当AI学会了预测，发现马斯克的预测不靠谱
AI预测被视为一种介于量化分析与主观研究之间的全新产物。
文 | 刘思洁
编辑 | 张薇
封面来源 | Pixabay
2025年，25岁的Henry大举投资了一只涨幅达十倍的股票Nebius。凭借这笔交易，他在很长一段时期内无需为生计奔波。
Nebius是一家专注于AI新云（neocloud）的企业。这家公司当时并未获得广泛认可，一些持观望态度的研究者关注的是其季度利润，并以“算力二房东”的商业模式来评估其价值，但Henry认为，“这些看法较为短视，因为精确预测每一个数字几乎不可能。”
Henry的观察角度则不同。他看好Nebius，核心依据是公司长期且根本的驱动力，即人才与组织架构。
比起他的投资成绩，我们更想强调的是，这背后反映出这位年轻人一个更核心且有趣的视角——
“选股与预测本质上是同一件事。”他说道，“从不同维度去理解和处理信息，能让我们做出更准确的预测。”
这一视角也是他创业的根基。本科就读于上海交通大学计算机专业，研究生阶段在上海高级金融学院学习金融科技，在先后从事量化金融和主观投研工作后，今年5月，Henry创立了AI预测企业ProphetLab，将AI预测与人类专家的经验相结合。
“未来人类实验室”独家获悉，目前该公司已获得包括常春藤资本在内的多方数千万元天使轮融资。
正式创业前，Henry经历了长达半年的“潜伏期”。他住在上海的一间出租屋里，独自探索AI与投资的融合，正是在这段时间里，他抓住了后来涨幅超过十倍的Nebius。
那半年中，Henry逐渐形成一个判断：AI与投资的结合，并非仅仅是将现有量化方法自动化，它有可能演变成一种介于量化投资与主观投研之间的“新物种”。
在他看来，量化投资擅长处理结构化数据并构建模型，而主观投资则依赖人的经验、直觉、产业洞察以及大量难以编码的非结构化信息。过去，量化与主观投研之间存在巨大鸿沟，人才与方法也难以互通。而大语言模型的出现首次提供了“架桥”的可能性：它能理解人的分析过程，将主观投资者对产业、公司和趋势的判断，以及那些原本难以结构化的非计划信息抽象出来，再与量化的数据处理能力结合。
AI预测公司正是这一新物种，过去的经历让他反复验证，做出准确预测是有规律可循的。
他希望能将这种能力传授给AI。
获取的信息要足够多，处理信息的能力也要足够强，AI在这两方面均优于人类，毕竟，大模型已越来越擅长搜索、分析、使用工具和完成任务，再加上人类专家的经验，“它有可能预测出别人无法预测的结果。”Henry这样表述。
例如预测特斯拉的销量，传统研究员可能只查看了网上的一小部分评论，而AI能分析更多评价，还能调取地图、搜索其他信息，因此很可能预测得更精准。
ProphetLab的首个产品是世界杯预测。
最初，他们只是对各大型模型的预测结果进行排序。随着资金到位，团队开始加入自研的预测框架：通过API调用大模型，结合历史比赛、球员伤病、裁判风格和天气等数据，模拟比赛中连续发生的事件，再通过多次模拟统计比分的概率分布，给出最终预测结果。
据Henry介绍，这套系统取得了超过70%的预测胜率，并成功预测了本届世界杯的四强、冠军以及决赛1∶0的比分。
目前，ProphetLab正推进与基金机构的合作，开发一套面向金融预测的基准测试。他们试图通过公司销量、收入等需要多步分析的问题，检验模型能否对尚未发生的事件做出有依据的判断。金融专家参与问题设计和模型评判，评测积累的数据与反馈，将被用于后续模型训练。
他们还做了一个有趣的小项目，分析AI行业人物的预测。将他们过去的公开言论收集起来，逐一验证其准确性，看看哪些人容易夸大其词，哪些人表述较为严谨。这样，下次再做判断时，就知道谁的话更值得参考。Henry将此称为“分析人类专家的分析，预测人类专家的预测”。
目前，预测准确率最高的是前OpenAI首席科学家Ilya Sutskever，最后一名是马斯克。
他相信预测的魅力与社会价值。如果能更准确地预知未来，人们就能做出正确决策，减少资源浪费。
