1
0
关于我们
APL-XLink科创对话（硬科技领域 GTM 商业化深度播客）
聚焦科创领域前沿趋势、热点议题与行业发展，以内容建生态、以对话构建链接、以洞察筛选机会，打造科技圈最具商业落地价值的商业内容 IP，" 让好技术能看懂，让好项目被看见，让普通人能参与”。
咨询合作v：13661450271
PART-01
嘉宾介绍
路易斯·L
身份：Varsity Tech 联合创始人 / Quandora 创始团队
公司所在地：新加坡
团队规模：约14人
融资：已完成约100万美元天使轮融资（待确认）
核心业务：AI量化交易平台 + AI金融智能体产品
PART-02
本期内容
1.25岁跨专业经历
土豆：那我们来一下快问快答，您的年龄？
路易斯・L：25，2001 年。
土豆：您现在是本科专业？
路易斯・L：专业叫 Precision Medicine，它偏向于 Bioinformatics。
土豆：您是什么 MBTI？
路易斯・L：ENFP。
土豆：你们的公司主营什么？大致的一个规模是什么？现在在什么阶段？
路易斯・L：我们公司现在就像刚提到有两块业务，一块是资产管理，我们主要是有一个私募基金，那个私募基金主要是在交易美股。
第二部分是这个产品开发，我们想把之前内部的一些工作流，把它变成一个个软件，去服务好 C 端和 B 端。我们现在公司的规模大概有 14 个人。
土豆：您在第一次创业做的什么？有什么样的一个结果？
路易斯・L：算正式一点的创业，可能就是我来新加坡以后，当时我接触到了这个量化交易，我本身对这个东西非常感兴趣，就尝试去自学。
学了大概一个暑假之后，我就在跟我的同学们讲，我现在写了一个算法，你们想不想来试一下，让它自动去交易，你不用管了，你把钱给我。
然后我当时就跟大概 5 个同学凑了大概 30 万美金，然后我就说那我们试一下，就是我们跑一年，然后我们按照这个分成的比例我们去做，去试试看这个事情能不能成，这是我当时做的一个创业。当时但是可能运气也很好，因为基本算是牛市。
土豆：所以本身是你写了一个技术代码，大家试用工具，跑下来还不错，大家就一起去众筹这种去做这个事，收益结果呢？
路易斯・L：我们大概实盘跑了一年，就从我刚到新加坡开始跑到 25 年中，大概当时年化收益率应该有个百分之一百一十几。最后清盘的时候，大概就翻了一倍。
土豆：您是 25 年毕业的，那您在毕业的时候规划的是求职还是创业？
路易斯・L：我一开始也是以求职为目的，因为我当时也很想留在新加坡能有一份工作。我当时投了很多简历，包括 VC 、Quant、 Fund Management 都投过。我自己的本行，医药行业的都投过。
我一开始只是想找一份工作。但是后面我就发现无论是 Quant 也好，VC 也好，还是这个也好，因为毕竟我都还是跨专业，其实没有那么容易入围。
后面我就开始找其他方面的工作，刚好就遇到了我现在的这个合伙人，他当时在招聘，他在招一个实习生，他想去帮他去做 Crypto 相关的东西，因为他之前一直是做美股的。
他觉得 Crypto 其实蛮有市场，蛮有机会，就说尝试做一下。我就加入了这家公司，作为实习生开始做。然后后面才慢慢的，又经历了一些变化，就慢慢成为了这个 co-founder。
土豆：这个变化很神奇，从本身只是在求职，然后入职的实习生，然后最后变成 co-founder，等会我们展开讲一下，这个完全是非常规的一个跃迁路径，你觉得到这个是你当时规划出来的吗，是在计划当中，还是被推着走？
路易斯・L：我觉得完全不是，by accident， 就你刚刚看到，我在那个时候退出加密货币，把基金清盘。然后再到后面找工作创业，很多东西都是巧合。
土豆：它又有延续性，如果没有在大学做 Crypto 的这个经历，其实很难拿到这份实习机会，比如说你现在做 co- founder 这个合伙人的一个这种实习经历，正好你的经历是他们需要的一段经历。
然后在这个过程中可能又会又产生了很多变化，就它好像又有一定的一个延续性。虽然是未来是不可预测的。
路易斯・L：很多事情非常巧，最有意思的事情是我之前做小红书。我很大概率为什么会走向创业，也是因为我的 social media 的账号。
因为上面有很多人跟我 coffee chat，有很多人帮我推荐，我的投资人也是在上面认识的。一开始我也并没有想去做小红书账号，最开始我只是想帮我的舍友去招人，大家拿小红书到处乱发。
结果发完之后，那个号的流量就不错，我就发了一篇自己的内容，讲我在学校的图书馆做 trading。后面那个帖子就一下子爆了。
我发现大家喜欢看这个东西，然后我就一直 keep updating，后面就做城习惯了，一开始只是分享一些自己的日常，后面慢慢把一些教学，把一些自己对行业的观点也一直在上面发布，大概做了两年多，粉丝量数据都还不错。
促使我创业的其实也就是在运营账号的过程中接触到了很多人，接触到了很多 VC，接触到了一些天使投资人，他们跟我交流完之后就觉得我可以创业，我开始决定要做这个事情的时候，时机特别好。
第一是 AI 的技术开始成熟，从 chatbot 走向智能 agent。第二就是当时的市场风口也比较好，整个美股也比较热门，大家走来走去发现最后最容易创业还是 trading 这个方向。
我们准备启动创业的时候，技术积累差不多已经半年多，我对 agent 使用也比较熟练，我说 ok， let' s do it.
