Gabe Stengel - Building Investing Superintelligence - [Invest Like the Best, EP.492]

Gabe Stengel - Building Investing Superintelligence - [Invest Like the Best, EP.492]

本期速览

Gabe Stengel 是 Rogo 联合创始人兼 CEO，Rogo 是为金融行业打造的 AI 平台。本期主线是：未来 2-5 年，最优秀的投资者将围绕 AI 重塑其公司和自身，而 Rogo 正在构建让这一切发生的基础设施。全片最有分量的判断来自 Gabe：“可审计性比准确性更重要”——当 AI 输出可追溯时，即使不完美也仍可被使用；而不可追溯的准确输出，因无法信任而毫无价值。

---

主题一：模型能力跃迁与 Rogo 的产品进化史

Gabe Stengel 认为，Rogo 的产品能力与前沿模型的迭代高度绑定，经历了从“完全不可用”到“改变工作方式”的质变。

• 历史脉络：Gabe 在高中和大学曾两次尝试创办 Rogo 均告失败。真正起步是在 GPT-3 发布后（ChatGPT 之前）。早期产品“demo 看起来很神奇，但什么都不好用”。
• 关键节点：
• o1 Pro 时代：模型首次获得足够可靠性，成为“至少是一个好的搜索工具”——能可靠地计算“过去 12 个季度的财务指标”，让用户觉得“自己动手做反而更烦”。
• Opus 4.5 时代（2025 年底至 2026 年初）：模型能力达到“基本上能做任何初级投资专业人士或初级银行家做的事”，前提是给予正确的指令和上下文。
• Gabe 的反思：“应用型 AI 公司存在先发劣势——你以为你知道世界会走向哪里，但模型还没到那一步。用户试了说‘这是垃圾’。但如果你对终局判断正确，当模型到达时，一切就变得神奇。”

---

主题二：最后一英里与“缰绳”才是真正的护城河

Gabe Stengel 强调，在金融 AI 领域，围绕模型的“缰绳”（harness）和“最后一英里”的工程细节，比模型本身的智能更重要。

• 机制拆解：Gabe 以 Claude Code vs. ChatGPT 为例——“模型本身其实差不多，但 Claude 的缰绳和呈现方式好得多，让模型能发挥更多长程能力”。他认为人类之所以能高能动性地做事，不只是因为智商和知识，还因为大脑中有各种“微服务”——如何存储知识、如何检索、如何触发。这些都需要被构建出来。
• 具体细节：Rogo 设计了让 MD（董事总经理）通过邮件发送 Deck 批注的工作流——MD 只需像往常一样在 iPad 上批注，发给 Rogo 的 AI 分析师，20 分钟返回结果（而非传统 2 天），同时自动通知初级分析师并展示完整审计轨迹。
• 合规壁垒：处理 MNPI（重大非公开信息）时，需要像素级的审计追踪，确保“如果某天特拉华州法院法官要求 AI 输入和研究可被取证，你已按正确方式完成，没有信息混杂”。
• Gabe 的判断：“对于 Anthropic 来说，做这些事就像在路边捡一分钱——他们在从 1000 亿到 1 万亿收入的路上，而金融系统有太多需要构建的深度，远不止智能本身。”

---

主题三：定价模式革命——从按席位到按结果

Gabe Stengel 认为，AI 软件企业需要经历两次定价革命：先转向按用量，再转向按结果。Rogo 正试图跳过中间步骤。

• 当前模式：Rogo 目前按席位定价，因为客户（大型银行）习惯这种模式，将其类比为 Bloomberg、FactSet、Capital IQ、PitchBook。
• 未来愿景：Gabe 希望最终实现按结果付费——“如果我按每个好投资创意收费呢？或者按每份完美的 LP 季度报告收费？”他认为客户能清晰感知一个好创意的价值（因为知道赚了多少钱），而按 token 收费会导致双方对价值认知不一致。
• 核心矛盾：如果 Rogo 做得太好、客户用量激增，Rogo 的模型成本也会激增，客户反而变成“更差的客户”。Gabe 的应对是：“我们才走了产品路线图的 1%，99% 的创新在前面。重要的是成为好伙伴，让他们未来还想和我们合作。”

---

主题四：资本市场的未来——从人工中介到 AI 原生交易

Gabe Stengel 预测，10-20 年内，企业融资、资产定价和交易执行将发生根本性变革，类似 Rocket Mortgage 颠覆房贷市场。

• 历史类比：15-20 年前，每个房贷都需要去银行找客户经理面谈，“没人想过你会不想要人类参与”。如今 40-50% 的房贷通过 Rocket Mortgage 等在线平台完成。
• 推演：
• KKR 评估能否将投资组合公司卖给另一家赞助商：从 5 个月缩短到 5 分钟。
• 资产定价时间将减少一个数量级。
• 市场将更透明、更具流动性、更高效，活动量大幅增加。
• 所需基础设施：Gabe 类比 Bloomberg 的策略——“先给一点数据进门，构建所有分析和工作流，然后提供交易和通信平台”。Rogo 的路径是：先用 AI 进门，构建完整工作流（从 copilot 到 autopilot），然后构建代理之间的通信渠道，让 AI 代理跨机构谈判交易。
• 不确定性：Gabe 承认“私人市场实际转型的速度”是最大不确定因素之一。标准化程度、监管力量、以及“小企业主是否愿意点击按钮卖公司而非握手”都是未知数。

