Vibe Driving vs Vibe Trading
Q：聊聊你怎么理解 AI 和交易的结合吧。
A：谈交易之前，先聊聊买车的事。
现在我买车有两个比较纠结的点，第一个是要买纯电还是增程，第二个是要买后驱还是四驱。
先说纯电和增程的区别。其实对于纯电充满之后，按照CLTC续航能跑到800公里，实际上用起来可能也就是400公里左右。可能很多人觉得油车加一箱的油就有1000多公里续航，怎么电车才400公里续航，肯定是很少。
但其实你真的开过车就会知道，400公里对于一个驾驶员来说，已经是能开到想吐的长度了。4 个小时连续不间断的平均速度 100 迈，没体验过的朋友可以试试找把椅子在上面坐四个小时，看基本一样的风景，能不犯困的也是神人了。
所以在这个开车的期间，稍微去给车充个电，其实没有什么问题。也就是说，对于新能源汽车而言，增程所提供的冗余，在实际场景里面是并不需要的。
但为什么大家还是会纠结这个东西呢？举个例子，比如说小明最近一段时间很忙，公司都要加班。然后到周末了，小明终于不忙了，想出去旅旅游。一出门发现车没充电，车里程就剩200公里了。小明出门的过程里面就要一直去想，什么时候把车电给充上。
这个东西同理可证，包括开高速的时候，有些时候心情很好，就想多开一点。结果上高速的时候，车的电就不是满的，开了100公里还得下去充，不然的话完全确定不了下一个加油站或者充电站在多远。这个体验就很难受。
从总时间消费上面来说的话，其实纯电车和增程车省下来的时间差异并不大，但是从使用体验角度来看的话，差异是很大的。
第二个就是四驱跟后驱了。其实这个逻辑跟刚才讨论的增程或者纯电是差不多的。
跑正常路面确实用不着四驱，后驱动力够了，还省电。四驱对于正常驾驶员来说唯一的用途就是防滑，而即使是雨天雪天，开慢点大概率也没事，除非是那种很极端的路面，比如冰雪盘山公路。
但话又说回来了。我一辈子都不会去跑冰雪盘山公路吗？一辈子都不会去什么有雪的地方稍微旅旅游吗？
我刚在新疆旅游自驾完回来。新疆下雪大的时候，5 分钟能把一辆车整个埋上，整个国道和高速都是铲雪车，就这还铲不过来呢。四驱车过弯稍微快一丁点就滑，更别说后驱车了。
我平时开车，我肯定是用不着开四驱模式的，甚至可能这个车使用的过程中，95%的时间我都用不着开四驱。我有必要为了剩下的5%去多花2万加一条电动机吗？——实际上这个问题对很多人来说，答案都是肯定的。
新疆满地都是四驱车，坦克 300 尤多。我的新疆好朋友家里最近想买车，诉求就是想要越野车。我说其实你用不着越野车，大部分家庭都不需要考虑越野车，搞个四驱电车足够了，防滑什么的效果只会更好。当时说这句话的时候我其实没去过新疆。我去了新疆之后，越野车这个从来没在我购车清单上的东西，居然开始偶尔进入我的视线了，因为我真的在暴风雪里开过国道。我这才发现人的创伤会剧烈影响后面的一切行为，哪怕创伤根本就没带来任何创伤。
Q：你想说做交易里面的长尾风险很影响体验？
A：比那个叙述更大。其实去类比过来就会发现，交易和开车这件事情是很像的，甚至几乎等效。
核心是：理性计算上的差异很小，但体验上的差异巨大，而这个体验差异来自于边缘场景对心智的持续侵蚀。
纯电400公里够用，但你时刻在想"够不够"。后驱95%够用，但你下雪天心里发毛。增程和四驱真正解决的不是那5%的场景本身，而是消除了另外95%时间里对那5%的焦虑。开增程车在城市通勤的时候，它跟纯电没有任何区别，但心理状态完全不同——不用想充电的事了。这个"不用想"本身就是巨大的价值。
映射到交易上：大部分时间市场是正常的，你自己盯着也行，不盯也行。但市场这辈子不会出黑天鹅吗？不会哪天正好在睡觉、在开车、在出差的时候突然崩盘吗？不会在跟女朋友吵架的时候错过一个关键信号吗？
