今天小編分享的财經經驗：别着急開户，先跟“投資版ChatGPT”聊一聊，歡迎閲讀。
外資基金經理和人工智能團隊創始人，這兩個聽上去毫不關聯的身份，在鄭其森身上完成了重合。
帶領着 20 人的團隊，前高盛分析員鄭其森推出了一個 " 投資版 ChatGPT" —— ArborChat，一款由人工智能驅動的投資專家型機器人助手，能深度分析和回答各種投資問題。
量化金融不是什麼新鮮事，但在大模型技術爆發之前，大數據分析更多是建立統計模型，分析金融市場的動态變化，幫助各類投資者進行交易和風險管理。
随着大語言模型技術的突飛猛進，人工智能有了強大的文本解讀和創造能力，金融 +AI 被賦予了更大的期待。
在日交易數據、财務數據等結構化數據之外，諸如企業戰略、行業前景、企業人事變動等非結構化的數據，是否也能用 AI 來進行歸納和總結，實現 " 機器味 " 更少、" 人味 " 更重的價值投資？
ArborChat 給出了一個方向，AI 可以模仿人類的推理過程，只要你善于下達合适的 prompt，甚至能把大模型 " 培養 " 成巴菲特的投資風格。" 巴老一直説投資是簡單但不容易，AI 沒有人類的情感包袱，可能是更好的價值投資者！"
" 我們希望投資者在決策之前，先問問 ArborChat 該考慮什麼，有足夠的信息去做參考，而不是一時衝動就下單。" 鄭其森向 36 氪介紹。
今年 36 歲的鄭其森畢業于香港科技大學，并曾經在哈佛大學和北京大學留學，是高盛出身的 " 金融才俊 "。他的身上既有港人的 " 務實精神 "，又帶着金融圈不太常見的 " 理想主義 "。連帶他的創業經歷和產品風格，都有這樣的烙印。
2014 年還在高盛就職時，鄭其森和都是從事價值投資的基金經理和老同學廖展鵬喝酒聊天。
" 為什麼隔壁搞量化得這麼輕松？" 鄭其森有些羨慕，AI 在量化投資上已經能處理大量數據分析，幫助處理很多日常工作，但價值投資則需要去理解商業前景這類感性認識，當時的 AI 不足以承擔這類工作。
如果故事只停留在羨慕上，則絕不符合一個理想主義者的思考路徑。
一個理想主義者應該看到的是：那時的智能投顧算不上 " 聰明 "，只能稱得上 " 可靠 "，背後的組合策略方程式在金融界已經用了幾十年，不能做復雜和深入的投資标的分析。
鄭其森平時看的就是 TMT 行業，經驗告訴他 " 投資幾乎跟世界上所有的事情相關，如果 AI 能夠有通用能力，智能投顧一定會有很大的突破點。"
其實心裏的種子早在幾年前就已經種下—— 2012 年，諾貝爾得獎者傑弗裏 · 辛頓 ( Geoffrey Hinton ) 和 OpenAI 前首席科學家伊爾亞 · 蘇茨克維（Ilya Sutskever ) 憑 AlexNet 在 ImageNet 競賽中勝出而一鳴驚人，也讓鄭其森看到了 AI 在不同領網域逐漸超越人類的可能。
" 如果在影像處理開始能超越人類水平，那其實 AI 能在語言處理超越人類水平也是能想象的事情，價值投資要做成 AI 處理文字的能力一定要超過人類水平才能解。"
2017 年，谷歌 Transformer 模型的發布，并在 2018 年以 BERT 模型首次在多項自然語言處理上超越人類分數，讓鄭其森看到了自然語言處理技術成熟的可能性。這一年他和廖展鵬也開始了自己的創業之路。
過去六年多，鄭其森和團隊做出的金融 AI 產品，服務于國内外眾多銀行和基金。另外亦利用自家 AI 能力優化高淨值客户的開户和基金申購流程，創建資產管理規模達 15 億美元的私募投資平台。
" 譬如我們幫四大銀行中的一家，抽取和分析信貸業務客户的财務報表。通過提取大量的會計數字，放到信貸模型裏面做分析。" 他介紹，這讓平時會計師七個小時的工作流程壓縮到了半小時之内。
盡管生意不錯，但這些并不能讓鄭其森真正感到興奮。直到大模型的爆發，使得當年的暢想成為了可能，并于近日推出了 ArborChat。
ArborChat 利用針對金融領網域優化的大型語言模型系統，為散户以至機構投資者提供實時投資洞察、投資組合監察和深度金融分析。
鄭其森終于等來了自己的 "ChatGPT" 時刻。" 過往幾十年所謂的 AI 投資都是以統計學模型為準的量化投資策略。基于突破性的大模型技術，現在通用人工智能樣模型開始能進行非常深入的推理，并得出基本面投資方式的财務分析。"