---

主题五：企业 AI 采纳的现状与创新者困境

Gabe Stengel 认为，金融服务业正面临几十年来首次重大的“创新者困境”，而大多数公司仍停留在“个人效率提升”阶段，未转化为“企业级生产力”。

• 现状：大多数公司看到巨大的个人效率提升，但尚未转化为可衡量的企业生产力。Gabe 描述：“你问任何一家我们部署的银行里的分析师，他们会说‘生活太棒了，我比以前高效 100 倍’。但问题是——这体现在哪里？你赢到更多交易了吗？”
• 创新者困境：过去 10-20 年，投资机构和银行的日子很好过。私人市场的基金有自然惯性（募一个又一个基金）。Gabe 判断：“现在第一次出现了一个冲击，让每个投资机构和银行都说‘哇，我需要彻底重新思考我在做什么’。将有数百家 AI 原生的颠覆者攻击我的商业模式。”
• AI 原生的定义：“愿意不断彻底重塑你所做的一切，如此‘AI 上瘾’，以至于不担心什么是可能的或看似天方夜谭，只是朝着将这项外星基础技术整合到一切的方向前进。没有任何业务部分神圣不可侵犯。”

---

提及的标的

标的	嘉宾态度	关键数据
Rogo（自身）	看好，认为处于产品路线图 1% 阶段	已收购 6 家金融 AI 初创公司；团队超 100 人来自顶级投行/投资机构；A 轮前被 40 位投资者拒绝
Anthropic	视为模型供应商，非直接竞争对手	定价模式为 token 消耗；Claude Code 因“缰绳”更好而获得使用量增长
OpenAI	同上	ChatGPT 为个人 1 对 1 使用模式
Bloomberg	作为商业模式类比	策略：数据入门→分析工作流→交易/通信平台（Bloomberg Messenger）
Rocket Mortgage	作为行业变革类比	40-50% 房贷通过在线平台完成
JP Morgan	作为客户创新案例	宣布将尝试为 SMB 做更多 M&A 工作，因 AI 使“一个银行家就是一个交易团队”成为可能
Harvey（Winston 创立）	作为同行参照	Gabe 称赞 Winston 不被“一百个皮肉伤”分心的能力
Molas（John Montazzi 联合创立）	作为最前沿的行业实践者	想要所有最佳银行家的数字克隆，让初级人员也能利用其专业知识和关系

---

值得记住的判断

1. “可审计性比准确性更重要”（Gabe Stengel）——如果输出可追溯，即使不准确也仍可被使用和调试；如果不可追溯，无论准确与否都不可信。这在监管严格的金融领域尤为关键。

2. “模型已经比我知道的任何人都聪明。问题在于管道。”（Gabe Stengel）——连接上下文、告知你的投资主题、整合到你的工作方式中，这些“管道”工程才是当前的前沿。

3. “每个 PM 可以拥有 10,000 个代理，让它们互相讨论、阅读笔记、辩论 24 小时，然后给你一个想法。”（Gabe Stengel）——因为投资者愿意为一个好创意支付 5 万美元，这种 token 消耗模式在金融领域可行，在其他领域很少见。

4. “如果每个投资机构都将在未来 18 个月内做出 AI 购买决策，并且无论如何都会买点什么——那么唯一重要的事就是尽可能快地占领市场。”（Pat Grady 对 Gabe 的反馈）——Gabe 据此将计划调整得更加激进，接受“失败概率增加 30%，但成为千亿公司的概率也增加 20%”。

5. “10 年后，世界最好的投资机构和银行，90% 的企业价值将不在人身上，而在软件、数据和系统中。”（Gabe Stengel）——他建议每个机构从现在开始思考：如何将最佳人才头脑中的隐性知识提取到机构拥有和运营的系统中。

6. “Rogo 内部有一个叫 Shrek 的公司大脑——所有内部对话都被记录、过滤进去。它既是主动的也是被动的：可以查询信息，也可以主动提醒你‘周四你要见这家私人信贷公司，这是你应该知道的信息’。”（Gabe Stengel）——Gabe 每月查看全公司 AI 工具使用排名，最末位会在办公室被贴“傻瓜帽”。

7. “私人市场一直对标准化免疫，因为存在大量非结构化数据。AI 应该能解决这个问题。”（Gabe Stengel）——但转型速度取决于监管力量和市场力量，以及“小企业主是否愿意点击按钮卖公司而非握手”。

8. “应用型 AI 公司将成为人才、资本和品牌的‘黑洞’。”（Gabe Stengel）——AI 是巨大顺风，但执行门槛比以往任何时候都高。如果不能尽快成为这样的黑洞，就面临被实验室或更大公司碾压的风险。