当AI学会了预测，发现马斯克的预测不靠谱

AI预测正成为量化与主观投研之间的新兴领域。

文 | 刘思洁

编辑 | 张薇

封面来源 | Pixabay

2025年，25岁的Henry重仓了一只涨幅达十倍的股票Nebius。凭借这笔交易，他在相当长一段时间内无需工作。

Nebius是一家专注于AI neocloud（即新云）的企业。这家公司当时并未获得普遍看好，一些持观望态度的研究者关注的是其每季度利润，并用“算力二房东”的商业模式来评估其价值。但Henry认为，“这些判断较为短视，因为很难精确预测每一个具体数字。”

Henry的视角与众不同。他看好Nebius的核心原因，在于公司长期且根本的驱动力——即人和组织。

比起他的投资成绩，更值得关注的是这位年轻人所展现出的一个更核心、更有趣的视角——

“选股和预测本质上是一回事。”他表示，“从不同维度去理解和处理信息，能帮助我们做出更好的预测。”

这一视角也是他创业的基础。Henry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Fintech，先后从事过量化金融和主观投研工作。今年5月，他创立了AI预测公司ProphetLab，将AI预测与人类专家经验相结合。

“未来人类实验室”独家获悉，该公司目前已获得包括常春藤资本在内的多方数千万元天使轮融资。

在正式创业前，Henry经历了约半年的“蛰伏期”。他住在上海的一间出租屋里，独自研究AI与投资的融合方式。正是在这段时间，他抓住了后来涨幅超过十倍的Nebius。

那半年里，Henry逐渐形成了一个判断：AI与投资的结合，不应只是将现有量化方法自动化，而可能成为介于量化投资和主观投研之间的“新物种”。

在他看来，量化投资擅长处理结构化数据和建立模型，而主观投资则依赖人的经验、直觉、产业理解以及大量难以编码的非结构化信息。过去，量化和主观投研之间存在巨大鸿沟，人才和方法也难以互通。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相结合。

AI预测公司正是这个新物种，过往的经历让他一再验证，做出准确的预测是有迹可循的。

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在这两点上比人类更具优势。毕竟，大模型已经越来越擅长搜索、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预测不出的东西。”Henry这样表述。

例如，预测特斯拉销量时，传统研究员可能只看了网上一小部分评论，而AI能浏览更多评价，还能查找地图、搜索其他信息，因此很可能预测得更准确。

ProphetLab的首个产品是世界杯预测。

最初，他们只是对各大模型的预测结果进行排名。随着融资到位，团队开始加入自研预测框架：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benchmark。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情做出有依据的判断。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用于后续模型训练。

他们还进行了一个有趣的小项目，分析AI行业人物的预测。通过收集他们过去的公开言论，逐一验证其准确性，以判断哪些人容易夸大其词，哪些人表述更为严谨。这样，在下次做判断时，就能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，排名垫底的是马斯克。

他相信预测的魅力及其社会价值。如果能更准确地预测未来，人们就能做出正确决策，减少资源浪费。

不过，回到他的投资成绩，我们问他，凭借投资能力已经能赚钱，为什么还要创业？

Henry提到了他喜欢的游戏《塞尔达》。“创业就像打《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。”

面对一个尚未发生的事情，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，是否本身就不会采取行动去改变未来？

以下是“未来人类实验室”（以下简称“未来人”）与Henry的对话。

Henry

 AI如何预测尚未发生的事件？

未来人：为什么先从世界杯开始做预测？你本人很喜欢足球吗？

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，是不是能借助这个赛事热点来推广品牌？同时也有招聘需求。

最初主要是我和两位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，确实吸引了一些关注。现在团队里有一位剑桥数学背景的同学，看了预测后觉得有趣，从杭州多次跑到上海跟我交流，最终加入了团队。

