智能代理

AI Trading —— 决策便宜，行动很贵｜对谈超 3w Star Vibe-Trading 作者浩哲

2026年9月27日 · 40:46

42章经主播曲凯对话开源项目 Vibe-Trading 作者、香港大学在读博士生吴浩哲，探讨 AI Trading 的本质：在金融里决策很便宜，行动很贵，AI Trading 的价值是在几乎免费的决策和代价昂贵的行动之间建立可验证、可审计的通道。吴浩哲介绍这个开源不到半年就获得超 3 万 Star 的项目如何从量化研究员工具演变为覆盖二级市场的 all-in-one 交易台，并解释它与传统量化的区别：量化把决策固定成规则后由机器执行，而 AI Trading 中决策持续冒出，需要闸门持续把关。他认为行业 know-how 已被蒸馏进模型，人主要负责风险判断；他本人炒股 80% 到 90% 遵循 AI 建议，并举了存储行情中 agent 发现机械硬盘与内存受扩产冲击不同、财报前买入希捷的实例。谈及 AI Trading 普及的影响，他指出财报后漂移已消失、信息消化将缩短到几秒，超额收益将从单因子转向数据对齐与组合条件，而数据多不等于有 Alpha；Jev 对 Trading 的帮助约等于零，因为它只给概率不给理由，且不擅长金融世界本来的样子——数字、日期和噪音文本。他还区分了 AI for Finance 与 AI Trading，并提出一个哲学问题：未来或许不是 AI 需要人做判断，而是人需要通过参与交易来获得意义感和价值感。

从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜对谈 Evolvent AI 联创孟繁青

2026年8月8日 · 59:29

本期曲凯对话 Evolvent AI 联创孟繁青，核心反共识是：国内模型的真正优势在 Pre-training，而非 Post-training。孟繁青曾在 Kimi 做 Agent 与 RL Infra，参与 K2.5 和 Kimi Linear，他比较了在模型厂与创业公司的差异，提到模型厂内部训练流程已工程化，认为训练模型门槛大降，数据质量比 Infra 更难评判，且数据行业变化极快，重人力的专家标注公司难以存活。他还解释了为什么 Post-training 的人更容易创业：Pre-training 研究太吃资源，而 Agent 和 Bench 离落地更近；今天的 Bench 已从解题变成在模拟工作环境里完成长程任务，评分靠人与 Agent 共同 check。合成数据这波已接近尾声，贵的一条能卖到几千块，下一波是 RSI 数据，长程轨迹要跑十几小时甚至一天，因此更宝贵。关于蒸馏，他强调这只是加速手段，不是国模变强的决定性因素；即便海外封掉所有蒸馏通道，国模仍可靠预训练架构创新（如在卡仅为国外 1/10 时追近前沿）维持竞争力。他也判断，模型厂最终拼的是组织架构与人才密度，而非单纯算力；并直言不存在 RSI 基础模型，创业公司的机会在桥接模型厂与应用层。