文 ｜ 闌夕

在經歷幾輪大事件發(fā)酵后，AI炒股的狂熱情緒空前高漲。

就幾家主流模型截止目前的戰(zhàn)績而言，上下限的差距依然很大，而且這些差距，很大程度上還是跟自身比出來的：

去年年中，海外一名高中生剛曬出了自己用Chat GPT選擇的投資組合，在兩個月的時間里創(chuàng)造了超過25%的收益；

到了年底那次AI炒股大賽上，GPT赫然變成了吊車尾，是所有參賽模型中損失最大的；

同樣，最初那批以身入局，做AI炒股實驗虧麻了的A股股民，當時用的最多的模型是DeepSeek；

結果我們也看到了，DeepSeek反而成為了比賽里表現最亮眼的模型之一，在最后關頭被Qwen的All in策略反超之前，一直保持著大幅領先。

于是AI炒股的口碑在市場上開始出現分歧，并演化出「賺了的都說好、虧了的罵不?！惯@幅略顯荒誕的畫面。

包括在Github上，開源AI炒股工具已經成了一個熱門搜索項，有的項目已經獲得了幾千個星標，證明AI炒股這條賽道需求旺盛雖然不假，但供給也并不稀缺。

以致于在情緒的裹挾下，再怎么去科普AI炒股的原理，已經不剩多少聽眾了，指數一度突破4100點的上行期，人人都想分一杯羹，卻苦于找不到高確定性的回報路徑，于是滑坡到寄希望于讓AI全權操盤，以自動化的方式給自己賺錢，倒是不難理解。

只是認知上的偏差，遲早也都會補課補回來，原因很簡單，就目前而言，普通投資者、通用大模型乃至不少專業(yè)機構，都做不到完全吃透市場，在每日海量的相關信息里，分辨出哪些是噪音，哪些是信號。

是的，識別噪音與信號，就是我認為AI——準確的說是金融類AI產品——切入股市最有機會的地方。

就在AI炒股形勢依然混亂的時候，華泰證券旗下的AI漲樂正式發(fā)布了1.0版本。

其實這款產品在去年10月剛上線的時候我就有關注，作為某種意義上的「正規(guī)軍」，漲樂在AI+金融賽道里的探索一直以來都相當克制。

比如跟產品內置的數字人進行對話，再怎么逼問它，也不會在專業(yè)分析之外得到能直通決策層的回答，這跟動輒省略分析過程直接展示結果的野路子，區(qū)別很大。

克制的背后，更多還是因為AI炒股還遠沒有到能自動化處理一切的程度，任何讓AI直接輸出結果的行為，其實都違背了金融領域權責對等的基本常識。

換句話說，在現有的技術手段下，讓AI全權操盤并深入股票交易的決策層，可以作為一個整活樂子看，但絕不能當真。

從去年到現在，AI漲樂與它的1.0版本差不多相隔了100天，這在互聯網行業(yè)里或許并不算長，但放在多數產品以周為單位進行迭代的AI行業(yè)，已經足見耐心。

而與其說這是一次更新，我更愿意認為AI漲樂在這100天里徹底「想明白了」，于是把產品重做了一遍。

在AI漲樂最新發(fā)布的版本中，除了上新的功能引導之外，一級菜單只有早點聽、特別提醒、任務助手三個部分，分別對應宏觀發(fā)散、微觀收斂、具體執(zhí)行這三種信息獲取方式。

也就是說，AI漲樂整個產品，都是圍繞著「信息質量」這個關鍵詞構建起來的，AI所做出的分析，都基于高密度的資金流向、漲跌數據、行業(yè)事件，而不是泛濫成災的小作文。

