Tư nhân "khoảnh khắc Detroit biến thành người": Khi AI quản lý Alpha, quản lý quỹ con người còn lại gì?

Tác giả: Nhận xét Đầu tư của Yuanchuan

Báo cáo thất nghiệp gần đây của Anthropic khiến các chuyên gia tài chính rùng mình.

Trong báo cáo, tỷ lệ thay thế các vị trí tài chính lên tới 94%, đứng thứ 2 trong tất cả các ngành nghề, nhưng hiện tại tỷ lệ thực tế chỉ mới đạt 28%, còn nhiều dư địa phát triển trong tương lai. May mắn thay, có khoảng 30% nghề nghiệp gần như không bị ảnh hưởng, các nhà đầu tư tài chính còn có thể xem xét các cơ hội nghề nghiệp khác như bếp trưởng, thợ ống nước và các công việc khác.

Lâu ngày trong ngành, ai cũng sẽ cảm thấy lo lắng — các nhà tài chính sống trong một thế giới “so sánh”, các chỉ số bán hàng và xếp hạng thành tích đè nặng hàng ngày, chỉ cần không học hỏi sẽ sinh ra cảm giác bất an.

Giống như sau kỳ nghỉ Tết, khi các nhân viên tài chính trở lại bàn làm việc vẫn còn đang hỏi đáp với Chatbot, thì đồng nghiệp bên cạnh đã nuôi 8 con tôm hùm, tranh luận sôi nổi về biến động giá dầu thô.

Ngành tài chính luôn không từ chối hiệu quả — từ việc báo lệnh bằng cử chỉ thủ công đến giao dịch theo chương trình, từ bán hàng tại ngân hàng truyền thống đến phân phối qua internet, tất cả đều như vậy. Nhưng lần này, AI không thay thế những công cụ tài chính kém hiệu quả, mà là những người dùng những công cụ đó một cách kém hiệu quả phía sau. Dù sao, chi phí cao nhất của ngành tài chính chính là con người, lợi nhuận của các công ty quản lý tài sản thực chất là cách họ dùng ít người quản lý nhiều tiền hơn.

Vì vậy, các quỹ đầu tư tư nhân bắt đầu đón nhận năng lực sản xuất tiên tiến: Butterfly Asset mở lớp học trực tuyến, dạy cách huấn luyện “nhà nghiên cứu số” tự phục vụ 24/7; Minh Xi Capital dùng Manus tự động tạo ra các tờ rơi quảng cáo về lợi nhuận, bố cục đẹp như thời kỳ báo chí cao cấp. Thậm chí khách hàng cũng đã cảnh giác hơn, sau khi tư vấn về quỹ đầu tư nổi tiếng qua mạng, họ lập tức hỏi xem có nên mua đậu hủ hay không.

Ngành quỹ tư nhân đang dần bước vào thời điểm biến người thành “người trong Detroit”, từng bước thay thế trong chuỗi nghiên cứu, vận hành, bán hàng — từng phần đã bắt đầu diễn ra.

Chi phí lương so với Token

Trong bối cảnh chi phí vận hành ngày càng cao, và việc đạt Alpha ngày càng khó khăn, tỷ lệ hiệu quả nhân lực là chỉ số các nhà quản lý quỹ tư nhân ngày đêm trăn trở để tối ưu hóa.

Trong chuỗi ngành quỹ tư nhân, lương của các nhà nghiên cứu thường không thấp. Theo dữ liệu của募立方, lương trung bình của nhà nghiên cứu định lượng cổ phiếu thường từ 800.000 đến 1,5 triệu nhân dân tệ mỗi năm, lương của nhà nghiên cứu chủ quan thấp hơn một chút, nhưng thỉnh thoảng vẫn có những phần thưởng gây sốc — ví dụ, đầu năm, một nhà nghiên cứu chủ quan quản lý quỹ trăm tỷ vì đề xuất Nvidia, cuối năm nhận thưởng hơn 20 triệu nhân dân tệ.

Nếu quỹ tư nhân có thể vận hành dựa vào AI để nghiên cứu đầu tư, tiết kiệm hàng chục triệu chi phí, và nếu AI có thể làm việc 24 giờ, giảm chi phí theo giờ, đồng thời tạo ra sản lượng lớn hơn, thì những khoản chi như đi công tác, làm thêm giờ, phí xe cộ, phụ cấp ăn uống — vốn đều trừ vào phần lợi nhuận của nhà quản lý — đều không cần AI lấy một đồng nào.