土豆：所以好像就在这个过程中逐渐变成了这样的方向的一个答案。那想问一下，比如说你现在作为一个 co- founder， 就是你现在日常和你之前，比如说做实习 (有变化吗)
路易斯・L：我之前实习的时候，主要都是做量化研究，外因子的一些策略，做一些这种 test。
那我站在一个用户的角度，他到底希望在这个产品中看到什么东西？我现在主要是负责产品的开发、用户增长，跟 trading 的内容不太大了，但是整个在架构设计的时候，就是从理解客户需求开始，知道用户需要什么，那其实还是跟我之前做的 Qualitative 东西有一些相关的。
土豆：也就是当下流行的 Building Public 模式。更多的去找用户的线索和洞察，然后把有价值的东西呈现给到用户，可能是你现在为主的一个工作，对吗？
路易斯・L：我基本上就是说去跟用户 coffee chat， 然后去听他们的想法，然后去办一些线下的活动。
然后向大家先展示我的 version， 然后跟他们说你觉得 Version 1 有什么不足？Version 2 想看到什么？
同时我也会去找一些 B 端的用户，一些小的 family office ，一些这种小基金，去看他们对于这个量化研究、量化投研这块有没有什么东西我们可以帮他做？就是这么去聊。
我的产品的话，我其实一直在快速地迭代。我不是那种喜欢，全部做完，然后一次性放出来的人，我就是做一点改一点，做一点改一点。
土豆：你会把这个 process 直接就是和你的用户，或者说在你的社媒上面去展示吗？比如说大家去提意见，因为现在小红书不是流行 Q&A 、ask for me？
路易斯・L：会的，我会在社群里面做一些 AMA，但是我主要的方式还是通过线下。
土豆：会不会国外的这种 coffee chat 的文化会更浓一点？我觉得相对好像是不是在国外，你无论链接投资人，还是链接比较核心重要的伙伴，他的概率浓度基于地理位置、学校标签筛选，会更高一点。
路易斯・L：我觉得会有，特别是我当时还是学生的时候，我的 identity 就会让大家很愿意 share 很多东西过来。他一听你是学生创业者，做的还不错，他就很愿意跟你分享一些他们的经验，或者说他们对于产品的想法。
新加坡这边，因为他对整个金融，对 trading 的氛围都比较浓厚，所以说我去邀约从业者交流，也很容易吸引到一大波人来给我一些反馈。
然后他们会有不同的背景，就可能是一些 professional trader，或者一些 developer，很多时候也有学生。
对于我的用户群体来讲，它覆盖的还是比较全面。我会通过这种线下活动的方式去跟他们交流，然后去收集意见，然后再去迭代产品。
2.AI重塑量化行业
土豆：那你会觉得，比如说 AI 加金融之前和之后，最大的一个改变是什么呢？
路易斯・L：首先金融是一个很大的概念，它里面其实有不同的领域，比如说像会计也可以叫金融，审计也可以叫金融，并购那些都可以算。
以我自己的视角来看，第一点，如果是 focus on trading 这个事情上，我觉得 AI 是有很大的帮助的。但是这个 AI 做 trading，它也分为不同的 layer。就是最简单的 layer，就是说它去辅助一个交易员，或者辅助一些 analyst 去快速地获取信息，这个的效率其实是有所提升的。
第二点，如果我们是做过量化的，在没有 AI 之前，很多东西重复性很多、很杂、很 time consuming。那有了 AI 之后，它能很快速地去完成整个过程，很快速地去迭代，这个觉得是很有帮助的。所以说对于 trading 这个事情来讲，我觉得 AI 的出现基本上是把生产力提高了可能 10 倍、20 倍。
土豆：10 倍起？
路易斯・L：它主要是提高效率，但是还有一点是可能很多人会觉得，AI 会替代所有的人，但是其实我认为在 trading 也好，或者在其他行业也好，它其实更多的是一个杠杆的作用。
就是比方说，如果你有 1.0 的能力，你带上了这个 10 倍的 AI，你可能就是 10 倍的工作效率。但是如果你的能力是一个小数，可能说是一个负数，那其实再强的 AI 并不能帮你解决从 0 到 1 的这个事情。
土豆：核心你想表达的是不是，AI 其实是用来放大能力的，就是它基于本身是否有这个能力层，然后进行更大的一个效率的提升，或覆盖面的扩大。
路易斯・L：对他的认知，他对这个东西怎么想，AI 是不能帮他做很大的改变的。但是如果他的认知到位，他的执行力到位，他的想法到位，那 AI 可以快速的帮他去落地所有的 idea。
土豆：那你现在处于创业状态，你会用什么样的一个形容词来去描述你现在的一个状态？
路易斯・L：我感觉很幸运。创业到做这个事情，timing、投资人，我觉得都很幸运，就是所有东西都正好卡在了一个很好的时间点，其他形容词我想不出来。
土豆：而且从我旁观者视角看，第一有一个它的延续性，第二现在很多留学生、国内学生在毕业阶段还没有找到一个方向，你已经在这个方向从业，甚至在一个比较好的卡位的一个点上。
想问一下，你在创业过程中，最开心或最焦虑的事情是什么？
路易斯・L：最开心就是我整个团队，整个产品业务的发展、momentum 很好。
我每个月都能看到用户在增长，比如新的客户进来。新的业务在增长，这是一个开心的事情，其实我不是很焦虑。
土豆：有没有比较难和困难的点？你是怎么把焦虑转换成动力，你们自己的心态是怎么面对这件事情的？
路易斯・L：因为我觉得可能现在大家最容易焦虑的事情，第一,你做的东西会不会被大模型厂商替代，第二,你的竞争对手会不会很快的超过你。
对于第一个问题来讲，我从产品开发到现在来讲，就从用户增长数据来说，我觉得其实没有什么焦虑的点，说明我的路径选得比较对。因为我最开始想做的产品形式，我在 7 月份开始，就陆续看到市面上出现了类似的竞品。
但是那个其实只是我最开始设想的版本，我感觉我其实领先了市场大概半年，包括这种产品形态的思考，所以说其实我不是很焦虑。
