

- 64
- Episodes
- 2
- Ratings
- Bi-weekly
- Cadence
- 2024
- First episode
About 精分派
趋势如流,价值如锚,立者唯你
- Publisher
- 张翼轸
- Category
- business
- Language
- zh
- Explicit
- No
- First episode
- 13 Jul 2024
- Latest episode
- 21 Oct 2026
Latest episodes
64 episodes in the feed.

21 Oct 2026
AI 能写得像我,但我为什么完全不焦虑?
我是张翼轸。在这期节目里,我受邀与朱博 (https://www.xiaoyuzhoufm.com/podcast/6a4488e674a29b86110e8465)聊了聊 AI 对我个人创作、编程以及投资研究的真实改变。从早年恢复个人博客数据、搭建 EarlMind,到如今利用 AI 辅助数据清洗与绘图,我始终把 AI 当作个人的效能放大器,而非盲目追逐时髦。我们深入拆解了 AI 在不同行业的容错率本质、它为何撼动不了核心工业软件与量化投资的底层逻辑,以及文字工作者面对模型演进时该有的定力。无论技术如何演进,投资中的贪婪、恐惧与真实痛苦,机器永远无法替代。 Shownotes [00:00] 概率模型的本质与个人博客的数字重生 大语言模型本质上是通过温度值调控的概率模型,天生具备不可重复性。 去年借助 AI 恢复了十几年前停摆的独立博客数据,并将文字沉淀为纯文本的 Markdown 格式备份到 GitHub。 重启名为“EarlMind”的个人网站,定位于“一半是对算力的好奇,一半是对生活的偏见”,作为未来构建数字分身的语料库。 [03:40] 偏见、谄媚度与 SVG 竞技场的小实验 选用 Hugo 搭建静态站点,完全抛弃臃肿复杂的传统架构,确保所有底层文本对 AI 具备最高友好度。 通过子域名搭建了两个个人研究项目,其一专门用于量化评估各大主流模型在面对用户时的“谄媚倾向 (https://chanmei.earlmind.com/)”。 搭建 SVG 竞技场 (https://svgarena.earlmind.com/)测试各模型在代码制图时的字符重叠与排版瑕疵,关注模型在硬性排版规则上的真实能力。 [08:21] 软件产业的核心壁垒是行业标准与责任背书 工业级专业软件不会轻易被 AI 取代,其核心壁垒并非界面或交互,而是长期沉淀的标准与商业背书。 以医药领域的 SAS 软件为例,即便开源的 R 语言十分强大,FDA 依然只认可具备付费背书的成熟标准。 许多 AI 从业者低估了软件深层机理的复杂性,真正的壁垒往往隐藏在看不见、摸不着的行业规范之中。 [11:03] 容错率法则:决定哪些行业会被 AI 迅速颠覆 现阶段 AI 的繁荣高度依赖于高容错率环境,编程研发正是因其具备格式化检查、单元测试与版本回滚等机制而成为最适合场景。 越靠近现实物理世界、容错率越低的领域,如医疗诊断与企业核心系统,对 AI 的接纳度越低。 企业采购的核心考量往往是规避责任与合规背书,这种基于职场规则的生态绝非单纯依靠模型能力就能打破。 [14:40] 警惕投顾与投研场景中的“炫技流” 业内许多金融 AI 案例本质上是脱离业务一线的闭门造车,其效果甚至不如基层人员朴实的情感沟通。 大语言模型在心理洞察与定制沟通话术上表现突出,能有效提升人际交流这类高容错场景的体验。 面对投研这类要求严谨逻辑与客观事实的环节,必须对模型的幻觉与输出保持高度审慎。 [16:40] 严肃写作与长文本:模型演进的真实拐点 直到 2024 年底 GPT-4o 将单次输出长度推升至两千字以上,AI 才真正踏入严肃文字创作的实用门槛。 随后长文本思考模型与各类升级版本的推出,单次输出可达五六千字,在信息梳理上已具备匹敌专业记者的能力。 文字工作者感受到的冲击并非来自表面润色,而是模型驾驭长篇逻辑与架构分析的质变。 [19:35] 码字变廉价之后:为何模型开始主动“劣化”文笔 商业资本驱动下的模型开发正全力向代码与逻辑推理倾斜,因为传统文本创作的商业回报极低。 厂商为了节省算力资源,在系统提示词与算法层面上刻意抑制修辞与文学性,以实现极致精简直白的输出。 当下的文本生态充斥着浮躁与通胀,对真正追求自我表达与深度思考的人而言,机器的偏向反而是件好事。 [23:10] 我的工作流:将确定性留给自己,将流水线交给工具 纯文献综述借助提示词一次性生成带有阅读趣味的中文稿,这类工作直接归功于模型,不掺杂个人色彩。 核心论述依然坚持亲手键盘录入,珍视多年打字带来的思维节奏与乐趣,不轻易被语音输入打乱。 借助 Python 脚本将图表设计风格标准化、流程化,杜绝排版过程中的随机波动,让自动化彻底接管后台琐事。 [27:00] 兴趣驱动的研究:摆脱做号逻辑与流量绑架 从早年的保险条线到对指数化投资的深入研究,多领域的探索完全源自纯粹的个人求知欲。 拒绝为了迎合大众而将严肃内容降智、嚼碎喂给读者,坚持只输出行业内被忽视或缺乏讨论的真问题。 不盲目跟风追踪每一次模型发布,只有当新工具能够实质嵌入并改善现有工作流时才会深入测试。 [30:30] 用需求倒逼学习:让代码成为解决麻烦的扳手 借助深厚的逻辑基础与代码经验,把 AI 当作查阅文档与重构繁琐算法的高效助手。 任何工作流程如果需要重复操作三次以上,就值得借助自动化手段将其彻底固化。 门槛的大幅降低让个人能够轻松定制微型工具,把精力从机械性消耗中解脱出来,回归到人的创造力本身。 [35:20] 过滤焦虑:学得慢不要紧,不需要涉猎所有赛道 模型技术的迭代瞬息万变,许多耗费精力掌握的中间态技能往往会在几个月后随架构更新彻底失效。 明确个人表达的核心载体,对于不感兴趣的视频剪辑与画面生成,选择主动放弃与忽略。 大多数所谓的焦虑源于大厂白领对非必要岗位的替代恐慌,掌握真实手艺的人反而最为笃定。 [40:00] 物理世界的手艺人与过度膨胀的白领泡沫 许多被高度量化的白领岗位在历史上存在周期极短,本身缺乏难以逾越的专业壁垒。 无论是初级前端开发还是基础视觉设计,由于入行门槛已被彻底平权,超额收益必然被快速抹平。 唯有直接与物理世界交互、需要高情商及手脑协作的真实劳动,才能在智能化浪潮中长期具备不可替代性。 [44:30] 智商回归与情商价值:AI 时代的职场斩杀线 复杂大模型的一时爆发让极少数高智商科学家重新站在聚光灯下,但这无法掩盖行业本身无法大规模创造就业的本质。 在广泛的现实协作中,理解人性、感知情绪与达成共识的情商能力,依然远比单纯的数据运算更为核心。 绝大多数常人无需被高智商神话恫吓,守住与真实人类产生联结的同理心,就是最坚固的防线。 [46:25] 拒绝黑盒:为什么我始终坚持基于编辑器的编程工具 偏好使用保留完整代码编辑界面的开发工具,始终将代码与文本的改动置于自己的全面掌控之下。 拒绝盲目依赖那些完全隐藏底层逻辑的终端工具,对交付物必须逐行审查并拥有最终决断权。 编写脚本仅仅是为了精准解决个人日常中的微小痛点,无需将自用工具过度包装成华而不实的产品。 [51:00] 对抗模型幻觉:最笨的溯源才是最硬的护城河 即便当下最先进的旗舰模型,在开启检索后依然会煞有介事地捏造论文出处或篡改名人格言。 强制使用学术文献管理工具存储一手 PDF 原文,逐字比对出处页码,以传统新闻采编的标准核实每处信息。 大多数用户常将概率模型误当成全知全能的百科全书,在低容错的严肃专业领域,严苛的人工校验不可或缺。 [56:40] 金融与资管变局:AI 改变了微观脏活,但改写不了零和博弈 在量化领域,数据清洗、另类数据挖掘早已持续多年,大模型的加入只是进一步加速了因子的复现与折旧。 主观投研中的研报搜集与初级资料整理逐步被替代,但核心的参数裁定与定性决断始终是一门充满人性的艺术。 资管行业从根本上是零和博弈,当所有机构都利用算力提升生产力时,竞争只会重回均值,无法产生系统性超额。 [01:04:40] 表面降本增效的代价:套话泛滥与用户体验滑坡 各家机构为追赶潮流批量生成大量空洞内容,甚至连最基础的中文标点规范都彻底丢失。 盲目用机器客服取代真人服务往往适得其反,表面上压缩了财务开支,实则严重透支了金融品牌的信任资产。 许多跟风举措仅仅是为了迎合管理层的技术焦虑,并未真正经过商业转化的长期检验。 [01:08:20] 没有痛苦就没有共情:机器永远替代不了真实投资 AI 或许在文字流畅度上早已超越凡人,但冰冷的辞藻在真实的投资世界里根本毫无分量。 市场之所以难以战胜,是因为真实的人性时刻经受着贪婪、恐惧、回撤与亏损的剧烈折磨。 机器没有欲望,也不会承受账户缩水的切肤之痛;正是这种共情与切身体会,构成了活人不可替代的终极价值。 在小宇宙查看该单集文稿 (https://oia.xiaoyuzhoufm.com/player/6ad87c90b381c0fcba1989dc?openTranscript=true&utm_source=rss&as=cHQ9MTIyNjE5MjQ3JmN0PXJzcyZtdD04&autoOpen=false)

