【ITBEAR】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。
帶領著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。
量化金融不是什么新鮮事，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，分析金融市場的動態變化，幫助各類投資者進行交易和風險管理。
隨著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、財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，只要你善于下達合適的prompt，甚至能把大模型“培養”成巴菲特的投資風格。”巴老一直說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！"
金融+AI，需要一點理想主義
“我們希望投資者在決策之前，先問問ArborChat該考慮什么，有足夠的信息去做參考，而不是一時沖動就下單。”鄭其森向介紹。
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”，又帶著金融圈不太常見的“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。
“為什么隔壁搞量化得這么輕松？”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”，背后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標的分析。
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。”
其實心里的種子早在幾年前就已經種下——2012年，諾貝爾得獎者杰弗里·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在不同領域逐漸超越人類的可能。
“如果在圖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，服務于國內外眾多銀行和基金。另外亦利用自家AI能力優化高凈值客戶的開戶和基金申購流程，創建資產管理規模達15億美元的私募投資平臺。
“譬如我們幫四大銀行中的一家，抽取和分析信貸業務客戶的財務報表。通過提取大量的會計數字，放到信貸模型里面做分析。”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內。
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利用針對金融領域優化的大型語言模型系統，為散戶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財務分析。”
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。
AI價值投資成為可能
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來說其實很難—例如“怎樣比較阿里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，分別查詢阿里巴巴和拼多多各自的財務數據、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，最后才能總結兩家公司的比較。”可以說，超越單層思考之后，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的核心競爭力。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戶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標注方法，獨家RAG技術不僅大幅提升金融商業類答案的提取準確率，還能維持實時性。這一點，國內外許多炒股AI目前都沒有做到。
誰會成為下一代投資巨鯨？
和近年二級市場投資遇冷的情況相比，近段時間開戶潮、00后投資者的涌入，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端客戶目標還是在經驗更為豐富，同時付費意愿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端客戶也被視為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里的變動。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分鐘內回答。”
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，包括客戶的風控，ArborChat都能夠參與其中并提高效率。
ArborChat的出現絕非孤例，隨著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愿景終于踏出了實現的第一步，更是一個新行業范式的開始。量化投資的出現孕育了多個千億級別的投資巨鯨，價值投資的AI將開拓一個無比巨大的藍海，孵化下一代的行業領導者。”