我在产品形态、产品定位的初期迭代了很多轮，然后我感觉那个时候比较焦虑，不知道自己产品最终要成为什么样子。但是现在来看，就以现在这个形式来说，我对第一个问题不焦虑了。
第二个问题就是竞争对手会不会出来，那我现在也没有看到能威胁我的对手，我能看到的竞争对手都停留在我最原始的产品形态，我对产品最原始的思考。
我已经知道它的缺点在哪了,那个产品为什么我当时选择不做？为什么不按那个方式去做？我大概已经知道它的劣势，但是我又看到大家都往那上面去挤，那我其实就更不焦虑了。
土豆：你们的验证和速度一直保持在这个领域的市场前面，你也能从时间线看到后面的人在复制你们已经试错过的路径，这个会让你觉得很有信心。
我想问你怎么能保持行业时间线的引领性，持续产出创新，这个东西你们要怎么做到？
路易斯・L：我觉得怎么样保持领先，就是你对 AI 的发展，对这个东西的技术发展你怎么看。年初的时候我当时就觉得，我们做东西要更好的适配大模型厂商，而不是去做一个会被版本升级迭代掉的工具。
当时就在想：第一，你得做 infra，你得想办法做底层，而不是做一个表层工具； 第二，是你怎么样跟它的生态去进行结合？
那我们最终思考下来之后，放弃了独立软件开发的形式，而是把它变成一个可以就是进入各个一个 agent 的这种生态体系的一个东西，就是那个 plugin。像 Cloud，ChatGPT，他们都会有类似于应用商店的东西，我们在那个时候就决定直接嵌入那个里面去做。
土豆：你们是很早一批嵌入到这里的团队。
路易斯・L：我们现在的主要流量路径也是通过嵌入插件生态获取窗口和入口，因为用户不需要额外付费，不需要额外下载软件，它本身又是一个现在很蓝海的地方，就像 iPhone 刚上线时候的 App Store。
那我们就说，那就直接做那个，但是现在我们能看到市面上基本上没有人在做这条路，大家都是想办法自己开发独立 APP，再额外充钱付费，那我们就觉得他们竞争力是很弱的。
虽然我认为我自己领先了市场，但是最让我感到自信的还是自己的用户增长数据，以及用户的反馈。
土豆：那想问一下，你们核心用户的来源，可以分享吗？和市面上常规应用的获客渠道有什么区别？渠道选择的判断路径是什么？
路易斯・L：我们做的渠道主要是 OpenAI 和 Cloud 的开发者活动去宣传，因为本身插件已经集成于这个生态里，那对这个生态最熟悉的其实就是这批用户。
一些 AI 的开发者、大厂程序员，他们本身对这套东西非常熟悉。那我们最初的获客方式就是去参加这些活动，一些 community，developer，hackson 之类的活动。
土豆：现在这种活动也很多。
路易斯・L：还有一个点是，插件好用的时候，自发的传播力是很强的，因为开发者是相对密集的一个群体。每个开发者基本都会有一到两个小社群。
我当时就是通过这种方式去先参加一些活动，然后去做 demo day，然后让大家加入到我们的社群里面。之后再通过线下活动去讲解量化、插件使用方法完成转化。
只要转化进来之后，他们大概率会自发推荐给别人，因为第一我们是免费产品，第二AI 量化这个话题本身传播性很强，这基本上是我们的获客方式。然后我们现在，基本上都还没有进行投流，没有做任何付费推广，都是靠自然增长。
土豆：那我可以总结为，就是你们整体的一个方法论：
首先，你们非常明确你们要的是一些开发者，这种比较聚集性和高质量群体可能会出现的，无论是线上和线下的一些活动和场合，去和他们进行一个接触；
第二点，其实就是我们工具本身具有话题性，大家对于这种量化本身就很有感兴趣，和钱高密相关的一些东西，包含这种加密、数字货币。
另外的话，就是我们本身产品是 OK 的，它自带一个裂变的属性，其实是互相推荐。比如说在这个大厂人，或者说在这个技术圈子里面，大家会互相去验证推荐，或者说是测评。
基本上是分为这两个方式去做我们的一些种子用户，在这个过程中，其实我们还没有去做一些比如说投流和规模化的一个方式，其实是在这个圈子里面就形成了一个这样的一个测试和获客的一个闭环。
3.Al 打破高门槛壁垒
路易斯・L：我们觉得对于 AI 用户来讲，学习能力已经很强，他能通过 AI 从一个陌生的行业跳到一个新的行业。
所以说那个量化这个事情，它本身又很陌生，门槛又很高，你想要 target 的，其实就是最好就是去 target 那些AI pro user。对吧？
土豆：不是说我们要再进行一个认知教育，而是他本来已经是，过来玩就可以了，对吧？
路易斯・L：对，而且有 AI 的人，大多数都精力充沛。
土豆：这个也是一个讨论点，如果做 AI 相关行业，无论是 AI 结合什么赛道，都需要充足的精力和体力，不然迭代和学习速度太快，不光要学，还要快速应用到行业当中。
说到学习，想跟你探讨跨界专业的话题，当初为什么选择跨行业转型？专业和从业有什么关联？跨界底层可迁移的思维能力是什么？
路易斯・L：首先回答第一个问题，我当时为什么会想要跨行，最大的推动力还是兴趣，我对这个事情很感兴趣。
第二个点是当时的 AI 能力，已经能做好一个 mentor、导师的角色，我有任何问题，都可以实时咨询交流。当然我当时的专业其实跟量化还是有一定的 consistency，就是关于数据分析这一块。
因为我之前学生物信息，涉及大量组学数据分析，它跟金融量化的方法论还是有类似的。转行过程对我最好的帮助还是 AI，因为当时是 ChatGPT 4.0，它已经能回答很多编程、金融的基本知识。
我就是凭着我的想法，去向它 Q&A，再做出来一个小的 demo，小的 MVP 跑起来，让我快速进入到了一个新的行业。
我觉得对于其他行业，应该大概也是一样，你先有兴趣，跟 AI 边聊边做，在做中去学，这样转化会比较快。
土豆：在应用当中不断把 AI 纳入进来它既要有认知的部分，但其实也有转化的一个部分。
路易斯・L：对的，我是觉得要先扔飞镖，再去找靶子。
土豆：先扔飞镖再找靶子，怎么去理解这句话？
路易斯・L：先把事情开始推进，边做的时候再去往正确的方向逼近，而不是先做一个整体的规划，你会发现传统来讲，如果我要学量化，我会看到我要学高等数学，我要学概率论，我要学编程。
