证券投资老兵在AI时代的自我定位与转型实践

2026 年 07 月 核心观点 这 位 拥 有 26 年 证 券 从 业 经 验 的 演 讲 者 ， 分 享 了 自 己 从 传 统 金 融 舒 适 区 走 向 AI 时 代 的 完 整 心 路 历 程 。 他 在2024年受AI产业公司服务经历的冲击，决定离职创业做AI应用公司，经历了从零到百人再裁减到精简团队的过程，深刻体会到聚焦的力量——创业初期因资源过多铺了四条业务线，最终发现围绕资源而非产品做事是致命错误。 他将AI发展方向分为"AI加"（在传统业务上叠加AI能力，渐进式创新）和"原生AI"（完全基于新一代大模型构建的公司，具备数十倍爆发力），坦承自己尝试走原生AI路线未能成功，最终与自己和解，回归证券投资老兵的身份定位。他目前聚焦AI一级和二级投资研究，结合量化策略和私募牌照，通过视频号社区连接中等认知的投资者群体，构建AI投资交流平台。 演讲者对AI超级周期保持乐观但审慎的态度，认为本轮变革可能超越互联网时代，但中间必经怀疑和回撤阶段。他强调普通人在AI时代的价值不在于成为天才创造者，而在于做好连接、服务和地基工作，团结同路人共同探索AI时代的生存之道。 6. 与自己和解的战略意义：演讲者从想做原生AI公司的宏大梦想，退到做一人公司聚焦AI投资社区，这不是失败而是战略选择。认清自己不是天才型创业者，诚实面对能力边界，把精力投入自己真正擅长的领域（26年投资经验+人脉资源+AI认知），反而找到了可持续的定位。这个道理适用于所有人：AI时代不是每个人都要做原生AI公司，找到自己在生态中的合适位置同样重要。 关键洞察 1. 聚 焦 的 复 利 效 应 ：天 才 与 普 通 人 的 差 距 不 仅 在 智力，更在于时间分配的聚焦度。如果一个天才每天13小时专注一件事，普通人每天只有1小时真正干正事，一天差距不大，但20年累积下来差距是天文数字。所以普通人在AI时代最重要的策略不是学更多，而是砍掉90%的事情，把所有精力投入一个方向。这就像复利公式里的底数，哪怕每天只多0.01，20年后也是巨大的差异。 2. AI加与原生AI的本质区别：AI加是在现有业务上叠加 AI 能 力 ， 比 如 传 统 企 业 用 AI 提 升 效 率 ， 做 的 是 1.1倍、1.2倍的改进，风险低但天花板也低。原生AI是完全 基 于 新 一 代 大 模 型 从 零 构 建 的 商 业 模 式 ， 像Anthropic这样的公司，增长可以是8倍、80倍甚至更多，但需要极高的技术能力和资源投入。两者不是非此即彼，投资上都有机会，但创业者需要诚实评估自己适合哪条路。 3. 创业资源过多的反噬效应：直觉上资源多是好事，但创业初期资源过多会导致一个致命问题：你的决策开始围绕资源转而不是围绕产品转。每个合伙人带来不同方向的顶尖资源，你会觉得每个方向都能做，于是铺开多条业务线。结果是每条线都不够深入，团队能力边界被拉扯，资金消耗加速。腾讯早期只有200万反而逼出了聚焦和极致。这个道理适用于投资——资金太充裕容易分散持仓、失去纪律。 4. AI时代的超级周期特征：演讲者认为本轮AI革命不同于普通互联网或移动互联网周期，更接近工业革命级别的变革，因此可能是一个时间跨度更长的超级周期。表现包括：企业业绩出现六百倍甚至九百倍的增长，且基数不低（中报直接赚百亿级别）。但超级周期不意味着没有波折，中间必然有50%以上的回撤，规律是概念→怀疑→统一→再怀疑→再统一→顶峰。投资者需要在方向正确的前提下做好回撤准备。 5. AI在金融投资中的闭环验证优势：演讲者认为AI除了coding之外，在金融投资领域是最快能验证商业闭环的应用场景。原因很简单：今天修改策略，明天就能看到盈亏结果，反馈周期极短。相比之下，AI在物理世界的应用（如机器人、制造）需要很长的研发和验证周期。这意味着量化投资是AI能力变现的最短路径之一，也是为什么量化天然与AI结合的底层逻辑。 