文|于麗麗
百川智能創(chuàng)始人王小川是她的第一個老板，清華大學計算機系教授唐杰是她的項目老師，而她還是月之暗面幾位創(chuàng)始人的本科輔導(dǎo)員。在中國大模型的AI應(yīng)用創(chuàng)業(yè)者中，大概很少有人像許丹青一樣，如此醒目地穿梭于中國底座大模型的人物關(guān)系圖譜中。當然，這一切都抵不過她與大模型的另一種因緣：在2022年ChatGPT誕生那天（中國時間12月1日），她也生了自己的第一個孩子。對于一名女性創(chuàng)業(yè)者來說，某種意義上，這也是一種天意般的召喚。而更理性的一種考量，則是她是當下最適合做AI+金融這件事的人之一。早在2009年的大三，許丹青就師從清華大學人工智能實驗室馬少平教授，基于社交與新聞數(shù)據(jù)，用深度學習的方法，做金融市場預(yù)測相關(guān)的研究。之后，她不僅以一作身份發(fā)表2篇人工智能頂級會議論文，還在2012年獲得全球西貝爾學者獎。畢業(yè)后，許丹青先在搜狗做AI助手，后轉(zhuǎn)戰(zhàn)金融科技領(lǐng)域十余年，在小米以及通聯(lián)數(shù)據(jù)等公司，一直嘗試著如何把AI技術(shù)和金融場景更好地結(jié)合。2024年春節(jié)，許丹青創(chuàng)立金融領(lǐng)域的AI原生應(yīng)用公司智策領(lǐng)航。前不久，智策領(lǐng)航拿到百川的戰(zhàn)略投資，成為百川投資的第一家AI應(yīng)用公司。目前已推出產(chǎn)品財搭子，小程序版也已上線。關(guān)于如何給z世代投資者重新定義一個嶄新的投資工具，以及一個AI+金融的應(yīng)用公司該如何在大廠、大模型公司以及傳統(tǒng)金融公司的縫隙中突圍，許丹青有自己的思考和理解。以下是她的口述：
最早的三份TS2023年2月，還沒休完產(chǎn)假，我就返回通聯(lián)數(shù)據(jù)工作。這時，唐杰老師找到我，希望我加入智譜AI。早年我在清華大學計算機系讀書時，唐杰就是我的項目老師，當時會一起參與很多學術(shù)會議。智譜早期創(chuàng)業(yè)時，我們也有過很多交流。那天，我們聊得很深入。他和我講述了他做智譜長達5-10年的愿景，他對AGI的信仰非常懇切，深深感染了我，驅(qū)使我自己去思考未來10年我的人生使命是什么�；卮鸷眠@個問題，我差不多用了一年時間。過去10年金融科技領(lǐng)域的經(jīng)驗告訴我，AI這件事一定要和場景結(jié)合才能發(fā)光發(fā)熱。所以我決定自己創(chuàng)業(yè)做AI+金融的第一批原生應(yīng)用。2024年春節(jié)后，我快速組建了一個5人的核心團隊。然后我找到唐杰老師，詢問他能否支持我。他說沒問題。智譜當時有面向初創(chuàng)公司提供投資和技術(shù)等資源支持的z計劃，由于當時還是孵化基金，只能跟投，他就讓我去了解下市場情況。聊了四五家后，我拿到三份TS。先是投了很多AI公司的一家一線基金。他們的管理合伙人在移動互聯(lián)網(wǎng)時代是非常有前瞻性的預(yù)言家。我們聊了很多關(guān)于MOE模型架構(gòu)、金融領(lǐng)域特殊性以及AI應(yīng)用生態(tài)的內(nèi)容。對標上一代移動互聯(lián)網(wǎng)的發(fā)展趨勢，他告訴我未來需要走很長的路，要儲備好自己的彈藥、耐心以及預(yù)期，確保自己先上場，并一直留在場上。