土豆：学的方式就变了，以前大家是不是都先一套课，然后再什么一本书什么之类的？
路易斯・L：其实我觉得那个是比较低效的，最好的方式就是说我要学量化，第一步想知道怎么样拿数据，我就去学怎么拿数据，通过 AI 去帮我学。
拿到数据之后我怎么做处理，那我就让 AI 教我怎么处理，处理的过程中可能涉及到什么方法，我再去补全那些知识。
因为我一开始最开始学量化的时候，也是看到两个路径，最传统的就是给你一堆书，你先把它啃完，啃完之后你就可以去做。
但是其实第一，你会发现那些知识大部分是用不上的。
第二，你啃完之后你会发现它理论跟实际的偏离是非常大的其实对于 practical 的角度来讲，其实不是很好。
所以说我会比较建议，如果要转行也好，或者要做任何东西。你可以先把飞镖扔出去，再去慢慢的找靶子。
土豆：我刚才听您讲量化学习的过程，它更像基于我想要学习的这个目标，在这个过程当中，传统我可能是本来就有一张地图，我去不断的搭，然后再去应用。
可能我先学一个环节，基于我要学量化，我先知道一些数据在过程中解决什么问题、单点，然后最后可能把它撑成了一个完整的一个知识模块。点状 SOP，逐步形成完整知识地图，结构化认知在积累过程中逐渐形成。
路易斯・L：因为其实核心的点是在过去，如果你想走这个路线，你其实并不知道你的下一步要做什么，如果你没有一个整体的 overlook，outlook。
你其实不知道你处在地图的什么位置，但是现在因为你有 AI，你可以直接问它，它知道你处于地图中的什么位置。
它就相当于就是我们在做游戏的时候，把它你放到这个界面，然后在这个界面根据环境的一个相关性，其实是可以延展，然后逐步去解锁，然后变成一个大的一个地图。
之前你通过这种学习方式，你必须有一个好哥们，或者有一个 mentor 带着你。
土豆：你在什么位置，但其实有可能上下文丢失
路易斯・L：所以我觉得 AI 可能改变最大的一个点。
土豆：完全颠覆了一个学习方式，现在有舆论鼓吹不要上学，或者说上学无用，直接创业，你觉得现在上学还有用吗？
路易斯・L：取决于你要获得什么，如果你是要获得纯粹的知识，那我觉得大学里面教的很多东西已经 out of day。
如果你是抱着以学知识的目的去上学，那我觉得可能意义没有那么大。但是如果你的目标是社交，去 networking，去建立自己对行业、对社会、对很多机制的理解，那我觉得还是有必要的，因为是人还是群居性动物。
你去那其实不仅仅是为了学知识，不仅是为了看几本书，你更多的是去理解人是怎么处于一个个体，是怎么处于一个群体中去运转的，当然很多跳脱于知识以外的东西。
土豆：我觉得还是有必要，跟马斯克之前提到过，学校现在只剩下一个社交属性。
你从刚开始入职到实习生，到现在变成 co-founder，这个跳跃只用一年，你是如何快速完成身份转变？
路易斯・L：其实简单来讲，就是我拉到了融资。
土豆：作为应届学生，你是怎么快速拿到融资？
路易斯・L：我觉得帮助我很大的一个点，是我之前一直运行的 social media。我小红书一直都在做量化相关内容，坚持一年多、两年多。
然后包括中间的 insight，achievement，大家都能看到，也就是我很早就开始 build in public，投资人第一次见到我的时候，信任已经建立起来。
那对于早期投资来讲，很多时候大家就是看团队，看创始人。如果投资人或者 VC 对你印象很好，创始人背景和赛道匹配度高，那其实就水到渠成。
土豆：所以你把量化经历、在校经历分享到小红书，投资人提前对你建立建联和了解。他提出你要做什么？我去给你去注资，他具体的当时的点是什么？
路易斯・L：我跟他说，其实我也挺想创业做点事情，我就跟他讲了一下，我现在有什么，做过什么，将要做什么。
聊完之后，他就觉得，那我们可以下周再约一下。他下周又带上了他的朋友，就很快确定了投资意向，让我们去准备 term sheet，后面推进的非常顺利，我还是回答那句话，就是 lucky。
虽然我知道这个东西也不能纯粹靠 lucky 来界定，因为没有我之前做小红书、过往的经历，其实很难快速推进，整体 timing 比较好。
土豆：你们当时在接触敲定这个事情的时候，是你本身是在这家公司是实习生，已经入职了，还是什么？
路易斯・L：没有，当时是我们在另外一家公司，因为当时的话，那家公司就是是我实习的公司，但是为了重新去把这个公司的 architecture 做干净的话，我们重新成立了一家新的公司。
土豆：那这个其实是相当于为你这个公司拉到了刚开始的一个天使轮，那基本上我理解那个投资人他更多是基于你的人，给你做了一个这样的一个投资。
当时并没有说那我就自己去做这个东西，而是以 co- founder 的分身份把这个拉到了投资，和你现在公司进行结合起来，这个你当时是怎么想的？
路易斯・L：我的合伙人，他其实在美股上面，在整个交易上面也是有很多技术沉淀的嘛，我觉得大家一起做其实会比较好，因为我更懂 Crypto 市场，他更懂美股市场。
那我们一起做的话，其实可以把你的整个公司业务线做得更宽一点，这样的话你的综合的能力会更强。
土豆：谁的提议去促成的这个深度性的一个合作？
路易斯・L：我跟他接触了也半年多，工作中也有一些磨合，那我觉得大家一起做是 OK 的。
土豆：我理解不管是投资人和你现在的合伙人，其实刚开始都没有特别大的目的性，其实都是聊聊现在做的事情，甚至说只是互相交换一下信息，看能做什么。
结果可能对方本身是，比如说基于经验，或者说我给在这个建议的同时，发现是可以一起做这样的事。
路易斯・L：对的。
4.AI极简团队搭建
土豆：那还挺神奇，你之前应该也没想过这样是吧。但金融的门槛就会很多的一些标签和资质的一些这种限定。
你在这个过程中肯定也会遭遇到一些碰壁，结果后来又反转变成一个金融公司的一个联创，这个里面你觉得会有什么很大的区别在心态上？
路易斯・L：那还好，最大的感觉就是世界好像就是那个草台班子。我也不知道他们为什么拒绝我的理由，进入行业之后，我其实觉得真的没必要。
