（原标题：讯兔科技创始人李罗丹：金融AI正从“助理时代”向“师徒时代”演进）
【导读】讯兔科技创始人兼CEO李罗丹：金融AI正在从助理时代向师徒时代演进
在投研圈，最值钱的资产往往不是随处可见的公开数据，而是藏在“老司机”脑子里那些只可意会不可言传的经验与逻辑。能否把这类隐性知识变成可复用的能力，是AI触达投研核心的一道门槛。
作为业内率先将AI技术落地金融投研场景的先行者，讯兔科技核心产品Alpha派深度嵌入机构投研工作流，累计服务了超7万名专业人士，当前产品路径已从辅助听会等效率环节，延伸至个股与行业的深度研究，并持续拓展AI赋能投研的边界。
2025年12月底，讯兔科技创始人兼CEO李罗丹接受中国基金报记者专访，详细阐释了金融AI的发展趋势和讯兔的发展之道。
李罗丹认为，金融AI正在从“助理时代”向“师徒时代”演进；到2027年左右，Alpha派或将初步具备基金经理助理的能力，全新的全球AI代理系统，将成为AI时代的“金融基础设施”。
AI投研未来：从“助理时代”向“师徒时代”演进
中国基金报：你最近提到未来投研AI将从“助理关系”走向“师徒关系”，能否具体阐释一下？
李罗丹：我想表达的是一个本质差别：助理解决的是你不想干的活，徒弟解决的是如何做得更像你。
过去这几年，AI更多是在处理显性知识——把公开信息、会议内容、材料整理得更快、更省事。但投研真正拉开差距的更多是隐性知识，也就是行业“老司机”脑海里的那套经验和方法，它往往难以被觉察，也很难公开获取。
所以，我用“师徒”来形容未来的投研AI，因为这类东西更像“口口相传”的带教，只能在私域环境、在长期互动里慢慢传递出来。
再往后，AI这个徒弟可能会走向second you——逐步同步你的想法、逻辑和思维体系，这是我们看到的一个最终表达形态。
中国基金报：你刚才提到投研的隐性知识具体怎么理解？“师徒关系”如何建立？
李罗丹：我觉得隐性知识的关键，不是“知道”，而是“怎么做”。很多细分行业里的细分任务，有大量know-how和细节要处理，这些东西很难被系统表达出来，更难写成一份报告让你去研究。很多时候，它只能在私域环境通过长期互动完成传递。
所以，“师徒关系”不是多聊几句，它靠的是长期交互：在长期的对话和交互过程中，Agent会逐步了解你，变得更像你，跟你的思维对齐。交互频率越高，理解就越深刻，这是特别关键的一点。
而下一阶段，这种长期交互会从简单问答走到工作台的形态，进入更多长程交互的场景。在这个过程中，AI会不断自我强化，把你的偏好记住，并持续向你学习；它也不再只是被动接任务的工具，而是具有主动性的个性化工具。
中国基金报：“师徒式关系”会不会带来数据安全风险？
李罗丹：我反而觉得这是“师徒关系”能不能成立的前提。每个人的徒弟本质上都不一样，你培养出来的，我用不了；我培养出来的，你也用不了。因为投资是高度个性化的，它对个人私域的数据、个人的认知是充分对齐的。
所以，这个徒弟一定是你的私有资产。平台可以一起帮你训练，但私有资产不会共享给别人；就算分享给别人，别人也用不起来。
对我们来说，数据合规和权限管理是底线，私域数据只有“主人”能触达，调用要有权限边界，要可审计、可追踪。没有信任边界，就不会有深度对齐，也谈不上真正的“师徒关系”。
从问答到工作台/IDE：
在深度交互中把徒弟带出来
中国基金报：在通用大模型和Agent飞速发展的今天，讯兔为何坚信垂类产品大有可为？
李罗丹：因为通用大模型很难解决“最后一公里”的问题。
第一个短板是垂类数据。金融行业的垂类数据，尤其是私域数据非常丰富，这是通用大模型的盲区。
第二个短板是细分任务的处理。很多细分任务有大量know-how和细节，需要行业人员进一步调试。比如研究一家上市公司，不只是生成一段话，还要按研究逻辑去看竞争格局、市场情况、增长空间等，并从数据库、公众号、会议纪要等不同来源调取数据，这是一套工具调用生态，并没有内置在通用模型里。
所以，通用大模型更像一个聪明的“研究生”，但你把他丢进行业里，他一天工作都没做过，并不知道每个环节该怎么细分处理。垂直产品的价值，就在于把流程、工具、数据调用做进产品里，这样才能稳定交付，才可能做到95分能用的产品。
中国基金报：Alpha派目前能做到什么程度？下一步的方向是什么？
李罗丹：现在在中级研究员阶段。
如果用一个更直观的时间轴来讲，2023年是实习生阶段，2025年初逐渐进入初级研究员阶段，今天已经有了中级研究员的影子。2026年应该是从中级向高级过渡的时间段；到2027年左右，在技术演进与监管环境允许的前提下，我们希望能够初步具备基金经理助理的一些关键特征，让每个人都有个性化的Agent。
