來源：遠川科技評論

作者：董指導

在經典金融電影《Margin Call》中，有一句關於金融行業的至理名言：要想謀生，就得“Be first、be smarter or cheat”，也就是領先、聰明、欺騙。

Cheat欺騙的案例太多了，旁氏、安然事件等等，不合法也不持續，就撇開不提。而First領先、Smart聰明，則可以從速度、深度等方面，建立信息優勢、認知優勢，從而獲得財富。因此，也是行業無數從業者孜孜追求的。

更領先、更聰明，貫穿着金融發展歷史，直到如今的信息爆炸時代，依然如此。這是一個令人着迷、卻又值得追求的話題。這背後是智慧的較量、人性的博弈、也是工具的比拼。尤其科技，在其中穿針引線、前驅後推，領先的科技工具，就像點金棒一樣。

最近連續刷屏的AI應用ChatGPT，更是被比爾蓋茨盛讚其影響“不亞於互聯網誕生”。谷歌、蘋果、百度、騰訊、阿裏等巨頭，也都相繼公佈產品規劃或技術儲備。

毫無疑問，AI科技對社會的影響是方方面面的，而不少讀者也表達了“賺錢痛點”：新技術會影響金融行業，爲投資帶來什麼改變嗎？工具的進化，是否會改變金融行業謀生的套路？痛點的問題，都值得琢磨一番。

First，先人一步、創造財富

在First方面，典型代表有羅斯柴爾德家族。

1815年6月18日，拿破崙軍隊在滑鐵盧遭遇慘敗，這條影響世界格局的消息，無疑價值萬金。300多公裏之外的倫敦皇家交易所裏，擁擠的投資者也在焦急等待，因爲滑鐵盧的戰績將極大影響英國國債的價格。羅斯柴爾德家族也深知這場戰爭的重要，而且也提前做好了預備。

一名在戰場外圍觀察的年輕人，在確認了英軍已經勝利後，就連忙騎上快馬，一路狂奔到了奧斯坦德港口，把消息傳給了在那裏整裝待發的、隸屬羅斯柴爾德家族的船隻。船隻駛離時，官方的信使纔剛剛從滑鐵盧啓程。

一天後，羅斯柴爾德就獲得了這個消息，倫敦的大臣們則在21日晚上11點才得知了戰況，比羅斯柴爾德足足晚了幾十個小時。

而早早獲得戰況的羅斯柴爾德，也來了一段“欲揚先抑”的“cheat表演”，在交易所內用痛苦的表情和拋售國債券的動作，讓投資者誤以爲英國戰敗了，引發了恐慌拋售潮。國債價格暴跌的同時，羅斯柴爾德卻又悄悄地將拋售的國債券盡收囊中。

到了22日，英國勝利的消息迅速傳遍全國，回過神的人們信心大增，國債價格也大幅反彈，羅斯柴爾德賺得盆滿鉢滿。當然，羅斯柴爾德先賣後買的“表演”，引起不少斥責。但撇開這一幕來看，羅斯柴爾德家族建立的“人肉情報網”，無論理念還是傳遞工具，都確實走在了時代的前列。

而在First領域孜孜追求的並不只是羅斯柴爾德家族，整個金融行業都朝着這個目標奔跑。1837年，電報問世；1876年，電話誕生。金融行業都是新發明的率先使用者。

美國紐約通過瘋狂修建電報網絡、紐交所也早早安裝了電話系統，幾百公裏之外的船運價格、大豆信息，都可以在幾分鐘之內就獲取，紐約的投資人充分享受着First的便利，而紐約也逐步奠定了金融中心的地位。

1980s年代開啓的計算機和互聯網大潮，更是將“快”變得更快。1991年1月17日凌晨2時，美國向巴格達發射了第一批“戰斧”導彈，並準確擊中各個戰略目標。同樣是戰爭，而此時的戰報信息，即使傳遞到幾萬公裏之外，也只需要幾秒鐘。

2009年，一條從芝加哥到新澤西的光纖通道鋪設完成，耗資3億美元，僅僅爲了讓兩地的信號傳輸從16毫秒縮短到13毫秒。而這條光纖的月租費高達30萬美元，卻依然被200家高頻交易機構瘋搶。因爲，3毫秒的First，得到的是更多的財富。如今比拼速度甚至到了微秒。

