在经典金融电影《Margin Call》中，有一句关于金融行业的至理名言：要想谋生，就得“Be first、be smarter or cheat”，也就是领先、聪明、欺骗。

Cheat欺骗的案例太多了，旁氏、安然事件等等，不合法也不持续，就撇开不提。而First领先、Smart聪明，则可以从速度、深度等方面，建立信息优势、认知优势，从而获得财富。因此，也是行业无数从业者孜孜追求的。

更领先、更聪明，贯穿着金融发展历史，直到如今的信息爆炸时代，依然如此。这是一个令人着迷、却又值得追求的话题。这背后是智慧的较量、人性的博弈、也是工具的比拼。尤其科技，在其中穿针引线、前驱后推，领先的科技工具，就像点金棒一样。

最近连续刷屏的AI应用ChatGPT，更是被比尔盖茨盛赞其影响“不亚于互联网诞生”。谷歌、苹果、百度、腾讯、阿里等巨头，也都相继公布产品规划或技术储备。

毫无疑问，AI科技对社会的影响是方方面面的，而不少读者也表达了“赚钱痛点”：新技术会影响金融行业，为投资带来什么改变吗？工具的进化，是否会改变金融行业谋生的套路？痛点的问题，都值得琢磨一番。

First，先人一步、创造财富

在First方面，典型代表有罗斯柴尔德家族。

1815年6月18日，拿破仑军队在滑铁卢遭遇惨败，这条影响世界格局的消息，无疑价值万金。300多公里之外的伦敦皇家交易所里，拥挤的投资者也在焦急等待，因为滑铁卢的战绩将极大影响英国国债的价格。罗斯柴尔德家族也深知这场战争的重要，而且也提前做好了预备。

一名在战场外围观察的年轻人，在确认了英军已经胜利后，就连忙骑上快马，一路狂奔到了奥斯坦德港口，把消息传给了在那里整装待发的、隶属罗斯柴尔德家族的船只。船只驶离时，官方的信使才刚刚从滑铁卢启程[1]。

一天后，罗斯柴尔德就获得了这个消息，伦敦的大臣们则在21日晚上11点才得知了战况，比罗斯柴尔德足足晚了几十个小时。

而早早获得战况的罗斯柴尔德，也来了一段“欲扬先抑”的“cheat表演”，在交易所内用痛苦的表情和抛售国债券的动作，让投资者误以为英国战败了，引发了恐慌抛售潮。国债价格暴跌的同时，罗斯柴尔德却又悄悄地将抛售的国债券尽收囊中。

到了22日，英国胜利的消息迅速传遍全国，回过神的人们信心大增，国债价格也大幅反弹，罗斯柴尔德赚得盆满钵满。当然，罗斯柴尔德先卖后买的“表演”，引起不少斥责。但撇开这一幕来看，罗斯柴尔德家族建立的“人肉情报网”，无论理念还是传递工具，都确实走在了时代的前列。

而在First领域孜孜追求的并不只是罗斯柴尔德家族，整个金融行业都朝着这个目标奔跑。1837年，电报问世；1876年，电话诞生。金融行业都是新发明的率先使用者。

美国纽约通过疯狂修建电报网络、纽交所也早早安装了电话系统，几百公里之外的船运价格、大豆信息，都可以在几分钟之内就获取，纽约的投资人充分享受着First的便利，而纽约也逐步奠定了金融中心的地位。

1980s年代开启的计算机和互联网大潮，更是将“快”变得更快。1991年1月17日凌晨2时，美国向巴格达发射了第一批“战斧”导弹，并准确击中各个战略目标。同样是战争，而此时的战报信息，即使传递到几万公里之外，也只需要几秒钟。

2009年，一条从芝加哥到新泽西的光纤通道铺设完成，耗资3亿美元，仅仅为了让两地的信号传输从16毫秒缩短到13毫秒。而这条光纤的月租费高达30万美元，却依然被200家高频交易机构疯抢。因为，3毫秒的First，得到的是更多的财富。如今比拼速度甚至到了微秒。

消息获取的First，有根内幕消息的红线成为终点线；而交易速度的First，则越来越内卷，竞争惨烈。于是，越来越多的目光瞄向了Smart。

Smart，思考更深、点石成金

在金融市场，买卖双方互道SB的事情频繁发生，对同一个信息做出不同判断，差别就在于谁更Smart，认知更深刻、更贴近客观未来。

而Smart的案例里，一定少不了电影《大空头》的原型，那一小群提前预判了2008年美国次贷危机、并通过做空获利的投资人。

2007年之前，美国房地产价格异常坚挺、永远涨的理念深入人心，就连美联储主席伯南克也声称，从未遇到过全国性的下跌。但还是有人产生了不同的想法。投资人Paulson的团队，做了大量基础的研究，最终汇制了一张图表：美国房价指数。

