但現(xiàn)階段，AI的思維能力還不及頂級(jí)人類投資者。AI本質(zhì)上是用函數(shù)模擬世界，做統(tǒng)計(jì)學(xué)上的概率猜測(cè)，表現(xiàn)好了我們叫它“涌現(xiàn)”，表現(xiàn)不好叫“幻覺”。
工業(yè)革命讓腦力勞動(dòng)者成為主流，AI時(shí)代里，普通腦力勞動(dòng)者也會(huì)被替代。會(huì)議紀(jì)要、簡(jiǎn)單總結(jié)、PPT制作這些例行工作，交給AI又快又好，如果水平較低的分析師能力就停留在做這些工作上，那確實(shí)有被替代的風(fēng)險(xiǎn)。但懂得思考、提問，懂得去跟AI交互的人，肯定更有價(jià)值。有想法的人，總是稀缺的。
雷峰網(wǎng)：但畢竟不是每個(gè)人都是頂級(jí)分析師。
程建輝：恰恰因?yàn)楹芏嗳瞬皇琼敿?jí)分析師、專業(yè)研究員，思維鏈這個(gè)功能反而能幫他們提升上限。
其實(shí)每個(gè)人每天都在做研究工作——腦子里想問題，想把一件事研究清楚，這就是研究。只是有的人方法論成熟，有的人沒那么系統(tǒng)。思維鏈這個(gè)東西，就是把你的思考過程結(jié)構(gòu)化、表達(dá)出來。
我們希望通過這個(gè)形態(tài)，讓大家生產(chǎn)出不同的思維鏈。這些思維鏈可以私有，自己用；也可以貢獻(xiàn)出來，給別人參考。
未來高水平研究人員的思維鏈，可以被付費(fèi)訂閱。比如一個(gè)很牛的分析師，他研究周期股的方法論寫成了思維鏈，或許平臺(tái)可以幫他分發(fā)變現(xiàn)，別人花199塊錢就能訂閱使用。
中國有2億股民、7億基民，這些專業(yè)AI能力能把普通投資者的能力提升到一個(gè)新臺(tái)階，直白點(diǎn)說，至少不會(huì)那么容易被割韭菜了。
雷峰網(wǎng)：AI能替代人類分析師的部分很明確了，不能被替代的部分是什么？比如某些分析師對(duì)市場(chǎng)的“直覺”？
程建輝：現(xiàn)實(shí)市場(chǎng)并非100%有效，會(huì)存在信息孤島、小樣本信息，也會(huì)存在傳播延遲和解讀效率的問題，AI無法吃掉所有信息。AI不可能完全捕捉市場(chǎng)的 “漏洞和機(jī)會(huì)”。但這正是人的機(jī)會(huì)，分析師的機(jī)會(huì)。
尤金·法瑪?shù)挠行袌?chǎng)理論，講的是如果股價(jià)真的反映所有信息，價(jià)格和價(jià)值應(yīng)該完全一致。但事實(shí)上，市場(chǎng)沒有我們想象得那么“聰明”。如果真的有一天，AI真的能吃進(jìn)去所有的信息，成本和代價(jià)會(huì)非常巨大，再用它來解決投研問題，已經(jīng)不劃算了。
雷峰網(wǎng)：思維鏈可以這樣“傳播”出去，會(huì)不會(huì)像量化投資那樣導(dǎo)致“信號(hào)擁擠”，策略失效？
程建輝：不會(huì)。因?yàn)槭袌?chǎng)能形成交易，就是因?yàn)橛胁灰粯拥南敕?。即使事?shí)和數(shù)據(jù)都很明確，仍然有人看多，有人看空。
如果全部看多或全部看空，就沒有交易了，沒有對(duì)手盤。單邊行情即使短暫出現(xiàn)，拉長看也會(huì)回到相對(duì)均衡的狀態(tài)。最終還是看價(jià)格，多少價(jià)格才算是“好”？
這里沒有絕對(duì)的答案。
雷峰網(wǎng)：AI時(shí)代可以賣的不光是信息，更可以賣方法論、賣知識(shí)框架。
程建輝：思維方式、方法論都是可以共享和商業(yè)化的。比如，我在進(jìn)門筆記里的思維鏈，可以分享給好朋友、重要客戶。他調(diào)用AI的時(shí)候，既可以調(diào)底層數(shù)據(jù)，又能調(diào)我的思維鏈，以及他自己的思考方法。
AI時(shí)代的很多內(nèi)容和產(chǎn)品交互結(jié)構(gòu)不是給人看的，是給AI看的。過去SaaS軟件做的都是復(fù)雜圖形界面，給人點(diǎn)擊、給人看，現(xiàn)在不需要那么多圖形界面，年前硅谷SaaS那波下跌行情和這個(gè)也有關(guān)系。
雷峰網(wǎng)：這是不是意味著，在AI時(shí)代，設(shè)計(jì)邏輯已經(jīng)完全改變了，軟件的首要用戶不人類，而是AI本身？
程建輝：未來的趨勢(shì)是人機(jī)協(xié)同，AI會(huì)是首要執(zhí)行者，但人類仍然要掌控判斷、創(chuàng)意、關(guān)鍵決策。人只需要把思維鏈（思考方法）表達(dá)出來，剩下的讓AI去組合、去執(zhí)行。
所以，軟件的設(shè)計(jì)邏輯，要從人類交互優(yōu)先，轉(zhuǎn)向AI原生能力優(yōu)先，不管是底層架構(gòu)、數(shù)據(jù)接口，還是執(zhí)行流程，首要適配AI Agent的自動(dòng)化調(diào)用，而非人類手動(dòng)操作。
現(xiàn)在AI新名詞特別多，F(xiàn)unction call、MCP Server、Sub Agent什么的，本質(zhì)上都是在解決Agent與工具的交互問題。我們希望給AI大腦思考的能力，再加上人類的思維表達(dá)能力。