消息獲取的First，有根內幕消息的紅線成爲終點線；而交易速度的First，則越來越內卷，競爭慘烈。於是，越來越多的目光瞄向了Smart。

Smart，思考更深、點石成金

在金融市場，買賣雙方互道SB的事情頻繁發生，對同一個信息做出不同判斷，差別就在於誰更Smart，認知更深刻、更貼近客觀未來。

而Smart的案例裏，一定少不了電影《大空頭》的原型，那一小羣提前預判了2008年美國次貸危機、並通過做空獲利的投資人。

2007年之前，美國房地產價格異常堅挺、永遠漲的理念深入人心，就連美聯儲主席伯南克也聲稱，從未遇到過全國性的下跌。但還是有人產生了不同的想法。投資人Paulson的團隊，做了大量基礎的研究，最終匯制了一張圖表：美國房價指數。

他們發現，剔除通脹後的房價，走勢很有規律、很穩健：從1975年到2000年，年均漲幅只有1.4%左右。

但2001年起，漲幅大幅提升，到了7%，這就導致現在房價和歷史趨勢線出現了大幅偏離。而如果房價重新回到趨勢線上，那麼調整幅度最大可以達到40%。

這幾根簡單的線條，不懂的人認爲一文不值；懂的人則知道價值萬金。而“房價偏離歷史趨勢”的跡象，在暢銷書《非理性繁榮》中也給予了說明和警示，但大部分人在資產上升中選擇忽視，甚至大部分人並沒有讀到這些。

那些更Smart的一小羣人，有的認真分析了詳盡的抵押貸款數據；有的則直接去樓市調研，甚至親臨夜店，發現連一個脫衣舞娘都花5%首付，買了五套房子。

這些歷史趨勢擬合、現有數據分析、田野調研等等，都指向了一個觀點：樓市存在誇張的泡沫。而相信這個觀點的投資人們，忍受着同行異樣的眼光、以及等趨勢改變的忍耐，最終，獲得了一大筆財富。

類似的案例還有很多，巴菲特在2000年科技泡沫中因爲堅守不碰納斯達克，被輿論一頓嘲諷不懂科技公司，卻躲過了大跌；而2016年巴菲特投資蘋果公司時，又被輿論嘲諷不懂科技，選了一個失去創新力的公司，結果蘋果開啓了上漲六七倍之旅。巴菲特的例子證明，只要腦子夠好，什麼時候買科技股都不晚。

要夠Smart，除了天賦之外，也有科學性，比如路徑可以分爲：獲取充足的信息原材料、進行去僞去粗等分析、理解關鍵節點、做出正確又高效的決策、找到合理的實施方案等等。

但這並不容易實現，尤其普通人，往往倒在“原材料”這個起點。

在1980年代，電子化尚未普及時，投資者獲取上市公司財務數據，就不容易，需要付費訂閱；而且各類目數據紛雜其中，整理就是個體力活。專業投資人的辦公桌上也是電話，和一摞摞白紙，寫上代碼、數據、邏輯、交易計劃等等。而即使在1990年代，我國依然有一批手動繪製K線的投資者。

隨後證券數據電子化，K線是不用手動畫了，但獲取財報，依然是門檻。而且，投資品種大幅涌現，幾百種商品期貨、單一市場就有五六千家的上市公司、近萬隻債券、以及每秒都有成百上千涌現的全球資訊，專業投資人也難以招架。

如何讓Smart普惠？既有羣衆需求，也有商業價值。因而，在美國誕生了彭博終端；在中國有了軟件Wind等。

在終端或軟件裏，可以及時接收到全球金融資訊；更重要的是，這些軟件將財報等浩瀚數據，進行電子化、結構化處理，各種類目詳盡清晰，同比、環比等數據趨勢也可以輕鬆生成，不同公司之間的對比，也只需要鼠標點一點就可以實現。更有股東、盈利預測、交易數據等等維度的信息，讓用戶輕鬆知道些什麼。

這些工具的誕生，不僅降低了整理原始材料的繁重精力消耗，也提供了更廣闊更多維的視野。但就像自行車普及、出行速度整體提高時，有人就又開上了汽車。在Smart的比拼上，遠遠沒有結束。

AI，知識管家、決策更佳

當AlphaGo先後戰勝了人類圍棋天花板的李世石、柯潔等人之後，人們便越來越糾結一個問題：人類創造的AI，是不是會比人類更聰明Smart？

先不說AI是否更聰明，但肉眼可見的是，無論實業，還是投資人，面臨的信息環境正越來越複雜。

投資品種大幅增加，跨市場聯動越來越明顯，各種產業新技術、新趨勢鋪面而來，突發事件層出不窮卻需要快速分析影響，調研紀要、網絡信息、甚至UP主的視頻，都可能蘊藏着機遇和風險。24小時不停的信息和6小時睡眠的人類之間，矛盾越來越深。