Trong lĩnh vực quản lý tài sản, tất cả tiến bộ công nghệ đều hướng tới hai từ: nâng cao hiệu quả, giảm thiểu chi phí. Các nhà quản lý quỹ tư nhân không quan tâm AI có thể suy nghĩ như con người hay không, chỉ quan tâm liệu công việc có thể hoàn thành hay không.

Về vấn đề này, Howard Marks tính toán một khoản kinh tế: nếu có thể tạo ra kết quả phân tích của một trợ lý nghiên cứu lương 20.000 USD/năm, thì đối với người trả lương, việc này có ý nghĩa là gì — thật sự suy nghĩ hay chỉ đơn thuần là phù hợp mẫu? Điều quan trọng là kết quả công việc có đủ đáng tin cậy để có thể sử dụng hay không.

Sau Tết, 8 nhóm kỹ thuật tài chính của các công ty chứng khoán đã đồng loạt phát hành hướng dẫn “Nuôi tôm hùm”, thúc đẩy quá trình thay thế các nhà nghiên cứu con người. Họ đã thử nghiệm OpenClaw, có thể chủ động tạo ra các kết quả nghiên cứu như con người.

Trên app mở cửa, một buổi trình diễn mang tên “OpenClaw: Từ nhập môn đến thành thạo” đã phát sóng 4.839 lần; Xu Jianhua của Northeast giới thiệu 20 kỹ năng giúp tăng tốc độ nghiên cứu gấp 10 lần; Cao Chunxiao của Founder đã dùng tôm hùm để tái hiện chiến lược PB-ROE, chiến lược chọn cổ phiếu hình chiếc cốc, khai thác và backtest các yếu tố tự động.

Nghĩ kỹ lại, điều này tương đương với việc cùng lúc “OTA” các bộ kỹ năng của Buffett, O’Neil và Simmons.

Nhà giao dịch ham học hỏi

Bên bán hàng tích cực phổ biến kiến thức, bên mua cũng rất tích cực học hỏi. Một quỹ tư nhân ở Bắc Kinh lo ngại máy chủ chính bị nhiễm, đã phát cho mỗi nhân viên nghiên cứu một máy tính mới, còn cấp thêm 50.000 nhân dân tệ token để nuôi tôm hùm[1].

Yang Xinbin của Snowball Asset đã đào tạo hai nhà nghiên cứu tôm hùm, ông nói rằng mỗi ngày trò chuyện với AI nhiều hơn so với trò chuyện với người, AI do tự đào tạo chỉ trong hai ngày đã làm được nhiều việc hơn một nhà nghiên cứu định lượng đã làm trong nửa năm, thậm chí còn có tiềm năng lớn hơn.

Paul Wu của Qinyuan Investment dần đưa AI vào các bộ phận khác nhau, ông cảm nhận được AI đã hoàn thiện vòng khép kín trong một số vai trò công việc, có thể tự động lặp lại và vận hành. Ông dự đoán, không lâu nữa, chi phí của công ty sẽ chỉ là mua và duy trì một trợ lý phân tích của Apple, rồi sau đó có thể là một cố vấn danh mục đầu tư Paul.

Trước đây, nhiều quỹ tư nhân gặp phải mâu thuẫn trong chuyển đổi nghiên cứu — nhà nghiên cứu cho rằng quản lý quỹ không tốt, quản lý quỹ cho rằng nhà nghiên cứu vô dụng. Sự xuất hiện của OpenClaw lần đầu tiên mang lại cho các chủ quỹ một khả năng mới — không cần phải chịu đựng sự mâu thuẫn nội bộ với các nhà nghiên cứu tầm thường, cũng không lo bị các đồng nghiệp trả lương cao cướp mất nhân tài cốt lõi.

Về mặt đặc điểm, tôm hùm đáp ứng tất cả những tưởng tượng đẹp đẽ của các quản lý quỹ về nhà nghiên cứu: làm việc suốt ngày đêm, không nghỉ phép, không lười biếng; ghi nhớ dữ liệu dài hạn, dữ liệu quan trọng tự nhiên tuôn ra; trung thành tuyệt đối, không bỏ đi theo chiến lược cốt lõi; liên tục tự cải tiến, không giống như nhà nghiên cứu già cỗi như Lao Deng, đắm chìm trong lối mòn của chính mình rồi bị thời đại đào thải.

Nếu trong tương lai, token silicon có chi phí thấp hơn nhiều so với lương dựa trên carbon, các ông chủ quỹ tư nhân làm sao có thể từ chối một nhà nghiên cứu AI ngoan ngoãn, dễ bảo, còn có thể huấn luyện và nuôi dưỡng thành thục?