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))：從“給人看”到“給AI看”，軟件的范式轉(zhuǎn)移會(huì)不會(huì)遇到阻力？
程建輝：很多人確實(shí)還停留在過去軟件使用的圖形界面思維范式里。但實(shí)際上已經(jīng)在往AI幫干活、對(duì)話式交互的方向變化。
比如紀(jì)要、研報(bào)，其實(shí)都不需要表達(dá)出來給人看，直接AI讀、理解、輸出就完了。但金融行業(yè)的一些用戶，使用習(xí)慣確實(shí)沒那么容易改變，比如網(wǎng)絡(luò)通話更好，有些人還是喜歡打電話，所以我們還留了一點(diǎn)“尾巴”，讓習(xí)慣圖形界面的用戶還能用，但希望逐步全部收到AI的對(duì)話框里處理，只留幾個(gè)Tab。
雷峰網(wǎng)：大模型這股熱潮出現(xiàn)之前，已經(jīng)有AI+投研/投顧的技術(shù)方案了，現(xiàn)在進(jìn)門做的事情，還可以怎么進(jìn)一步幫助人類做判斷、提高決策效率？
程建輝：先用量化投資的事件回測(cè)，驗(yàn)證驅(qū)動(dòng)信號(hào)（如供給側(cè)變化），比如歷史上類似情況股價(jià)怎么走，是真有效還是假有效。再結(jié)合基本面與專業(yè)投研信息，輸出多空判斷、驅(qū)動(dòng)類型、關(guān)聯(lián)個(gè)股，實(shí)現(xiàn)市場(chǎng)信號(hào)的快速捕捉。
現(xiàn)在信息太多了。好在AI的信息吞吐能力很強(qiáng)，第一時(shí)間獲得信息，幾十秒或一分鐘內(nèi)處理完，涌現(xiàn)信號(hào)。
但在過去，一個(gè)事件發(fā)生，分析師馬上組織專家會(huì)議討論、形成觀點(diǎn)，這個(gè)過程至少幾小時(shí)，甚至幾天，整個(gè)流程非常低效。
雷峰網(wǎng)：要實(shí)現(xiàn)這個(gè)功能，底層聽起來非常復(fù)雜。
程建輝：處理海量信息、識(shí)別和理解事件信號(hào)，工程難度很高。要讓AI像頂級(jí)分析師那樣思考問題，同時(shí)要保證底層數(shù)據(jù)干凈、真實(shí)。
我們做了很多底層的創(chuàng)新，比如AI進(jìn)寶的架構(gòu)，上下文感知與意圖對(duì)齊、異構(gòu)信息動(dòng)態(tài)檢索、遞歸式假設(shè)驗(yàn)證，不是簡(jiǎn)單的React那種方式。
雷峰網(wǎng)：目前進(jìn)門的“進(jìn)度條”，走到了您預(yù)期的哪個(gè)階段？
程建輝：在數(shù)據(jù)治理上，進(jìn)門已經(jīng)做得比較扎實(shí)了。在信號(hào)挖掘上，我們也上線了事件信號(hào)等能力。
信號(hào)涌現(xiàn)是一個(gè)逐步推進(jìn)的過程：第一，識(shí)別并捕捉信號(hào)，初步判斷其影響方向；第二，進(jìn)一步明確信號(hào)對(duì)股價(jià)的影響程度；第三，嘗試定量表達(dá)這種影響。比如，當(dāng)某個(gè)事件發(fā)生后，AI分析師可以快速推演，將目標(biāo)股價(jià)從50元調(diào)整至60元，給出初步的定價(jià)判斷。
當(dāng)然，定價(jià)本身并不容易。不同模型基于各自的假設(shè)，得出的目標(biāo)價(jià)也可能存在差異。這也正是投研的復(fù)雜性和深度所在。
雷峰網(wǎng)：在模型的選用上，進(jìn)門是怎么考慮的？Token消耗是不是成本大頭？
程建輝：最開始我們也做過一段時(shí)間自研，做SFT（監(jiān)督微調(diào)）和強(qiáng)化學(xué)習(xí)，跟一家大模型廠家合作過。后來發(fā)現(xiàn)了一些問題，就調(diào)整了方向。
我們的定位是應(yīng)用型公司，不是做基座大模型的。把應(yīng)用做好，特定場(chǎng)景的小模型做好，大小模型耦合使用就足夠解決問題了?；c(diǎn)時(shí)間做工程方法立竿見影，比把所有資源投入基座模型訓(xùn)練更經(jīng)濟(jì)、更劃算。作為創(chuàng)業(yè)者，要追求資源投入最大化。
目前我們接入了多個(gè)基座大模型，不是一家。把模型架構(gòu)結(jié)構(gòu)化了，不同任務(wù)用不同模型。根據(jù)模型工程方法的體系，不斷調(diào)優(yōu)，每個(gè)步驟根據(jù)需要選擇不同模型——有些模型推導(dǎo)推理很強(qiáng)，有些泛化能力很強(qiáng)，各有優(yōu)劣勢(shì)。
Token消耗量其實(shí)還好。整體技術(shù)開支確實(shí)比較大，不過還在可承受范圍內(nèi)。出于對(duì)安全的考慮，用國內(nèi)的模型會(huì)多一點(diǎn)，個(gè)別部分在保障數(shù)據(jù)安全的基礎(chǔ)上，考慮用境外模型提高性能。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
