AI无疑是人类生产力史上的一次巨大飞跃，因此，交易员们渴望利用这项技术来赚钱也就不足为奇了。
AI就像一位“高效信息筛选员”，能迅速从铺天盖地的新闻、财报和社交媒体中，挑出对投资真正有用的内容。
然而，随着AI学习的深入，它也触及了自身的局限性。金融科技公司的一些实验表明，AI在信息整合方面表现出色，但在指导投资者具体如何操作方面，目前仍面临挑战。
Robinhood券商的产品副总裁bhishek Fatehpuria告诉我们美股大数据：“我AI真正擅长的领域每三四周就会发生变化，今天不擅长的事，可能过几个星期就能做好了。”他指出，目前AI最突出的能力是对复杂信息的归纳与摘要，这与投资分析中“理解并提炼海量资料”的流程高度契合。
在Robinhood的内部演示中，AI工具“Cortex”还具备了更进一步的功能：允许用户输入自己的交易假设，比如“某只股将在某时间点涨多少”，AI随后会给出与这一假设匹配的交易策略，包括具体的期权组合方案等。
虽然最终产品可能会与早期演示有所不同，但这一功能的展示预示着：未来AI或将成为帮助投资者跑赢市场的关键工具。
深度分析财报电话会议
目前已有数项研究，分别来自乔治亚州立大学、芝加哥大学布斯商学院和明斯特大学，这些研究利用AI深度梳理财报电话会议，并从中提炼出与投资者相关的问题。在这些研究中，大型语言模型（LLMs）能够捕捉到企业高管语气的微妙变化或回避性言辞，并利用这些信息识别企业风险和即将到来的资本支出变化。
然而，财报电话会议本身就受到高度审查，企业高管在会前也通常会进行充分准备。如果投资者越来越多地利用AI来解读这些会议，很容易想象未来的场景：企业高管们会调整他们的发言方式来“迎合”AI。如果一个AI被训练来检测某些指向潜在风险的词汇——就像芝加哥布斯商学院的研究那样——那么高管们可能会被训练来避免使用这些词汇。
AI的局限性与潜在风险
AI并非完美无缺，重度AI用户经常指出它可能会“幻觉”或提供不准确的信息。此前就有AI误报影响金融市场的例子，比如2023年5月，一张AI生成的五角大楼附近爆炸图片曾短暂导致股市暴跌。尽管这张图片是故意制造的假信息，但无意中产生的错误信息也可能产生类似的影响。
有实验表明，他们向ChatGPT提供了一个Robinhood的2024年年度10-K财务报告的链接，并提示AI总结报告内容并识别投资者应了解的关键点。ChatGPT表现良好，它指出了每股收益等财务指标、总融资客户等业务指标以及潜在风险，甚至还在底部附上了一张显示近期表现的美股公司图表。
然而，当同样的提示被提供给谷歌的Gemini时，它却出现了混淆。它提取的是Robinhood的2023年全年而不是2024年的10-K文件数据。在这种情况下，Gemini优先搜索了谷歌上最新的10-K文件，并选择了一份在2024年发布但覆盖2023年财报的文件，而不是提示中明确提供的2024年财报文件。当指出错误后，Gemini又引用了一份季度10-Q财务报告，再次与提示中的文件不符。
当AI引用错误的信源时，可能导致严重的错误和不准确的结果。这就是为什么许多大型语言模型（如Gemini）在回复底部都有免责声明，告知用户务必核实信息。作为谷歌推出的AI产品，Gemini内置了“双重检查”功能；谷歌也在帮助页面明确表示，该产品不应被用于医疗、法律、金融等专业意见。
想想看，如果AI的判断失误，而你又真金白银地投了进去，后果可能不堪设想。因此，一个核心的观点是：在利用AI进行投资时，人类的把关作用仍然至关重要。
投资人Jeffrey Emanuel对此有着切身体会。他曾在多家华尔街机构担任分析师，也开发过多个AI与加密项目。他指出，目前AI面临的主要瓶颈是“信息量超出模型处理能力”。例如，单独一份10-K年报就可能塞满大模型的上下文窗口，真正的难点，是如何从海量文档中精准提取出“有用的那一部分”。
不过，他也坦言：今天的AI还远没达到“人人可用”的程度，普通投资者若想靠它做出正确判断，往往需要一定的技术背景，这本身就与“普惠智能”背道而驰。
未来若要改变这种状况，AI工具必须进一步提升——例如通过多模型协作（multi-agent workflow），实现更复杂的问题拆解与更精准的信息处理。但即使如此，能不能真正“做出好决策”，依然是另一回事。
美股大数据认为：“再强的分析模型，也不一定能给你好的交易意见。市场的非理性、变量的复杂交织，使得预测方向本身就是一件困难的事。”
换句话说，AI可以提高效率，但无法替你承担风险。它是工具，而不是答案。
AI如何真正帮投资者
尽管当前AI在投资交易中仍存在不少限制，但对投资者而言，搞清楚AI的能力边界，比盲目依赖它更为关键。它能做什么，不能做什么，决定了它在你的投资系统中扮演什么角色。
