CEO Peng Zhao & Sequoia's Alfred Lin Discuss the Future of Markets
TLDR
本文深入探討人工智慧在金融市場的實際應用與未來發展。紅杉資本合夥人Alfred Lin與Citadel Securities領導層分享了AI技術如何真正改變資本市場運作,從機器對機器交易佔比超過50%,到如何區分真實價值與市場炒作。文章揭示了金融機構應該如何在AI浪潮中找到正確定位,強調技術採用不必搶先但必須保持警覺,並探討了客戶導向文化在技術變革時代的重要性。
人工智慧在金融市場的真實影響力
人工智慧技術正在重塑全球資本市場的運作方式。當前金融業面臨一個關鍵問題:AI究竟是推動市場未來發展的核心動力,還是另一場被過度炒作的技術泡沫?
在紐約證券交易所,超過50%的交易量已經是機器對機器的自動化交易。這個數據揭示了一個重要事實:機器學習和預測分析技術早在23年前就開始改變資本市場的基礎架構。Citadel Securities作為期權做市商,從創立之初就將技術自動化視為核心競爭力。
區分AI炒作與實質價值的關鍵要素
市場上充斥著各種AI相關的投資機會,但並非所有標榜人工智慧的企業都具備真實價值。紅杉資本在評估AI公司時,會重點考察以下四個核心要素:
| 評估要素 | 重要性說明 |
|---|---|
| 獨特數據資產 | 企業是否擁有無法被輕易複製的專有數據 |
| 數據洞察能力 | 是否具備將數據轉化為商業價值的獨特見解 |
| 算法開發能力 | 團隊是否有能力優化和改進機器學習算法 |
| 工作流程整合 | AI技術能否真正融入客戶的實際業務流程 |
如果一家企業僅僅是在ChatGPT之上建立一個包裝層,而沒有上述任何一項核心能力,那麼這樣的商業模式將難以持續。相反,像Citadel Securities這樣同時擁有所有四項要素的企業,才能真正將人工智慧技術提升到新的層次。
機器學習技術的演進歷程
人工智慧並非新興概念,而是一項持續演進了70多年的技術。從1950年艾倫·圖靈創立圖靈測試開始,AI技術經歷了多個發展階段。當前的大型語言模型和深度學習技術之所以能夠突破,關鍵在於三個要素的成熟:
充足的運算能力讓複雜的神經網絡訓練成為可能。雲端儲存提供了海量訓練數據的存取管道。開放互聯網累積的豐富內容成為模型學習的基礎。
ChatGPT相較於傳統搜尋引擎的核心優勢,在於它能夠自動瀏覽多個連結,閱讀內容並生成摘要。這種看似簡單的功能改進,已經替代了Google搜尋的10%流量,而在Z世代用戶中,這個比例更高達25-30%。
金融機構的AI採用策略
企業在面對人工智慧技術浪潮時,需要在兩種策略中做出選擇。第一種策略是培養內部技術領導能力,在決策層級配置具備深厚技術專業知識的人才,使組織能夠準確判斷哪些AI應用值得投資。這種方法的優勢是可以快速行動,但風險在於可能浪費資源追逐錯誤方向,甚至導致組織出現AI疲勞。
第二種策略是保持在技術前沿附近,承認內部可能缺乏足夠的領導能力,但透過與產業夥伴和科技公司建立合作關係,共同探索AI應用的可能性。這種方法較為穩健,能夠降低試錯成本。
客戶導向文化在AI時代的演變
真正的客戶導向不僅僅是回應客戶需求,而是要做到三個層次的服務。第一層次是主動消除產品中的摩擦點,在客戶發現問題之前就解決它們。如果產品存在明顯的使用障礙,企業應該立即改善,而不是等待客戶投訴。
第二層次是快速回應客戶反饋。當客戶指出問題時,企業應該思考為什麼沒有事先發現這個需求,同時立即著手解決。第三層次是代表客戶進行創新,預測他們未來的需求。這需要企業對市場發展方向有強烈的信念,即使當前客戶可能還沒有意識到這些需求。
| 企業案例 | 客戶服務特色 |
|---|---|
| Amazon | 將客戶聯繫視為系統缺陷,優先改善產品而非增加客服人力 |
| Zappos | 提供高接觸度服務體驗,將800客服電話號碼放在網站首頁 |
| DoorDash | 聚焦於餐廳和商家體驗,將他們視為首要客戶 |
| Airbnb | 建立房客與房東的社群文化,強調雙向的待客之道 |
Citadel Securities的技術驅動策略
Citadel Securities建立在一個核心願景之上:技術、預測分析和自動化是做市和資本市場交易的未來。這個理念已經實踐了23年,大部分時間裡這種轉型對市場參與者來說是隱形的,但其影響力卻是巨大的。
在meme股票狂潮期間,Citadel Securities實現了零秒停機的營運記錄。這並非偶然,而是源於他們規劃了前一次市場高峰六倍的系統容量。計算邏輯是這樣的:首先要能應對歷史最高峰值,然後考慮到下一次高峰會更高而乘以二,最後再考慮到競爭對手可能當機而需要承接額外的35-40%市場流量,因此再乘以三。
這種以技術為中心的預防性規劃,讓企業能在客戶最需要的時刻提供穩定服務。客戶會記住這些關鍵時刻的表現,這種信任會隨時間累積成為長期競爭優勢。
AI時代的人才發展挑戰
