這兩天，中國國際交流中心副理事長朱民在2023夏季達(dá)沃斯論壇上說，“炒股炒不過機(jī)器人是很正常的”。

基金經(jīng)理，算得上金融行業(yè)金字塔尖的工種之一，這活要也能被A“肝”掉了，那金融人是不是更得戰(zhàn)戰(zhàn)兢兢？

說實(shí)話，人工智能在金融領(lǐng)域的應(yīng)用根本不是新話題。我記得早在2004年，剛進(jìn)McGill大學(xué)念金融博士那個古早年代，我?guī)熜志驮谘芯苛炕沂矣咽怯嬎銠C(jī)系的，他們實(shí)驗(yàn)室就在替摩根斯坦利做神經(jīng)網(wǎng)絡(luò)的交易策略。

(相關(guān)資料圖)

這些年被頻繁熱炒的高頻交易、量化交易、智能投顧，都是AI在金融領(lǐng)域的應(yīng)用——畢竟，金融是最早有“大數(shù)據(jù)”，還有雄厚資金實(shí)力做研發(fā)的行業(yè)。

前兩天跟一個資深的大牛程序員聊天，他也直言，目前國內(nèi)最有希望做大模型的，一個是做云的團(tuán)隊，一個就是搞科技金融的團(tuán)隊——這種底層技術(shù)的研發(fā)，是真正考驗(yàn)實(shí)力，包括技術(shù)能力、資金實(shí)力和人員、數(shù)據(jù)儲備的。

但朱民老師的話倒也不是空穴來風(fēng)。

今年3月ChatGPT4.0版本的大火其實(shí)意味著，人工智能進(jìn)入了一個“通用”時代——

所謂“通用”，我的理解是，更接近人類那種“多線程交互”的思考模式，會在海量信息中主動尋求內(nèi)在邏輯，進(jìn)行推演，得到結(jié)論。某種意義上，這讓“人工智能”向“人”的方向邁進(jìn)了一大步。

但是，這種人工智能和我們所理解的“人”不一樣的地方在于：

第一，它（他？她？）的信息儲存量、搜尋和計算速度，都和我們差異巨大——可以說得上是天壤之別。

第二，人類的成長和認(rèn)知進(jìn)化是基于“清零”這個模式的——所有嬰兒出生都需要從頭開始學(xué)起。盡管我們知道人類社會的知識是累積的，但對個體而言，都是從零開始——能實(shí)現(xiàn)長期線性增長都極其了不起。

但AI不是，所有AI的知識累積幾乎可以100%在上一代的基礎(chǔ)上迭代——這是真正意義上的“幾何級數(shù)增長”。

我們都聽過那個國王與麥粒的故事，古印度國王要獎賞象棋發(fā)明者達(dá)依爾，達(dá)依爾要求以指數(shù)方式在棋盤上放麥粒：第一格一粒，后面每格雙倍。國王覺得要求很簡單，但是操作以后發(fā)現(xiàn)，到了棋盤的最后一格，就算把全國的糧食都拿出來還不夠，這樣的幾何級數(shù)增長的力量是驚人的。

更讓人驚懼的是，“知識”是具有外溢性的，會創(chuàng)造出很多“巨大數(shù)量”之外的變化。舉個簡單例子，2020年，麻省理工學(xué)院宣布發(fā)現(xiàn)了一種新的抗生素，叫Halicin，就是通過用數(shù)據(jù)訓(xùn)練AI找到的。這種抗生素能殺死對現(xiàn)有的抗生素已經(jīng)產(chǎn)生耐藥性的細(xì)菌，還不會讓細(xì)菌產(chǎn)生耐藥性。當(dāng)時，研究人員只是提出了具體的目標(biāo)，然后把已有數(shù)據(jù)訓(xùn)練AI，AI就自己總結(jié)了一套"什么樣的分子能抗菌"的規(guī)律，并在海量的數(shù)據(jù)中自行匹配找到目標(biāo)，而這個規(guī)律甚至連科研人員也搞不明白。

這個邏輯也是未來很多垂直領(lǐng)域AI的發(fā)展方向——

比如說2023年，彭博社（Bloomberg）發(fā)布了專門為金融領(lǐng)域打造的大型語言模型(LLM)——BloombergGPT。

彭博社是全球最大的財經(jīng)資訊公司，在公司成立的40年的時間里，收集了海量的金融市場數(shù)據(jù)，擁有廣泛的金融數(shù)據(jù)檔案，涵蓋一系列的主題。使用彭博社公司數(shù)據(jù)終端的客戶遍布全球，包括交易員、投行、美聯(lián)儲、美國其他官方機(jī)構(gòu)以及全球各大央行等。

