原文标题:How To Reason About A Messy Future
原文作者:Systematic Long Short
编译:Peggy,BlockBeats
编者按:当 AI 开始能够写代码、优化代码,甚至逐步接管软件生产流程时,一场更深层的结构性变化正在逼近:职业分工、企业组织乃至知识壁垒,都可能被重新定义。
本文作者曾在对冲基金管理近 20 人团队,却在职业上升期选择离职创业。在他看来,真正的信号并不是市场情绪,而是技术能力的跃迁。当模型能够稳定生成可用代码,并具备递归改进能力时,软件开发与知识生产的逻辑已经开始改变。
文章从量化金融的视角出发,分析了 AI 时代仍可能存在的几类短期「护城河」,包括专有数据、监管摩擦、权威背书与物理世界的滞后,同时提出一个核心判断:在高度不确定的时代,比精准预测未来更重要的,是识别方向并在窗口关闭前采取行动。
以下为原文:
我第一次意识到行业正在接近一个拐点,是在上一份工作时,仿佛听见背景音乐开始慢下来,而周围的人却仍在假装一切不会改变。
当时我在一家对冲基金管理着将近 20 人的团队,做着自己已经做了很多年的事情。从外界看来,这几乎是一条稳步上升的职业路径。如果继续留在那里,我大概率还会取得更大的成就。但最终,我选择离开那个很多人梦寐以求的位置,从零开始做一家创业公司,团队只有寥寥几个人。这个决定在当时几乎没人理解,甚至被视为一种「职业自杀」。
但最近几个月,大规模裁员、主动离职创业、以及越来越多的人白天上班、晚上悄悄写代码做项目。这一切让当时那个看起来「疯狂」的决定,似乎没有那么离谱了。
这段时间,有不少人问我:这一切最终会走向哪里?这篇文章,就是我目前能给出的答案。
坦率地说,我并不确定变化最终会有多大。但量化金融教会我的一件事是:方向正确,往往已经足够。
真正让我意识到变化已经不可逆的,是 ChatGPT 的 o1 模型。
在那之前,我一直把这些系统称为「LLM」,而不是「AI」。我并不认为它们真的具备某种接近智能的能力。但 o1 出现时,有一件事情发生了变化:这些模型第一次可以通过结构化提示词,稳定地生成代码。
代码依然不完美,也会出现幻觉或理解错误。但关键在于:它已经可以写出有用的代码。
我的判断很简单。一旦 AI 能够生成可用代码,它就会开始递归地改进自身逻辑,并以一种我们难以想象的速度推动软件开发。
每当我提出这一点时,总有人反驳「这些代码仍然有 bug,还远远达不到生产环境的要求」。但这恰恰忽略了一个事实:人类写的代码同样有 bug。我们不需要 AI 写出完美代码,才会停止自己写代码。
真正的转折点是,当 AI 写代码的错误率低于人类,同时速度远超人类。那一刻,写代码这件事就会被彻底外包给机器。
在我亲眼看到 o1 的能力之后,我几乎可以确定:未来会发生非常剧烈的变化。
最初,我认为 AI 会逐步侵蚀量化金融行业,但这个过程会比较慢。原因很简单:机构级代码几乎没有公开数据可供训练。
当时我把软件工程想象成一个金字塔:最底层是基础编码工作;再往上是具备架构能力的高级工程师;再往上则是专业开发者,比如,数据科学家、量化开发者、各类行业专家。理论上,专业知识越深,职业越安全。
我当时的判断是:两年之内,基础程序员会首先被淘汰;随后是高级工程师;再往上,随着模型逐渐吸收专业知识,更高层的岗位也会受到冲击。
但很快我意识到另一件事:前沿模型公司最终会直接雇佣行业专家,把专业知识输入模型。换句话说,专业知识确实会成为短期护城河,但从长期来看,它同样会被模型逐步消化。
在当时的判断里,有几类业务在未来五年内不太可能被轻易颠覆。
拥有大量专有数据的公司更难被替代。
例如大型多策略对冲基金(pod shop),像 Millennium 这样的机构,每天都在产生海量数据:分析师研究、投资建议、市场判断、实际交易结果
这些数据可以用来不断微调模型,使其形成外部难以复制的优势。只要企业的数据来源对模型来说不是轻易可得的,它就仍然拥有一定时间的护城河。
任何需要大量人类审批的行业,都不容易被快速颠覆。例如,传统金融市场。
要进入这些市场,你需要:开设券商账户、获取牌照、签署跨境法律文件。交易加密资产很容易,但一家外国公司想在中国交易铁矿石,却远没有那么简单。
只要某个行业仍然需要人类签字批准,它的发展速度就一定会被审批流程所限制。
现在,让 AI 写一份法律意见书已经不算难事。但现实是,人们仍然愿意支付数万美元请律师出具法律意见。原因很简单:AI 的意见目前没有权威性。
智能合约审计也是同样的逻辑。从技术角度看,AI 可能已经能达到甚至超过顶级审计员的水平。但市场仍然更愿意购买知名审计公司的「盖章」。
因为客户真正购买的不是意见本身,而是意见背后的权威。
硬件的进步速度远远慢于软件,同时,硬件问题也更难修复。
因此,与现实世界直接交互的实体行业,短期内不太可能被 AI 快速颠覆。不过,一旦硬件能力跟上,同样的逻辑仍然会成立:低层岗位先消失,然后是更高层岗位。
这些护城河确实存在。但必须承认,它们只是延缓变化,而不是阻止变化。
当未来高度不确定、变化速度极快时,人们通常会犯两种错误。
第一种是,等待确定性出现再行动。第二种是,简单套用历史类比,比如:「这就像互联网泡沫。」
两种做法都可能导致判断失误。
在信息不完整的情况下,更合理的方法是,从第一性原理推理。
你不需要知道未来的每一个细节。你只需要,大致判断方向、设计非对称的押注也就是说,如果判断错了,损失可控;如果判断对了,收益巨大。
在不确定的未来里,非对称性就是全部。
一个实用的思考方法是,先问自己「某个结果要发生,需要哪些前提条件?」,再问,这些前提条件是否已经出现?