未来人：我在官网上看到世界杯预测似乎主要是展示多个模型的结果，你们自己具体做了什么？

Henry：刚开始准备做世界杯时，距离第一场比赛时间很近，资金也未到位，资源比较匮乏。当时只想简单做一个排行榜，让每个模型给出预测结果，每场比赛后能进行排名。

后来有了资源，也有朋友和同学来帮忙，我们开始开发自己的预测模型。这里说的“模型”是指算法，我们设计了一套Harness，即组织模型工作的框架，通过调用API实现。你看到的那套模拟比赛全流程的系统，就是通过API完成的，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相关信息，并购买数据，包括球员伤病情况、比赛主客场、裁判风格、天气和湿度等。这些原始信息会输入我们的框架，映射到模拟器中。

模拟器会进行非常细粒度的预测，例如每分钟或每几分钟出现一个事件：边路传中、被后卫顶出、转身射门。这些事件组合起来，就构成了一场比赛。

我们会重复模拟很多遍比赛，有些结果是1比0，有些是2比1，最终得到概率分布。例如，模拟30场比赛，有5场是1比0，我们就认为这个比分的概率是六分之一。将所有获胜比分的概率相加，就得到获胜的概率。

未来人：这些动作是模拟出来的，还是基于过去比赛的真实数据？

Henry：都是模拟出来的。但我们会使用过去比赛的信息。例如，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存在很多错误，于是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、应该怎样，请他指出来，然后存入我们的memory（记忆）中。

每场比赛结束后，当新比赛开始时，系统会读取这些记录，提醒自己避免再犯同样的错误，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，在模拟日本对荷兰的比赛时，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。

我们将这个信息记录下来，放入下一次预测，模型就不会再轻易做出同样的判断。

未来人：预测时，不同信息的权重如何分配？

Henry：这些由AI自行判断。例如在投研中，财报和公司公告的权重和置信度最高，其次是优秀机构的分析师研报，然后是大众研报、新闻，最差的是社交平台上的传言。

置信度设计是否合理，AI判断是否准确，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，但会评估Agent的表现。

未来人：世界杯预测中，有没有让你印象深刻的错误？

Henry：当然有。世界杯期间有几天错误较多，评论区就说没一个对的、乱猜。但也有连续三天每场都正确的时候，评论区就说太强了，各种“神”的评价。

足球本身具有随机性，会出现逆转。即使过程很准确，也可能预测出错。我们说预测得准，也只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，过程有一个分数，结果也有一个分数。但我们不会因为一场比赛猜错了就直接惩罚它。像刚才日本和荷兰的例子，过程出了问题，我们会去纠正。

未来人：如果预测之后又出现新信息，如何更新？

Henry：通过memory持续更新。例如，在T时刻做了一次预测，T+1时刻有了新的原始数据和新信息，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：足球是专门设计的架构，其他事件使用通用框架，采用Deep Research的方式。它会进行分析，最终生成一份报告，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能否像优秀研究员一样“判断未来”？

未来人：世界杯预测与商业、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。足球需要足球裁判，金融则需要投研人员、基金经理等专家。

我们公司目前重点在商业和金融领域，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开发的金融benchmark，具体测试什么？

Henry：金融评测中，一类是知识问题，比如模型是否记住了金融公式；第二类是考察模型执行任务的能力，比如三张报表的勾稽关系，以及调用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：比如预测特斯拉下一周的销量。我们首先要冻结时间，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，需要准备库存，车辆会停在工厂附近，这就是一个信号。如果没有备好足够多的车，即使需求很大，销量也可能受限。

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扮演什么角色？

Henry：我认为，投研过程中一些人类专家的经验目前仍领先于模型。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，还有外部专家顾问。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，需要汇总游戏收入、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：这是下一步要做的，但我们发展的时间还不够长，目前还没有。

未来人：现在有可以展示的具体样题吗？

Henry：还在研发和调整中，目前只能做一个大概的描绘，还需要一些时间才能研发出来。

如何训练“预测能力”？

未来人：你们也在招聘模型训练人员，是