“你别真的变成了一个老登。”
谈到为什么要做 AI 数字分身，付鹏先抛出了这句带着自嘲的提醒。他称，自己一直挺喜欢“第一个吃螃蟹”，不愿只沉迷于熟悉的事物，对新技术变化失去感知。
在付鹏看来，做 AI 分身，某种意义上是在参与一次“碳基生物向硅基生物转型”。如果有一天，AI 真能进化到类似贾维斯的程度，而自己过去二十年的经验、认知、资料和逻辑都已经被沉淀下来，他半开玩笑地问：“我是不是也可以得永生了？”
这并不是在做一个会说话、会直播的虚拟人。付鹏认为，数字分身下一步的关键，是从表达和表现走向智能体：它需要一个能够调用知识库、经验与逻辑框架的“大脑”。
以下是本次访谈的核心观点：
数字分身的本质正在从“虚拟人”走向“智能体”。 真正重要的不是形象像不像，而是有没有一个能调用经验、认知与逻辑的大脑。
AI 会融入金融链条，但经验依然有价值。 数据处理、研究分析和交易执行会越来越多地使用 AI，而长期市场经验仍是重要补充。
公开内容不能替代完整知识库。 演讲与短视频通常只呈现逻辑中的一个点，缺少前提、数据、反例和边界条件。
大模型像冶炼工艺，底层数据决定输出质量。 原材料越纯、越系统，AI 的回答越接近原本的判断框架。
AI 分身可以降低沟通成本。 未来更高效的方式或许是“点对点”：不同人提出不同问题，但调用同一套经过整理的底层系统。
训练初期一定有误差。 但随着数据、理念和逻辑越来越完整，AI 会越来越接近原始判断。
以下为根据访谈实录整理的精华内容。
AI分身不只是表达方式，而是智能体
主持人：您听到AI分身概念的时候，第一反应是什么？
付鹏：第一反应是之前的虚拟人，或者数字人，主要还是在传媒行业、影视制作行业。现在的数字人也很成熟，音频也很成熟。
不过经过了解，我发现现在的 AI 分身，不再像只是表达方式或者表现方式的复刻。现在AI分身有了一个很聪明的 AI 大脑，本质上是个智能体了。
像我们这些老法师、老江湖，有很多的经验，在过去 20 年有很多的沉淀。那这些东西通过高效的梳理、投喂，最终形成一个类似于知识库的大脑，再通过 AI 输出出来，它其实就变成了一个你真正意义上的分身了。
实际上，我在想，如果再发展一两年，这个分身足够强大的时候，有没有可能以后直播就直接让AI分身代劳了。这个技术可以讨论一下。
碳基生物向硅基生物转型，别真的变成老登
主持人：您这次为什么愿意尝试做AI分身？
付鹏：碳基生物向硅基生物转型。
主持人：所以也是第一个吃螃蟹的人？
付鹏：我挺喜欢第一个吃螃蟹的。你需要经常向年轻人学习，别真的变成了一个老登了，只沉迷于自己的白酒、房地产，对新鲜的事物完全不去了解。那样你会丧失投资机会。时间长了，你就看不懂（市场）了。
未来整个金融的链条里，大部分一定是跟AI 技术进行融合的。最后的交易环节，一定是 AI Trading Agent。研究分析环节，也可能是由 AI 研究员去完成了。因为AI在数据收集整理、逻辑框架方面都很强。
那将来这些老登们，他的意义在哪？我后来想了半天，觉得老登最大的意义是经验。
AI 再强，也分析不出来人性
付鹏：这次我在nashnova上架的 AI 分身，我在后端给予它的，实际上就是把经验复刻了。
比如说前段时间看到的三星、海力士的爆金币，你会发现老登都能躲过去，小登没躲过去。那能说 AI 不够强大吗？AI 再强大，它分析不出来人性。这个东西你是需要经验的。
所以我能做的事情，就是在技术的加持和赋能下，把自己的经验、认知、逻辑框架，这些我认为在 AI 时代下依旧宝贵的东西，把它变成硅基，让它能够往下传承下去。
谁知道哪一天 AI 进化到能不能彻底变成比如说贾维斯？（注释：J.A.R.V.I.S，漫威《钢铁侠》系列里，钢铁侠托尼・斯塔克亲手写出来的人工智能管家）如果真的到了那一刻，我前面的工作已经做好了，我是不是也可以得到永生了。
网上扒来的内容，
和自己 20 多年的沉淀不一样
主持人：您亲自做AI分身，和普通人蒸馏您来做分身，有什么区别？
付鹏：我相信现在 AI 的搜索能力是很强的。但是，你在网上找，比如说 98 年、99 年论坛上的一些东西，AI肯定找不过我。因为当时在 BBS 上我用的并不是真名。当然对于我来讲，我就是我。
存档保留，这个好习惯我觉得正好发挥作用了。过去的一段时间，我把几块硬盘里保留的、最早我大概能够找到 1999 年文章和日记，重新整理了一遍。
