这两天，中国国际交流中心副理事长朱民在2023夏季达沃斯论坛上说，“炒股炒不过机器人是很正常的”。

基金经理，算得上金融行业金字塔尖的工种之一，这活要也能被A“肝”掉了，那金融人是不是更得战战兢兢？

说实话，人工智能在金融领域的应用根本不是新话题。我记得早在2004年，刚进McGill大学念金融博士那个古早年代，我师兄就在研究量化，我室友是计算机系的，他们实验室就在替摩根斯坦利做神经网络的交易策略。

(相关资料图)

这些年被频繁热炒的高频交易、量化交易、智能投顾，都是AI在金融领域的应用——毕竟，金融是最早有“大数据”，还有雄厚资金实力做研发的行业。

前两天跟一个资深的大牛程序员聊天，他也直言，目前国内最有希望做大模型的，一个是做云的团队，一个就是搞科技金融的团队——这种底层技术的研发，是真正考验实力，包括技术能力、资金实力和人员、数据储备的。

但朱民老师的话倒也不是空穴来风。

今年3月ChatGPT4.0版本的大火其实意味着，人工智能进入了一个“通用”时代——

所谓“通用”，我的理解是，更接近人类那种“多线程交互”的思考模式，会在海量信息中主动寻求内在逻辑，进行推演，得到结论。某种意义上，这让“人工智能”向“人”的方向迈进了一大步。

但是，这种人工智能和我们所理解的“人”不一样的地方在于：

第一，它（他？她？）的信息储存量、搜寻和计算速度，都和我们差异巨大——可以说得上是天壤之别。

第二，人类的成长和认知进化是基于“清零”这个模式的——所有婴儿出生都需要从头开始学起。尽管我们知道人类社会的知识是累积的，但对个体而言，都是从零开始——能实现长期线性增长都极其了不起。

但AI不是，所有AI的知识累积几乎可以100%在上一代的基础上迭代——这是真正意义上的“几何级数增长”。

我们都听过那个国王与麦粒的故事，古印度国王要奖赏象棋发明者达依尔，达依尔要求以指数方式在棋盘上放麦粒：第一格一粒，后面每格双倍。国王觉得要求很简单，但是操作以后发现，到了棋盘的最后一格，就算把全国的粮食都拿出来还不够，这样的几何级数增长的力量是惊人的。

更让人惊惧的是，“知识”是具有外溢性的，会创造出很多“巨大数量”之外的变化。举个简单例子，2020年，麻省理工学院宣布发现了一种新的抗生素，叫Halicin，就是通过用数据训练AI找到的。这种抗生素能杀死对现有的抗生素已经产生耐药性的细菌，还不会让细菌产生耐药性。当时，研究人员只是提出了具体的目标，然后把已有数据训练AI，AI就自己总结了一套"什么样的分子能抗菌"的规律，并在海量的数据中自行匹配找到目标，而这个规律甚至连科研人员也搞不明白。

这个逻辑也是未来很多垂直领域AI的发展方向——

比如说2023年，彭博社（Bloomberg）发布了专门为金融领域打造的大型语言模型(LLM)——BloombergGPT。

彭博社是全球最大的财经资讯公司，在公司成立的40年的时间里，收集了海量的金融市场数据，拥有广泛的金融数据档案，涵盖一系列的主题。使用彭博社公司数据终端的客户遍布全球，包括交易员、投行、美联储、美国其他官方机构以及全球各大央行等。

八卦一句，彭博社的老板Michael Bloomberg，是著名的亿万富翁，前纽约市长，在2018年还曾高调宣布要参与2020年的总统竞选——

你也可以看出，金融数据本身就是巨大的财富源泉。

现在彭博社据说已经开发了拥有500亿参数的语言模型BloombergGPT。

按照ChatGPT目前的用途，我们可以大致推演一下BloombergeGPT具体能做什么:

金融新闻报道：可以生成高质量的金融新闻报道，提供即时的市场分析和评论。

客户服务与智能助手：用于客户服务和智能助手，回答用户的金融问题。

金融研究与分析，同时作出相关投资决策。

前两点大家都没有异议。但关于第三点引发了很多讨论——

有些人认为，BloombergGPT不仅可以帮助我们做金融决策，甚至他们的投资决策比我们人类更好。

朱民老师那句“炒股超不过机器人”大概就是这个思路下的产物——

想想也是啊，绝大部分金融分析师不就是研究历史数据，挖掘规律，做出预测么？

那现在BloombergGPT拥有几乎所有上市企业的历史财务数据、股价波动数据，甚至还能随时提取媒体中的舆论数据来判断市场的情绪——而且这些计算都可以在极短时间内完成，那它快速形成对一个市场的综合判断，也确实不是问题啊，而且还能纠正人类在面对大量数据时可能存在信息过载和主观偏见的问题。

所以，从数据处理的角度来看，BloombergGPT在金融投资决策方面比人强多了。让AI来代替我们炒股，确实应该好得多。

但是，别忘了关于金融市场有一个著名的笑话。

曾经有人试过，让几个著名金融分析师和几个大猩猩选股（大猩猩就随机扔飞镖），结果发现双方打个平手——谁也没有比谁强。

这意味着什么？金融是一个关于未来、关于预期的行业，所谓“用历史数据做预测”并不是使用历史数据做预测，而是用历史数据中的信息来帮助自己做判断——

换句话说，投资决策在很大程度上，不是算术，而是艺术。

这不是说算法、模型、算力不要紧，而是说，它们不能BEAT（打败）真正的顶尖投资高手，因为高手之所以成为高手，是因为那些“不可编码”的直觉，灵感，甚至勇气，也就是那些蕴藏在复杂的神经元之间，但尚未被具象成文字、图片、公式的人类知识（或者说，未来人类知识）。

所以，AI炒股比人强，这句话本质上是个伪命题。

“人”是一个抽象概念，张三李四王五麻子，都是人。

即使没有AI，散户炒股赔钱的概率也比赚钱的概率大得多，全世界皆然。这也是为什么“专业理财机构”兴起的背景所在。

但AI确实会冲击到现有的专业理财机构——机构也是个抽象概念，由形形色色的人组成。截止今天AI发展的方向、速度来看，它会有两个结果：消灭与分化。

一方面，很多专业机构的基础岗位（尤其是信息检索、整理和基础分析类的）确实会被替代——但凡“可编码”的工作，以AI这种“几何级数”的成长速度，都会陆续被干掉。

但另一方面，它们会赋能顶尖高手，就像给天才装上“千里眼，顺风耳”一样，拓展她（他）们的能力边界。

所以我看到的金融行业的未来，包括基金经理们的未来，是一个绝对分化的世界，顶尖机构和顶尖人才得以管理更多资产，取得更高收益，而更多的业内人，可能也会在一波接一波的“存量博弈”中优胜劣汰，潮生潮落而去。

关键词：