在众多应用场景中，AI最稳定、最实用的一项能力，可能就是——识别模式。对偏好技术分析的投资者来说，这一点尤其重要。技术分析的本质，是从历史交易数据中寻找那些可能重复出现的走势或形态，从而预判未来的市场方向。
如专家所言，人类的大脑虽然具备极强的图形识别能力，但往往也容易受主观情绪影响，看出一些“其实并不存在”的形态，或者错过真正重要的信号。这种认知偏差，在波动剧烈的市场中尤为常见。
而AI在处理这类问题时就显得更冷静、更一致。它可以在统一规则下，对数以千计的标的进行系统性分析，从海量图形中提取潜在模式，而不会被市场情绪或个人偏见所干扰。
换句话说，AI不会替你拍板，但它可以帮你扫清视线，让你看得更清楚、判断得更理性。对于很多依赖技术图形做决策的交易者来说，这种“辅助而非主导”的定位，恰恰是AI最适合的角色。
AI正在“蚕食”社交媒体？
你有没有想过，未来我们炒投资看信息，可能再也不需要刷社交媒体了？因为，AI正在悄悄地“吃掉”社交媒体在投资领域的份额！
过去两年，零售券商 Public 一直在琢磨怎么把AI真正用到投资实战中。他们不像有些平台那样只搞“概念”，Public 的路子更务实，而且每一步都有市场反馈支撑。
Public 的联席首席执行官詹尼克·马林说得特别明白：“AI要在投资这行发挥价值，最关键的不是它能‘知道所有答案’，而是它知道自己不知道的时候能及时‘闭嘴’。这一点，很多AI工具都还没做到呢。”
他打了个特别形象的比方：投资者不需要那种课堂上“永远举手回答”的学生，哪怕不懂也要瞎掰点什么。我们要的是一个真正能帮你看清问题、判断信息价值的得力助手。
Public 在2023年5月就推出了一个由 ChatGPT-4 驱动的“投资副驾驶”工具——Alpha。这可不是简单的信息搜索器，它给用户提供了一个用自然语言交流的界面。你可以用大白话问它某只股怎么样，让它帮你筛选特定资产，或者对比两家公司的业绩。更重要的是，它不只是“告诉你新闻”，而是能帮你看懂信息，甚至能推动你直接下单。
Public 在内部跟踪了一个叫“行动转化率”的指标，就是平台上的信息内容能促使用户实际交易的比例。结果，让他们大吃一惊：
- 传统新闻内容的转化率大约是 2%；
- 社交动态（比如用户评论或简报）的转化率是 5%；
- 而 Alpha 的转化率竟然高达近 40%！
这说明什么？AI提供的内容，相比传统信息，更容易让用户采取实际行动。它那种“结构化+针对性”的呈现方式，正在逐渐取代社交媒体内容原本在投资平台中扮演的角色。
这个惊人的发现，直接促使 Public 做出了两个重磅决策：
首先，他们把大部分精力都投入到了 AI 产品的研发上。
今年5月，Public 上线了一个新工具，叫“生成资产”（Generated Assets）。这个功能很酷，允许用户自己创建投资指数，比如“由40岁以下CEO领导的公司”，或者“不受美国关税影响的企业组合”等等，还能把这些自定义指数跟标普500进行对比。未来，用户甚至可以通过“零碎股”投资，或者直接配置自己定义的组合指数。
其次，Public 彻底关闭了社交内容信息流！
这对于一家曾经以“社交型投资平台”闻名的公司来说，简直是一次颠覆性的战略大转向。以前，Public 用户习惯在平台里分享财报摘要，聊当天的市场动态。但现在，所有这些信息都已经被 AI 生成的内容取代了，而且 AI 生成的更快、更准确，还能自动嵌入到用户正在浏览的内容中，省心又高效。
公司的两位创始人甚至在博客中直言不讳地坦言：“社交信息流的主要价值，以前是帮助大家快速掌握市场动态。但现在，这项功能已经被 AI‘吃掉了’。”
他们甚至用了一个非常直白的词：“AI正在蚕食社交媒体”。
这种变化，与三年前那波席卷全球的零售投资热潮形成了鲜明对比。2020到2021年，社交媒体曾掀起“迷因股”（Meme Stocks）狂潮，把大量年轻投资者第一次带进了股市。而现在，虽然 Public、Moomoo、Robinhood 这些平台的用户还在，但他们的信息来源、投资路径、甚至决策方式，都在被 AI 深刻改变。
美股大数据认为，AI 正在重塑我们对散户投资者的定义。过去，投资世界很简单，要么完全自己动手研究下单，要么完全托管，交给机构打理。但现在，有了 AI 的辅助，似乎正在出现“第三种方式”——由 AI 辅助的自主决策。这既不用完全靠自己，也不用完全托付于人，在效率与自由之间找到了一个全新的平衡点。
你觉得这种“第三种方式”会成为主流吗？
本文来自微信公众号“美股大数据StockWe”，作者：StockWe.com，36氪经授权发布。
