外资基金经理和人工智能团队创始人，这两个听上去毫不关联的身份，在郑其森身上完成了重合。
带领着 20 人的团队，前高盛分析员郑其森推出了一个 ” 投资版 ChatGPT” —— ArborChat，一款由人工智能驱动的投资专家型机器人助手，能深度分析和回答各种投资问题。
量化金融不是什么新鲜事，但在大模型技术爆发之前，大数据分析更多是建立统计模型，分析金融市场的动态变化，帮助各类投资者进行交易和风险管理。
随着大语言模型技术的突飞猛进，人工智能有了强大的文本解读和创造能力，金融 +AI 被赋予了更大的期待。
在日交易数据、财务数据等结构化数据之外，诸如企业战略、行业前景、企业人事变动等非结构化的数据，是否也能用 AI 来进行归纳和总结，实现 ” 机器味 ” 更少、” 人味 ” 更重的价值投资？
ArborChat 给出了一个方向，AI 可以模仿人类的推理过程，只要你善于下达合适的 prompt，甚至能把大模型 ” 培养 ” 成巴菲特的投资风格。” 巴老一直说投资是简单但不容易，AI 没有人类的情感包袱，可能是更好的价值投资者！”
” 我们希望投资者在决策之前，先问问 ArborChat 该考虑什么，有足够的信息去做参考，而不是一时冲动就下单。” 郑其森向 36 氪介绍。
今年 36 岁的郑其森毕业于香港科技大学，并曾经在哈佛大学和北京大学留学，是高盛出身的 ” 金融才俊 “。他的身上既有港人的 ” 务实精神 “，又带着金融圈不太常见的 ” 理想主义 “。连带他的创业经历和产品风格，都有这样的烙印。
2014 年还在高盛就职时，郑其森和都是从事价值投资的基金经理和老同学廖展鹏喝酒聊天。
” 为什么隔壁搞量化得这么轻松？” 郑其森有些羡慕，AI 在量化投资上已经能处理大量数据分析，帮助处理很多日常工作，但价值投资则需要去理解商业前景这类感性认识，当时的 AI 不足以承担这类工作。
如果故事只停留在羡慕上，则绝不符合一个理想主义者的思考路径。
一个理想主义者应该看到的是：那时的智能投顾算不上 ” 聪明 “，只能称得上 ” 可靠 “，背后的组合策略方程式在金融界已经用了几十年，不能做复杂和深入的投资标的分析。
郑其森平时看的就是 TMT 行业，经验告诉他 ” 投资几乎跟世界上所有的事情相关，如果 AI 能够有通用能力，智能投顾一定会有很大的突破点。”
其实心里的种子早在几年前就已经种下—— 2012 年，諾貝爾得獎者杰弗里 · 辛顿 ( Geoffrey Hinton ) 和 OpenAI 前首席科学家伊尔亚 · 苏茨克维（Ilya Sutskever ) 凭 AlexNet 在 ImageNet 竞赛中胜出而一鸣惊人，也让郑其森看到了 AI 在不同領域逐渐超越人类的可能。
” 如果在图像处理开始能超越人类水平，那其实 AI 能在语言处理超越人类水平也是能想象的事情，价值投资要做成 AI 处理文字的能力一定要超过人类水平才能解。”
2017 年，谷歌 Transformer 模型的发布，并在 2018 年以 BERT 模型首次在多项自然语言处理上超越人类分数，让郑其森看到了自然语言处理技术成熟的可能性。这一年他和廖展鹏也开始了自己的创业之路。
过去六年多，郑其森和团队做出的金融 AI 产品，服务于国内外众多银行和基金。另外亦利用自家 AI 能力优化高净值客户的开户和基金申购流程，创建资产管理规模达 15 亿美元的私募投资平台。
” 譬如我们帮四大银行中的一家，抽取和分析信贷业务客户的财务报表。通过提取大量的会计数字，放到信贷模型里面做分析。” 他介绍，这让平时会计师七个小时的工作流程压缩到了半小时之内。
尽管生意不错，但这些并不能让郑其森真正感到兴奋。直到大模型的爆发，使得当年的畅想成为了可能，并于近日推出了 ArborChat。
ArborChat 利用针对金融领域优化的大型语言模型系统，为散户以至机构投资者提供实时投资洞察、投资组合监察和深度金融分析。
郑其森终于等来了自己的 “ChatGPT” 时刻。” 过往几十年所谓的 AI 投资都是以统计学模型为准的量化投资策略。基于突破性的大模型技术，现在通用人工智能样模型开始能进行非常深入的推理，并得出基本面投资方式的财务分析。”
