AI 不会让普通人变优秀，只会让优秀的人更优秀
投研 Agent 的卡点不在模型，在数据治理和人的判断力；用海外模型会让你越来越笨，用国内模型逼你越来越聪明。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
Agent 项目卡在数据，不卡在 Agent
老白说大量 AI Agent 项目交付卡的不是 Agent，是数据。为了解决问题要到处找数据，很多数据在不同平台上，规格类型都不一样。很多网站有反爬机制，用 web search 爬不到；一个网站可能有几万甚至十几万个页面，到底爬哪个页面是有效的，这个点很难。他认为整个数据治理会是 AI Agent 项目能落地的最重要核心，甚至超过 50%。逻辑层面在 K3 出来之后能力已经有比较大提升，日常看到的问题和方案基本都覆盖了。
— 老白用别人的 Agent，得到的是产品经理的思路
老白说如果你用自己的 Agent，Agent 的训练是通过人对于它的对话形成内部记忆文件，它给你的答案就是你的镜像。但如果你用被训练过的 Agent 而无法训练它，那就是那个产品经理的思路，而不是你的思路。市面上所有 AI 投研终端，不管 Walk 还是 Claw，逻辑大体上都是被产品经理写死的，用户很难对此类 Agent 做进一步训练。想要适合自己的风格，必须找一个底层开放的 AI Agent 平台去训练它。
— 老白多 Agent 协作的坑：调 skill 不带底层文件
老白指出多 Agent 平台之间的交互有很多坑要规避。比如你通过一个 Agent 调另外一个 Agent 的 skill 时，和这个 skill 所在 Agent 调这个 skill，出来的结果是不一样的。原因是当你从一个 Agent 调另外一个 Agent 的 skill 时，这个 skill 执行时不会调它所在那个 Agent 里面的底层文件，等同于你所有的 Agent 训练在这个底下没有发挥作用，只是把 skill 的能力给到了当前 Agent。所以多 Agent 协作需要一定门槛，这就是 FDE 的价值。
— 老白Codex 和 Claude Code 是写代码的，不是做投研的
老白强调 Codex 和 Claude Code 是 Web Coding 产物，不是 Web Walking 产物。比如 SuperPower 在 Claude Code 上是非常著名的插件，先头脑风暴再按规划写报告再做检查，非常完美，但这个东西做投研其实不适合，它是做 Coding 用的，是为了把问题拆解成项目写成代码最终交付，不是做研究报告用的。Workbody 是面向 Workspace Agent 的办公平台，也不是投研平台。FanBot 才是面向投研的多 Agent 平台。
— 老白用海外模型会让你越来越笨
老白说他昨天跟一个公募的基金经理聊，两人观点一致：你用海外模型会让你越来越笨，你用国内模型会让你越来越聪明。因为海外模型太聪明了，你不需要太聪明；但国内模型确实你要聪明一些，否则结果不如人意。他解释自己为什么一直坚守用国内模型：用海外模型很爽，你就会一直用下去，就不会花那么多时间去思考了。海外有一个理论叫 AI 会让大脑退化，就像人在床上躺 20 天，下来的时候还能正常走路吗。
— 老白治 AI 偷懒：先删记忆，再加检查
老白说 AI 很懒，因为它想用最快的方式告诉你最好的答案，所以会编东西给你。他举了个现实场景：十几年前一个同学是物业公司副总经理，最大痛苦是半夜没人巡逻，后来在大楼各个地方放本子，保安每天到一个点就签到，逛下来两个小时正好。AI 也是如此。他做 Harness 的第一步就是把所有记忆力全部删除，不让它拿历史数据来骗你；最后一步是加一层对数据的检查。这跟 SuperPower 设计的工作流一模一样，一头一尾极大降低幻觉率。
— 老白Agent 不会让普通人变优秀
老白总结：Agent 不会让一个普通的人变得特别的优秀，但是他会让优秀的人变得特别优秀。因为 Agent 本身也存在很多门槛和对人的要求。他举三年前的例子：一个人对 AI 说给我做一个淘宝网站出来，这是当时很有名的段子。但今年上半年他跟一个用了很长时间 Claude Code、用了很多海外模型的人交流，对方用 AI 时依然还是用如此的方式问问题，结果一定惨不忍睹。所以 AI 对一个人的能力其实是有门槛的。
— 老白远期再长测试：AI 预判存储扩产
