AI能否真正发现市场尚未定价的信息，还是本质上只能更高效地总结已经公开的信息？今早，这个问题挂上了知乎热榜。
问题里的两个选项，听起来只能二选一。但我把三年前华尔街那场著名实验和本周的几篇行业研判翻出来对了一遍，发现这个问题可能本身就问偏了：“更高效地总结公开信息”，在特定条件下，本身就是“发现尚未定价的信息”的一种方式。
三年前，真有人做过这个实验
2023年4月，佛罗里达大学金融学教授Alejandro Lopez-Lira和合作者Yuehua Tang做了一个当时轰动金融圈的实验：他们把纽交所、纳斯达克和一家小盘股交易所上市公司的5万多条新闻标题喂给ChatGPT——这些标题全部发生在模型训练数据截止日之后，也就是说，模型绝无可能“提前背过答案”。他们让模型扮演一位有荐股经验的金融专家，对每条标题只做一个判断：利好、利空，还是不确定。
然后把这个“ChatGPT分数”与公司第二天的股价表现对照。结果显示：分数与次日股票表现存在统计学上显著的正相关，得分高的公司普遍回报更好，预测次日回报方向的能力远好于随机水平，也优于传统的情绪分析方法。
Lopez-Lira自己的解读，恰好是对知乎这个问题最锋利的回答：“ChatGPT正在理解对人类有意义的信息，如果市场没有做出完美的反应，回报几乎注定是可预测的。”
拆开看：模型读的全是公开标题，一个字的内部消息都没有。但市场对公开信息的消化并不完美、也不即时——有的股票覆盖少，有的新闻要懂行业才能读明白，有的投资者就是还没来得及看。AI没有发现新信息，它只是比市场平均速度更快、理解更准地到达了同一条信息。市场的滞后，就是超额收益的窗口。
但这扇窗正在关上
如果“读得快”就能赚钱，那所有人都会让AI替自己读。亿搏资产在中华网9月10日刊发的研判里写得很清楚：随着算法逐步普及，使用AI本身已经难以形成长期壁垒；当大量机构用着相似的数据、相似的模型、相似的交易信号，就会形成集中调仓和策略拥挤。叩富网9月9日的一篇分析说得更直白：AI带来的不是“智力平权”，而是放大了人与人之间的认知差距，行业核心壁垒正从“因子竞争”转向“认知竞争”。
鼎晖投资一位关注AI赛道的投资人，9月9日在腾讯新闻刊文里还补了一个判断：“数据的边界可能就是模型的边界”——模型靠公开语料能达到的通识能力已近天花板，真正拉开差距的，是贴近真实工作流程的私域数据。
三份材料拼起来，就是那个知乎问题的完整答案：**在公开信息层面，AI是越来越高效的总结器，而总结带来的优势会被人群迅速卷平；真正“未被市场定价的信息”，藏在两处——AI没见过的私域数据里，和AI给不了的判断里。**北大光华管理学院教授陈玉宇9月9日刊于21经济网的文章里有个更普适的说法：生成越来越便宜，新的瓶颈开始变成筛选——谁能从海量产出里认出真正有价值的东西。
普通人能落地的用法
你没有私域数据库，也不需要赚超额收益。但“信息吸收滞后”这个逻辑对个人同样成立：在行业动态上，你也天天落后于同行半拍。
**先让AI当你的“消化层”。**别自己刷信息流，给AI一个固定任务：每天把你所在行业的重要动态整理成“三个事实、一个变化、一个反直觉点”。spark1.cn 的 /toolchains 里有现成的信息整理工具链，把这条流水线搭一次，你就从“刷到什么算什么”变成了每天比同行早半步。
**让AI给“反应”，别让它给“预言”。**少问“这消息利好还是利空”，多问“这件事有没有已经被价格消化，判断依据是什么”。逼它列证据、逼它承认不确定——当年那个实验自己也提醒了边界：模型没被要求做任何数学计算，而这类技术经常编造数字。
**筛选这一步，永远留给自己。**AI能替你读完5万条标题，但哪条与你的仓位、你的业务、你的家庭有关，这个判断不能外包，因为只有你知道上下文。
一句话：让AI负责“读得快”，你负责“想得慢”。市场如此，工作也如此。
💬 评论