4 · 应用聚焦 —— AI Institute(智研所)

第 4 篇 · 共 6 篇 · 阅读约 9 分钟

如果说 Infinite Research 是 “问一个问题,得到一棵答案树”, 那么 AI Institute(智研所) 是另外一种东西: 一支 常驻的 AI 分析师团队,每位都有明确角色, 按共同的时间表协作,聚焦在一个具体领域 —— 投资研究。

可以把它想成一家小型研究公司, 其中每个分析师都是 AI,办公室 24 小时运转, 整套操作的成本,大约相当于一个初级真人分析师的 医保费用 —— 比分析师本人的薪水低一个量级。

这篇文章带你看 AI Institute 是什么、“团队” 里有谁、他们产出什么、操作起来是什么感觉。

为什么投研是绝佳的试验场

投研作为一个用例之所以有意思, 是因为它具备 AI 编排平台所擅长的几乎所有性质:

角色清晰。一家真正的投研机构会有股票分析师、信用分析师、衍生品策略师、 ESG 专员、合规官、投委会主席。每个人都有定义明确的工作、产出物、面向的读者。 AI 工人可以干干净净地被分配角色。
节奏清晰。每日晨报、每周专题报告、临时深度调研。大部分都是按节奏执行的工作, 和谁有空没多大关系。
质量门槛清晰。一份排版整洁、带来源、结构化分析、并给出建议的报告, 是不含糊的有用。一份排版乱掉或编造来源的报告,是不含糊的没用。你一眼就能看出质量。
它奖励整合能力。一份好的晨报,是把宏观分析师隔夜看到的东西、股票团队标记的关注点、合规官监控系统抓到的内容, 汇拢到一起。价值来自综合 —— 这恰恰是协调的 AI 智能体擅长的。
多加一个分析师的边际成本,在人类规模下很重要, 在 AI 规模下接近为零。多招一个人类 ESG 分析师要 15 万美元/年加 3 个月时间。多加一个 AI ESG 分析师在金钱上是零增量 (底层的 Claude / ChatGPT / Gemini 订阅是包月固定费率, 覆盖所有分析师共用),只多花 30 分钟设计 prompt。

最后这一点是关键解锁。 AI Institute 之所以存在,是因为一旦订阅费付了之后, 多加第 6、7、8 个专项分析师就是免费的。

阵容

AI Institute 目前跑着这些定义好的角色。每一个都是一个具体的 AI 工人,有具体的人设、专长方向、输出格式、运行节奏。

角色	节奏	产出
首席量化师	每周	多因子模型、Alpha 挖掘、组合构建笔记
能源行业分析师	每日	油、气、煤、新能源、电力板块跟踪
公用事业分析师	每日	电、水、环保等公用事业板块
房地产分析师	每日	地产销售、土地出让、REITs 跟踪
可转债分析师	每日 + 触发告警	转债估值、溢价压缩、强赎告警
衍生品策略师	每日 + 触发告警	基差交易监控、期权流向
ESG 分析师	每日 + 每周	碳政策跟踪、洗绿扫描、ESG 评分更新
合规官	每日做压力测试	阅读当日产出,标记需要披露或上升的内容
主题研究员	每周	主题深度调研 —— 当前主题包括 AI 产业链、半导体、低空经济
社交媒体分析师	每日	雪球、东方财富、微博的情绪分析
技术分析师	每日	形态、均线系统、量价分析
投委会主席	每日早晨	把以上全部综合成一份按优先级排序的简报
日报总编	每日傍晚	把当日晨报组装成发布版

一共 13 个不同的分析师角色,每一个都被排程为自动运行。一家覆盖到这种程度的真实投研机构,需要 30 多个真人。

一个典型的工作日

下面是 AI Institute 在一个普通工作日里实际发生的事。

06:30 —— 角色们醒来

调度器被触发。能源分析师、房地产分析师、ESG 分析师、社交媒体分析师、技术分析师全部并行开始他们的早班。每一个拉取隔夜数据,做自己专项的分析, 把简短的简报写到一个共享工作区。

每份简报花 5–10 分钟。它们跑在分布于几台 Mac Studio 上的 Claude 或 Codex CLI 智能体上。

07:30 —— 专项简报落地

工作区里出现 6 到 7 份单页报告。每一份都带分析师的名字、日期、紧凑的摘要、关键数据点、必要的建议。

合规官接着醒来。它读完目前所有简报,寻找过于推测性的、涉及重大未公开信息的、或者需要免责声明的内容。它把问题标记出来。

08:00 —— 晨会

投委会主席(也是 AI)读完所有内容:专项简报、合规标记、社媒情绪报告。它写一份 2 页的统筹备忘:

三大要点
一个可执行建议
当日的开放性问题

这就是我配着早咖啡读的那份文档。

09:00 —— 主题报告

如果是周一,主题研究员会开启对当周主题的更深入调研: “中国 AI 基础设施”、“2026 年的低空经济”、“降息后的转债机会”。当天结束前会产出一份长得多的报告。

全天 —— 告警

可转债分析师和衍生品策略师跑的是告警模式工作流。如果某只可转债触及强赎阈值, 或基差交易出现超过设定阈值的价差,告警就会触发。

18:00 —— 日报

日报总编把晨会、当日告警、关键跟进事项, 组装成一份发布版。保存到工作区,(可选)发到配置好的分发名单。

通宵 —— 恢复和准备

系统把第二天的早班任务排好队。当天失败的任务被重试。工作区被清理。

第二天早上,循环重启。

操作者眼中的样子

我早上 8 点打开浏览器。我看到:

