第六篇 第十三章 第二節：AI 科學家——LLM 與 Agents 進入金融前台#
2022 年 11 月 ChatGPT 上線後五天用戶破百萬、兩個月破億——史上最快的消費級技術採用。金融業的反應分兩層：前台（研究、報告、客服）被 LLM 重寫；代理（Agent）——能自動規劃、調用工具、執行多步任務的 AI——開始承擔「計算機曾為程式交易所做的事，如今為決策本身做」。
一、前因：從「讀」到「辦」#
- Transformer（2017，Google《Attention Is All You Need》）：注意力機制取代遞歸結構——可規模化的語言建模；
- RLHF（2022）：以人類偏好微調——「能用的助手」而非「會續寫的引擎」；
- 工具調用與 Agent 範式（2023–）：模型可呼叫 API、檢索資料、寫代碼——「規劃—執行—自省」的第一版金融代理出現。
二、金融前台的自動化對象#
| 職能 | 傳統人力 | Agent 化的形態 |
|---|---|---|
| 研究報告 | 分析師數日 | 財報解析＋摘要＋問答即時生成 |
| 合約審查 | 律師逐條 | 條款抽取＋風險標記（見《法律設計者的故事》13 章） |
| 客服/投顧 | 呼叫中心 | 多語言、全天候、可個性化 |
| 代碼/數據流程 | 量化開發者 | 「自然語言→策略原型」 |
| 盡調/案例 | 人工讀檔 | 跨文件關聯與時間線重構 |
「人機分工的新底線」：責任無法外包——「AI 建議 → 人批准」成為所有合規框架的共同設計（歐盟 AI Act、各大行的內規）。
三、知識生產的結構性改變#
- 「研究的邊際成本趨零」：「大一號的研究部」人人可即時擁有——情報優勢（information edge）最終轉向「數據稀缺優勢」（另類數據、私有數據）；
- 「長尾的普惠」：小投資者、小企業第一次獲得過去只有機構負擔得起的分析——金融知識民主化的最新一章（從布雷頓森林的機構壟斷到 2020s 的個人代理——見 8 章）；
- 「幻覺與治理」：LLM 會生成看似精確的錯誤——「可驗證引用＋流程留痕」成為金融場景的必要工程；這與 12 章的「程式即合約」相映：AI 的時代命題是「程式即判斷」。
最後一節：走向何方——參見 13.3 走向何方