这些边缘场景发生的概率很低，但日常体验的影响是持续的——用户会一直惦记着。就像纯电车主出门前总会下意识看一眼电量，交易者也会时不时刷一下行情，怕自己错过什么。这个"惦记"本身就在持续消耗用户的注意力和心智带宽。
Q：所以你觉得开车里面最大的痛点是“担心一个没发生的问题”。
A：差不多。有创伤的领域里面，人们对产品的选择是有非常强的创伤痕迹的。而高频出现的小创伤，对用户而言体感非常剧烈。
理想的招牌之一是省油。在理想L9占据绝对优势的年代里，大家会觉得很疑惑，一个50万的车，用户真的很在乎加油成本吗？李想说是的，因为用户对高频小额的消费场景的痛感非常强烈。
实际上，华为的尊界S800这个车刚上市的时候，经常有人会骂，觉得这个车就1.5T增程器是不是太小了，豪车难道不应该有2.0T增程器吗。
但这个问题不能这么理解，因为增程器太大的话，它的功率越大，功率大，它的油耗越多。即使是对于买七八十万乃至100万的车的消费者来说，他在频繁的加油的过程当中，如果他能省下很多钱的话，他对于产品的幸福感其实也是会大幅度上升的。
如果我们要在一个这种高频小额消费上面去做一个权衡，那么用户一定是更在乎展示出来的东西，同时会希望失去的东西更少。小米的风味风孔，4 万块钱都有人挖，这是为了展示效果而付出的代价。但一个发动机或者说一个增程器从1.5T到2.0T，可以说屁用都没有，谁家好人给人展示豪车有多豪华的第一步是展示增程器啊。
而到用户加油的时候，更大的增程器带来的成本提高又是实际存在的数字。消费者不是傻逼，大家买新能源车之前肯定是对新能源车有所了解。这个过程当中，只要他没有使用上的痛感，也没有展示的意义，那么他肯定是乐意少加一点油，少花一点钱的。
峰终效应
大家说产品设计的时候，有一个东西叫峰终效应，就是说你对一件事情的体验，其实往往由它的最高峰决定，而不是中间的过程决定。
还是举理想这个例子。其实理想做智驾的水平是一般的，包括他们也大量的外采别人家的方案。
但是最早的时候，理想的智驾所有人都说好，为什么呢？因为理想的智能泊车特别好，然后它的高速L2做的也不错。
开车这件事最大的两个痛点，一个就是在高速上面手不能松方向盘，第二个就是出门或者说到家要停车，或者说要出车。有些小区那个车位修的比较抽象，停车是真的很痛苦。
小区都算还好的，如果是商场的话，那就更痛苦了。有些人倒车水平不够，然后后面车还往上顶。要么就是后面车素质高一点，不往上顶。然后司机就要在后面一排车的注视下，连续不断地往里面倒车，然后还倒不进去。所以理想早年间的自动泊车做的不错，这个是大家对于理想的智能驾驶好的一个很关键的心智体验。
回到交易这件事情，大部分的交易策略我们可以说就是一个买和卖的问题，而你能不能赚钱从买的那一刻就已经决定了，按理说应该尽可能优化“买”的体验。但实际上真正决定用户痛点的是盯盘和卖的这个过程，因为赚钱了就想赚更多，亏钱了就想波段捞回来，这个才是交易里面的峰终效应。最重要的“买”并不最影响体验，最影响体验的是“持有”。而怎么优化用户在持有头寸的时候的体验，是下一代产品的核心命题。
所以一个是高频的潜在痛点，另一个是长流程里面的甜点体验。这两个东西做好，对产品的体验就有很大的优化。
Q：大多数人都觉得 AI 做交易能赚更多利润。你觉得体验比利润更重要吗？
A：利润是策略问题，体验是产品问题。所有的策略都是作用在产品上的，要是一个产品做的你都不想用，那谈策略也没意义。
Q：你觉得发展到什么程度就可以谈策略问题了？
A：看分级吧。我觉得做到 L2+就可以谈策略了。
自动驾驶和AI交易这两个不同的需求，或者说产品形态，其实本质上可以说是完全等效的。
本质上都是同一个问题：在一个非稳态、高风险、需要持续注意力的环境里，人怎么把控制权逐步交给AI。