土豆：一定要非常高大上、高圈层类似于这种感觉是吗？
路易斯・L：我不否认，比方说做销售、做并购，你做这种东西，你肯定是需要一些 networking， 那确实你的学校、你的出身、你的这个朋友圈对你这个业务是有很大帮助的。
但是我当时觉得做 trading， 做这个东西，它其实没有太复杂，而且特别是 AI 出来之后，它其实很多所谓的门槛是没有了。
那我承认在没有 AI 之前，trading 是一个交叉学科的事情，它其实还是有一定门槛，但是等它出来之后，我就觉得还有必要这样吗？
因为我之前去面试的时候，他们会考我一些代码题，会考我一些 SQL ，然后 Leetcode 。然后当时我就觉得，那其实我如果能用 AI 解决，得到同样的结果，你为什么不让我用呢？但是他们就是这样，说 OK。
土豆：反而就是发现，其实如果是达到同样的目的，有别的一个方式，不一定非要按照一个传统的一个方式去解决。那个壁垒并不是在做事的壁垒，而是在能有资格去做这件事的一个壁垒。
路易斯・L：我在医药的生物医药公司实习，包括一些其他的企业去实习，我也发现这个问题，就是说其实大多数人好像看似都在很忙，都在做一些事情，但其实那些东西可以让 AI 很轻松的帮他做掉，其实是没有什么太多意义的，比如说什么做 PPT ，做什么表格呀。
但是我就感觉 what' s the point？那为什么这么简单的事情还需要，要一步一步按照 SOP 去做呢？那可能我当时有这样的性格，也就注定了可能创业公司更适合我。
土豆：到底有没有更好的方式，更快达到这个目的，而不是说依照已有的方式去解决这样的一个问题。
路易斯・L：对，而不是基于一些经验、 SOP、 一些资质或者怎么样。
土豆：这个可能就是比如说大的公司比较成熟的，已经摸索出来的，小的团队可能就很灵活多变，反而用更时更快的时间，更少的人和更方便的一个做法去摸索一些非常规的，才能以弱胜强。
我们现在比如说也是 10 多人的一个团队，那我们作为一个 AI native 的这种交易公司的话，我们会如何分工呢？在运行方式上和比如说您说的传统的会有什么样的区别？
路易斯・L：我觉得就是极度精简，就是之前可能像工程团队，像这种研发团队，他可能要 3 到 4 个人，我们基本上每个部门就是 1 到 2 个人，大部分是一个人，有一些繁重一点的，比如像交易部门可能有 3 个人。
那其他的话呢，作为 AI team， 我觉得就是我们对所有 AI 工具的接受程度都很高，但是这个并不是意味着我们信任所有的 AI 工具，就是我觉得最好的一个组合是一个非常有经验的工程师。他同时非常 open to AI 工具的使用，这样的话其实会让我们的效率非常高。
所以我在当时组建团队的时候，有这么一个标准：第一，你不能说是一个纯粹的 vibe coder， 你什么都不懂，你只是把东西丢给 AI 去做；第二是你有很多工程经验，但是你不会使用 AI， 你对 AI 的 exposure 如果不高的话，我希望你加入了我们公司之后能快速的去学习，快速的去让 AI 介入到你的工作中。
那就是我觉得这个是 ANATP 比较重要的一个事情，就是你既不能完全地信任 AI， 去相信一个 vibe coding 出来的东西，但是也不能很固守于传统，就是说我必须手搓，我就是必须一点点去做。
最好就是能有这样的人，能把两边都兼顾好，这样的话，我的效率才会说真正的有一个质的提升。
土豆：对，这个就会看到很多 vibe coding 它只是出了一个工具，但并没有一些解决问题能力，它只是一个壳而已。
路易斯・L：所以说如果你是像我们来讲，你是做一些外部的、面对于客户、面对于 B 端的软件开发的时候， vibe coding 它其实不能够很好地去处理这些事情，你就需要你的团队比较有经验。
能充当于架构师的角色，去帮 AI 规划好它要做什么，这样的话才会比较高效。
土豆：作为 AI native， 偏我们这样的一个人才画像，其实它首先就具备这个行业里面解决问题的一个单点的一个能力。第二，它对于 AI 的开放程度很高，用 AI 去辅助它解决更高、更广的一个效率的一个问题。可能是这两种是我们作为 AI native 里面希望去招募的。
路易斯・L：但是也就也是最难招的一拨人，就是你既要他有 10 年、20 年的工作经验。
土豆：里面就会牵扯到怎么去在行业有这个经验和处理问题的同时，对于 AI 的开放程度又很高，他既要有学习能力，又要有行业，这里面其实就会有一些相反性和相悖性。
路易斯・L：这个其实也就是 startup 最大的一个困难，你怎么样去招到一个处于中间的这种高级的人才，就是你现在想招 junior， 那有一大堆，他们很会 vibe coding， 很会做很多东西，你要招一些 senior。
土豆：他们并没有行业的经验，但是 senior 里面，他可能对于 AI 的学习和迭代速度又会容易固守原来可能已经成功过的一些经验。
路易斯・L：对。对于我们来讲，就是我最大的一个经验就是，其实招聘是 startup 非常难搞的一个事情，特别你要招这种 AI native 的人才，然后这个我是觉得我在前期也是花了很多功夫去找到这波人的。
最大的受益还是受益于我的社群媒体，然后受益于我的朋友圈，就是我们现在在公司的人。
土豆：其实它也是一个很好的招人那个途径。对你们本身就是感兴趣，愿意加入这种 AI native 的一个交易的一个小团队，和组织一起成长。
路易斯・L：很多时候也是靠 referral 来的，因为你直接去 post 一个 linking， post 一个 job stream。
土豆：感觉很难招到人才。
路易斯・L：他们来的话其实都是偏向于找到一份工作，可能他对于创业不创业这个事情其实不是很感冒，所以说我觉得对于创业公司招人的话，其实还是蛮有讲究的，你真的得靠 referral， 真的得靠你自己 build in public 去吸引到这波对你做的事情感兴趣的人。
5.产品介绍与商业模式
