当特斯拉股价在 Q3 财报公布后逆市大涨时，不少投资者吃了一惊。大家没有猜到特斯拉可以实现盈利。

不过，在华尔街某个角落的办公室里，一些基金经理却并不感到意外。他们早就预判出特斯拉产量会大增，并且提前做了投资布局，而他们所使用的方法，却与以往华尔街的判断方法完全不同。

他们靠的是手机信号。

特斯拉 CEO 马斯克一直强调自己的公司在加班加点生产，但特斯拉的工厂向来十分封闭，外界并无法确认这一信息。于是，一家叫做 Thasos Group 的金融科技公司想出一个办法，他们在一张电子地图上围着特斯拉在东湾弗雷蒙特的工厂周围画了一个数码地理围栏，然后将 GPS 数据显示来自这个圈里的手机信号数据都单独圈了出来。

对这些数据的分析让他们发现，今年 6 月到 10 月，特斯拉工厂的加班情况增长了 30%。

Thasos 将这些数据和发现卖给华尔街的对冲基金们，他们据此加仓特斯拉，当特斯拉在财报后股价大涨 10% 时，这些金主只需要躺着数钱就行了。

数据就是金钱

人们都说数据对于未来人类社会，就是新的石油，它能驱动一切。而对于华尔街来说则更加直接，数据就是金钱。

金融行业，大家都在从大量的信息中寻找有价值的信息来构建自己的模型，如果可以比别人更快更准地做出判断，那么你就赢了。而互联网科技的发展，让越来越多以前无法收集的信息变成了可以分析的数据，同时，机器学习等人工智能技术，又让分析数据，从这些杂乱无章的信息中找到规律的能力变得无比强大。

不只是人们的手机数据，华尔街的金融机构们早已经开始尝试用 AI 分析社交网络数据、用自然语义处理的技术分析那些枯燥的财报，甚至从电话会议里各个上市公司高管的语气来判断公司的前景。

曾在微软担任人工智能首席科学家的邓力，在 2017 年就离开科技圈加入了美国知名的对冲基金 Citadel。邓力是人工智能，尤其是自然语言理解与语音识别技术的专家。他在 2009 年同 Geoffrey Hinton 教授一起，首次将深度神经网络应用到大规模语言识别中，引领了潮流。

" 我现在就是把以前在自然语义等方面的研究，应用到金融方面。" 硅星人在 AI Frontiers 大会上见到邓力。他带领的团队正在尝试使用自然语义处理等技术，把那些对与投资决策很重要的非结构化数据变成可以放入投资交易模型的量化数据，从而提高投资表现，提高回报率。

除了像 Thasos 公司和邓力的团队这样，在拓展数据来源上做各种新的尝试，华尔街的金融机构还在广泛地引入机器学习等技术用于数据分析。而机器得出的结论往往被认为比那些投资大师还要靠谱。

今年早些时候，一家位于伦敦的对冲基金 Winton，就分析了过去半个世纪的 9000 多次美国大公司并购数据，并且证明了巴菲特的说法是错误的。

巴菲特曾经表示，大型的收购会破坏公司的价值，但 Winton 的机器学习算法并不这么认为，他们的分析得出的结论正好相反。

所以，巴菲特的直觉，和强大的 AI 模型，你会相信哪一个呢？

AI 专家吃香 金融从业者失业？

越来越多的金融机构在拥抱 AI。这些机构的日常运作就变成了这样：

有经验的交易员和基金经理们选择出他们认为最重要的影响力因子，然后通过各种先进的数据收集方式得到这些因子对应的数据。之后，用机器学习模型来训练和提高这些因子的准确性，从而能得到更准确的预判。

训练之后，这些模型会由同样是由机器运行的自动化交易系统里，对他们所持仓的股票作出买卖判断。

如果这些模型对所投资的公司的某些数据的赌注 " 赌对了 "，也就是比上市公司公开这些数据更早的判断对了这些数据的变化，那么他们就会赚钱。

而很显然，这里面更需要懂的机器学习等 AI 技术的人员，而传统的分析师等岗位注定受到冲击。

咨询公司 Opimas 的一份报告就指出，由于人工智能的发展，金融业现存的 30 万基金经理，分析师，后台员工等岗位，到 2025 年将减少 9 万个。与此同时，AI 专家们开始受到华尔街热捧，技术大牛们开始从硅谷流向华尔街。

" 我从微软加入 Citadel，从一个科学家，变成了一个掌管着 300 亿美元的对冲基金的高管。我都挺惊讶。" 邓力说。" 事实是，我对金融一点都不懂。"

这些财大气粗的华尔街巨头并不需要他们的金融知识。邓力在和招聘他的人聊了半天，并且自己又研究了一下对冲基金的基本运行方式后，得出一个简单粗暴的结论：" 他们就是希望我来帮忙找出垃圾嘛。"

他口中的垃圾就是那些对投资并无参考意义的噪音，而邓力的用词与华尔街完全不同，给人满满的 " 硅谷入侵华尔街 " 的画面感。

邓力在 2017 年离开微软，加盟 Citadel 后担任 " 首席人工智能官 "，这也是单独为他新设立的职位。他透露，今年 Citadel 允许他在西雅图设立了办公室，专门 " 挖角 " 科技公司的人才。" 当然，我不会挖微软。" 他开玩笑的说。

" 我招人跟他们金融部门完全不同，这些候选人一点金融知识都不需要懂，我看重的是技术，是 AI 和数据分析的能力。他只需要对金融有一点感觉，就完美了。"

类似的，摩根大通最近请来了卡内基梅隆大学机器学习系主任曼努埃拉 · 维罗索，来领导他们的人工智能研究实验室。华盛顿大学计算机系的知名教授佩德罗 · 多明戈斯，加入了华尔街对冲基金 DE Shaw，负责他们新成立的机器学习部门。

同时，花费在 AI 上的投入也不断增长。据彭博的一份数据，华尔街的金融机构如今在这些 AI 大牛身上的投入，一年可能就要达到 100 万美元。

这也自然挤占了雇佣传统的分析师，投资经理的预算。这些曾经意气风发的投资经理们，也许需要从现在开始学习编程，才能保住饭碗了。