开车：感知路况 → 判断操作 → 执行动作 → 持续监控
交易：感知行情 → 判断策略 → 执行下单 → 持续监控
连信任建立的路径都完全一样。自动驾驶有SAE分级：
L0：纯人工，什么辅助都没有 L1：单一辅助，定速巡航或车道保持 L2：组合辅助，人手不离方向盘，AI帮你开但你得盯着 L3：有条件自动化，特定场景下可以不盯，但随时准备接管 L4：高度自动化，特定条件下完全不用管 L5：完全自动化，不需要人
AI交易一一对应：
L0：纯手动交易 L1：价格提醒、基础预警 L2：AI盯盘+建议，你自己做决策——Alice现在在这里 L3：AI可以在预设条件下自动执行，但你随时能覆盖 L4：特定策略、特定市场条件下完全自主交易 L5：全天候全市场完全自主
Q：你们现在在哪个阶段？
A：我们致力于做 L3 阶段，但实际上我们在发力 L2 阶段。
自动驾驶里，L2到L3意味着从"你得盯着"变成"你可以不盯"，责任主体从人变成了系统。这一步所有车企卡了好几年，不是技术不行，是出了事谁负责说不清楚。交易也是一样——从"AI建议你做"到"AI替你做"，跨过去的那一刻，亏了算谁的？用户心理上过不去这个坎。
L4/L5在可预见的未来都不会真正到来。不是技术到不了，是心智上接受不了。自动驾驶搞不定的是那些千奇百怪的corner case——逆行的电瓶车、突然窜出的小孩、没有标线的乡村路。交易搞不定的也是corner case——黑天鹅、政策突变、市场结构性断裂。这些事情发生概率极低，但一旦发生后果极大，AI 就算能处理，用户也不敢放手给 AI。
所以现阶段的商业价值都集中在L2。现在卖得好的车——特斯拉、理想、问界——没有一个在卖L4。都在卖L2+，做到体验足够好，让用户觉得离不开。高速NOA、自动泊车、自适应巡航，本质上都是L2的不同切面。用户的付费意愿也集中在这里，因为他们每天都在用，每天都能感受到价值。
Q：把自动驾驶跟AI 交易类比，这个想法之前也有人提过。他们说自己已经做 L4 了。
A：那我觉得不如做 L2，ETH L2 不是很火嘛（笑），虽然现在都死了。
Q：哪壶不开提哪壶。
A：扯远了。我再补充几个论点吧，来证明 AI 交易和自动驾驶是等效领域。
第一，交易和驾驶的性别结构是非常类似的。做交易的人比例至少有80%以上是男性，开车的司机其实也是这个比例。
第二，开车跟交易的损失结构是类似的。正常行驶状态下其实都不会出什么事，但一旦出事就是全额的损失。也就是说，一个小的风险会覆盖大多数的亏损。
性别结构这个观察，背后指向的是同一种用户心理画像。80%男性意味着你的核心用户群有非常相似的心理特征——对控制感的需求强、对"被辅助"天然抗拒、更愿意为工具付费而不是为服务付费。这直接决定了产品语言：Alice不能定位成"帮你做"，必须是"让你做得更好"。就像自动驾驶的营销从来不说"你不用开了"，而是说"更轻松地开"。男性用户不买"替代"，买"增强"。
损失结构才是更关键的那个。本质上是一个肥尾分布的问题。正常状态下收益稳定地累积，然后一个尾部事件把所有收益吃掉甚至倒亏。开车是这样——你可能安全驾驶十年，一次重大事故把一切归零。交易也是——连续赚了十二个月，一次黑天鹅全部回吐。
所以做交易跟开车基本是等效领域，而自动驾驶和 AI Trading 也是等效领域。
Q：你觉得这两个领域差别在哪？
A：我觉得AI 交易的场景比自动驾驶更多元更复杂。
我们去看驾驶这个场景，驾驶这个场景实际上是比较简单的循环，也就是启动车辆、行车、还有泊车，整体来说分为这三个部分。如果按照出行的类型来分的话，我们又可以再分成长途行车和市区行车这两个子类。而不管哪个子类里面，启动车辆和泊车都是非常典型的场景，所以自动泊车只要针对这个已经给定的场景做优化就可以了。