建造判断目前更多是在预测（押注AI超级周期持续）而非建造；要转为建造需要有独占性数据、独特方法论或不可替代的人机协同能力，目前均未展示 深度分析 适应性景观定位 Debate 审查 在高维地形上定位：哪里是峰、哪里是崖、哪里有路 跟自己辩论，找漏洞不找答案 从传统券商高管的局部最优峰值滑落，经历AI创业鞍部失败后，退回到投研+社群的低能耗稳态位置，尚未证明新位置是否为可持续峰值 核心信号 定锚：这次信息的增量是什么 一个26年证券老兵从传统金融转向AI原生生活的个人叙事，核心信号是传统金融从业者在AI时代被迫聚焦、降维求生的真实路径——从百人AI公司创业失败退回到一人投研+付费社群的轻模式 三问验证 Old Money 思维 薄弱环节 1. 从'26年金融经验'到'AI投资社群有价值'的因果链缺少中间环节——金融经验不等于AI产业认知优势 2. 从'聚焦AI投资'到'能持续产出差异化内容'的跳跃缺乏方法论支撑 确认偏误查自己：我自己在犯什么错 先 给 大 家 一 个 结 论 ： 我 们 得 做 聚 焦 ， 聚 焦 到 AI 这块。AI有两个非常重要的演变方向，一个叫AI加，另一个叫原生AI。什么叫AI加？比如科大讯飞这些，上一代AI叠加到各种应用里面去，包括十年前我们说的互联网加或信息技术加，这是在原来的基础上做1.1、1.2的事情。会比较保守，原来那块还能有盈利，同时在新时代下叠加新东西，如果能突破也能实现原生AI的生产力。 1. 可能过度美化创业失败为'主动选择和解'，实际可能是资源耗尽后的被迫退出 2. 可能将AI超级周期的信念建立在近期市场表现而非基本面分析上 3. 可能低估传统金融经验在AI原生世界中的贬值速度 推翻条件设止损：看到什么数据必须认错 1. 如果6个月内社群续费率低于30%，则证明商业模型不可持续 2. 如 果 AI 相 关 标 的 出 现 30%+ 回 撤 后 社 群 活 跃 度 下 降50%+，则证明价值依附于行情而非认知3. 如 果 1 年 内 无 法 展 示 可 验 证 的 投 资 超 额 收 益 记 录 ，则'AI投资专家'定位缺乏支撑 第二个叫原生AI，比如Anthropic这种，完全原生AI，是这一代AI带来的大模型，可以有八倍、八十倍的增长，所以算力不够了，要跟马斯克租算力。当然AI加也不错，比如存储领域，江波龙干了一个六百倍的增长。但我更想给自己走一条比较艰难的路，叫原生AI。在投资上看原生AI的同时，最难的是你要生活AI原生态。 老登最大的价值在AI时代，是因为我们有这50年的经历。2024年我开始思考AI时代应该怎么做，结论是走原生AI的路，让自己的生活和工作重新打造流程。像 海 波 总 把 公 司 完 全 按 照 新 AI 时 代 的 流 程 再 造 ， 非 常牛，但只有天才可以做得到。我努力尝试了，挣扎了，没成功。但我可以把自己的生活重造，把AI时代的生活结合起来。 关键词是发现、学习、进化、梦想。2024年是发现，2025年是学习，2026年有一定的进化，最后对未来有展望。 老 登 是 旧 世 界 的 守 护 者 ， 干 了 26 年 金 融 非 常 舒服 ， 舒 适 区 很 高 ， 走 出 旧 世 界 需 要 非 常 大 的 决 心 。2024年为什么做这个决定？因为我原来服务很多上市公司，光伏、新能源汽车、创新药，但2023到2024年我服务最主要的有几家计算机相关公司，包括云、AI芯片类公司，真正给我带来了思考的冲击，让我看到了新世界的那扇门。 原文 大家下午好，感谢段段给老登发声的机会。这是一份投降书，最近投降的事有点多，游资向量化投降，各种新世界打开了，所以有很多投降的机会，在于你怎么选择。 我 15 年 开 始 就 跟 量 化 机 构 接 触 ， 后 面 的 所 谓 四 大天王、千亿级公司，我在14、15年就跟他们接触了。