1452
8我是张翼轸。在这期节目里，我受邀与朱博聊了聊 AI 对我个人创作、编程以及投资研究的真实改变。从早年恢复个人博客数据、搭建 EarlMind，到如今利用 AI 辅助数据清洗与绘图，我始终把 AI 当作个人的效能放大器，而非盲目追逐时髦。我们深入拆解了 AI 在不同行业的容错率本质、它为何撼动不了核心工业软件与量化投资的底层逻辑，以及文字工作者面对模型演进时该有的定力。无论技术如何演进，投资中的贪婪、恐惧与真实痛苦，机器永远无法替代。
Shownotes
00:00 概率模型的本质与个人博客的数字重生
大语言模型本质上是通过温度值调控的概率模型，天生具备不可重复性。
去年借助 AI 恢复了十几年前停摆的独立博客数据，并将文字沉淀为纯文本的 Markdown 格式备份到 GitHub。
重启名为“EarlMind”的个人网站，定位于“一半是对算力的好奇，一半是对生活的偏见”，作为未来构建数字分身的语料库。
03:40 偏见、谄媚度与 SVG 竞技场的小实验
选用 Hugo 搭建静态站点，完全抛弃臃肿复杂的传统架构，确保所有底层文本对 AI 具备最高友好度。
通过子域名搭建了两个个人研究项目，其一专门用于量化评估各大主流模型在面对用户时的“谄媚倾向”。
搭建 SVG 竞技场测试各模型在代码制图时的字符重叠与排版瑕疵，关注模型在硬性排版规则上的真实能力。
08:21 软件产业的核心壁垒是行业标准与责任背书
工业级专业软件不会轻易被 AI 取代，其核心壁垒并非界面或交互，而是长期沉淀的标准与商业背书。
以医药领域的 SAS 软件为例，即便开源的 R 语言十分强大，FDA 依然只认可具备付费背书的成熟标准。
许多 AI 从业者低估了软件深层机理的复杂性，真正的壁垒往往隐藏在看不见、摸不着的行业规范之中。
11:03 容错率法则：决定哪些行业会被 AI 迅速颠覆
现阶段 AI 的繁荣高度依赖于高容错率环境，编程研发正是因其具备格式化检查、单元测试与版本回滚等机制而成为最适合场景。
越靠近现实物理世界、容错率越低的领域，如医疗诊断与企业核心系统，对 AI 的接纳度越低。
企业采购的核心考量往往是规避责任与合规背书，这种基于职场规则的生态绝非单纯依靠模型能力就能打破。
14:40 警惕投顾与投研场景中的“炫技流”
业内许多金融 AI 案例本质上是脱离业务一线的闭门造车，其效果甚至不如基层人员朴实的情感沟通。
大语言模型在心理洞察与定制沟通话术上表现突出，能有效提升人际交流这类高容错场景的体验。
面对投研这类要求严谨逻辑与客观事实的环节，必须对模型的幻觉与输出保持高度审慎。
16:40 严肃写作与长文本：模型演进的真实拐点
直到 2024 年底 GPT-4o 将单次输出长度推升至两千字以上，AI 才真正踏入严肃文字创作的实用门槛。
随后长文本思考模型与各类升级版本的推出，单次输出可达五六千字，在信息梳理上已具备匹敌专业记者的能力。
文字工作者感受到的冲击并非来自表面润色，而是模型驾驭长篇逻辑与架构分析的质变。
19:35 码字变廉价之后：为何模型开始主动“劣化”文笔
商业资本驱动下的模型开发正全力向代码与逻辑推理倾斜，因为传统文本创作的商业回报极低。
厂商为了节省算力资源，在系统提示词与算法层面上刻意抑制修辞与文学性，以实现极致精简直白的输出。
当下的文本生态充斥着浮躁与通胀，对真正追求自我表达与深度思考的人而言，机器的偏向反而是件好事。
23:10 我的工作流：将确定性留给自己，将流水线交给工具
纯文献综述借助提示词一次性生成带有阅读趣味的中文稿，这类工作直接归功于模型，不掺杂个人色彩。
核心论述依然坚持亲手键盘录入，珍视多年打字带来的思维节奏与乐趣，不轻易被语音输入打乱。
借助 Python 脚本将图表设计风格标准化、流程化，杜绝排版过程中的随机波动，让自动化彻底接管后台琐事。