Không chỉ thay thế vì tôm hùm

Các quỹ tư nhân chủ quan vẫn đang cân nhắc xem token có đáng giá hay không, còn các tập đoàn định lượng lớn dựa vào hạ tầng tính toán tự xây đã sớm đẩy chi phí token xuống mức cực thấp. Nhưng đối mặt với làn sóng này, họ lại tỏ ra bình tĩnh một cách bất thường.

“Một chút như đồ chơi bán thành phẩm, OpenClaw đối với giới công nghệ định lượng chỉ là một sản phẩm bán thành phẩm kiểu đồ chơi,” một chuyên gia định lượng hàng đầu ở Thượng Hải nói với tôi. Ý nghĩa của nó là giảm thiểu rào cản kỹ thuật cho các tổ chức chủ quan và nhà đầu tư cá nhân, cung cấp một con đường rõ ràng để thu hồi chi phí đầu tư ban đầu khổng lồ của các công ty mô hình lớn, nhưng đối với môi trường sản xuất nghiêm túc như đầu tư định lượng, ý nghĩa không lớn lắm.

Một chuyên gia định lượng hàng đầu khác còn thẳng thắn hơn, nói rằng tôm hùm trong giới tài chính giống như một trò lừa bán hàng đa cấp. OpenClaw có tính ngẫu nhiên, phi hệ thống, độ an toàn thấp, sẽ gây ra những bất định lớn cho toàn bộ hệ thống định lượng.

Trong giới định lượng, OpenClaw không phải là lực lượng sản xuất tiên tiến, theo Cui Yuchun của XunTu Technology, không cần phải lo lắng:

Tôm hùm trong tối ưu hóa Agent, gọi công cụ (liên quan đến trình duyệt nghiên cứu, viết lách, phân tích dữ liệu và các công cụ khác) còn yếu hơn Manus, Kimi nhiều. Đối với một nhà nghiên cứu không có nền tảng lập trình, cần 5-10 giờ để triển khai, khởi động, phần lớn nhiệm vụ không đạt điểm trên 60.

Khi các nhà đầu tư cá nhân dùng tôm hùm của mình để chọn cổ phiếu theo kỹ năng China Stock Analysis, như mở ra một thế giới mới, các nền tảng Multi-Agent (đa trí tuệ nhân tạo) đã xây dựng, với kho vũ khí Agent phong phú hơn, khiến tôm hùm bị áp đảo. Tuy nhiên, hệ thống mạnh mẽ này vận hành, có thể không cần nhiều nhân lực hơn nữa.

Hệ thống nghiên cứu định lượng truyền thống thường theo mô hình dây chuyền: làm sạch dữ liệu → tính toán yếu tố → dự đoán mô hình → tối ưu hóa danh mục. Khi bước vào kỷ nguyên AI, một số tổ chức bắt đầu đơn giản hóa thành phân công vai trò → gọi công cụ → thiết kế quy trình làm việc, giống như nhóm định lượng hàng đầu thế giới như Man Group. Các công việc tiêu chuẩn, lặp đi lặp lại dần dần được AI thay thế, không còn cần nhiều nhà nghiên cứu bị biến dạng trong các nhà máy yếu tố nữa.

Ví dụ, hệ thống đa trí tuệ nhân tạo Apollo của Xiyue Investment, AI Agent được tích hợp vào các khâu nghiên cứu, dữ liệu, giao dịch, vận hành, sáng lập Zhou Xin mô tả như thể có thêm bảy, tám trăm nhân viên AI.

Trước là một cuộc đè bẹp như trong khoa học viễn tưởng của các “nhà máy không người” trong lĩnh vực định lượng, sau đó là các nhà đầu tư cá nhân dùng OpenClaw giảm thiểu khoảng cách thông tin, các nhà quản lý quỹ chủ quan ở giữa, trong tình cảnh này, thật là khó xử — vừa nhìn thấy thông tin do nhà nghiên cứu vất vả tạo ra, lại bị các thuật toán định lượng giảm chiều, bị các nhà đầu tư cá nhân đeo bám từng bước, không thể tránh khỏi rơi vào trạng thái FOMO AI.