不过，回到他的投资业绩，我们问他，凭借投资能力已能赚钱，为何还要创业？
Henry提到了他喜欢的游戏《塞尔达》。“创业就像玩《塞尔达》，里面有一个必须攻克的神兽，要想办法获取资源、开辟一条路，尽可能接近那个目标。”
探索，是他持续投入的动力。“预测是一个长达十年的课题，我希望打造一个先知。”
面对一件尚未发生的事，AI如何在海量信息和噪音中识别真正重要的信号，形成比人类更准确的判断？以及，当人们开始相信一个关于未来的判断时，本身是否会采取行动从而改变未来？
以下是“未来人类实验室”（以下简称“未来人”）与Henry的对话。
Henry
AI如何预测一件尚未发生的事？
未来人：为什么从世界杯开始做预测？你自己很喜欢足球吗？
Henry：我不踢足球，也不太看球。当时有人开始讨论世界杯购票的事，我就想，做预测的公司，是不是可以借这个赛事热点宣传一下品牌？当时也有招聘需求。
最开始主要是我和两位AI博士生在做，我自己先投入了一些资金。后来每天在社交平台发布预测结果，确实吸引了一些人。现在团队里有一位剑桥数学背景的同学，看了预测觉得有趣，从杭州到上海跑了好几趟，跟我聊这些内容，后来加入了。
未来人：我目前看到官网的世界杯预测主要是展示多个模型的结果，你们自己做的是哪一部分？
Henry：一开始准备做世界杯时，距离第一场比赛很近，也还没拿到资金，资源比较匮乏。当时只是想简单做一个排行榜，让每个模型拿出预测结果，每场比赛后能进行排名。
后来有了资源，也有朋友、同学来帮忙，我们开始开发自己的一套预测模型。这里说的“模型”是算法，是做了一套Harness，也就是组织模型工作的框架，调用API。你看到的模拟比赛全流程那套东西，是通过调用API实现的，关键在于框架和原始数据。
未来人：这套框架具体如何预测一场比赛？
Henry：首先收集大量足球比赛的相关信息，也购买数据，包括球员伤病情况、比赛主客场、裁判风格、天气和湿度等。这些原始信息会进入我们的框架，映射到模拟器中。
模拟器会进行非常细粒度的预测，比如每一分钟或每几分钟出现一个事件：边路传中、被后卫顶出、转身扫射。事件结合在一起，就是一场比赛。
我们会将比赛重复很多遍，有些结果是1比0，有些是2比1，最终得到概率分布。比如模拟30场，有5场是1比0，我们就认为这个比分的概率是六分之一。把所有获胜比分的概率加在一起，就是获胜的概率。
未来人：这些动作是模拟出来的，还是过去比赛里发生过的？
Henry：都是模拟出来的。但我们会使用过去比赛的信息。比如过去十年球赛中，每一分钟触发了什么事件，Agent读取这些历史信息后，再做出模拟中的行为。
我们还引入了一位人类专家。因为我不太看球，也发现AI有很多错误，就找了一位中国足协裁判，帮助我们分析足球多步推理中的谬误。哪里错了、应该如何，请他圈出来，放入我们的memory，即记忆里。
每场比赛结束，新比赛开始时，系统会读取这些记录，提醒自己不要再犯同样的错误，然后进行后续预测。
未来人：一位真人裁判？他具体纠正什么？
Henry：举个例子，模拟日本和荷兰的比赛时，模型经常出现日本球员高高跃起、头球破门的情节。裁判认为这种情况不应如此常见，他的判断是双方球员的身高和头球对抗情况没有被合理考虑。
我们把这个信息记下来，放进下一次预测，模型就不会再轻易做出同样的判断。
未来人：在预测时，不同信息的权重如何分配？
Henry：这些由AI判断。比如在投研中，财报和公司公告的权重、置信度最高，往后是优秀机构的分析师研报，再往后是大众研报、新闻，最差是社交平台上的传言。
置信度设计得好不好，AI判断得好不好，我们也会检查，这就是人类专家的经验。具体判断我们不会直接修改，但会判断Agent做得好不好。
未来人：世界杯预测中出现过让你印象深刻的预测错误吗？
Henry：当然有。世界杯有几天错得比较多，评论区就说没一个对的、乱猜。也有连续三天每场都对的时候，评论区就说太强了，各种“神”。
足球本身有随机性，会有逆转。即使过程很准确，也可能预测出错。我们说预测得准，也是希望比市场更准一些。