八卦一句，彭博社的老板Michael Bloomberg，是著名的億萬富翁，前紐約市長，在2018年還曾高調(diào)宣布要參與2020年的總統(tǒng)競選——

你也可以看出，金融數(shù)據(jù)本身就是巨大的財富源泉。

現(xiàn)在彭博社據(jù)說已經(jīng)開發(fā)了擁有500億參數(shù)的語言模型BloombergGPT。

按照ChatGPT目前的用途，我們可以大致推演一下BloombergeGPT具體能做什么:

金融新聞報道：可以生成高質(zhì)量的金融新聞報道，提供即時的市場分析和評論。

客戶服務(wù)與智能助手：用于客戶服務(wù)和智能助手，回答用戶的金融問題。

金融研究與分析，同時作出相關(guān)投資決策。

前兩點(diǎn)大家都沒有異議。但關(guān)于第三點(diǎn)引發(fā)了很多討論——

有些人認(rèn)為，BloombergGPT不僅可以幫助我們做金融決策，甚至他們的投資決策比我們?nèi)祟惛谩?/p>

朱民老師那句“炒股超不過機(jī)器人”大概就是這個思路下的產(chǎn)物——

想想也是啊，絕大部分金融分析師不就是研究歷史數(shù)據(jù)，挖掘規(guī)律，做出預(yù)測么？

那現(xiàn)在BloombergGPT擁有幾乎所有上市企業(yè)的歷史財務(wù)數(shù)據(jù)、股價波動數(shù)據(jù)，甚至還能隨時提取媒體中的輿論數(shù)據(jù)來判斷市場的情緒——而且這些計算都可以在極短時間內(nèi)完成，那它快速形成對一個市場的綜合判斷，也確實(shí)不是問題啊，而且還能糾正人類在面對大量數(shù)據(jù)時可能存在信息過載和主觀偏見的問題。

所以，從數(shù)據(jù)處理的角度來看，BloombergGPT在金融投資決策方面比人強(qiáng)多了。讓AI來代替我們炒股，確實(shí)應(yīng)該好得多。

但是，別忘了關(guān)于金融市場有一個著名的笑話。

曾經(jīng)有人試過，讓幾個著名金融分析師和幾個大猩猩選股（大猩猩就隨機(jī)扔飛鏢），結(jié)果發(fā)現(xiàn)雙方打個平手——誰也沒有比誰強(qiáng)。

這意味著什么？金融是一個關(guān)于未來、關(guān)于預(yù)期的行業(yè)，所謂“用歷史數(shù)據(jù)做預(yù)測”并不是使用歷史數(shù)據(jù)做預(yù)測，而是用歷史數(shù)據(jù)中的信息來幫助自己做判斷——

換句話說，投資決策在很大程度上，不是算術(shù)，而是藝術(shù)。

這不是說算法、模型、算力不要緊，而是說，它們不能BEAT（打敗）真正的頂尖投資高手，因?yàn)楦呤种猿蔀楦呤郑?strong>是因?yàn)槟切安豢删幋a”的直覺，靈感，甚至勇氣，也就是那些蘊(yùn)藏在復(fù)雜的神經(jīng)元之間，但尚未被具象成文字、圖片、公式的人類知識（或者說，未來人類知識）。

所以，AI炒股比人強(qiáng)，這句話本質(zhì)上是個偽命題。

“人”是一個抽象概念，張三李四王五麻子，都是人。

即使沒有AI，散戶炒股賠錢的概率也比賺錢的概率大得多，全世界皆然。這也是為什么“專業(yè)理財機(jī)構(gòu)”興起的背景所在。

但AI確實(shí)會沖擊到現(xiàn)有的專業(yè)理財機(jī)構(gòu)——機(jī)構(gòu)也是個抽象概念，由形形色色的人組成。截止今天AI發(fā)展的方向、速度來看，它會有兩個結(jié)果：消滅與分化。

一方面，很多專業(yè)機(jī)構(gòu)的基礎(chǔ)崗位（尤其是信息檢索、整理和基礎(chǔ)分析類的）確實(shí)會被替代——但凡“可編碼”的工作，以AI這種“幾何級數(shù)”的成長速度，都會陸續(xù)被干掉。

但另一方面，它們會賦能頂尖高手，就像給天才裝上“千里眼，順風(fēng)耳”一樣，拓展她（他）們的能力邊界。

所以我看到的金融行業(yè)的未來，包括基金經(jīng)理們的未來，是一個絕對分化的世界，頂尖機(jī)構(gòu)和頂尖人才得以管理更多資產(chǎn)，取得更高收益，而更多的業(yè)內(nèi)人，可能也會在一波接一波的“存量博弈”中優(yōu)勝劣汰，潮生潮落而去。

關(guān)鍵詞：