智能座舱就是 AI Trading 的工作台

AI交易产品OpenAlice

智能座舱就是 AI Trading 的工作台

一个更准确的理解

在 OpenAlice 的产研里,我们一直说要做两件事:一个是交易的工作台,一个是交易的算法(也就是 Agent 本身)。

当时的理解很朴素——先做工作台解决协作和操作的问题,然后再考虑工作台之上算法该怎么操作。最近我有了一个更准确的想法。

如果把智能驾驶和 AI 交易这两件事拿来类比,会发现共通性大到几乎可以等效。

  1. 风险和决策上:实盘相当于上路。上路不能睡觉,实盘也不能因为情绪做错决策,否则就是亏损。
  2. 关键博弈上:路口跟人博弈和市场关键位置跟对手盘博弈,底层逻辑几乎一样,都是在猜对方的意图。
  3. 核心目标上:一个足够好的智驾算法,理论上应该尽可能处理好驾驶本身。AI 在交易上要做的事也是相对确定的——通过资产分配、板块监控这些手段把交易做好。

这两件事在产品形态上的等效性,比之前以为的要深得多。所谓"交易工作台"对应的并不是某种通用协作工具,它对应的就是车里的座舱。

座舱和算法是两件事

举一个具体例子:为什么华为的车开起来有时候不如理想"爽"?这未必是算法不行,很大程度上是因为座舱不行。

华为的智驾在处理左转或右转时,会跟车机地图硬联动——地图觉得该转了,智驾算法就跟着执行。但华为是从第三方采购地图数据,渲染到自家系统上,地图类型适配存在问题(比如百度地图就适配得不够好)。结果就是:车机座舱地图数据有问题,领航就会经常出错,把人导向莫名其妙的路径。

这件事直接映射到交易系统上。资产配置不等于路径规划,但本质类似——都是通过不同的路径去达成同一个效果。如果整个交互界面里"资产可配置引导"做得不好,就会犯同样的错误:算法本身很牛逼,但因为座舱给出的"地图"太拉跨,算法根本不知道该往哪去。

具体到 OpenAlice,可能 Alice 本身能力很强,但如果在下达可配置资产时一开始某个类型就缺失了,那么 Alice 在做配置时就配不出来,或者配出来效果很差。这是座舱层面的问题,不是算法的问题。

座舱本身也有大量明显的交互优化空间。华为车机座舱就很烂——导航到一个地方,中间想加个途经点都加不进去;不同页面切换很卡。理想就很顺:跟"理想同学"说关闭灯光,它会问要关闭哪里的灯光,用手指一下,它就把那个灯光关掉。华为车里传感器比理想少吗?肯定不是。但就是没有这种功能。这种功能做不出来其实也没关系,能把基础功能做明白就行,但实际观察下来连基础功能都做不明白。所以华为现在的智驾虽然牛逼,但整个使用体验是被车机座舱拖了后腿的。

量化一下

可以做个量化对比。

  1. 智驾部分(满分 70 分)
    • 华为:65 分
    • 理想:55 分
  2. 座舱注意力体验部分(满分 30 分)
    • 华为:不到 20 分
    • 理想:30 分满分

综合下来,理想 55+30,华为 65+20,是同一个级别。再加上用户对智驾本身的感知本来就没那么强(55 分和 65 分用户大多分不出来),所以很多人实际用下来反而觉得理想体验更好。

这个非对称很关键:智驾这一侧用户感知是钝化的,每次提升要够大才能被感受到;座舱这一侧感知是近似线性的,每一次改进用户都能立刻感受到。这反过来就要求两侧的迭代节奏不能一样——座舱本来就该高频小步出货,因为每次出货都直接反映在体验上;智驾本来就该慢工出细活,因为没到阈值前出再多版本也没意义。

意义在这里:座舱和算法本质上是两个不同的产品领域。过去产品分层不清晰,座舱和智驾是混在一起的,需求乱七八糟堆在一起。但站在现在的视角看,它们就是两个不同的产品,需要分开设计、分开收集需求、分开迭代。

三阶段命题

座舱的事情,在 OpenAlice 这边是个三阶段命题。这个分阶段方式跟车厂不太一样,因为车厂的座舱在历史上是经过充分优化的——挡把放怀挡还是中控、仪表盘怎么布局、方向盘左右按钮各管什么,这些东西经过几十年迭代已经沉淀成行业共识。一个新车厂即使什么创新都没有,照着抄也不会出大错。

但"做交易"这件事,过去没人系统优化过。

第一阶段:座舱的基础配置

一个人坐在屏幕前到底应该看到什么、布局是什么样、有哪些操作原语应该被一键化、协作流程长什么样——几乎没有人认真做过。

可以做一个跨领域对照:写代码这件事之所以能很顺理成章地接入 AI,是因为有 VS Code、GitHub、Pull Request 这种成熟的协作基础设施,AI 进来直接就有现成的位置可以坐。但交易没有。大部分人做交易都是想到什么干什么,连人和人之间的协作流程都缺失,更不用说人和 AI 之间的。

为什么交易这块的基础设施这么薄?因为利益不对齐。

汽车行业的利益是和驾驶员对齐的——车开不好会出人命,所以厂家、监管、保险全在推动"让驾驶员把车开好"这件事。

交易领域不是这样。过去交易领域是 Broker 主导的,Broker 的利益点在于让用户多交易——交易越多,佣金越多。所以他们不希望交易员看到太多信息:看得太谨慎,交易就做得慢、做得少,Broker 就赚不到钱。Broker 不会有动力去优化交互来提高交易质量,反过来还会有动力去做反向优化。