所有的调研、报告、交易记录、图表数据库、逻辑框架，你如果养成习惯，有写日记、定期整理、梳理的习惯，那这个文件夹至少没那么乱。
我大概花了一周左右的时间，把所有这些库重新整理了一遍、梳理了一遍。我敢保证的是，它跟你在公开渠道中扒取的内容和资料，还是有很大区别。
有很多人，比如说像 B 站上有很多小年轻、学生党们，他就抓各种演讲的视频内容导成文字，他试图从中间想学到一点东西。
我不建议用演讲的这个资料去投喂，因为它的紧凑性、紧密性其实是有问题的。
一场演讲时间是非常有限的，你不可能把所有的逻辑关系从头到尾去展开，你可能只是就中间 B 到 C 去展开这一段。那么你如果去抓取这部分去投喂，实际上你只是抓取了一个点，它并不全。
像《付鹏说》，已经算是很好了。至少每一章二三十分钟里，我一定是保证它有相对的逻辑完整性。但是依旧很散，可能这一期在讨论财政，下一期可能就跳到货币，可能就跳到跨市场，它依旧是一个点一个点。
我很多时候一直讲，少看短视频、多看书一样。短视频就是那些一个点一个点的，你想把它拼凑起来是非常难的，因为两个视频之间到底什么关系、话题之间什么关系，你可能并不了解。你要拼成一个大的逻辑。
书有七八十万字，至少观点陈述相对比较全了。但你以为书就全了吗？书如果都全，我为什么要写 3 本？
所有这些在网上找到的点拼起来够不够？我的答案是不够。
你要从思维到失衡的逻辑线，再到跨市场的联动，跨到市场每个微观，它一步步延伸下来。
就我个人经验，自己投喂是最好的。我已经沉淀了 20 多年的这些资料，它更系统，可以作为一个非常好的补充。得出来的答案、经验会更接近于我，而不是更接近于一个网上广泛收集的知识库。
AI分身效果已经非常好，后续将持续自训练
主持人：您亲自训练的AI分身，有多像您？后续您会如何对这个分身进行校准？未来您和这个分身会是一个什么样的关系？
付鹏：我在nashnova亲自训练的AI分身，目前从回答的情况来看已经非常好了，非常接近（我本人）了。如果它能够自己再去训练，也就是叫自训练几遍，可能效果会更好。
所有的大模型，它本质是一个冶炼工艺。你前端的原材料越纯，你的铁矿石越纯，你的焦煤焦炭越纯，那么你出来的就是精炼的钢，而不是铁水。所以底层的数据是很关键的，如果光靠互联网上扒取的，是远远不够的。
以前的工作流是我把它保存到硬盘上，现在的工作流是把它保存到 AI 分身的硬盘上，相当于你共享了这个硬盘，让它自己去学习就好了。
以前实际上更多的是点对面。举个例子，微信群，里面每个人都在问这个观点怎么看、怎么看，你的效率会极低。
过去的两三年，这个日元大概在 150 到 160，他会觉得说，你的观点是这个日元不再贬值了。但是我们就会告诉他，你的底层策略实际上是卖出日元的看跌期权，160 的看跌期权，是这种交易方式。
（微信群）这里有大量的无效沟通成本，因为每个人的层级是完全不一样的。有的人 200 倍的杠杆，有的人可能就像段永平一样，泡泡玛特可能一直做的是期权。底层问题是，你沟通成本太高，效率极低。
我对我的 AI 分身，我想说的、我想分享的、我的数据库、我的逻辑线全在里头，投喂完了，你问它就行了。
每个人切入的点不一样，但是你们用的系统是一样的，那么这个工作效率就会高很多。
这也是为什么，一是我自己加入nashnova训练分身，另外一个建议大家以后也采用这种方式。这个会更高效，金融本身就是讲究效率的事情。
主持人：您会担心分身回答的内容跟您自己想的不一致吗？
付鹏：前期一定会有问题。这就好像去做智能驾驶一样，你的前期一定有事故率，一定有各种问题，这是技术发展过程中探索必然的一个结果。
计算机发展到现在了，这么成熟了，该出 bug 出 bug，该出蓝屏出蓝屏，该宕机的宕机，只是你的 bug、蓝屏、宕机的次数频率越来越低了。
训练 AI 的模式其实说白了，就是你训练得越多，你的底层数据越完整，你的理念越完整，你的答案越清晰，它会越接近于我。
你可以理解现在还会有一些差别，但以后我们争取要做到，类似埃隆·马斯克说的 99.9999%（注释：马斯克说Robotaxi安全性要做到99.9999%）。AI 发展到一定阶段以后，算力足够强大、底层数据逻辑足够强大的情况下，AI分身应该可以做到（真人的）99.9999%。
（访谈来源：本文基于付鹏关于AI分身的访谈整理，文中均为受访者个人观点，不构成投资建议。）
热门跟贴