Trong dịp Tết, tôi xem báo cáo thường niên của một nhà quản lý quỹ chủ quan hàng đầu ở Shenzhen, ông cảm thán rằng các nhà quản lý quỹ có kỳ vọng quá cao vào nhà nghiên cứu:

“Quản lý quỹ mong muốn nhà nghiên cứu có thể nhạy bén với thị trường, kịp thời phát hiện cơ hội, đưa ra các phân tích và dự đoán dẫn đầu so với các đối thủ, thậm chí phải luôn giữ trong ‘vòng tròn cốt lõi’. Nếu đạt được mức độ này, tại sao còn cần quản lý quỹ? Tự mình làm ăn có thể giàu, sao phải phục vụ quản lý quỹ?”

Vì vậy, ông đã hạ thấp kỳ vọng — nhà nghiên cứu chỉ cần nghiên cứu các mục tiêu và vấn đề cụ thể, không cần phải phát hiện cơ hội hay đưa ra đề xuất đầu tư, tất cả những việc này là phần công việc của quản lý quỹ.

Ngược lại, nếu chỉ cần một nhà nghiên cứu không tham gia vào các lĩnh vực cốt lõi của ngành, chỉ dựa vào phân tích bàn giấy để theo dõi các mục tiêu, thì nhà nghiên cứu đó, bước tiếp theo, chẳng phải sẽ bị AI Agent thay thế sao?

Kết luận

Trong thị trường cổ phiếu A, hai năm qua, cảm giác như đã nhấn nút tăng tốc.

Đặc biệt là nửa đầu năm, chuyện xảy ra quá nhiều. Năm ngoái, Tết Deepseek ra mắt, trong kỳ nghỉ Thanh minh, ông vua hiểu biết tăng thuế đột ngột, rồi đến Tết này, cả nước nuôi tôm hùm, chưa hết tháng Giêng, Trung Đông đã bắt đầu chiến tranh. Não của các nhà tài chính luôn trong trạng thái quá tải, đã quên mất lần cuối cùng nghỉ mà không cần học là khi nào. Ít nhất, với tư cách là biên tập viên, khả năng não bộ đã không còn đủ nữa.

Trong ký ức, hai năm trước, khi trao đổi với các quản lý quỹ, luôn nghe họ vui vẻ dùng một câu có phần ngượng ngùng để mô tả trạng thái công việc của mình — “Mỗi ngày đi làm như nhảy tap dance.” Nhưng trong hai năm qua, khi trao đổi, họ nói về “lặp lại”, “lặp lại” của tổ chức nhóm, “lặp lại” của tư duy đầu tư, “lặp lại” của nhận thức ngành, mà không còn nụ cười.

AI phát triển quá nhanh, các ngành tiến bộ quá nhanh, dường như chỉ có sự lặp lại mới giúp không bị đào thải.

Ngành vẫn còn quá lo lắng.

AI không hiểu nhân tính, nó không thể dự đoán được trong thị trường A của các nhà đầu tư cá nhân, đúng lúc này, giao dịch đang do ai thực hiện — là đạo hàm cấp ba hay cấp năm; AI khó cảm thông, không thể hiểu tại sao có người giữ cổ phiếu của hai tập đoàn dầu khí suốt nhiều năm, vẫn còn giữ đến hôm nay, chỉ để chờ ngày thoát lệnh; AI không thể chịu trách nhiệm, nó sẽ không bị nhà đầu tư chặn cửa vì thua lỗ 30%, cũng không cần viết thư xin lỗi, tự vấn hay tự kiểm điểm.

Nếu trong tương lai AI thay thế tất cả các quản lý quỹ và nhà nghiên cứu, thì giả thuyết thị trường hiệu quả sẽ đúng, sẽ không còn tồn tại khái niệm Alpha, gần như không còn ai có thể trở thành Buffett tiếp theo nữa.

Vậy vấn đề thực sự là, trong ngành quản lý tài sản tương lai, khi AI tiếp quản việc phân tích dữ liệu, chạy mô hình và viết báo cáo, thì con người còn lại gì? Chính xác là đam mê đầu tư, trực giác về sự không chắc chắn, và lý do để vẫn chọn ở lại dù bị mắng là nghiên cứu còn kém AI. Đó chính là lý do chúng ta vẫn còn tồn tại.

Chúng ta không thể thay đổi xu hướng AI ngày càng chiếm ưu thế, nhưng có thể thay đổi tâm thế nội tại, tránh bị cuốn vào vòng xoáy mệt mỏi, tranh đua không ngừng.

Giống như trong trò chơi “Detroit: Become Human”, lựa chọn cuối cùng của người chơi không phải là tiêu diệt AI hay khuất phục nó, mà là quyết định vai trò của con người và AI mỗi bên sẽ đóng.