他们发现，剔除通胀后的房价，走势很有规律、很稳健：从1975年到2000年，年均涨幅只有1.4%左右。

但2001年起，涨幅大幅提升，到了7%，这就导致现在房价和历史趋势线出现了大幅偏离。而如果房价重新回到趋势线上，那么调整幅度最大可以达到40%。

这几根简单的线条，不懂的人认为一文不值；懂的人则知道价值万金。而“房价偏离历史趋势”的迹象，在畅销书《非理性繁荣》中也给予了说明和警示，但大部分人在资产上升中选择忽视，甚至大部分人并没有读到这些。

那些更Smart的一小群人，有的认真分析了详尽的抵押贷款数据；有的则直接去楼市调研，甚至亲临夜店，发现连一个脱衣舞娘都花5%首付，买了五套房子。

这些历史趋势拟合、现有数据分析、田野调研等等，都指向了一个观点：楼市存在夸张的泡沫。而相信这个观点的投资人们，忍受着同行异样的眼光、以及等趋势改变的忍耐，最终，获得了一大笔财富。

类似的案例还有很多，巴菲特在2000年科技泡沫中因为坚守不碰纳斯达克，被舆论一顿嘲讽不懂科技公司，却躲过了大跌；而2016年巴菲特投资苹果公司时，又被舆论嘲讽不懂科技，选了一个失去创新力的公司，结果苹果开启了上涨六七倍之旅。巴菲特的例子证明，只要脑子够好，什么时候买科技股都不晚。

要够Smart，除了天赋之外，也有科学性，比如路径可以分为：获取充足的信息原材料、进行去伪去粗等分析、理解关键节点、做出正确又高效的决策、找到合理的实施方案等等。

但这并不容易实现，尤其普通人，往往倒在“原材料”这个起点。

在1980年代，电子化尚未普及时，投资者获取上市公司财务数据，就不容易，需要付费订阅；而且各类目数据纷杂其中，整理就是个体力活。专业投资人的办公桌上也是电话，和一摞摞白纸，写上代码、数据、逻辑、交易计划等等。而即使在1990年代，我国依然有一批手动绘制K线的投资者。

随后证券数据电子化，K线是不用手动画了，但获取财报，依然是门槛。而且，投资品种大幅涌现，几百种商品期货、单一市场就有五六千家的上市公司、近万只债券、以及每秒都有成百上千涌现的全球资讯，专业投资人也难以招架。

如何让Smart普惠？既有群众需求，也有商业价值。因而，在美国诞生了彭博终端；在中国有了软件Wind、Choice，以及股民最爱的同花顺F10。

在终端或软件里，可以及时接收到全球金融资讯；更重要的是，这些软件将财报等浩瀚数据，进行电子化、结构化处理，各种类目详尽清晰，同比、环比等数据趋势也可以轻松生成，不同公司之间的对比，也只需要鼠标点一点就可以实现。更有股东、盈利预测、交易数据等等维度的信息，让用户轻松知道些什么。

这些工具的诞生，不仅降低了整理原始材料的繁重精力消耗，也提供了更广阔更多维的视野。但就像自行车普及、出行速度整体提高时，有人就又开上了汽车。在Smart的比拼上，远远没有结束。

AI，知识管家、决策更佳

当AlphaGo先后战胜了人类围棋天花板的李世石、柯洁等人之后，人们便越来越纠结一个问题：人类创造的AI，是不是会比人类更聪明Smart？

先不说AI是否更聪明，但肉眼可见的是，无论实业，还是投资人，面临的信息环境正越来越复杂。

投资品种大幅增加，跨市场联动越来越明显，各种产业新技术、新趋势铺面而来，突发事件层出不穷却需要快速分析影响，调研纪要、网络信息、甚至UP主的视频，都可能蕴藏着机遇和风险。24小时不停的信息和6小时睡眠的人类之间，矛盾越来越深。

而更重要的是，无论做投资决策、还是商业判断，摆在面前的，不只有结构化的财务数据，还有大量非结构化的信息。零碎的数据、文本信息，都必须形成知识，才能辅助决策。而此时，不只是人，就连传统金融工具，也难以招架。

这种情况下，AI可以不吃不喝、24小时连轴转，拥有超强算力、以及不断提升的神经网络，显然更能胜任：可以从基础数据、深度图谱关系、业务场景应用、智能助手等四个层次辅助价值判断[2]。