27:00 兴趣驱动的研究：摆脱做号逻辑与流量绑架
从早年的保险条线到对指数化投资的深入研究，多领域的探索完全源自纯粹的个人求知欲。
拒绝为了迎合大众而将严肃内容降智、嚼碎喂给读者，坚持只输出行业内被忽视或缺乏讨论的真问题。
不盲目跟风追踪每一次模型发布，只有当新工具能够实质嵌入并改善现有工作流时才会深入测试。
30:30 用需求倒逼学习：让代码成为解决麻烦的扳手
借助深厚的逻辑基础与代码经验，把 AI 当作查阅文档与重构繁琐算法的高效助手。
任何工作流程如果需要重复操作三次以上，就值得借助自动化手段将其彻底固化。
门槛的大幅降低让个人能够轻松定制微型工具，把精力从机械性消耗中解脱出来，回归到人的创造力本身。
35:20 过滤焦虑：学得慢不要紧，不需要涉猎所有赛道
模型技术的迭代瞬息万变，许多耗费精力掌握的中间态技能往往会在几个月后随架构更新彻底失效。
明确个人表达的核心载体，对于不感兴趣的视频剪辑与画面生成，选择主动放弃与忽略。
大多数所谓的焦虑源于大厂白领对非必要岗位的替代恐慌，掌握真实手艺的人反而最为笃定。
40:00 物理世界的手艺人与过度膨胀的白领泡沫
许多被高度量化的白领岗位在历史上存在周期极短，本身缺乏难以逾越的专业壁垒。
无论是初级前端开发还是基础视觉设计，由于入行门槛已被彻底平权，超额收益必然被快速抹平。
唯有直接与物理世界交互、需要高情商及手脑协作的真实劳动，才能在智能化浪潮中长期具备不可替代性。
44:30 智商回归与情商价值：AI 时代的职场斩杀线
复杂大模型的一时爆发让极少数高智商科学家重新站在聚光灯下，但这无法掩盖行业本身无法大规模创造就业的本质。
在广泛的现实协作中，理解人性、感知情绪与达成共识的情商能力，依然远比单纯的数据运算更为核心。
绝大多数常人无需被高智商神话恫吓，守住与真实人类产生联结的同理心，就是最坚固的防线。
46:25 拒绝黑盒：为什么我始终坚持基于编辑器的编程工具
偏好使用保留完整代码编辑界面的开发工具，始终将代码与文本的改动置于自己的全面掌控之下。
拒绝盲目依赖那些完全隐藏底层逻辑的终端工具，对交付物必须逐行审查并拥有最终决断权。
编写脚本仅仅是为了精准解决个人日常中的微小痛点，无需将自用工具过度包装成华而不实的产品。
51:00 对抗模型幻觉：最笨的溯源才是最硬的护城河
即便当下最先进的旗舰模型，在开启检索后依然会煞有介事地捏造论文出处或篡改名人格言。
强制使用学术文献管理工具存储一手 PDF 原文，逐字比对出处页码，以传统新闻采编的标准核实每处信息。
大多数用户常将概率模型误当成全知全能的百科全书，在低容错的严肃专业领域，严苛的人工校验不可或缺。
56:40 金融与资管变局：AI 改变了微观脏活，但改写不了零和博弈
在量化领域，数据清洗、另类数据挖掘早已持续多年，大模型的加入只是进一步加速了因子的复现与折旧。
主观投研中的研报搜集与初级资料整理逐步被替代，但核心的参数裁定与定性决断始终是一门充满人性的艺术。
资管行业从根本上是零和博弈，当所有机构都利用算力提升生产力时，竞争只会重回均值，无法产生系统性超额。
01:04:40 表面降本增效的代价：套话泛滥与用户体验滑坡
各家机构为追赶潮流批量生成大量空洞内容，甚至连最基础的中文标点规范都彻底丢失。
盲目用机器客服取代真人服务往往适得其反，表面上压缩了财务开支，实则严重透支了金融品牌的信任资产。
许多跟风举措仅仅是为了迎合管理层的技术焦虑，并未真正经过商业转化的长期检验。
01:08:20 没有痛苦就没有共情：机器永远替代不了真实投资
AI 或许在文字流畅度上早已超越凡人，但冰冷的辞藻在真实的投资世界里根本毫无分量。
市场之所以难以战胜，是因为真实的人性时刻经受着贪婪、恐惧、回撤与亏损的剧烈折磨。
机器没有欲望，也不会承受账户缩水的切肤之痛；正是这种共情与切身体会，构成了活人不可替代的终极价值。