老白分享了一个 AI 不可替代的场景。他有一个专属 skill 叫远期再长测试，框架偏成长股，要求 T+2 大于 T+1。今年五六月份他用这个 skill 看了四个行业：存储、地产、中国白酒。当时是 Feb5 当天出现了一天，他问了这个问题，下午就不能用了。AI 的判断很清楚：在 70% 到 80% 的毛利率、60% 的净利率之下，供给端的纪律，美光、三星、海力士一定会扩产，还提到 27 年有哪些厂会投产，甚至说今年三季度四季度能看到更多扩产计划出来。老白说即使一个长期看存储的投资经理，也很难收集这些数据或达到同样的颗粒度。
— 老白原话 · 已逐字校验
大量的 AI agent项目的交付 其实卡并不是卡在agent上 是卡在数据上
大量的 AI Agent 项目的交付，其实并不是卡在 Agent 上，是卡在数据上。
老白6:06
如果你是用一个自己训练的agent 但是如果你是用比如说像是被训练过的这种agent 而你无法去训练他 那就是那个产品经理的思路 而不是你的思路
如果你是用一个自己训练的 Agent，但如果你用的是被训练过的这种 Agent，而你无法去训练他，那就是那个产品经理的思路，而不是你的思路。
老白13:10
你用海外模型 会让你越来越笨 你用国内模型 会让你越来越聪明 为什么 因为海外模型太聪明了 你不需要太聪明 但是国内模型 确实你要聪明一些 否则它确实结果是不如人意的
你用海外模型会让你越来越笨，你用国内模型会让你越来越聪明。为什么？因为海外模型太聪明了，你不需要太聪明；但国内模型确实你要聪明一些，否则结果确实不如人意。
老白25:14
AI是个很懒的 那他为什么懒 是因为他想用最快的方式 告诉你最好的答案
AI 是个很懒的。那他为什么懒？是因为他想用最快的方式告诉你最好的答案。
老白45:18
agent 不会让一个普通的人 变得特别的优秀 但是他会让优秀的人 变得特别优秀
Agent 不会让一个普通的人变得特别的优秀，但是他会让优秀的人变得特别优秀。
老白58:24
你用海外模型很爽 就感觉不错 你就会一直用下去 然后你的思维 你的考虑就会不断的去 怎么说呢 就可能就不会花那么多时间去思考了
你用海外模型很爽，就感觉不错，你就会一直用下去，然后你的思维、你的考虑就会不断地……怎么说呢，就可能就不会花那么多时间去思考了。
老白1:00:25
如果你能问出好的AI AI这个高质量的问题 然后他其实给你的回答会效果到你 我看了这个回答 我就觉得我的智商在他面前 是完全被碾压的
如果你能问出好的 AI、高质量的问题，他其实给你的回答会效果到你。我看了这个回答，我就觉得我的智商在他面前是完全被碾压的。
老白1:15:33
数字与实体
| K3 参数量 | 2.8 万亿个参数 | 7:07 |
| KIMI token 价格 | 其他 token 的八倍 | 29:14 |
| H200 价格变化 | 从两年前的 150 万到现在 550 万，增长三四倍 | 26:14 |
| SuperPower skill 数量 | 14 个 skill | 19:11 |
| FanBot 默认轮次 | 150 次轮 | 1:08:30 |
| 化工类上市公司指标数 | 一两万 | 1:09:30 |
| 化工类首席用指标数 | 一两千个指标 | 1:09:30 |
| 远期再长测试 skill 分析行业数 | 四个行业 | 1:13:32 |
| 存储行业毛利率 | 70% 到 80% | 1:14:32 |
| 存储行业净利率 | 60% | 1:14:32 |
术语
- FDE前置交付工程师
- Palantir 带火的职位，要求懂业务而非技术，用 AI 帮客户交付定制方案。
- MOE专家网络架构
- 混合专家模型架构，K3 等大模型采用，用多个专家网络处理不同任务。
- Harness智能体框架
- Agent 的底层运行框架，包含记忆、工具调用等配置，不同 Harness 结果不同。
- ETL数据清洗
- 把多来源数据抽取、转换、加载成 AI 可识别的干净数据。
- QA数据质检
- 数据加工中的质量检查环节，发现异常值报警并清洗。
收听指南
正在把 AI 投研落地到团队的投资经理、研究员和 FDE，以及纠结用海外还是国内模型、要不要自建 Agent 平台的人。
1:16:08 之后的福利介绍和产品推广可跳过。