梁文峰给我的印象非常深——我作为头部券商产品负责人去拜访，一四一五年量化公司还比较小，五个亿、十个亿，你帮他卖三五个亿的产品，公司领导怎么都会寒暄一下。但梁文峰是什么样？抬个头，好的，然后继续写代码。 管老师是跟我同龄人，我早就出去了。像海波老师这样的天才，他是另外一个路子，但我们普通的老登怎么办？天才像尼曼和高斯这样的是为人类文明进步做非常大贡献的，但普通老登在新世界是否还可以生活，同时还能贡献一份力量？ 我作为一个老登，投资了26年，做了26年证券公司的支行老总、财富中心老总，一直跟投资相关，服务了非常多的上市公司。但在这么一个新的世界，作为老登，我在AI时代的存在价值在哪里？老树枯木逢春的机会在哪？ 这让我反思：我过去很努力，一天干十二个小时，但没法聚焦。十二个小时里真正干自己想干的事情能有多少？没有，十一个小时在应酬在喝酒在聊天。而梁文峰这种天才本来就比我聪明，十三四个小时就在写一件 不下来，但爱好也可能使错方向。这对我来说不仅是学AI专业知识，更是学习人生态度和聚焦的态度。五十岁以 后 不 仅 做 减 法 ， 人 生 做 一 次 聚 焦 是 真 的 很 快 乐 的 事情。 事情。天才是你13倍的时间干一件事情，一天差距不大，但干二十年，差距就是天和地。 所以我想在下半辈子做一些聚焦的事情。而且考虑到创新药的发展，我们150岁应该没问题，现在50岁才三分之一，相当于过去的二三十岁。 去年下半年从零三个月直接招了一百个人，在创业公 司 里 很 恐 怖 。 原 来 规 划 先 招 二 十 个 人 ， 那 时 候 AIcoding还没有现在这么发达，Cursor当时估值已经到二十亿美金了，硅谷那边确实比我们早。我特意把公司设在海淀，离北大清华近方便招人。但很多初级的工程师对AI coding没感觉，后面被淘汰了。我自己最后也把自己给淘汰了，我确实不擅长像海波总一样把整个公司AI化，所以裁减了50个人，作为投资人继续参与。 我当时想做一个AI应用类公司，跟上市公司和私募大 佬 一 拍 即 合 ， 很 快 把 公 司 筹 备 起 来 了 。 我 有 管 理 经验，招人搭建团队起步阶段还行。但后来发现我确实没有海波总那样的天才能这么去跨越。 这个时代我必须all in，我得从26年的证券公司离职出来。第一个投降叫向过去投降，向未来进军。第二个关键词是学习，从霸道总裁到小白，什么都不懂。那个年代豆包才刚开始不久，Deepseek是25年春节才流行起来，真正的AI应用公司还比较少，全得从零开始学习。 减了以后反而很聚焦，大概两个月时间出了两个产品，公司还在运行。但我自己退回来，从一个极端先干到一个人的极端，一人公司。 我在尝试通过视频号做内容。五月八号从抖音转过来（抖音管得太严老被封号），六月一号正式开始做视频号，高认知的人特别多，视频号是朋友圈推荐逻辑，会按画像往外推。 创业过程中趟了非常多的坑。一开始资源太多钱太多，每个合伙人资源都很多。我们想聚焦财经服务方面的AI创新，但资源太多怎么办？就像当年如果腾讯不是给两百万而是直接给两千万两个亿，可能也没有腾讯。创业就应该九死一生，从艰苦里面爬起来，初级阶段就要去拼、去打磨。 我 聚 焦 AI 投 资 —— 既 做 AI 的 一 级 投 资 ， 也 做 AI 的二级投资，同时有块私募牌照做量化策略。我认为量化天 然 跟 AI 结 合 ， 我 在 行 业 内 应 该 是 最 早 跟 量 化 打 交 道的，2011、2012年就在营业部引入了量化产品交易。AI除了coding以外，在金融投资这块是最快最短能验证闭环的——今天改策略明天就知道赚不赚钱。 我们当时资源太多，觉得什么都能干，不管医疗、教育、法律、财经，觉得一个智能体好像能解决所有问题，一下子铺了四条线。你会发现所有做的事情围绕着资源，而不是围绕产品去聚焦，这是很恐怖的事情。最后会发现团队有能力边界，钱也不是无止境的。 为 什 么 coding 赛 道 选 择 好 ？ 因 为 能 实 现 商 业 闭环。而AI物理现阶段