回头看这次 AI 拐点,其实并不难预见。因为关键输入早已存在,能写代码的代码、可以递归改进的模型、可以购买而不是培养的机构知识。
只要认真观察这些信号,就能大致判断未来方向。
甚至可以继续推演。
我们可能还没有真正见到以下场景:AI 可以训练自己、AI 可以复制自己、AI 完全自主运行
如果一个 AI 能通过一系列行动把自己的能力提升 0.1%,听起来似乎不大。但只要这个数字不是 0,它就会不断放大。这背后是典型的幂律效应。
在金融市场里,一旦信号变得显而易见,交易往往已经拥挤。
在投资中,你用不确定性换取早期信念。在职业和创业中,本质上也是一样。
所以真正的问题并不是,未来会发生什么?而是,我已经知道什么?这些信息指向哪个方向?现在行动和等待之间的成本差异是什么?
还有一个经常被忽略的事实,行动本身会创造信息。
行动不是在真空中发生的。当你对世界采取行动,世界会给出反馈。这些反馈会带来新的信息。信息推动迭代。迭代产生更好的行动。这就是进步的基本机制。
在不确定中保持静止,是一种缓慢衰退。而行动,则意味着探索。
如果我只是想继续吃现有体系的红利,大概还能维持几年。但我一直想做一件真正属于自己的事情,而我感觉这个窗口正在迅速关闭。
当然,全球最大的对冲基金仍然会过得很好,它们拥有专有数据,极难被复制。传统金融市场也仍然被监管和人工流程所限制。
但我相信,这些机构最终也会用 AI 替代绝大多数员工,甚至包括组合经理。
不会马上发生,但迟早会发生。
我当时的判断是,我大概还有 4–5 年窗口期。等到基础模型公司吸收足够多的行业人才,新创业公司将很难再进入这个领域。在一些市场,比如美国股票市场,这种趋势已经非常明显。几年之后效率会高到什么程度,几乎难以想象。
很快,这个世界就不会再有「第二名」的空间。我可以继续为最顶级机构工作,但我更愿意在自己仍然拥有优势的领域出手。
于是我辞职,All in 创业。后来,这家公司变成了 OpenForage。
现在,窗口正在明显收窄。变化速度不再是渐进式的。过去需要几个月的进步,现在只需要几周。
我并不认为未来几年工作会完全消失。人类仍然需要人类。人是社会动物,而且人类目前仍然不信任 AI。权威认证仍然需要来自人类。
未来几年,我们甚至可能看到 AI CEO,但很可能仍然需要一个人类 CEO 来批准 AI 的决策。这种「人类认证」会沿着组织结构逐层传递。人类经理将管理一群 AI agent。
但招聘逻辑会改变,如果 CEO 更容易向 AI 下指令,而不是向你下指令,那你就很可能不会被雇佣,基础编码工作将越来越难找到。
如果你想让自己不可替代,需要做到两点。第一,在时间尺度上超过 AI。比如,长期战略规划、复杂决策、多年周期管理。第二,在系统范围上超过 AI,AI 的上下文仍然有限,它们知道很多事实,但很难理解复杂系统的连锁反应。
如果你能够长期思考、快速吸收信息、做出长期决策,并且具备良好的合作能力那么在可预见的未来,你仍然会有工作。
拐点到来之前,信号其实是可以看到的。只是大多数人,不去看,看到了不行动,或者等到信号变得震耳欲聋时才反应过来。但那时,机会往往已经被市场定价。
不要忽视正在移动的地面,不要待在一个正在失去优势的位置,同时告诉自己等时机更好再行动。真正的时机很少会提前通知。当所有人都意识到时,窗口往往已经关闭。
我看到了信号,我做出了押注。现在,我正生活在这个押注的结果之中——无论好坏。
[原文链接]
欢迎加入律动 BlockBeats 官方社群:
Telegram 订阅群:https://t.me/theblockbeats
Telegram 交流群:https://t.me/BlockBeats_App
Twitter 官方账号:https://twitter.com/BlockBeatsAsia