当前，新一轮科技革命和产业变革正在重构全球的创新版图、重塑全球经济结构。

处在这个充满不确定性的时代，世界经济面临多重风险的挑战，技术的快速发展，特别是AI的演进，带来了各方面的颠覆，所有这些因素都对市场情绪和经济前景产生了深远的影响。

具体到国内，近几十年中国经济取得跨越式发展, 人民生活水平显著提高。然而, 快速的经济增长也带来了财富分配不均、社会分层固化等问题。为此，财富管理如何助力全体人民共同富裕，成为新时代财富管理行业的重点课题。

南方科技大学副校长、商学院代理院长金李教授参与主编的《共富时代财富管理》一书中特别提到了应将金融科技，尤其是包括ChatGPT在内的AI技术，有效地应用于财富管理行业，并通过数字化转型提升整体服务能力。

2024年7月5日，金李教授与诺贝尔经济学奖得主、美国经济学家迈伦·斯科尔斯（Myron S. Scholes）教授围绕“人工智能与金融”主题展开圆桌对话，共同探讨在新的趋势下，我们该如何改进和利用AI，从而在不确定性中更好地管理我们的财富。

金李：今天圆桌对话的主题是关于AI与金融，我们也会就这个展开聊聊。我想问的第一个问题就是，您怎么看待AI在金融方面的影响？

斯科尔斯：首先我们要界定一下AI能做什么，不能做什么，就是它的能力与边界。在现实生活中我们有时候会采集数据并做数据推导，我们需要思考什么时候这个数据收集够了，当你停止收集数据后，就会基于现在采集到的数据进行再创造。

有的时候你会发现收集到的数据太多或太少了，这就是AI采集数据所存在的一个问题：有时候不断地采集，结果出现了海量数据，有时候采集到的又太少，不够进行接下来的数据再创造。

如果是人，他知道什么时候要叫停，什么时候要加总，什么时候要做数据分离，但是AI做不到。在现实生活中，我们经常会问自己一个问题，就是哪个数据更重要。

我认为，首先要看中间数据，而不是整个数据，数据有时候有尾部，要看正态分布中分布最多的区间。

每次思考AI，可以把它当作一个“co-pilot”，就是副驾驶员或联合驾驶员，在这个过程中要如何对AI进行更好的训练。比如所有的信息，AI能够做的是应对正常的情况，一旦出现了异常，AI还能否进行精准的判断呢。

金李：您刚刚提到的“co-pilot”，AI就是一个副驾驶员，但作为主驾驶员，你要知道什么时候需要介入，而不是完全交给AI。

斯科尔斯：是的，一个好的AI系统是要面向未来的，它一定要从人的身上进行学习，这就是副驾驶和主驾驶的协作。

AI不是无所不知的，比如你向ChatGPT或者其他软件提问，不是每一次都会获得答案，它是有一定边界的。而数字孪生技术有很多模拟，你可以针对变化的情况做一个仿真和模拟。所以我们现在就把AI和数字孪生结合在一起，以便它最后的产出结果更加精准。

金李：刚刚您说的这一点对我的启发特别大，比如说我们可以有一个通用AI，或者把现在的AI范围扩展和延伸，而不光只是针对历史数据或者历史波动性，还可以创造新的信息。假设现在AI正在倾听您的演讲，刚刚提到AI要向人类学习，来提升和完善自己的算法，您觉得AI在未来能够这么做吗？

斯科尔斯：确实你得教会AI一些关键的技能，比如让AI在特定赛道上的知识可以得到完善。这种特定的专长AI是可以学习的，但它学不到通用性，也就是说在特定的垂直领域它可以做得很好，但不代表AI可以什么都知道。

金李：比如有些比较难的案例已经教会了AI，它能够解决了，但后面可能会出现新的难办的案例，这都是AI之前没有接触过的。

斯科尔斯：如果是AI没有接触过的，它可能会告诉你这个信息它无法识别。但我们想做的就是即便这个信息AI没有接触过，它也能够去进行剖析，尝试去解决。在未来我们必须对这个进行弥合，现在的AI是做不到的。

金李：也就是说现在人类至少可以去设想一些尚未发生的情况，人类的智能就是可以针对没有遇到的事情进行一些创新的构想，但AI不行，AI只能基于历史数据做推导，它没办法解决自己从未见过的东西，而人可以。

斯科尔斯：的确，比如农户可以针对自己种植过的作物进行再次种植。但猎人要知道猎物在哪里，而猎物不可能在同一个地方等你。这就是为什么我们会发现种植和打猎相比，打猎更难。

又例如你如果想获得更好的市场回报，或者有更好的投资回报组合，通过看现实数据或者历史数据，你可以获得对于定价规律的一些了解。

AI可以帮助你在这方面获得一定的收益，但因为它全是基于历史数据的，所以它能够获得的收益是短期性，没办法获得长期性的不断回报。

金李：还有一个想讨论的是AI的使用问题，特别是在金融领域的应用。最近我们出版了一本书，我正好是其中的一位编委，还有肖钢先生等都是这本书的联合编委，这本书的名字叫《共富时代财富管理》。