但是交易这个场景是不太一样的。交易这个大场景里面，我们可以笼统地把它分为买入、持有、调仓、卖出。但其实调仓到卖出之间并没有一个特别鲜明的界限。也就是说，这个仓位一旦持有之后，其实只能在仓位上面加或者减，而做出重新开一个仓位，或者完全关掉一个仓位这种决策，并不是在每一个交易过程里面都会必然出现的。
然后再看这个调仓本身，调仓这两个字很简单，但是调仓的类型又太多太细节了。
所以，与其说从业者的目标在于怎么去打磨自动泊车这个场景，不如说是现在连该做什么场景其实都没办法很清楚地定义出来。你看我们现在做了这种定时的监控、扫盘、然后取快照、留存到本地，这些事情都很好，对吧？但实际上用户调仓里面到底是不是这么个场景呢？我不知道，我怎么可能知道。
AI交易这个事情前所未有，过去从来没有人做过。所以我们虽然去把自动驾驶和AI交易这个东西做了等效性的类比，但是在具体的场景发掘上面，其实AI交易是一个完全新的东西，对于里面某一个部分是否存在，该怎么去定义一个场景并进行优化，我们在这个话题下面其实还有很多工作要做，而不是一个单纯的打磨细节的问题。
驾驶的场景是封闭枚举的。不管你怎么开，最终都是启动、行驶、泊车这几个离散状态的循环，状态之间的边界非常清晰——车停着就是停着，车动了就是动了。所以你可以先把场景列出来，再逐个优化。理想做自动泊车之所以能成功，前提是"泊车"这个场景本身不需要被发明，它天然存在，每个司机每天都在经历。
交易的场景是连续光谱。一个仓位从建立到最终清掉，中间的状态是连续变化的，减一点仓和清仓之间没有一条明确的线。更麻烦的是，调仓的触发条件千差万别——可能是价格到了某个位置，可能是一条新闻，可能是另一个持仓出了问题要重新平衡整个组合，甚至可能是用户今天心情不好想降低风险敞口。这些"场景"不是预先存在等你去发现的，很多甚至是AI介入之后才可能产生的新场景。
自动驾驶是在已知场景里做优化，AI交易是连场景本身都需要从零定义。
Q：按照这个复杂程度，你们什么时候能做到 L3？等模型性能提高吗？
A：只有模型性能提高是没意义的，看用户行为就行。
L2跟L3的核心区别，其实也就是有没有人坐在驾驶位，它跟场景反而是解耦的。
很多自动驾驶公司，是通过场景来论证自己达到了L3。但是定义L2和L3并不需要场景，它只需要看驾驶员有没有坐在椅子上。现在的问题就是我们甚至都找不到哪些场景能用来定义L2，别说L3了。
我们刚才说的行车、泊车还有启动车，这个三分类，让很多老司机去总结，也是总结不出来的。但是他开车的时候一定会很清楚的感觉到自己的痛点在哪，比如说停车位怎么这么小啊？行车在高速上面怎么这么累？
所以用户对于使用的东西的体感是非常强烈的，甚至都不需要他真的去理解产品到底发生了什么。他只要还不敢撒手交给 AI，就说明我们没到 L3。
Q：按照你们的定义，L2 级别里面也有很多产品了，OpenAlice 的优势是什么？
A：就别谈我们了，还是聊聊车吧。
我觉得这里面需要延伸讲一下为什么理想在后面的智驾竞赛里面有点落后。
因为我们做AI Trading的时候，我们发现，如果你只以市场监控为核心去构建的话，那么很多团队他会假定AI只对钱包有读的权限，没有写的权限。所以他其实是在限定了L2这个大的基础之上，再去做的产品。
理想的情况其实也差不多。从李想本人的感知里面，我能感觉到他是一个很重视用户体验的人。在他的角度，他认为那些用户体验的长尾的，或者说不那么主要的部分，他可能认为不重要，因为在峰终效应的影响下，决定用户体验的并不是技术有多好，而是用户的“痛点”有没有被很好地服务到。所以理想的行车在市区NOA这个部分做的一直一般般，但他的座舱和泊车方案非常顶级。因为市区 NOA 本来就没几个人敢开，而座舱智能化和智能泊车对体验的提高是非常直接的。