之后我?guī)熃惆盐医榻B給了清華大學創(chuàng)新科技投資平臺慕華科創(chuàng)，她剛好也是百川的首輪投資者，因此，慕華科創(chuàng)和百川決定共同投資我們。其實我和川總也相識頗久。早在2012年左右，我還在清華大學讀研究生時，他就在我們的人工智能實驗室讀博。后來，2013-2015年，加入搜狗后，他是我的第一個老板。當時我們團隊在搜狗的創(chuàng)新項目心有靈犀（也就是后來的靈犀助手）做算法，連續(xù)兩年都因為做出了巨大收入貢獻，獲得搜狗的CEO大獎。也因此，他對我印象非常深。在基座層，我們并沒有選擇綁定任何一家基座模型，我們使用自有的業(yè)務(wù)數(shù)據(jù)微調(diào)了自己的模型。在應(yīng)用側(cè)，我們搭建了一個靈活的模型路由，用不同的大模型基座完成不同任務(wù)。 我們調(diào)用Baichuan4做數(shù)據(jù)結(jié)構(gòu)化任務(wù)，調(diào)用智譜的All tools完成函數(shù)調(diào)用與觀點打分類任務(wù)，調(diào)用Kimi完成長文本的專家觀點總結(jié)類任務(wù)，調(diào)用deepseek完成長鏈路推理類任務(wù)。同時我們使用自有模型進行跨模型的協(xié)作與反思任務(wù)。階躍的與財聯(lián)社的合作場景，是我們對標benchmark之一。除此外，我們也會把很多深度分析任務(wù)交給claude 3.5完成，雖然它不如國產(chǎn)模型的價格便宜。至于大廠的一些產(chǎn)品，像千問我們會把它作為重要的開源補充項目。至于豆包，因為早期我們測過效果不太好，后來因為人手少，也沒再去研究。
定義一個好的AI時代的投資工具
我們最想做的是幫z世代的年輕投資者重新定義一個專業(yè)且簡單的投資工具。洞察來自我們發(fā)現(xiàn)，很多傳統(tǒng)的金融信息產(chǎn)品像同花順、東方財富基本都是面向30-49歲的成熟投資者，而20-35歲的年輕投資者，信息交互方式已發(fā)生天翻地覆的變化，需求卻沒有被很好地滿足。我們就想能否做一個AI時代的投資領(lǐng)域的小紅書，財搭子就是在這樣的思考下誕生的。前一段我們一直在內(nèi)測，來了數(shù)量遠超預(yù)期的年輕用戶。財搭子的交互形態(tài)類似小紅書，以圖文與輕社交為主，聚焦在投資信息和后信息的表達與交互上。所謂信息一定要客觀，不是主觀小作文。后信息是說，過去資訊只是資訊，發(fā)布后是另一群人在點評。AI時代可以對實時新聞做解讀，并將之和用戶的關(guān)聯(lián)統(tǒng)一表達出來。大模型帶來的很多變量，可以解決過去金融中的很多痛點，這也是讓我最興奮的地方。一是它可以讓專業(yè)簡單化。傳統(tǒng)意義上，專業(yè)的內(nèi)容往往是復(fù)雜的，比如估值模型需要excel插件來實現(xiàn)，需要你懂dcf模型，需要一堆關(guān)鍵假設(shè)。而AI可以讓用戶只掌握幾個簡單的核心邏輯就夠了。二是可以讓靜態(tài)知識動態(tài)化。大模型深度推理能力與專家知識庫思維鏈（CoT）能力的結(jié)合，可以讓一個專家觀點實時和一個具體的問題結(jié)合起來，讓靜態(tài)知識變成動態(tài)過程。所以你可以看到但斌或者巴菲特的歷史思維鏈，從而將用戶的持倉問題與專家的投資風格進行匹配與實時生產(chǎn)。 此外，AI也可以模擬專業(yè)投資者的思維方式，做可解釋、可理解的推理。