未来人：那你们只关心过程中的错误，不关心结果对错？
Henry：结果也会存进memory，过程会有一个分数，结果也会有一个分数。但我们不会因为一场比赛猜错了，就直接惩罚它。像刚才日本和荷兰那个例子，过程里出了问题，我们会去纠正。
未来人：如果预测之后又出现了新信息，如何更新？
Henry：通过memory持续更新。比如在T时刻做了一次预测，T+1时刻有了新的原始数据、新的信息，就通过记忆系统，用更新后的系统重新预测一次。
未来人：其他事件也用这套模拟比赛的方式预测吗？
Henry：足球是专门做的架构，其他事件用通用框架，采用Deep Research的方式。它会做分析，最后得出一份报告，包括人类分析师的信息，也包括AI自己分析的内容，再汇总。
AI能像优秀研究员一样“判断未来”吗？
未来人：世界杯预测和商业、金融预测之间，哪些能力是通用的？
Henry：原始数据的收集方式，以及Deep Research、多步推理的工作是通用的。不通用的是数据本身，以及每个任务需要匹配的专家。足球是足球裁判，金融就是投研人员、基金经理等专家。
我们公司现在的重点是商业和金融领域，政治、体育的优先级放在后面。
未来人：你们准备与基金公司合作做的金融benchmark，具体测什么？
Henry：金融评测里，一类是知识问题，比如模型有没有记住金融公式；第二类是考察模型干活的能力，比如三张报表的勾稽关系，调用Excel和其他工具的能力。
如果类比人类分析师，这些更像初级研究员的工作。我们更关注的是预测：作为基金经理或高级研究员，要有能力判断一家公司的未来发展。我们想做的是这种长程、复杂的任务。
模型需要基础知识、调研和工具能力，在这些基础上，还要攻克预测和复杂金融问题。我们想把模型目前的能力边界勾勒出来，再通过强化学习等方式去填补。
未来人：能举一个商业预测的例子吗？
Henry：比如特斯拉下一周的销量是多少。我们要首先冻结时间，回到过去某个时点，预测一款新车型在中国的销量。
可能的路径是，先分析公众讨论的热度，再通过卫星图看工厂停车位的拥挤程度。新车型发布前，要准备库存，车会停在工厂旁边，这就是一个信号。如果没有备好那么多车，即使需求很大，也不一定能有那么多销量。
还有公司财报、电话会议。同一行业的公司之间，收入也可能存在关联，这些都是相对通用的信息。
未来人：通过这样的任务，你们想区分出模型的什么能力？
Henry：多步推理能力。举一些初步观察，好的模型可能会在公司的业绩指引上，加上自己的修正；一般的模型可能直接用去年的收入，做一个线性推演。这就是benchmark区分模型能力的作用。
未来人：有金融经验的团队成员，在这个过程中做什么？
Henry：我认为，投研过程中一些人类专家的经验，目前还是领先于模型的。构造评测问题本身，就需要有金融经验的同学帮助设计。
除了内部团队，也有外部专家顾问。他们有自己的研究经验，会像足球裁判一样，评判我们的模型。
未来人：你认为AI有可能比研究员预测得更准吗？理由是什么？
Henry：任务是一样的，都是金融预测，但路径可能不同。传统研究员研究一家游戏公司，要汇总游戏收入、回款等信息。AI可以收集海量信息，包括每款游戏、玩家的评价，再综合起来，可能出现比人类更好的预测路径。
人类的视角有限，AI可以获取不同领域的知识、进行全网搜索，它有可能预测出别人预测不出的东西。
未来人：信息一定越多越好吗？会不会只需要那些精准的信息？
Henry：我觉得信息越多越好，但前提是处理能力要强。AI在这两点上可能比人类更强。比如预测特斯拉销量，传统研究员可能只看了网上一小部分评论，AI能看更多评价，还能找地图、搜索其他信息，所以很可能预测得更准。
未来人：你们内部有没有让AI和研究员研究同一个问题，比较谁更准？
Henry：是下一步要做的，但我们发展的时间还没有那么久，目前还没有。
未来人：现在有可以展示的具体样题吗？
Henry：还在研发、调整中，目前只能作一个大概的描绘，还需要一些时间把它研发出来。