鄭其森介紹，這是前所未見的技術突破，正式開創了價值投資 AI 這全新的投資風格。
ArborChat 這樣的投資機器人，到底是怎樣實現價值投資決策的？
" 一些我們覺得平常不過的問題對 AI 來説其實很難—例如 " 怎樣比較阿裏巴巴和拼多多的股價前景？" 回答這個問題，AI 需要做多步思考，分别查詢阿裏巴巴和拼多多各自的财務數據、分析師評級、股價技術分析、業務增長、公司管治和投資者情緒等多角度考量，最後才能總結兩家公司的比較。" 可以説，超越單層思考之後，擁有多步深度思考能力，是 ArborChat 走向與傳統量化不同的 AI 投資路的基礎。而 ArborChat 利用了獨特的 " 思維樹 " 技術，成功攻克金融分析的深度推理門檻。
" 我們早在去年已經留意到 DeepMind 團隊在研究怎樣利用蒙特卡羅樹算法嘗試提升大模型的推理能力，因此亦起步研究怎樣利用思維樹（即樹狀決策推理，而非線性的 " 思維鏈 "）創造做好金融分析足夠深的模型推理。" 透過鄭其森的解釋，ArborChat 不單是金融定制的人工智能工具，在系統研發上團隊亦有著行業前沿的研發成果，成為行業領先的智能體。
創業這幾年，鄭其森把自己 " 熬 " 成了半個金融 AI 的專家，并組建了專業的團隊。"ArborChat 的 AI 主管之前也是銀行業工作多年的數據科學專家，是跨領網域的通才。"
懂金融、懂 AI，一些理想主義，加上高度執行力，造就了 ArborChat 的核心競争力。ArborChat 團隊橫跨金融和數據兩大復雜學科，同時多年從業經驗使得其對客户需求和行業痛點有更深刻的認知。
鄭其森相信，" 從國外的情況來看，ChatGPT 沒有壟斷一切，不同的垂直領網域一定會有自己的領頭羊產品。"
他以金融行業為例，通用大模型不是專門的金融工具，不會特意找金融數據庫對接。" 他們的通用框架在處理金融數據時，往往會參考很多過時的資訊。"
ArborChat 系統亦用到了 RAG 技術，以實時提取相關資訊。但常規 RAG 系統是有缺陷的，用來提取金融相關的資訊會有很多雜訊。
為了讓結果更符合金融特質，ArborChat 采取了創新式的數據标注方法，獨家 RAG 技術不僅大幅提升金融商業類答案的提取準确率，還能維持實時性。這一點，國内外許多炒股 AI 目前都沒有做到。
和近年二級市場投資遇冷的情況相比，近段時間開户潮、00 後投資者的湧入，不禁令人感慨，ArborChat 遇到了一個好時機。" 我們這六年經歷過多少的高低起伏，才等到現在。希望好時機還能持續多一會，哈哈。" 鄭其森苦笑道。
鄭其森也對這樣的情況表現出了理性思考，年輕人對金融大模型的接受度也許更高，但他們的 C 端客户目标還是在經驗更為豐富，同時付費意願更高的成熟投資者上。
ArborChat 的獨特價值，包括為零售和機構投資者提供的解決方案，B 端客户也被視為 ArborChat 的商業化大盤。
" 我們有 API 的形式，跟不同的金融機構合作，成為他們投資決策的一部分。" 鄭其森舉例表示，ArborChat 能夠幫助金融機構跟蹤投資板塊裏的變動。由于最近 AI 投資熱，很多的巨頭都在投資小型模塊化核反應 ( SMR ) ，如要拉排名前 100 科技公司，看看他們這塊領網域有沒有投入，基金公司分析師可能需要花一個星期才能知道答案，而 "ArborChat 在 to B 端提供的 API 可以 1 分鍾内回答。"
通過幫助金融機構搭建專用的投資分析工具，從前端投資板塊分析，到投資組合跟蹤，包括客户的風控，ArborChat 都能夠參與其中并提高效率。
ArborChat 的出現絕非孤例，随着 AI 技術的進一步落地，未來所有基本面或者價值投資基金，AI 參與部分投研或者風控是必然結果，甚至可能會出現 AI 主導投資決定的局面。" 當 ArborChat 的第一版出來時，我感受到不單是十多年來的願景終于踏出了實現的第一步，更是一個新行業範式的開始。量化投資的出現孕育了多個千億級别的投資巨鲸，價值投資的 AI 将開拓一個無比巨大的藍海，孵化下一代的行業領導者。"