這也就意味著，AI漲樂的綢繆其實在于認知層而非決策層，相比于直接甩出來買入和拋售的結論，它并不在意如何能撮合交易，而是幫助人們更加深度、精細化的認識股市。

顯然，這是一個更具長期價值的方向。

同樣是早期AI炒股的那波風潮，除了眾所周知的幻覺外，不少人還反應通用大模型往往都存在缺乏股票交易的常識性問題。

比如一支股票一次至少買100股、每筆交易都會產生手續(xù)費，這些初入股市就能了解到的準則，在AI這里并不會被納入考量范圍。

如果不懂規(guī)則就可以貿然給出投資建議，那這份建議顯然也并不具備什么參考價值，在能真正實現AI全盤接管炒股之前，這也是產品亟待解決的問題。

AI漲樂之所以在用戶側廣受信任，一方面是它雙模型的混合架構——垂直模型保證專業(yè)性，通用模型理解用戶的自然語言表達——天然就是為金融領域的準入門檻而設計的，再疊加上Agent高效過濾信息的執(zhí)行能力，可以輕松承擔起「入行助手」的角色。

另一方面，背靠華泰證券的商級數據，讓模型對千行百業(yè)的理解更加趨近于本質。

比如張朝陽在發(fā)布會現場提出了一個人們喜聞樂見的問題「黃金上漲帶來了什么影響？」，AI漲樂的觀察其實相當理性且專業(yè)：

對于產業(yè)下游（金店）而言，過度漲幅不僅會導致成本上升，也會影響人們的購買欲降低銷量，并不完全是個好事；產業(yè)中游（工廠）本身商業(yè)模式靠的就是加工費，金價的漲跌跟他們的生意并不存在直接聯系；

最終利好的，是以開采為生的產業(yè)上游，金價上漲會直接反饋到利潤數字上，是這輪價格變動的最大贏家。

能理解嗎？在用戶這邊的體感上，AI漲樂成了人人皆可擁有的專家級信息助手，這種授人以漁式的信息輸出，才是AI真正能演化出價值的地方。

加拿大投資人凱文·奧利里曾在一檔播客里提到，自己這么多年以來所有接觸過的成功者身上都有一個共同特質，就是能在海量信息和機會中，快速識別出什么是信號、什么是噪音。

奧利里的這項技能，其實出自喬布斯，他坦言在兩人共事的那段時間里，喬布斯并不是一個好相處的人，因為多數時候喬布斯都會把來自他人的需求當做噪音不予理會，唯有專注于信號，最終才能成就偉大的產品。

很大程度上，大A的投資者們每天就處在忙于分辨噪音和信號的貓鼠游戲里。

不世出的喬布斯注定是極少數的，人是受感情驅動的生物，絕大多數信息在人類這里天然都會有好與壞的判斷。

這恰恰是AI有能力介入的部分，如果調教得當，它完全可以演化出信息收集這條長板，摒棄不必要的談情緒、講故事的噪音，并從中觀測出信號與趨勢。

這也進一步解釋了，為什么我說就目前而言，讓AI替代人來完成交易決策是一種本末倒置，它最需要代勞的場景，是我們每天都輾轉于各個APP找信息的過程，把信號整合進一個簡潔的頁面送到人們手里。

很大程度上，AI漲樂做的事，也是為專業(yè)媒體多年以來的失位而補課。

CNBC曾披露過一些商界大佬的閱讀習慣，包括巴菲特、蓋茨、舒爾茨在內的人，都會把華爾街日報等知名刊物放進每日必讀清單里。

這同樣是一個很值得討論的現象，大佬們之所以愿意把日復一日的枯燥閱讀堅持下來，顯然也是因為專業(yè)媒體的信號密度，往往是遠高于噪音的。

但是在中國，我們更加熟悉的畫面是，所有事實與觀點都被混在一起塞進臃腫的投資社區(qū)，普通人在閱讀時便不可避免地選出那些所謂吸睛的內容，由此陷入泥沙俱下的信息陷阱。

AI漲樂其實在這方面下了很多功夫，比如把數字人的擬人化陪伴，融入到日常的行情解讀、交易引導、信息推送等環(huán)節(jié)里，要的就是增強產品的易用性，給普通人提供出更愿意接收消化信號的體驗感。

還是那句話，科技發(fā)展的本質，是讓工具不斷適應人，而不是反過來讓人去追逐工具。

作為長坡厚雪的行業(yè)，AI+金融的融合注定會是慢的，但回報也同樣是肉眼可見的豐厚。

在慢賽道里錨定用戶價值做長期的事，AI漲樂的定力在這個時代里，并不多見。