土豆：其实说到量化，用浅显易懂的方式能给我们讲一下量化到底是什么？
金融量化和现在 AI 的关系，以及它对于更多的普通人，比如说做投资啊，或对他们的一个价值的影响是什么吗？
路易斯・L：量化就是通过数据代码和数学，去告诉你什么时候买，什么时候卖一个东西，是 best timing。
它后面其实就是涉及到你怎么样用一个科学的方式、系统的方式去完成你的这套分析，去得到那个最终买或卖的结论。
土豆：这种量化和 AI 的这个发展，对于普通人来讲会有什么一个受益点呢？比如说做投资，因为现在其实很多人都在会买科技股嘛，可能他对于投资和用 AI 可能直接就是问豆包，我应该买什么股票？这里面会有什么样的改变吗？
路易斯・L：就是我觉得可能大多数人之前的交易，他都是基于一些直觉，基于一些摸不着的东西。
量化的话能给他的改变：第一，他能知道自己为什么要这么交易了，他能有一个 trackable 的 path， 或者是 trackable 的这种证据链去告诉他，为什么要现在买？为什么要现在卖？这是我觉得量化能帮助到普通人的一个东西。
第二， AI 怎么通过介入来做到这个事情？ AI 它有很多的 dominance， 它其实本身已经是一个很聪明的一个大脑了。
其实我们只需要给它一些基本的框架，它就能更好地去辅助你进行一个决策。
有 AI 之后，我觉得大家的交易决策不能说就一定就赚钱了，但是他一定会说他会更谨慎了、更系统化了，而且它不会减少更多的它的 fomo 的情绪，或者它的根据它 intuitive 去交易的这种冲动吧。
我觉得这是一个很大的区别，除了交易以外，它其实本身在信息聚合的的领域，它做的也很好。
如果你想去知道一家公司，它有什么关联的事情发生，你现在也可以通过 AI 去很快的实现这个查询。
AI 加量化不会直接让一个不赚钱的人变得赚钱，但是他一定能从某种程度上去帮到他，更聪明地去投资，更系统地去分析，更好地管理自己的预期吧。
土豆：简单总结，AI 可以让交易决策更加理性。能给我们就是介绍一下我们现在的一个产品、它面向的人群、我们面对的一些服务、解决的一些痛点。
路易斯・L：对，我们整个产品的话其实就是内嵌于在刚刚讲到它在 ChatGPT， 在 Claude code 里面，内嵌到它的这个 plugin 里，它其实就像一个应用商店，只要安装之后，你就可以在这个 ChatGPT 的任何一个对话框里面去使用。
然后你比如说通过斜杠的方式，可以把这些功能给它调出来，然后去完成你的一些研究。
它具体来讲，它其实就是一个量化交易员的分析工具。它能通过我们清理好的数据集，以及我们的一些专业的工作流，让 AI 去充当研究员的这个角色，去完成一些研究。
我们第一提供了一些 infra， 数据怎么来，我们怎么清洗，怎么样 evaluation， 怎么样去做很多之前量化投研的一些工作，那现在 AI 能帮你去解决掉这个问题。这就是我们大概的一个解决方案。
那这块的话，它既有 TO B 也有 TO C。
那 TO C 的话，最简单就是说你就研究一些票，研究一些加密货币，然后快速地去获得一些你需要的信息。
那对于 TO B 来讲，我们会更多的是集成化定制，根据他所交易的品类，他日常的一个工作，然后去帮助他开发一个类似于 AI 的研究员去做。这是一个大致的一个我们平台的一个产品。
然后它会有一些包括 academy 的部分，去教你说怎么样更好地理解量化。但这部分主要是针对人类用户的。
因为回到我刚刚讲到， AI 它并不能说让你从 0 到 1 做得很好，它只能帮你从 1 到 100 做得很好。那其实一些 basic， 很底层的这些大致的概念其实还是需要人类用户去理解的。这就是我们基本上做的一个产品。
土豆：这是不是就是关联我们的数据库，以及有很多的一些方法论，我们基本上有一种是通用版，比如说直接调取我们的方法论和数据库就可以得到一些结论，还有一种是 B 端直接去应用的，这个是专门是可以从我们的这个 Codex 、 Cloud 这个应用商店去下载的是吗？
这个和 Skilled 有什么不同吗？假如说这个东西它是必须要通过这个产品，还是 AI 也可以直接去应用这样的一个产品和工具。
路易斯・L：核心点在于量化，你拆开很多流程比如数据清理、假设检验、统计，有很多细节，AI 是现在是很难去处理好的。
但我不排除之后它的能力进化可能两年、三年之后，它能处理好。但是现阶段来看，它其实还没有达到那样的一个智能程度。
那我们提供什么？那既然它不知道具体每一步要做什么，那我们先把所有东西给它 write down， 给它写下来，然后它需要的一些原材料，它需要的一些这种工具，我们都帮它写好。
那这样的话，它就可以更方便地去使用。那跟 Skill 的区别是在于， Skill 它只是定义了这些工具的使用方式，以及一些工具它的一些基本的信息。
我们还提供了配套的这些设施，比方说一个回测的服务器，包括一个清洗好的数据库，这些是 Skill 它其实没有带来的一个东西。
所以说如果你单纯只是有一个 Skill， 你其实还是不能很好的完成所有的这些工作，因为你有一个 Skill， 你其实只是因为你有了工作流，但是所需的原材料你还是没有，所需要真正使用的工具你还是没有。
土豆：那这个我感觉就和市面上大家已经，比如说投资已经完全不去投通用型的工具了嘛，那其实它很容易，就有点像 vibe coding， 你之前说的它可能就会牵扯到一个空转。
核心的能力：第一是我们本身有清洗这种纯度很高的，偏这个领域的一个数据库，然后保证我们的这个方案；
第二个在于你刚刚说的配套服务以及方法论，它本身就是很系统性的，相对是如果只是 skill， 没有一一定的一个落地价值的。
路易斯・L：我觉得核心的点就是我最终想卖的不是一个服务，是想卖的是一个结果。大多数他做的可能是以服务为导向，我帮你去查一个东西，帮你去做一个这个东西。
那我真正要做的是，你给我一个 idea， 我要直接告诉你这个 idea 可行还是不可行，就是你的 trading 的 idea。