中国基金报：如果要进化到“基金经理助理”，最难跨越的门槛是什么？
李罗丹：记忆和可适配性（即个性化），是AI从实习生向基金经理助理进化中面临的最大困难。
不同基金经理的助理都不相同，一定是高度适配于相关个体。比如研究周期行业的人遇到成长风格的基金经理肯定无法适应。在此过程中，AI需要产生记忆，需要强化与基金经理的沟通，逐步与其对齐。研究员是单向输出、以供给为核心；基金经理助理则是以需求为核心进行输出。这是一个重要的不同点。
如果进化到基金经理助理，它要能够精准判断基金经理的各种需求：首先是预判，之后再明确定义。基金经理会与产品产生更多交互，而且更多是长程交互的场景；交互频率越高，理解越深刻。在交互过程中，需要自我强化，记住并向他学习。
所以，我们把下一阶段叫3.0：从问答走到任务，再走到一个“环境”。在工作台里，你的每一次交互、每一次偏好、每一次动作都会被记住，这个环境是自适应的，它会在长期对话里逐步变得更像使用者。
到了这个阶段，AI也不再只是被动接任务的工具，不是人给AI分配任务，而是AI给人分配任务——主动提供信息、推送内容、提示风险并分配任务，从单向交互走向双向交互，从显性知识走向隐性知识。
中国基金报：当AI学会了老师傅的本事，人的价值会发生怎样的偏移？
李罗丹：人的价值会向“两端”移动。
第一端是线下深挖。基础的信息采集、报告和PPT的初稿，AI已经能做得非常优秀，这部分工作以后需要研究员参与投入的时间会大幅压缩。人的精力要花在挖掘那些“见光死”之外的产业一手信息上，去跟CEO沟通、与产业专家协作，去跑线下调研，这部分价值会越来越高。
第二端是超额认知。在相同的信息面前，你有没有不同于他人的“非共识”判断？AI抹平了显性信息差，大家站在同一起跑线上，这时比拼的是你基于能力和禀赋产生的反共识想法。有了AI这个“外骨骼”，人反而需要更加努力地去深入研究AI 触达不到的领域。所以，超额收益反而会回归到“人”的特质上。
金融AI下一站：从产品走向基础设施
中国基金报：公司的愿景是成为金融领域的“新型基础设施”，这个蓝图将如何推进？
李罗丹：行业正在发生巨变。第一个变化是AI带来的技术变革，尤其是私域非结构化数据的变化。第二是环境问题，如全球化投资、地域方面的拓展、时间方面的拓展，如24小时交易。
在变化的基础上，上一代基础设施无法很好地满足下一代业务需求。在全球化的24小时无间断人机结合投资过程中，会出现新型基础设施需求。这为我们创造了重要的业务机会。
从信息研究、投资决策到整合交易，未来在法律法规允许的范围内，这一整套是融合在一起的，我们称之为全球投资者AI代理系统。它是一个代理，意味着以后投资只需要动动脑子、动动嘴就可以了，执行方面的工作或许都可以由AI来做，甚至有一天交易也可以借助AI托管完成，当然，前提是需要遵守各司法管辖区的相关法律法规。
对金融行业而言，AI时代会形成新型基础设施方面的需求，核心是更新换代——就像高铁取代旧铁路一样，今天我们在金融行业做的就是这个事情。
中国基金报：在与金融机构的合作中，他们对AI的态度发生了什么变化？
李罗丹：今年我们最大的感受是，企业高层领导不再将AI视为一个由IT部门负责的数字化工具，而是将其视为业务本身。
以前AI是辅助，现在AI就是业务、业务就是AI。当这个驱动逻辑发生变化，整个行业的资源投入方向也会随之发生转变。越来越多地投入正从传统的、被动的数据供应商转向AI能力的建设。国内的顶尖机构都在重视这种“科技溢价”，因为历史上全球最顶尖的资管机构，其底层内核本质上都是数据和科技公司。
中国基金报：金融AI赛道越来越卷，未来真正拉开差距的是什么？Alpha派面临的最大挑战是什么？
李罗丹：这个赛道永远会有新入者，门槛也会越来越低，但你要把这件事真正做好会越来越难。就像学弹吉他、学滑雪一样：上手不难，学几次就会了；但要玩得好，还有很多路要走，并不容易。
所以，创业公司还会不断出现，但关键是时间差：你要在有限的窗口期里，尽快把自己的壁垒建起来——人才壁垒、产品壁垒、数据壁垒。
我觉得未来可能只有两类公司：一类做交互，另一类提供数据和能力。像Alpha派这样的交互公司，会直接承接用户需求，作为用户触达的界面，未来也会有很多能力通过我们再去为客户服务。
所以，挑战在于如何与供应商建立良好关系。我们希望与真正提供价值的公司携手发展。进一步说，关键是如何设计激励相容的业务模式——怎么分享AI带来的时代红利，让它逐步沉淀成一个生态。
只有成为生态，能力才会更丰富，也更能识别不同场景，才能做得更大，才会有更多的人与我们合作，更多人为我们提供数据，我们也就能覆盖更多不同群体和场景，最后实现共同繁荣。
配资天眼提示：文章来自网络，不代表本站观点。
