AI 不會讓普通人變優秀，只會讓優秀的人更優秀
投研 Agent 的卡點不在模型，在數據治理和人的判斷力；用海外模型會讓你越來越笨，用國內模型逼你越來越聰明。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
Agent 項目卡在數據，不卡在 Agent
老白說大量 AI Agent 項目交付卡的不是 Agent，是數據。為了解決問題要到處找數據，很多數據在不同平臺上，規格類型都不一樣。很多網站有反爬機制，用 web search 爬不到；一個網站可能有幾萬甚至十幾萬個頁面，到底爬哪個頁面是有效的，這個點很難。他認為整個數據治理會是 AI Agent 項目能落地的最重要核心，甚至超過 50%。邏輯層面在 K3 出來之後能力已經有比較大提升，日常看到的問題和方案基本都覆蓋了。
— 老白用別人的 Agent，得到的是產品經理的思路
老白說如果你用自己的 Agent，Agent 的訓練是通過人對於它的對話形成內部記憶文件，它給你的答案就是你的鏡像。但如果你用被訓練過的 Agent 而無法訓練它，那就是那個產品經理的思路，而不是你的思路。市面上所有 AI 投研終端，不管 Walk 還是 Claw，邏輯大體上都是被產品經理寫死的，用戶很難對此類 Agent 做進一步訓練。想要適合自己的風格，必須找一個底層開放的 AI Agent 平臺去訓練它。
— 老白多 Agent 協作的坑：調 skill 不帶底層文件
老白指出多 Agent 平臺之間的交互有很多坑要規避。比如你通過一個 Agent 調另外一個 Agent 的 skill 時，和這個 skill 所在 Agent 調這個 skill，出來的結果是不一樣的。原因是當你從一個 Agent 調另外一個 Agent 的 skill 時，這個 skill 執行時不會調它所在那個 Agent 裡面的底層文件，等同於你所有的 Agent 訓練在這個底下沒有發揮作用，只是把 skill 的能力給到了當前 Agent。所以多 Agent 協作需要一定門檻，這就是 FDE 的價值。
— 老白Codex 和 Claude Code 是寫代碼的，不是做投研的
老白強調 Codex 和 Claude Code 是 Web Coding 產物，不是 Web Walking 產物。比如 SuperPower 在 Claude Code 上是非常著名的插件，先頭腦風暴再按規劃寫報告再做檢查，非常完美，但這個東西做投研其實不適合，它是做 Coding 用的，是為了把問題拆解成項目寫成代碼最終交付，不是做研究報告用的。Workbody 是面向 Workspace Agent 的辦公平臺，也不是投研平臺。FanBot 才是面向投研的多 Agent 平臺。
— 老白用海外模型會讓你越來越笨
老白說他昨天跟一個公募的基金經理聊，兩人觀點一致：你用海外模型會讓你越來越笨，你用國內模型會讓你越來越聰明。因為海外模型太聰明了，你不需要太聰明；但國內模型確實你要聰明一些，否則結果不如人意。他解釋自己為什麼一直堅守用國內模型：用海外模型很爽，你就會一直用下去，就不會花那麼多時間去思考了。海外有一個理論叫 AI 會讓大腦退化，就像人在床上躺 20 天，下來的時候還能正常走路嗎。
— 老白治 AI 偷懶：先刪記憶，再加檢查
老白說 AI 很懶，因為它想用最快的方式告訴你最好的答案，所以會編東西給你。他舉了個現實場景：十幾年前一個同學是物業公司副總經理，最大痛苦是半夜沒人巡邏，後來在大樓各個地方放本子，保安每天到一個點就簽到，逛下來兩個小時正好。AI 也是如此。他做 Harness 的第一步就是把所有記憶力全部刪除，不讓它拿歷史數據來騙你；最後一步是加一層對數據的檢查。這跟 SuperPower 設計的工作流一模一樣，一頭一尾極大降低幻覺率。
— 老白Agent 不會讓普通人變優秀
老白總結：Agent 不會讓一個普通的人變得特別的優秀，但是他會讓優秀的人變得特別優秀。因為 Agent 本身也存在很多門檻和對人的要求。他舉三年前的例子：一個人對 AI 說給我做一個淘寶網站出來，這是當時很有名的段子。但今年上半年他跟一個用了很長時間 Claude Code、用了很多海外模型的人交流，對方用 AI 時依然還是用如此的方式問問題，結果一定慘不忍睹。所以 AI 對一個人的能力其實是有門檻的。
— 老白遠期再長測試：AI 預判存儲擴產