那这个东西就是说，我最终能给到用户带来价值的，其实是直接给了他一个 answer、最终的结果，而不是说我提供了不同的工具，让你去自己的探索，自己继续做。我觉得这是一个比较大的区别。
土豆：其次这个 trading 我们分析的，不仅是说分析过程，而是把用户想要去分析的股票，或者说他的 idea 进行整体的工作流和数据库叠加跑。
一个相对的一个结论告诉他，以及可能并行预算的一个结果。这个是可以演示的吗？
路易斯・L：可以演示，就比方说我们进入到 Codex， 用斜杠可以换出它命令。然后你可以问他说，比方说你有什么数据？然后我同时我们可以再开一个窗口。
我有一个交易想法。比如说这是一种用户的问题嘛，然后你可以发给他。可以看到比方说我们这边已经提供了很多的这种行情数据、成交数据、买卖数据、成交持仓数据等等。
这样的话，他就可以基于这些数据去验证他的一些方法，基于这些数据去。去验证他的一些 trading 的 idea。我们回到刚刚的第二个任务，他会帮我定义一个这种因子，然后去看这个因子，这个 idea 是否真的会有用。
土豆：这其实就是关联我们的数据库和方法论。
路易斯・L：他会整个去写代码，在我们的数据上去做一些计算，然后并发回到我的服务器，让我的服务器去帮他做整套的检验，最后给他一个结论。
土豆：但这里面就会也会有一个问题，如果是 C 端，其实只要关联我们的工具和数据库去做这整体的应用。
那比如说你刚才讲到的 B 端它是要提供整体的一个解决方案，那这个过程中是基于需求是 AI 来去跑这个，还是说我们会有更多的人参与？这个 B 和 C 生成结果上会有什么不同吗？
路易斯・L：其实是差不多的，只是 B 端说在它的数据集和应用场景讲，会更加的集中一点。
集中到某一个方向去根据他的需求去做一些定制，但是核心都是通过 AI 在一套专业专业的工作流和清洗好的数据上去做完整个投资研究的流程。
土豆：那这里面也会想到，就是比如说这种商业化路径是通过这种用户付费订阅呢？还是通过什么样的方式？
路易斯・L：这商业化是这样的，因为我的所有的成本我现在只有服务器的费用，以及我数据存储的费用，其实这个东西是非常低的。
然后因为大多数的这种投资的这种 AI trading 的软件，它都是说用户需要向它去买一些 token， 买一些 credits， 需要去进行充值。但是对于它来讲，它其实只是一个 token 的分销商。
因为它背后还是得接 OpenAI， 还是得接 Anthropic， 就是它其实利润率是非常低的。
那我们的商业模式是什么？你在用的这个过程中，首先你是免费的因为我是一个中心化的服务器，你所有的这些检验结果。
所有的这些因子，所有的这些 trading idea 都会发回到我的服务器，对于我来讲，我其实积累了很多的数据价值，这是第一点。
那在 C 端这边，我的变现就是相当于不是从用户的这一端去向用户直接收费。
而是说你在整个研究、整个使用的过程中都是免费的。那我在哪里进行收费呢？
你现在想做 live trading， 你真的想实盘了，你不是只想停留在做研究，那我会给你收取一个实时数据提供的费用，但这个费用是非常低的，而且对于用户来讲，他其实都走到最后一步了，他其实这个付费意愿会强很多，因为他已经看到了他整个研究的过程，研究的结果，那他就是一定会想去试一下。
这是第一部分，然后第二部分是当这个用户被引导到某一个交易所或者某一个券商的时候，其实券商那边是会给我们一些佣金的返还的，这其实也是我们的一部分收入在 C 端。
所以核心的点就是我做的是一个 C 端的产品，但是我不是向 C 端的用户直接去收取主要的费用的。
土豆：那我们其实相当于聚集了本身是有交易需求，给到他结果呈现，他最后需要有这个 action， 比如说通过机构采买，那可能是在机后的一个，对于用户线索提供的一个这样的一个费用，对吗？
路易斯・L：比如说他刚刚帮我检测了一个 idea， 我可以回到我的前端去看这个 idea 的一个实际的表现，应该是这个run up volume fade。然后可以看到它的一些收益率，它的一些历史上的这些表现，其实都不是很好。
土豆：这其实是一个用户的，他的一个 idea 的一些生成的一些结果，对吧？
路易斯・L：对于这些所有的东西，如果你不太明白的话，你其实都可以直接去向你的 ChatGPT 进行提问，这样的话就解决了用户使用这个东西有很大的上手难度。
其实你只要什么不懂，你就直接问你的 ChatGPT 就好了。所以说我们认为这是一个非常好的窗口，去让用户去使用，不用下额外的软件，不用付额外的费。
然后同样的操作方式，你就是以对话也好、语音也好，你都可以跟他去进行交互，然后帮你把整个事情完成了。
然后在这个过程中，他一直在给我提供有用的数据，就比如说他的这个 trading 的 idea， 他帮我去检验了有没有效，那对于我一个交易公司来讲，我就省去了研究的费用。
为单点的其实交易量的数据的计入是有限的，我们相当于这类垂直的交易用户，进行这种数据库的一个增量，且让我们这个垂类的一个应用更加的一个精准，这类我们本身它需要产生一些交易动作或相关性的一些服务，我们和机构去打通，去提供一些指令，针对它这种结果可能提供的一些周边性的一个服务。
测试之后，你能看到它的一些结果，比方说你不懂这些东西，不懂你都可以直接去用 ChatGPT 的方式去问它。
土豆：嗯嗯，因为大家都在讲 AI 落地，能看到你们是已经很好的，比如说嵌入这些 AI 的大模型的工具。
结合日常你们的经验和你们的一个数据库，就像你刚才讲的，招人也是，那我可能是在行业当中，你们也是不断的去咬合当前最新的技术和你们经验。
如何能更好地呈现给用户，提供更精准或结果性的一个价值？我们会作为代盘吗？
还是说目前只在，户量的这个点，比如说也有一些像 Crypto， 或者说像这种操盘交易很多，类似于私募，它其实是基于数据可以作为精准的这个东西，它其实是为一些投资服务，这个方向我们会有涉猎吗？
路易斯・L：因为整个东西都是由用户自己开发的，比方说他需要使用这个策略。