而早在2011年，美国一位分析师Jack Kokko，就开始了金融AI的探索。

Jack曾在摩根士丹利当分析师，后来辞职创业创办了一家材料公司。在企业经营中，Jack发现，要找一些非股价之类的信息，还真不容易：鱼龙混杂、破碎零散。于是，Jack创建了AlphaSense，用AI技术来实现知识的快速构建。这个工程也可以粗糙地分为“四个环节”：

首先，AlphaSense自建了一个庞大的数据库，原材料充足：包括研究监管文件、研究报告、报纸期刊、媒体资源、新闻事件、电话会议纪要等等。

随后，通过AI对信息进行分析、重点标注，从而提炼出最核心的信息，以图表、文字、图片等方式呈现。与此同时，用户可以对相关信息进行各种组合，得到自己想要的方案。

考虑到金融行业的特殊性，对时效要求高、专业术语也很多，于是，AlphaSense投入人力、财力，搭建了专业的金融语言分析模型，并针对投资场景，开发了特定工具来快速挖掘隐藏在文本中的信号。

这套系统，不仅可以分析市场情绪，也通过NLP自然语言等技术，可以实现信息重要性排序、多主题聚类比较分析等功能。

一个更重要的角度是，信息搜寻方式也发生了变化。传统的金融工具，具备一定的专业性，用户需要对界面、对分类有一定了解，或者花时间来了解。然而，AlphaSense让搜索，从你要知道的，变成了，你想知道什么？只需要在搜索框中，以更自然、开放的提问方式，就可以快速获得答案，使用门槛也大幅降低。

AlphaSense在2022年获得了高盛旗下投资公司和维京全球投资公司的D轮投资，2.25亿美元对应着17亿美元的估值。而AlphaSense的客户数量、类型都不断丰富，覆盖了标普100公司中的85%、大型资产管理公司的75%、知名咨询公司的80%、大型医药公司的前20家，就连科技公司谷歌、微软也都在使用公司产品。

AlphaSense通过“语义搜索引擎+交互协作的知识管理系统”，把金融工具变得更像知识管家。而在国内也涌现了文因互联、数库、知未智能等科技公司，知未也在用AlphaSense产品逻辑+ChatGPT技术路线进行探索。

AI，将First、Smart普惠，又往前推了一步。

尾声

金融科技领域，有一个观点，认为行业正经历从“农业形态”、“矿业形态”向“工业形态”演进的过程[3]。

“农业形态”，是依靠人力从公开渠道里找到数据，就像在田里种地一样，受限于人力和方式，很难大规模发展；“矿业形态”，通过技术、工具，将现有的结构化数据，例如财务数据，从财务报表等固定场所“开采”出来，再通过整理编排，形成更有价值的内容。

而“工业形态”，则要求能够将各种对决策有关的信息，进行标准化处理，形成足够细的知识“零件”，继而进行规模化、多样化的生产组合。

正如福特的“流水线”加速了汽车的普及和汽车工业的发展，普遍提高了所有人的通行速度；而信息工具“工业化”也会加速Smart的普及。ChatGPT，把AI从“分析型”，提升到了“生成型”，更是加速着科技浪潮。

科技发展，推动First、Smart普惠，那么，会让投资赚钱更容易吗？

可以看到，工业化提升了人类普遍的生活水平，但也并没有让全球同享一份幸福，命运悲喜依然并不能完全相通。而金融工具的工业化、AI化，就像扫盲工作提升平均知识素养一样，普遍提升人们的知识获取便捷性，但也许依然并不能让全球共享财富增值的快乐。

但毫无疑问的是，工业化带来了整体效率提升；而金融工具的工业化、AI化，则把人们从类似信息搜寻、整理等简单重复“脑力体力劳动”的苦海中脱离出来，扩展人们的智力、更专注有创造力的工作[2]。

不只限于金融，也包括商业，甚至全社会，都迎来一场信息领域基础设施的变革，一次精准信息获取效率的跃升。这也就是科技的意义：让各个领域更高效、让社会更美好。

欢迎产业人士交流，添加请注明公司和来意。

另外，做个小提醒，因为公众号刚又改版了，为了更及时查阅文章、获取信息，欢迎【加星标】关注~

如果大家对尝试使用AI金融工具感兴趣，我会在留言区，放一些产品测试码~

参考资料

[1]The Rothschilds: A Family Portrait，Frederic Morton

[2]人工智能与投资价值判断，鲍捷，段清华

[3]Kensho和AlphaSense是怎样炼成的，文因互联

[4]The house of Rothschilds, Nail Ferguson