核心观点 - 知名经济学家付鹏将其二十多年积累的独家语料、经验与逻辑框架训练成AI分身，在nashnova平台上线，旨在实现碳基智慧向硅基智能体的传承与延伸[6][16] - 财经领域AI分身的核心壁垒不在于形象声音复制，而在于能否复刻一个人看待问题的方式、经验与认知框架，这需要独家、完整、非公开的语料作为原材料[12][15][24] - nashnova计划将这套训练标准与认证机制复制到更多顶尖分析师，并最终让每个用户都能创建、调教自己的Agent，形成可验证、可复用的研究网络[50][54][55] 财经AI分身的演进与挑战 - 两年前付鹏团队制作的数字人仅能按脚本说话，缺乏独立思维[8][9] - 大模型进化后，AI分身从表达方式升级为会思考的智能体，核心变化是“数字人有了大脑”[10][11] - 金融链条大部分环节将最终与AI融合，包括交易端的AI Trading Agent和上游的AI研究员[12] - 财经领域容错空间极小，影响力大的人物难以将名字交给可能“一本正经说错话”的模型[4] - 付鹏认为AI无法分析人性，因此他交给分身的不是时点结论，而是经验、认知、意识形态与逻辑框架[15] 独家语料与训练方法 - 市面上多数AI分身采用RAG（检索增强生成）技术，在通用大模型外接入特定人物资料库[18][19] - RAG的边界在于遇到资料库未覆盖的新问题时，仍需依赖通用推理能力，类似“开卷考试”[22][23] - 付鹏的AI分身原材料来自其1999年至今的文章、日记、季度数据梳理、每年四五百页的PPT年鉴、调研报告、交易记录及图表数据库，二十多年未中断[30] - 早期BBS发帖未用真名，AI无法扒取这些内容[31] - 过去整理这些资料效率极低，现在用AI模型做分类和预训练，一周即可梳理完二十多年内容[32] - 付鹏将AI分身的萃取比作冶炼工艺，前端原材料越纯，输出越接近其本人经验而非通用知识库[33] 测试验证与持续迭代 - 测试中，AI分身能快速调出2023年记忆完整讲述野比大雄的故事[34] - 针对美国财政部干预美债回购问题，分身沿用付鹏的Q（总量）、P（水温）、g（结构）分析框架，得出与付鹏真实观点几乎吻合的结论[37][38] - 生成式AI存在用确定语气给出不准确答案的问题，在投资研究中会直接影响判断[41] - 付鹏将工作流迁移为“保存到AI分身的硬盘上”，每季度数据梳理、每年年鉴及日常新增研究都会持续进入系统[43] - 模型在新增材料、用户提问和反馈中持续迭代优化回答方式[43] - 付鹏引用马斯克观点，希望AI分身未来能达到99.9999%的可靠性[44] 沟通效率与信息整合 - 付鹏举日元期权策略为例，其真正讨论的是涉及特定执行价和风险收益结构的策略，但读者易误解为简单方向判断，沟通成本极高[44] - AI分身将“一个人对一群人”的模式转变为“每个人对同一套系统”，实现千人千面但系统一致[45] - 分身持续汇总付鹏散落在直播、专栏、播客、闭门交流等各渠道的最新动态，推送并做解读，建立观点间的连续性[46] nashnova平台生态 - nashnova底层接全球行情、结构化财报、电话会议记录、机构研报和宏观数据，注重表格、数字与上下文关系的完整保留[52] - 每次回答被拆解为核心理由、关键变量、判断失效条件及下次复核时间四件事[53] - 未来每个人可在nashnova建立并调教自己的Agent，将交易体系、风险偏好、研究习惯教给它[54] - 经过验证的研究方法、策略和工作流可发布到网络供他人订阅、复用或改造[54] - 每个Agent的判断记录、市场验证结果将沉淀为各自的履历和适用边界[56] 未来展望 - 付鹏设想未来直播间里可能是能实时理解问题、主动追问并与主持人自然交流的AI分身，并为其取名“小鹏鹏”[58][59] - 当前模型仍需人主动提问，缺少情绪、节奏与现场沟通感，真正接近“贾维斯”式智能体可能还需三五年[59] - 付鹏认为现在不做，到时候再做就晚了[60] - 当AI能学习一个人的经验并理解思想判断时，提前做的工作可视为某种意义上的“永生”[61]