但是华为情况很不一样。华为造车的时候，它的电气化架构和它的智驾硬件配置，其实都是冲着L3去的。他们做产品有一个很明显的痕迹，就是他们并不是去解决一个L2的假设性问题，而是他们站在怎么才能实现L3的角度去解决L2的问题。L2是他们对于L3场景的一个弱证明。所以你会发现华为的车主特别喜欢开城区 NOA，而且华为的算法也一直在优化城区 NOA 的场景，包括后面换世界模型、做行泊一体的新架构设计。
所以我们去做的时候，我们是假定了用户需要用AI帮他做交易这个大前提，我们才去做的很多别的功能，包括监控、资产挖掘、调仓建议这些事情。我们其实假定了AI会频繁地想要帮用户在钱包里面写入操作，但是用户会频繁地拒绝它，或者说用户并不想让AI真的去写入。
其实我们是想做AI交易的L3方案的，只不过我们也需要用L2的场景来做L3的弱证明，不然的话我们做出来的东西就会非常的难用。或者至少说对于用户而言体验是不够好的。
Q：你觉得 AI 交易里面的“自动泊车”是什么？
A：有些团队可能觉得是 AI 研报吧，虽然我觉得不是。
我觉得自动交易这个事情其实比驾驶要更极端一些。驾驶至少你还有一个明显的泊车的这个甜点可以要，但是AI交易里面完全没有泊车这个甜点。你看整个AI交易流程里面，最适合用AI解决是哪一步呢？是买前的分析。
但是所有人都知道，推票这个事对用户来说是没有任何的吸引力的。因为用户想看的是，这个票买完之后，我到底该怎么操作？而不是说问你今天该买点什么。他要是这么推的话，其实这个事情的流程对用户而言是一个黑箱。而用户做交易又不可能只是买了就放着不管，他肯定是要盯盘的。他一盯盘，他就觉得当时推票这个行为跟SB一样，后面就再也不会用了。
我们团队不喜欢做没用的事情。
Q：你觉得什么是有用的事情？
A：解决需求就是有用的事情，所以得先找到需求。
世界上有两种做产品的思路。
一种思路叫做需求定义场景。比如我饿了，我可能想要在外面吃饭，我可能想要在家里吃饭，我可能想要在车上吃饭，这是从需求定义场景。
还有一个方法，是从场景定义需求。比如有一天我开高速，我堵车了，堵了很久，我肚子好饿，所以我想喝一点热水，或者我想去吃口东西。从这个场景里面，你可以定义出来一个用户有在高速上吃零食的需求。
理想 vs 华为：两种产品哲学的结果
我觉得理想他们之所以在智驾领域做得不如华为好，就是因为理想它是一个从场景定义需求的公司。你看理想它的智能座舱，它对于很多场景，比如，我说要关闭灯光，AI不知道我要关闭到底是阅读灯，还是车前灯，还是车后灯，它就会让我拿手指一下，这就是一个典型的场景。泊车也是一个场景，然后高速NOA也是一个场景。从李想本人的角度来说，他认为需求是由场景拼凑而成的，所以它要把这些场景一个一个的点到点的去优化。
而华为去做产品的时候，它是从需求出发来找场景。至少可以说余承东这个人是这么去做产品的。他会去思考在智驾这个需求里面，用户的想法是什么样的？用户想要安全，用户想要省心，用户想要一个能和人博弈的智能驾驶系统。所以华为的智驾做得很好，但是华为的座舱智能化做得一直一般般。比如说华为它做座舱的时候，它就一直缺一个不知道到底关哪个灯光，然后用手指一下这个功能。座舱是个空间概念，没办法从需求找场景的，只能从场景找需求。今年余承东在年会上面还批评了一下鸿蒙那些做座舱的人。
Q：你分析了很多需求和体验方面的东西。你觉得你们未来的壁垒是什么？
A：我觉得是乘数效应。