肖钢 金李 主编 中信出版集团 出版

我们一直想开发一个系统，把它应用到中国的财富管理或者理财领域，也就是“理财co-pilot”。比如我们会开发出一些纯AI的平台，人们可以用它来把这些财富管理或者理财过程中常态化的工作授权给AI，AI做不了的依然由人来接管。我想知道您对这个问题的看法。

斯科尔斯：从人的角度来说，人肯定是能够处理这些特例。比如音乐，它如果出现了不和谐的音符，人是可以识别到的，因为你知道这首曲子过去是什么样的，一旦出现不和谐的音符或者哪里弹错了你就会识别到，所以这个叫作数据挖掘。

但从另外的角度看，在这个过程中你要如何把它进行转化和应用？所以我的观点是，我们在做投资的时候，只有一次机会，我们不会做重复性的动作。很多事情是只做一次的，而我们整个人生要一直参与到各种各样的决策当中。当我们把每一个事件分开来看的时候，也就是我们只做一次的时候，要如何处理那个特定的问题，这才是真正的关键。

金李：您刚刚讲的内容，我觉得也可以用到AI的训练里。如果真的这样训练的话，AI是不是能够成为和人类一样聪明的存在呢？

斯科尔斯：我觉得确实可以教AI发现异常，但我不太确定能不能真的教会它。因为我们可以教给它特定专业领域的知识，可以装传感器，传感器可以收集信息。但AI到底要怎么处理这些信息？因为它只能在概率上理解这个信息，如果AI理解错了，就会给出错误的结果。

企业里的领导者会花时间去研究企业出现了异常时该怎么做，而不会看稀松平常的东西，他们只是专注于找出不寻常，看到创新点。在对AI的训练过程当中，我们要讨论的问题就是AI到底是要成为领导者还是追随者。

金李：确实，其实大部分时候人类都是在训练AI做重复的事情，它自己有一个系统，它的算法也是基于大数定律，我们是根据大量的历史数据教它做一些常规的事情。但作为一个好的领导者，需要能够从异常里、从特例里来获得更多的信息。

金李：您提到AI辅助系统，有些人用AI在交易过程中钻空子，因为它会识别到一些弱点或弱项，但同时AI也可以开发一些自防御或者其他武器防御机制等，所以您觉得未来AI会往哪个方向走？是出现更多钻空子的负向，还是更多保护性的防御机制？

斯科尔斯：其实在人类发展的过程中，不管是学习还是实际的行动，都是依托模型的，只要是模型，就会有一些偏差，这种偏差是确定的，不可能存在无偏差的模型。但如果你能够从偏差造成的错误中学习，这是非常有益的。

从AI的角度来说，它可能会帮助我们更好地去理解模型，甚至更精准地指导对于未来的预测，但同时你也要教会AI，一旦出现了这个偏差，要如何进行模型的再校准、再优化，甚至要学会如何理解或者是解读这些误差。

金李：好的，刚刚您提到，在这个世界上不管是通用AI还是其他AI，它们给我的感觉就是不断地做一些记录，比如提取历史数据然后进行总结，它只具有记录性，本身的创意性还不充足，而从创意的维度解决问题，我觉得这是只有人类才有的能力。

斯科尔斯：其实你是可以教导AI的，特别是在特定领域，领域越小，越容易进行对AI的训练和教育。如果你想要更好地去使用AI，让它用于宽泛的领域而非狭窄的细分领域，那就首先要降低模型的出错率，所以这个模型要覆盖多个维度，参数要多。

AI就像一个5岁儿童，一开始是什么都不知道的，所以当这个AI的智力水平达到了大学或者更高的智力水平时，它的模型会变得更加复杂，涵盖的范围也从一个小的领域慢慢扩大。

金李：其实我们会觉得AI就是你不断地把知识输送给它，只是有时候更新了输送的知识而已，好像并没有教会它独立获得一些新的知识，就像教一个真的5岁儿童那样。

斯科尔斯：从儿童的角度来说，你要上学，要去学校学习课程，不断习得经验或者新的技能。AI是从0到1，缺乏体验式或者经历式的过程，人类通过体验和经历会慢慢地自己从中学习，使智力水平得到提升，但AI没有这样一个维度。并且从人类的角度来说，除了有这种直接的经验，还有想象，想象可以把你的经历扩大化和增强化。