老白分享了一個 AI 不可替代的場景。他有一個專屬 skill 叫遠期再長測試，框架偏成長股，要求 T+2 大於 T+1。今年五六月份他用這個 skill 看了四個行業：存儲、地產、中國白酒。當時是 Feb5 當天出現了一天，他問了這個問題，下午就不能用了。AI 的判斷很清楚：在 70% 到 80% 的毛利率、60% 的淨利率之下，供給端的紀律，美光、三星、海力士一定會擴產，還提到 27 年有哪些廠會投產，甚至說今年三季度四季度能看到更多擴產計劃出來。老白說即使一個長期看存儲的投資經理，也很難收集這些數據或達到同樣的顆粒度。
— 老白原話 · 已逐字校驗
大量的 AI agent項目的交付 其實卡並不是卡在agent上 是卡在數據上
大量的 AI Agent 項目的交付，其實並不是卡在 Agent 上，是卡在數據上。
老白6:06
如果你是用一個自己訓練的agent 但是如果你是用比如說像是被訓練過的這種agent 而你無法去訓練他 那就是那個產品經理的思路 而不是你的思路
如果你是用一個自己訓練的 Agent，但如果你用的是被訓練過的這種 Agent，而你無法去訓練他，那就是那個產品經理的思路，而不是你的思路。
老白13:10
你用海外模型 會讓你越來越笨 你用國內模型 會讓你越來越聰明 為什麼 因為海外模型太聰明了 你不需要太聰明 但是國內模型 確實你要聰明一些 否則它確實結果是不如人意的
你用海外模型會讓你越來越笨，你用國內模型會讓你越來越聰明。為什麼？因為海外模型太聰明了，你不需要太聰明；但國內模型確實你要聰明一些，否則結果確實不如人意。
老白25:14
AI是個很懶的 那他為什麼懶 是因為他想用最快的方式 告訴你最好的答案
AI 是個很懶的。那他為什麼懶？是因為他想用最快的方式告訴你最好的答案。
老白45:18
agent 不會讓一個普通的人 變得特別的優秀 但是他會讓優秀的人 變得特別優秀
Agent 不會讓一個普通的人變得特別的優秀，但是他會讓優秀的人變得特別優秀。
老白58:24
你用海外模型很爽 就感覺不錯 你就會一直用下去 然後你的思維 你的考慮就會不斷的去 怎麼說呢 就可能就不會花那麼多時間去思考了
你用海外模型很爽，就感覺不錯，你就會一直用下去，然後你的思維、你的考慮就會不斷地……怎麼說呢，就可能就不會花那麼多時間去思考了。
老白1:00:25
如果你能問出好的AI AI這個高質量的問題 然後他其實給你的回答會效果到你 我看了這個回答 我就覺得我的智商在他面前 是完全被碾壓的
如果你能問出好的 AI、高質量的問題，他其實給你的回答會效果到你。我看了這個回答，我就覺得我的智商在他面前是完全被碾壓的。
老白1:15:33
數字與實體
| K3 參數量 | 2.8 萬億個參數 | 7:07 |
| KIMI token 價格 | 其他 token 的八倍 | 29:14 |
| H200 價格變化 | 從兩年前的 150 萬到現在 550 萬，增長三四倍 | 26:14 |
| SuperPower skill 數量 | 14 個 skill | 19:11 |
| FanBot 默認輪次 | 150 次輪 | 1:08:30 |
| 化工類上市公司指標數 | 一兩萬 | 1:09:30 |
| 化工類首席用指標數 | 一兩千個指標 | 1:09:30 |
| 遠期再長測試 skill 分析行業數 | 四個行業 | 1:13:32 |
| 存儲行業毛利率 | 70% 到 80% | 1:14:32 |
| 存儲行業淨利率 | 60% | 1:14:32 |
術語
- FDE前置交付工程師
- Palantir 帶火的職位，要求懂業務而非技術，用 AI 幫客戶交付定製方案。
- MOE專家網絡架構
- 混合專家模型架構，K3 等大模型採用，用多個專家網絡處理不同任務。
- Harness智能體框架
- Agent 的底層運行框架，包含記憶、工具調用等配置，不同 Harness 結果不同。
- ETL數據清洗
- 把多來源數據抽取、轉換、加載成 AI 可識別的乾淨數據。
- QA數據質檢
- 數據加工中的質量檢查環節，發現異常值報警並清洗。
收聽指南
正在把 AI 投研落地到團隊的投資經理、研究員和 FDE，以及糾結用海外還是國內模型、要不要自建 Agent 平臺的人。
1:16:08 之後的福利介紹和產品推廣可跳過。