结果就是:交易领域的座舱基础配置,到今天几乎是空白。作为做智驾方案的人,必须先把别人没做的这部分工作做了——把"如何做好交易"的基础配置先落实到位。这一阶段做完,它都还称不上"智能座舱",只是一个功能完善的座舱而已。该有的仪表盘要有,该有的挡把要有,该有的方向盘按钮要有。

第二阶段:座舱作为智驾的发射器

第一阶段和第二阶段其实关系非常近。

把基础配置做到位之后,下一步就是让座舱去服务算法,也就是上面华为地图那个例子里的事情——座舱给算法的"地图"如果太拉跨,算法本身再牛逼也没用。资产本体要全,override 通道要顺,agent 状态要可读。这些事情不能让算法来兜底,必须由座舱自己解决。

怎么能让算法去给座舱兜底呢?那不是开玩笑吗。肯定是要让座舱来把算法尽可能地发挥出来——这仍然属于座舱内的智能,甚至跟算法本身都没什么关系。华为现在的车机体验差,尤其是导航更改目的地或者构建路线的时候,做得非常糟糕。靠的是算法能力强硬把整个行车体验给兜住了,否则座舱团队真的可以开除。

第三阶段:智驾反过来把座舱拉起来

前两阶段都是座舱在服务智驾。但当资源是双向流通的时候,强的一头会把弱的一头拉起来。

美团做单车业务的时候,曾经考察过海外能不能做共享单车,发现海外的共享单车做不起来,因为移动支付渗透率不够。当时的结论是单车业务在海外不好做。后来有人把这个思路反转过来:不是去海外做"单车业务",而是通过在海外投放单车的方式,把美团支付在海外的渗透率拉起来。

这个反转很关键。当资源两头互通的时候,强的一头不只是被弱的一头拖累,强的一头也可以反过来把弱的一头拉起来。

映射到我们这里:

  1. 现阶段座舱的发展比智驾落后(因为前面说的历史原因),所以要让座舱去服务智驾。
  2. 但当智驾真的发展得比较好的时候,座舱就会被智驾反过来拉起来。这一阶段才是真正意义上的"承接溢出注意力"——智驾能力强到让用户安心之后,节省下来的注意力会重新投入到生活里去,座舱要承接这部分需求。

第二阶段的座舱是功能性的,第三阶段的座舱是舒适性的。需求来源、设计目标、衡量方式都不一样。现阶段要专注的是第一和第二阶段,不要过早去追求第三阶段的所谓舒适性。

为什么过去做不好

过去做不好,除了行业层面"利益不对齐"这一点,还有一个团队内部层面的原因:座舱和算法搞混了。

在搞座舱的时候,其实没真的去想座舱怎么做,想的全是算法以及算法的配套,把座舱当成了算法的附属物,跟着算法的流程走。这样会有两个直接的问题:

  1. 算法本身就很难开发。
  2. 座舱需求通常都很小,单个体量小但总量大。当一堆类似"短程外处理"的小需求被塞进了一个本身需要非常谨慎处理的算法需求流里,整个处理流就会被严重污染。

更深一点说:这两类需求的处理模式根本不兼容。

算法需求需要的是"慢、深、可回滚"的处理模式:想清楚假设,写完跑回测,观察实盘,必要的时候整段推翻。这种模式最怕被打断,最怕中途被一个"顺手改一下"的小事拉走注意力。

座舱需求需要的是"快、浅、可丢弃"的处理模式:看到一个交互别扭立刻改,ship 出去看反馈,不行再改,根本不需要预先想清楚所有边界条件——出错代价低,回滚代价也低。

把两种模式塞进同一个工作流里,会产生双向污染:算法侧被座舱的小需求打断,深度思考被切碎,做出来的算法是"东补一块西补一块"的拼贴;座舱侧被算法的谨慎污染,本来五分钟能改的交互被搞成要写 spec 评审的工程,节奏完全废掉。

再抽象一点:座舱需求的特点是单个体量小、总量大、彼此独立,本质是个广度问题;算法需求的特点是单个体量大、总量少、彼此耦合,本质是个深度问题。广度问题需要并行扫一遍,深度问题需要串行钻下去。混在一起,扫的时候钻不深,钻的时候扫不全,最后两边都做不到位。

所以分开做不是为了"整洁",是为了让两种根本不同的工作模式各自能在自己最舒服的节奏里运转。

真正伟大的地方

写到这里,其实只是产研内部的整理。但这套等效关系往外延伸一步,会发现一个更大的事情:

它把"做智能车"和"做 AI 交易"在产品-市场层面也彻底等效起来了。

这意味着 OpenAlice 在营销和运营上之前一直没有定型的方法论这件事,也可以走等效路径。智能车这几年的营销话术体系是高度成熟的:

  1. 智驾能力做技术 demo(行泊一体、城区 NOA、世界模型)
  2. 座舱体验做生活方式内容(理想的家庭场景、问界的舒适性叙事)

两条线对应不同心智,最后在产品层汇总。映射到 OpenAlice 就是:算法侧的内容是回测对比、实盘记录、Alice 的推理透明度——技术 demo 型内容,目标是让懂的人服气;座舱侧的内容是"睡前安全扫描"、"早报 routine"、"Alice 帮我盯美股"这种生活方式叙事——目标是让不懂的人想要。两类内容受众不同,连生产节奏、平台、视觉语言都不一样。混着发跟产研混着做一样,会互相污染。

这次最开创性的地方,就是把"座舱"和"智驾"这两个系统从 OpenAlice 里彻底分离开来,分别去设计、分别去收集需求、分别去运营,防止把两个不同的产品领域再混到一起。