郑其森介绍，这是前所未见的技术突破，正式开创了价值投资 AI 这全新的投资风格。
ArborChat 这样的投资机器人，到底是怎样实现价值投资决策的？
” 一些我们觉得平常不过的问题对 AI 来说其实很难—例如 ” 怎样比较阿里巴巴和拼多多的股价前景？” 回答这个问题，AI 需要做多步思考，分别查询阿里巴巴和拼多多各自的财务数据、分析师评级、股价技术分析、业务增长、公司管治和投资者情绪等多角度考量，最后才能总结两家公司的比较。” 可以说，超越单层思考之后，拥有多步深度思考能力，是 ArborChat 走向与传统量化不同的 AI 投资路的基础。而 ArborChat 利用了独特的 ” 思维树 ” 技术，成功攻克金融分析的深度推理门槛。
” 我们早在去年已经留意到 DeepMind 团队在研究怎样利用蒙特卡罗树算法尝试提升大模型的推理能力，因此亦起步研究怎样利用思维树（即树状决策推理，而非线性的 ” 思维链 “）创造做好金融分析足够深的模型推理。” 透过郑其森的解释，ArborChat 不单是金融定制的人工智能工具，在系统研发上团队亦有著行业前沿的研发成果，成为行业领先的智能体。
创业这几年，郑其森把自己 ” 熬 ” 成了半个金融 AI 的专家，并组建了专业的团队。”ArborChat 的 AI 主管之前也是银行业工作多年的数据科学专家，是跨领域的通才。”
懂金融、懂 AI，一些理想主义，加上高度执行力，造就了 ArborChat 的核心竞争力。ArborChat 团队横跨金融和数据两大复杂学科，同时多年从业经验使得其对客户需求和行业痛点有更深刻的认知。
郑其森相信，” 从国外的情况来看，ChatGPT 没有垄断一切，不同的垂直领域一定会有自己的领头羊产品。”
他以金融行业为例，通用大模型不是专门的金融工具，不会特意找金融数据库对接。” 他们的通用框架在处理金融数据时，往往会参考很多过时的资讯。”
ArborChat 系統亦用到了 RAG 技术，以实时提取相关资讯。但常规 RAG 系统是有缺陷的，用来提取金融相关的资讯会有很多杂讯。
为了让结果更符合金融特质，ArborChat 采取了创新式的数据标注方法，独家 RAG 技术不仅大幅提升金融商业类答案的提取准确率，还能维持实时性。这一点，国内外许多炒股 AI 目前都没有做到。
和近年二级市场投资遇冷的情况相比，近段时间开户潮、00 后投资者的涌入，不禁令人感慨，ArborChat 遇到了一个好时机。” 我们这六年经历过多少的高低起伏，才等到现在。希望好时机还能持续多一会，哈哈。” 郑其森苦笑道。
郑其森也对这样的情况表现出了理性思考，年轻人对金融大模型的接受度也许更高，但他们的 C 端客户目标还是在经验更为丰富，同时付费意愿更高的成熟投资者上。
ArborChat 的独特价值，包括为零售和机构投资者提供的解决方案，B 端客户也被视为 ArborChat 的商业化大盘。
” 我们有 API 的形式，跟不同的金融机构合作，成为他们投资决策的一部分。” 郑其森举例表示，ArborChat 能够帮助金融机构跟踪投资板块里的变动。由于最近 AI 投资热，很多的巨头都在投资小型模块化核反应 ( SMR ) ，如要拉排名前 100 科技公司，看看他们这块领域有没有投入，基金公司分析师可能需要花一个星期才能知道答案，而 “ArborChat 在 to B 端提供的 API 可以 1 分钟内回答。”
通过帮助金融机构搭建专用的投资分析工具，从前端投资板块分析，到投资组合跟踪，包括客户的风控，ArborChat 都能够参与其中并提高效率。
ArborChat 的出现绝非孤例，随着 AI 技术的进一步落地，未来所有基本面或者价值投资基金，AI 参与部分投研或者风控是必然结果，甚至可能会出现 AI 主导投资决定的局面。” 当 ArborChat 的第一版出来时，我感受到不单是十多年来的愿景终于踏出了实现的第一步，更是一个新行业范式的开始。量化投资的出现孕育了多个千亿级别的投资巨鲸，价值投资的 AI 将开拓一个无比巨大的蓝海，孵化下一代的行业领导者。”