過去我們在做另類數(shù)據(jù)產(chǎn)品化過程中，通常只能將所有的文本數(shù)據(jù)進行情感打分，比如利空、中性、利空等，而AI可以對連續(xù)的文本以及多模態(tài)信息進行整體判斷，這是過去做不到的。這些變量足夠?qū)ν顿Y工具進行重新定義，而且會是大于現(xiàn)有市場十倍甚至百倍的機會。這里邊很多改變是革命性的。像個人投資者，過去就是小散，支付了全市場的錢，卻得到最少的信息，屬于信息食物鏈的最底端。而一些大的機構(gòu)，則通過支付高昂的費用，享受到很多買方分析師、賣方分析師等專家服務(wù)。而大模型讓個人投資者用更低的價格，享受到原來封閉鏈條中的專家團隊提供的知識服務(wù)，這也是一個專家知識的普惠化和平權(quán)化的過程。
每個人每天都應(yīng)該有一個prompt（提示詞）
這一代AI2.0跟之前一個非常大的區(qū)別就是個性化表達與個性化的任務(wù)處理。上代AI帶來了推薦算法。這套算法里，就是人和信息這兩個維度不停去做協(xié)同過濾。這個過程中，它是一個平臺邏輯，為了優(yōu)化人的信息的點擊率和收入，提高平臺效率，一個人是被符號化的，會被無數(shù)的tag和標簽所代替。
我們的產(chǎn)品財搭子不做推薦平臺，我們都圍繞極致個性化。在傳統(tǒng)的人與信息層面增加一個新的對齊維度，就是每個人當下的投資人設(shè)。它被具象成一個prompt，每個人都不一樣，每天更新，提供一個人與信息的可解釋性、可交互性和投資價值觀的對齊。原來的推薦，你不想看，只能點一個我不看了，這個過程中其實人很多時候是很無助的，但現(xiàn)在我們在人和信息中設(shè)置了抽象一層，相當于我能夠把人和信息的表達可視化出來，而不僅僅是原來那些符號化的東西。 當然，極致個性化也會帶來成本。每個人、每一天都要計算的話，對應(yīng)的推理成本、能耗和時間都會巨大，就像李開復(fù)老師經(jīng)常會提到的TC-PMF，是強調(diào)在開發(fā)和應(yīng)用過程中必須綜合考慮技術(shù)的可行性、成本可控性以及產(chǎn)品市場的契合度一樣，我們也會做好平衡，在追求個性化的同時，追求極致工業(yè)化。 很多人會問，市面上很多傳統(tǒng)的金融服務(wù)提供商，像同花順有問財，wind有智能助理Alice，為什么還需要我們來做這件事？我們的答案是這是一件屬于顛覆的、AI原生應(yīng)用來做的事。很多傳統(tǒng)公司要考慮短期投入ROI，需要對抗組織慣性。即便孵化一個新產(chǎn)品，也需要重新調(diào)整組織架構(gòu)和客戶架構(gòu)，這都是風險很高的事，何況讓用戶對過去的傳統(tǒng)產(chǎn)品改變心智，也是很難的一件事。所有的革新都需要新的組織形態(tài)，這也是我選擇創(chuàng)業(yè)的原因。做AI應(yīng)用，很多人會擔心隨著模型能力的變化，很可能被大廠或者大模型公司狙擊或者吞噬。但金融行業(yè)有很大的特殊性，對高質(zhì)量的合成數(shù)據(jù)以及場景的獎勵函數(shù)都有很高要求，這些都是底座大模型或大廠無法完成的。另外，我們對于數(shù)據(jù)的積累、對于用戶的理解都是獨特的。用戶在我們這里不斷詢問問題，或者觀看、瀏覽或者留言，隨著交互越來越多，我們會越來越了解他的個性。所以我們的壁壘是逐級構(gòu)建的，也是不可被替代的。這是未來十年我們最想做的一件事，盡管會很難，但還是希望我們構(gòu)建的信息飛輪可以給Z時代的年輕投資者，在不確定的投資市場帶來陪伴和確定性。
圖片來源 ｜IC Photo