而更重要的是，無論做投資決策、還是商業判斷，擺在面前的，不只有結構化的財務數據，還有大量非結構化的信息。零碎的數據、文本信息，都必須形成知識，才能輔助決策。而此時，不只是人，就連傳統金融工具，也難以招架。

這種情況下，AI可以不吃不喝、24小時連軸轉，擁有超強算力、以及不斷提升的神經網絡，顯然更能勝任：可以從基礎數據、深度圖譜關係、業務場景應用、智能助手等四個層次輔助價值判斷。

而早在2011年，美國一位分析師Jack Kokko，就開始了金融AI的探索。

Jack曾在摩根士丹利當分析師，後來辭職創業創辦了一家材料公司。在企業經營中，Jack發現，要找一些非股價之類的信息，還真不容易：魚龍混雜、破碎零散。於是，Jack創建了AlphaSense，用AI技術來實現知識的快速構建。這個工程也可以粗糙地分爲“四個環節”：

首先，AlphaSense自建了一個龐大的數據庫，原材料充足：包括研究監管文件、研究報告、報紙期刊、媒體資源、新聞事件、電話會議紀要等等。

隨後，通過AI對信息進行分析、重點標註，從而提煉出最核心的信息，以圖表、文字、圖片等方式呈現。與此同時，用戶可以對相關信息進行各種組合，得到自己想要的方案。

考慮到金融行業的特殊性，對時效要求高、專業術語也很多，於是，AlphaSense投入人力、財力，搭建了專業的金融語言分析模型，並針對投資場景，開發了特定工具來快速挖掘隱藏在文本中的信號。

這套系統，不僅可以分析市場情緒，也通過NLP自然語言等技術，可以實現信息重要性排序、多主題聚類比較分析等功能。

一個更重要的角度是，信息搜尋方式也發生了變化。傳統的金融工具，具備一定的專業性，用戶需要對界面、對分類有一定了解，或者花時間來了解。然而，AlphaSense讓搜索，從你要知道的，變成了，你想知道什麼？只需要在搜索框中，以更自然、開放的提問方式，就可以快速獲得答案，使用門檻也大幅降低。

AlphaSense在2022年獲得了高盛旗下投資公司和維京全球投資公司的D輪投資，2.25億美元對應着17億美元的估值。而AlphaSense的客戶數量、類型都不斷豐富，覆蓋了標普100公司中的85%、大型資產管理公司的75%、知名諮詢公司的80%、大型醫藥公司的前20家，就連科技公司谷歌、微軟也都在使用公司產品。

AlphaSense通過“語義搜索引擎+交互協作的知識管理系統”，把金融工具變得更像知識管家。而在國內也涌現了文因互聯、數庫、知未智能等科技公司，知未也在用AlphaSense產品邏輯+ChatGPT技術路線進行探索。

AI，將First、Smart普惠，又往前推了一步。

尾聲

金融科技領域，有一個觀點，認爲行業正經歷從“農業形態”、“礦業形態”向“工業形態”演進的過程。

“農業形態”，是依靠人力從公開渠道裏找到數據，就像在田裏種地一樣，受限於人力和方式，很難大規模發展；“礦業形態”，通過技術、工具，將現有的結構化數據，例如財務數據，從財務報表等固定場所“開採”出來，再通過整理編排，形成更有價值的內容。

而“工業形態”，則要求能夠將各種對決策有關的信息，進行標準化處理，形成足夠細的知識“零件”，繼而進行規模化、多樣化的生產組合。

正如福特的“流水線”加速了汽車的普及和汽車工業的發展，普遍提高了所有人的通行速度；而信息工具“工業化”也會加速Smart的普及。ChatGPT，把AI從“分析型”，提升到了“生成型”，更是加速着科技浪潮。

科技發展，推動First、Smart普惠，那麼，會讓投資賺錢更容易嗎？

可以看到，工業化提升了人類普遍的生活水平，但也並沒有讓全球同享一份幸福，命運悲喜依然並不能完全相通。而金融工具的工業化、AI化，就像掃盲工作提升平均知識素養一樣，普遍提升人們的知識獲取便捷性，但也許依然並不能讓全球共享財富增值的快樂。

但毫無疑問的是，工業化帶來了整體效率提升；而金融工具的工業化、AI化，則把人們從類似信息搜尋、整理等簡單重複“腦力體力勞動”的苦海中脫離出來，擴展人們的智力、更專注有創造力的工作。

不只限於金融，也包括商業，甚至全社會，都迎來一場信息領域基礎設施的變革，一次精準信息獲取效率的躍升。這也就是科技的意義：讓各個領域更高效、讓社會更美好。