他想去真实的交易里面去跑，我们是提供这个托管的服务。我给你一台服务器，你可以直接去对接自己的账户，然后你就是每个月 9 块 9 订阅一个我的数据就好了。
土豆：那我理解我们还是做的相当于是平台化的一个结论的分析，他如果是需要针对性的账户固定给到，他已经有结论的跟踪和跟进，我们就再提供这样的一个工具型。
路易斯・L：因为整个东西是你自己 generate 的，我其实不涉及我在推荐你买什么股票，我在推荐你做什么东西。
因为这个东西是你自己写出来的，你的 AI 帮你写出来的，你真的愿意去相信你的 AI， 真的想让它去做一个真实的交易，那当然是 OK 的。
我只要提供实时的数据给你，让你能够去做实时交易，其实就够了。
土豆：它很像个性化，比如说以前是内容推荐型的一个搜索，这个相当于是做个性化的一个交易，完全是根据自己来去生成一个交易策略，然后作为一个个性化的交易，通过 AI 来去实现。
因为以往是通用型的交易来去做覆盖，还要加上个人的一个判断，这个确实是我觉得行业上面比较大的一个改变。
6.最后投资避坑与建议
土豆：如果说 AI 对于这个行业的冲击这么大，现在 AI 其实就有点 K 型分化，我们可能是占了 K 型的上直线。
但其实各行各业大家在说整体的一个社会引擎的一个变化，你会觉得这个区分点是什么？
如何保证大多多数的人可以选择一个正确的一个队列？变成一个被增强、被放大的那一个方向。
路易斯・L：讲的大一点，就是 AI 的出现之后，它把大家认知上的这个 gap 给它拉大了，就像你刚刚讲的 K 型曲线。
认知比较高的人，他结合 AI， 他就能做很多很酷的事情。那认知比较低的人，他可能就还是会停留在 AI， 就是不能给他带来任何增量的东西。
那所以说在这个时代，我觉得最重要的事情就是你如何提高自己的认知吧。
你怎么思考这个问题？怎么解决这个问题？你的思维会变得更加重要， AI 只是去更快地帮你执行。
就是对于一些普通人，或者对于一些大众还没有开始接触 AI 之后，我觉得他们应该先想的事情是自己的一些思维模式是不是应该有一些改变。自己看待很多问题的方式是不是应该有一些升级？
那在这个情况下，你先把自己的逻辑清理一遍，思考一遍之后，再去结合 AI 可能会比较好一点。
很多人他就算你给他一个很好的工具，他并不知道怎么样提出这个问题，怎么去解决这个问题，或者说甚至说定义这个问题，那我觉得这个能力其实算是比较重要的吧。
土豆：你摸索下来觉得比较好，能提升思维认知的一个方式。有很多人不知道，他还在自己的一个信息的茧房，或者说这个认知的一个闭环里面，如何去快速突破这个认知和变成一个偏成长性的一个曲线。
路易斯・L：我觉得最快的方式就是说，你现在先思考一下，自己身边有什么事情，是你现在觉得非常麻烦，非常难做的。
你想办法，有没有办法能解决它？无论是通过 AI 也好，或者不通过 AI 也好，先想办法把生活中一个小事情，你觉得很困扰你，很复杂很麻烦事情把它解决了。
然后就这样一件一件的连起来，那你的这个逻辑能力就会偏向于一个更加实用，更加有帮助的方式去提升自己的思考能力。
土豆：关于你这个投资有两个实用性的一个问题，在工具使用上，因为确实现在有大量的关于 AI ，还有科技炒股这件事情，就有没有一些实用性的一些技巧，或者说避坑的，坚持底线的一些东西都可以。
路易斯・L：我觉得，第一，无论你做什么，保住你的本金是最重要的。最好是正确的 evaluate ，你自己的风险承担能力，以及你所期望的回报，你去思考这个东西合不合理，然后去尽可能的保护好自己的本金。
第二，如果 AI 给了你很多建议，就是最好是自己去 validate 一下，不要把自己思考的能力全部交给了 AI， 这样的话也会非常危险。具体的投资建议来讲，我觉得就是避免那些热点的新闻，热点的题材，真正的去找到一些有价值的标的，然后长期的去进行一些投资。
土豆：如果 AI 可以抓取这些做量化分析，做预测市场，那随着这种 AGI 的演变，你觉得后面来讲，这个市场是可以预判的吗？
如果是可以预判的，金融这种后面会还需要，比如说 trader ，类似于就这样方面。
路易斯・L：整个市场来讲，它其实是一种动态的平衡，那 AI 的出现只是说像这个平衡的状态里面，这个系统里面多加入了一些新的元素，它当然会让这个动态平衡短暂的被打破，那随着它的发展，它可能这个打破的过程会持续，但是最终它也应该也会收敛到一个固定的状态。
那就是比方说我之后可能真的就是 AI 和 AI 之间在交易，也是有可能的，但是这个具体在什么时候，以什么形式呈现，我其实不太知道的，但是我觉得它永远是一个动态平衡的过程。
当一个平衡被打破，它一定会朝某个方向继续运动，最终又达到一个新的平衡。
土豆：到我们自己现在做这个事情，未来希望变成一个什么样的公司？或者说什么样的一个人物画像？
路易斯・L：我其实 to be honest， 我走到今天，很多时候不是我计划好的事情走到今天。
对于未来来讲，我现在能想到就是我还是专注于去做现在的事情，我让这个时代推着我走，而不是我想的，我今天要去这，明天要去那。
土豆：其实是 P 人是没有计划的， to be present。
路易斯・L：我觉得核心的点就是我把产品做好、我把用户做好，我把这些给用户带来的价值给他做好，之后会成为什么样子，我其实真的很难回答。
土豆：最后的话有没有给到，比如说还在在校的学生，或者说其他的金融从业者一些建议、补充，或者说推荐的一些东西也可以。
路易斯・L：我感觉就是对于学生来说，因为我刚是学生毕业，我觉得就是利用你有空的这个时间，尽可能多学一些技能，多接触一下前沿的这些技术，把这些前沿技术去应用到你感兴趣的事情上。
以上就是我们本期的内容，非常感谢大家看到了这里。
如果觉得还不错的话，欢迎给我们点赞，也大家转发给身边感兴趣的朋友~
关注我们，下期再见！另外想要进入科创学习社群，可以添加小助理微信，备注「加入社群」，可进入科创交流群，日常分享前沿 AI 资讯，和同好伙伴一起交流~