金李：那您觉得未来AI有没有可能获得一定的想象力呢？

斯科尔斯：我对这个想法是存疑的，年纪大的人容易对很多提法存疑，但现在AI的进化很快。

金李：在我看来，AI已经有了很多的应用了，尤其是目前中国的财富管理领域，对AI有很多应用。

我有一个朋友叫赵学军，是嘉实基金的董事长，也是《共富时代财富管理》这本书的推荐人之一。10年前我刚从海外回来去北京大学教书，他当时就到北大来找我们说想做一个AI实验室。我问他想用这个AI干什么，他说：“我想让它来学理财，而且还想训练它做投后管理。”他其实就是希望能够用AI来为交易员赋能，让他们专注于市场动态里最例外的部分、最具有创新性的部分。

斯科尔斯：我觉得他的想法应该是让AI去读那些文件，形成新的交易算法，之后肯定还是会继续用人类的数据来对它进行训练，他想利用这个信息的拾取来让交易获得更好的表现。

金李：他目前也做了很多，取得了一系列的进展，他的投资翻了一倍。

斯科尔斯：我们所有人都希望能够利用现有的信息来更好地估计现金流，更好地估计预期回报，在α收益里找到异常的点。但这个其实很难，因为在我们的数据里有太多的噪点，而且很难获得真正有价值的信息，我们当中很少有人能真正设计出一个评估证券的确切模型。因为对证券进行估值的话要估计多年现金流、贴现率，国内竞争、国际竞争等，这对于人来讲是很难做到的，即使你有所有的信息，可能也很难综合运用这些信息来进行一个预测。

金李：对于人类来讲数据越多反而让我们更懵，我们不知道如何处理这么多的新数据。

斯科尔斯：所以我才会觉得大家总是把时间花在这么困难的事情上。我同意你的观点，在训练AI时获取信息非常重要，关键是你拿这个信息来做什么。我们还必须要节省获得数据的时间。其实AI真正的作用是帮助我们节省了时间，能够让我们更快地处理更多信息。

金李：这里我也很同意您的想法，估计平均值和估计真正的α收益其实很难，但有些人觉得现在的算力越来越高，成本正在下降，那既然成本越来越低，我们为什么不干脆大规模地利用AI呢？

斯科尔斯：其实每个人都在说同样的话，但我之前也讲了，它带来的利好是非常短暂的，如果大家都做这件事，相当于大家又都在同一起跑线上了。

金李：所以我的意思是，我们有没有可能找到一个提高回报的策略？

斯科尔斯：我们要了解别人的约束，要去承担风险，承担了风险才有可能去赚钱。所以我们使用AI是希望能够找到一种更加简单的方式，并且利用现有的所有数据，在数据的游戏里击败我们的交易对手。其实这有点像下国际象棋，如果你要跟AI下国际象棋，基本上会输，因为AI看得比你更远，它可以看五步，但人类棋手只能往前看两步。

金李：所以这就是人类的一个限制。这里我们讲的不仅仅是计算能力的约束，还有我们脑力的约束。当然，还有制度僵化所导致的约束。

斯科尔斯：确实，我们有很多的约束，约束的原因是因为缺乏信任，而且没有信任的原因是因为我们信息不够。尤其是在当今这么不确定的情况下，越难取得信任，限制就会越多。

金李：就像您之前说的，那些自己管自己的钱的人，或者是管封闭基金的人，长期来讲是不是会有更好的结果？

斯科尔斯：我觉得是这样的。那些少限制、灵活性更高的投资人，可能最后得到的结果比限制很多的人要好得多。

金李：这里就是说我们有更多的信任，就有更多的灵活性去做事，那这个因果关系是不是也可以逆推？

斯科尔斯：没错，反过来说，如果我们获得更好的结果，就会有更多的灵活性，也会有更多的信任。比如像巴菲特，他过去20年里的表现和指数基金没什么太大的差异，但他的能力得到了投资人的认可，所以大家肯定都是相信他的，他没有流动性的问题，而且他也买了保险，他还有很长远的事业规划，他的财力本身也很雄厚。

金李：我明白了，其实较少的约束会让我们有比较优势。

斯科尔斯：约束少，会让市场更有效。在这个过程中，如果我们希望获得最大的复合增长率，就需要去达成一个约束和自由的平衡。比如有些公司可能在投资过程中会有ESG的约束，那可能与ESG相关的约束我们就必须要考虑到。

金李：您刚刚提到了ESG，我也想跟您说一下我最近遇到的一个事情。不久前我去美国参加了一个关于全球治理的会，是哥伦比亚法学院办的。当时有一个演讲者讲了另外一个约束，这个约束不是因为缺乏信任，而更多的可能是因为法律的变化，比如说绿色投资的问题。那个演讲者说过去很多的基金都会避开污染很严重的公司或者不太环保的公司，但后来它们就被那些反ESG诉讼的律师起诉了。

斯科尔斯：所以不断变化的法律环境，在某种程度上会增加约束。投资者之所以会雇用理财经理，是希望能够最大程度地提高复合回报率。但我们在这个过程中如果有约束，可能就会影响我们投资的表现，从而影响客户对我们的信任。