当AI学会了预测，发现马斯克的预测不靠谱

AI预测被视作一种融合量化分析与主观研究的全新形态。

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。依靠这笔操作，他在相当长一段时间内无需工作。

Nebius是一家专注于AI新云（neocloud）的企业。当时这家公司并未获得广泛认可，部分观望者依据其每季度的利润以及“算力二房东”的商业模式来评估价值，但Henry认为，“这些判断较为短视，因为精确预测每一个数据点极其困难。”

Henry的出发点存在差异。他看好Nebius，核心原因在于关注企业长期且根本的推动力，即人员与组织架构。

相较于他的投资成果，我们更想探讨这位年轻人所展现出的一个更具核心且有趣的角度——

“选股与预测本质上属于同一件事。”他说道，“从不同维度去理解与处理信息，有助于我们做出更优的预测。”

这一视角也构成了他创业的基础。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与主观投研工作。今年5月，他创立了AI预测公司ProphetLab，旨在将AI预测与人类专家的经验相融合。

“未来人类实验室”独家获悉，该公司目前已完成来自常春藤资本等多方的数千万元天使轮融资。

在正式创业前，Henry经历了大半年的“潜伏期”。他居住在上海的出租屋内，独自探索AI与投资的结合路径，正是在这段时间里，他捕捉到了后来涨幅超过十倍的Nebius。

那半年间，Henry逐渐形成了一种观点：AI与投资的结合，并非仅仅是将现有量化方法自动化，而可能演变为介于量化投资与主观投研之间的一种“新物种”。

在他看来，量化投资擅长处理结构化数据与构建模型，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相结合。

AI预测公司正是这种新物种，过往的经历使他多次验证，做出准确预测是有规律可循的。

他希望能够将这种能力传授给AI。

获取的信息需足够丰富，处理信息的能力也需足够强大，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、使用工具及完成任务，再加上人类专家的经验，“它有可能预测出他人无法预见的结论。”Henry如此表述。

例如预测特斯拉的销量，传统研究员可能仅浏览了网络上的一小部分评论，而AI能查看更多评价，还能调用地图、搜索其他信息，因此很可能预测得更为精准。

ProphetLab的首个产品是世界杯预测。

最初，他们仅对各模型的预测结果进行排名。随着资金到位，团队开始加入自研预测框架：通过API调用大模型，结合历史比赛数据、球员伤病情况、裁判风格及天气等信息，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，从而给出最终预测结果。

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比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。金融专家将参与问题设计与模型评判，评测积累的数据与反馈，又将被用于后续模型训练。

他们还开展了一个有趣的小项目，分析AI行业人物的预测。将这些人物过去的公开言论收集起来，逐一核对是否准确，以辨别哪些人容易夸大其词，哪些人表述较为严谨。这样，未来再做判断时，就能知道谁的言论更值得参考。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，而排名垫底的是马斯克。

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，回到他的投资战绩，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。”

面对一件尚未发生的事，AI如何能在海量信息与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，是否会因自身行动而改变未来？

以下是“未来人类实验室”（以下简称“未来人”）与Henry的对话。

Henry

 AI如何预测尚未发生之事？

未来人：为何选择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，做预测的公司能否借这个赛事热点宣传品牌？当时也有招聘需求。

最初主要是我和两位AI博士生在做，我自己先垫付了一些资金。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，看到预测后觉得有趣，从杭州多次跑到上海与我交流，后来加入了团队。

未来人：我在官网看到世界杯预测似乎主要展示多个模型的预测结果，你们自己做的部分是哪些？

Henry：开始准备世界杯时，距离第一场比赛很近了，且尚未获得资金，资源比较匮乏。当时只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预测模型。这里说的“模型”是指算法，我们构建了一套Harness，即组织模型工作的框架，通过调用API实现。你看到的模拟比赛全流程的那套东西，是通过API实现的，关键在于框架与原始数据。

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、天气与湿度等。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致的预测，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、转身扫射。事件组合在一起，就形成了一场比赛。

我们会将比赛重复多次，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。将所有获胜比分的概率相加，就是获胜的概率。

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，智能体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存在许多错误，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、应该如何纠正，请他圈出来，放入我们的记忆系统中。

每场比赛结束后，新的比赛开始时，系统会读取这些记录，提醒自己不再犯同样的错误，然后进行后续预测。

未来人：一位真人裁判？他具体纠正了哪些问题？

Henry：举个例子，模拟日本与荷兰的比赛时，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未被合理考虑。

我们将这个信息记录下来，放入下一次预测中，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。例如在投研中，财报和公司公告的权重与置信度最高，其次是优质机构的研究报告，再往后是大众研报、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，但会评估智能体的表现。

未来人：世界杯预测中是否有让你印象深刻的错误？

Henry：当然有。世界杯有几天错误较多，评论区就说没一个对的、全是瞎猜。也有连续三天每场都对的时候，评论区就说太强了，各种“神”。

足球本身具有随机性，可能出现逆转。即使过程很准确，也可能预测出错。我们说预测得准，也是希望比市场更准一些。

未来人：那你们只关注过程中的错误，而不关心结果的对错？

Henry：结果也会存入记忆系统，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。像刚才日本与荷兰的例子，过程里出了问题，我们会去纠正。

未来人：如果预测后又出现新信息，如何更新？

Henry：通过记忆系统持续更新。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：足球是专门构建的架构，其他事件则使用通用框架，采用深度研究的方式。它会进行分析，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，以及深度研究、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。

我们公司目前重点在商业与金融领域，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基准测试，具体测什么？

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。这就是基准测试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。

如何训练出“预测能力”？

未来人：你们也在招模型训练的人，是准备自己训练基模，还是做后训练？

Henry：我们团队的核心成员来自上海交通大学、剑桥大学与上海高级金融学院，均为AI博士与FinTech硕士，在阿里千问、腾讯混元、小红书Dots等前沿实验室参与过千亿基模的训练。目前，我们做的是后训练。先做基准测试，有了评测，就可以造数据，再用这些数据训练小模型、看效果。这是一条比较常规的语言模型后训练路线。

我们现在在做一个27B，即约270亿参数模型的后训练，还在训练过程中。

未来人：那你说的新预测架构，又是什么？

Henry：研究人员也在探讨，能否做新的预测或决策架构，甚至不