領導者在AI時代面臨著平衡多方需求的挑戰。如果你是剛畢業的求職者,應該優先選擇能夠幫助你在人工智慧領域建立職業發展的企業。如果你處於職業中期,需要思考AI技術將如何改變你的工作內容。而資深領導者的責任,就是管理這個光譜中的各種需求。
對於受監管的金融機構,如果員工私下使用ChatGPT處理公司郵件,這可能構成合規風險。與其禁止使用,不如主動引進企業版AI工具,因為這些工具確實能提升員工生產力。當員工發現某項技術能讓工作更輕鬆時,阻止他們使用反而會降低整體效率。
在程式開發領域,AI編碼工具的採用尤其重要。NVIDIA執行長黃仁勳就為公司每位員工提供多種編碼輔助工具選項,讓他們根據個人需求選擇。這種做法的目的是確保工程團隊始終掌握最新技術動態。
量化研究工作的未來轉型
人工智慧算法現在已經能夠在國際數學奧林匹克競賽中獲得金牌,在美國數學競賽中取得高分。但這種能力的本質是什麼?數學證明的過程可以簡化為:給定一組符號的初始排列,一個目標排列,以及一套重新排列的規則,然後在限定時間內找到從起點到終點的路徑。
當用這種方式描述時,計算機算法擅長理解規則並高效遍歷邏輯分支樹,比人類更快找到答案就不足為奇了。人類所謂的「洞察力」,實際上是各種直覺模式識別和捷徑,讓我們能夠在思維樹中跳躍。AI也能做到部分跳躍,而且能夠更快速地遍歷更大的樹狀結構。
但人工智慧無法做到的是:知道應該問什麼問題,應該設定什麼目標,以及如何將複雜的現實問題轉化為可解決的數學模型。這些抽象的概念化能力,才是真正有趣且有價值的技能。
過去能夠快速進行心算曾經是一項寶貴的技能,但這種價值已經消失了幾十年。同樣地,快速進行符號操作的能力也正在變得不那麼重要。研究人員不再受限於計算能力,而是受限於概念性問題解決能力,也就是知道應該問什麼正確問題的能力。一旦確定了正確的問題,他們現在擁有比一兩年前更強大的工具來尋找答案。
技術採用的時機選擇
企業不必成為技術早期採用者,但必須保持關注。從小型公司到大型企業,技術採用的模式差異很大。重要的是要確定自己在採用曲線上的位置:早期採用者、中期採用者,還是後期採用者。
歷史案例提供了重要啟示。1997年時,許多人認為Amazon會摧毀Walmart。Amazon確實是更好的投資標的,但Walmart今天的規模是1997年的20倍。儘管他們在電商領域採用較晚,依然取得成功。然而,那些完全沒有採用互聯網技術的零售商,則很難在今天生存。
Apple作為全球最有價值的公司之一,幾乎總是新技術的晚期採用者。他們不是第一個創造個人電腦的,不是第一個創造圖形界面的,也不是第一個創造行動電話的。但他們能夠等待正確的時機,並憑藉獨特的洞察力後來居上。他們的核心價值是設計,產品設計得比其他競爭對手更好,因此獲得用戶青睞。
AI對工作性質的長期影響
關鍵思考能力不會過時。這個道理可以從一個真實故事中理解:Alfred Lin的父親曾是台灣的算盤冠軍,因為計算能力出眾而被銀行聘用負責帳目工作。但當他完成工作後,選擇去學習電腦科學,因為他知道機器會取代純粹的計算工作。
當計算工作被自動化後,他並沒有失去價值,反而升任為會計副總裁,開始思考其他為銀行創造收益的方法。同樣的邏輯適用於今天:即使你能比別人更快解決數學難題,也不代表你解決的是正確的問題。
世界變得越來越複雜,每個問題的解決方案都會創造新的問題。金融市場將繼續需要人們去發現新的alpha來源,為客戶創造價值,開發新技術,因為技術本身需要不斷進步。某些工作會被自動化,但人們會轉向其他工作。技術進步不會讓所有工作消失,而是會重新定義工作的內容。
參考資料與延伸閱讀
- Anthropic - Claude AI - 人工智慧大型語言模型開發公司
- OpenAI - ChatGPT和GPT系列模型開發機構
- U.S. Securities and Exchange Commission - 美國證券交易委員會,金融市場監管機構
- Federal Reserve System - 美聯儲,美國中央銀行系統
- Google AI Research - Google人工智慧研究部門
- Sequoia Capital - 紅杉資本,領先創投機構
作者觀點
作為長期觀察科技與金融市場交集的分析師,我認為這場對話最有價值的洞察在於:AI不是一個需要立即all-in或完全忽視的二元選擇。真正的智慧在於理解自己組織的技術成熟度,並據此制定適合的採用策略。
Citadel Securities的案例特別值得借鑒。他們在meme股票風暴中零當機的記錄,不是運氣,而是來自於對極端情境的系統性規劃。這種「規劃六倍容量」的思維方式,正是技術領導力的具體展現。在AI時代,這種預見性思維比追逐最新的模型更重要。
另一個關鍵啟示是:技術工具會改變,但提出正確問題的能力永遠稀缺。當AI能夠贏得數學競賽時,我們不應該恐慌,而應該重新聚焦於那些機器無法替代的能力——將現實世界的混沌問題轉化為可解決的框架。這才是未來人才的核心競爭力。
最後,客戶導向文化在AI時代不但不會過時,反而會變得更加重要。當技術能力趨同時,真正的差異化將來自於對客戶需求的深刻理解,以及在關鍵時刻持續提供服務的能力。這是任何算法都無法複製的護城河。