去年年底 XVC 发公众号讲利乐的故事。利乐是做包装的，就是那个无菌袋，牛奶的那种无菌冷封装。利乐是绝对的龙头。他们在这个整个链路里面有很长的工艺壁垒。然后因为叠乘数的效应导致他这个工业链路里面每一个环节做的不好，都会产生一个乘数效应的成本增加。虽然可能这个是1.3倍、1.5倍或者2倍，看着不多，但是这个乘数效应叠起来之后，可能会叠出几百倍、几万倍的区别。所以中国很多方向的公司去对标这个公司做包装行业的时候，都会发现撵不过去，因为人家用了很长的时间把这个整个过程所有的乘数叠的都很高。
其实放在软件上面，因为软件是开源的，所以它不能用这种专利性的壁垒去叠。那软件的壁垒在于哪呢？我认为是“标准”化，也就是成为标准的意思。当你所构建的东西成为这个行业事实性的标准的时候，其实谁去追这个标准都会很难受。而构成标准是需要一系列乘数的。我们希望从需求出发，去挖掘AI Trading 这个领域里面的场景和功能方案，让 AI 做交易从一个 aha 的事情，变成一个不那么 aha 的、每天都能用的事情。
Cursor 刚出来的时候，大家都觉得很 Aha，但到了 2026 年，大家已经不觉得 AI 生成代码是个多么让人惊叹的事情了，而 Cursor 基本也快被 Claude Code 干死了。我觉得还是要做好该做的事。
Q：你觉得交易的需求是什么？
A：不知道。但我觉得至少不是点买和卖。
交易的需求，我觉得很可能不是交易本身。需求是一种可感知的东西，如果交易的需求就是交易本身，那交易的需求就不可被感知了，没办法解释为什么这么多人都炒股票。
我觉得交易的本质有两个方向可以思考。一个方向是交易的本质是生活方式。第二个方向是，交易的本质是社交。决策的需求也不是决策，你肯定要找到一个更具体的需求上面。
我是这么思考这个问题的。首先我们能观察到，交易这个需求的性别画像都是男的，至少 80% 以上。男人和男人之间的需求之一就是社交，无论是打PVP的游戏，还是男人之间出去唱KTV，还是说几个好兄弟在马路边一边散步一边聊天。男人和男人之间相处其实是不需要意义的，他只要有话题就可以。所以对于一个全男的领域，他的用户之间的互动肯定是可以成立的，你甚至都不用思考他为什么在互动。
对于所以那些所谓的盯盘的场景，其实来自于生活方式这个需求的延伸。
交易是一种生活方式，而人同时有很多种生活方式，它们共享同一个有限的心智带宽。生活方式之间会打架——你不可能一边专注写代码一边盯盘，不可能一边陪女朋友一边看K线。所以交易这个生活方式如果要长期存在于一个人的日常里，它就必须学会"让位"，在其他生活方式占据前台的时候退到后台去，只在真正需要的时候才把你拉回来。
盯盘、提醒、代理监控这些功能，本质上是在帮交易这个生活方式和你其他的生活方式和平共处。
交易跟生活方式和社交的等效性论证，我做的不好，这里有点暴论了。但我觉得人口特征有相近性的时候，这几个东西大概率就是一样的，这是我的经验之谈。有虎扑的手机大概率也有懂车帝，大概就是这种感觉。
所以从这种更普世的需求出发，我们才能构建出更好的产品定位和产品功能。
Q：好像你到最后也没说到底怎么才能让 AI 做交易赚到钱。
A：我能说是商业机密吗（笑）。我觉得做交易不犯错，就能赚到钱。人做交易不犯错很难，AI 做交易不犯错很容易。
AI 做交易可以让大家做交易做的更理性、更全面，能更早地关注到黄金白银的上涨，能注意到日元兑美元的汇率走势，还能理解石油涨了对美股各个板块的景气影响。我觉得把交易做好，就能赚到利润。
大部分人做交易做的不够好，不是因为水平不够，而是因为交易没办法成为他的生活方式，他太忙了，或者说他不想被交易束缚住。所以这种人才要去投基金投指数。这些人的比例非常非常高，甚至一些已经直接持仓的人，也是没有余力去做交易的。我觉得未来有了 AI Trading 之后，这些人就有了新的选项。如果交易是一种没那么累的生活方式，我觉得人人都能做好交易。