投委会主席的晨报(2 页)
6 到 7 份专项简报(每份 1 页)
一份合规官的备忘(经常是空的,偶尔很有意思)
如果昨天有主题报告,昨天的主题报告
我上次看以来的若干告警

我读晨报。如果某处看起来不对或太浅, 我把对应底层简报拖进看板,写一行说明: “这块需要更深入的政策角度。” 这会触发一次带额外上下文的重跑。

如果某个主题吸引到我,我点 “调研这个想法” —— 这会派生一次 Infinite Research 会话(上一篇讲过的应用) 针对这个主题。 20 分钟后,我有一份 30 页的深度调研。

如果我想加一个新的分析师角色 —— 比如说,“量化信用分析师” —— 我创建一个工作流定义:指定 prompt、调度时间、模型、输出格式。保存。明天早上 6:30,新分析师开始产出。

这就是操作者的体验。感觉就像运营一家小型研究机构,但没有 HR 部门。

它实际上花了多少钱

老实算一个月以这个规模运行 AI Institute 的账:

AI 订阅 —— 大头开支。我在 Claude、ChatGPT、Gemini 上都开了顶级套餐,每个约 200 美元/月。三家加起来大约 600 美元/月。这些是包月固定费率, 作为一个常用 AI 的专业人士,我本来就要为它们付费; AI Institute 只是把它们用得比典型用户更彻底。
硬件 —— 我已经拥有的几台 Mac Studio 和一台 MacBook。没有为这件事买新硬件。增量电费很小(约 10 美元/月)。
云端编排 —— Cloudflare 上(Workers、D1、R2、KV、Queues 全都在低价档)不到 5 美元/月。
第三方 API —— 约 20–40 美元/月, 用于各类数据和工具端点(搜索、向量嵌入、偶尔的特殊模型调用)。

总运行成本:这套 13 个分析师、24/7 运转的研究机构, 全包大约 650 美元/月,主要由我本来就要付的 AI 订阅构成。

作对比:一个彭博终端订阅大约 2500 美元/月, 而且只给你数据,不给你分析师。新加坡一个买方机构的股票分析师,全包年薪是 20 万美元 —— 约 17000 美元/月。 AI Institute 跑在那个成本的约 4% 上。

在 AI 真正擅长的工作类别 —— 即 “首轮综合、跨已发布来源的模式识别、结构化总结” —— 上, 单位产出成本大概比人类低 100 倍。它在 原创的反共识思考、一手调研、找项目源头 上, 是不比人强的。

它不是什么

把预期讲清楚:

不是交易系统。这里没有任何东西在下单。产出是给真人读的文档。
不是一手调研的替代。 AI 分析师所知的一切,都来自已发布的来源。它没法和管理层对话、没法去参加会议、没法实地调研工厂。
不是保证正确的系统。 AI 工人偶尔会漏看东西、偶尔会过于自信地说错事、偶尔就是产出垃圾。合规官能抓到一部分,看简报的人抓到剩下的。没有谁应该仅凭它的输出去配置资金,而不加自己的判断层。
不是一项受监管的投资建议服务。它产出的是私人使用的研究。如果要把它商业化, 要走很长一段合规路径才能公开发布。

它是什么 —— 是一个为正在做自己研究的人设的生产力倍增器。它每天为我节省 4–6 小时常规的 “保持市场敏感度” 类工作, 这些事在我醒来之前已经被代我做完。

我搭它过程中学到的东西

三件出乎我意料的事:

1. 角色比模型更重要

早期我假设 “什么都用最强模型就好”。我错了。同一个模型,被分到不同角色、用不同 prompt, 产出质量天差地别。 “合规官” 这个人设产生的风险标记, 明显比同一个模型在没有角色框架下回答同一问题要好得多。人设工程到头来比模型选型更重要。

2. 难的部分是调度,不是分析

把 13 个分析师每个单独调好,大概只占了工作量的 20%。另外 80% 是编排: 确保它们按正确顺序运行、综合者等到所有专项分析师完成、失败被捕获、晨报每天 8 点真的能准时出现。 “操作系统” 才是难题;“分析师” 是简单的那部分。

3. 让分析师互相看彼此的产出,质量提升最显著

最大的一次有用度跃升, 来自让流程后段的分析师阅读前段的产出。合规官读能源分析师的草稿, 比合规官孤立工作有用得多。 AI 工人之间的交叉授粉,是杠杆所在的位置。

接下来要做什么

未来几个月,AI Institute 有 3 个方向:

跨日记忆。目前每天从零开始。加一个真正的持久化记忆(分析师记得自己昨天写了什么), 会让简报锐利得多。
外部数据源。把实时行情数据流、新闻 API、SEC 文件接进来, 会把整套操作从 “对公开知识的聪明总结” 推进到 “对新鲜公开知识的聪明总结”。
人工审稿管线。一个队列,我可以把某份简报标记为 “需要修改”, 然后 AI 带着我的备注重新生成。这部分主要是 UX 工作;平台底层已经支持。

如果这些都落地,操作会变得显著更有用 —— 那时候我可能会考虑开放给一小群 beta 用户。

AI Institute 跑在的平台并不复杂,但搭起来还是花了些功夫。下一篇文章是搭建过程的个人故事 —— 和一个 AI 伙伴一起 “构造基础设施” 实际是什么感觉,在 10 天内。

上一篇: 应用聚焦 —— 无限研究 · 下一篇: 建设故事

智研所 — 研究平台