24 Aug 2026
当两位指数投资大佬,点赞一家全球主动基金巨头
《长线制胜》讲的是美国主动资产管理巨头资本集团的故事。有意思的是,写这本书的查尔斯·爱丽丝与作序的伯顿·马尔基尔,正是《赢得输家的游戏》和《漫步华尔街》的作者——两位指数投资的旗帜人物。这个看似离谱的组合,恰恰说明主动与被动并没有那么泾渭分明:低费率、稳定的方法、去明星化的组织,让资本集团在1973到2003年间交出了一份跑赢指数的成绩单;而出版后的二十多年,又让我们看清规模如何一点点吃掉超额收益。站在刚经历2026年A股魔幻六月和七月的此刻读它,更容易让我们明白:长期主义不是一句赞美,所有关于长期的承诺,都必须接受下一段长期的考验。 [00:09] 开篇:为什么在2026年这个时点读《长线制胜》 2026年六七月间,A股主动基金追涨芯片股又在七月承受三到四成回撤,让这本书有了现实意义 资本集团是成立于1931年、管理规模达三万亿的美元美国主动资管巨头 写书的查尔斯·爱丽丝与作序的伯顿·马尔基尔都是指数投资大咖,这个组合第一眼看上去确实离谱 [02:13] 主动与被动,并没有想象中那么泾渭分明 许多基民在2021年主动基金上受伤后转向指数基金,进而走向“指数才是王道”的极端 以指数投资闻名的先锋领航,其实也拥有规模庞大的主动管理业务 两位大咖反对的或许不是“主动”二字,而是高费用、短线操作与围绕明星基金经理制造的幻觉 [04:07] 低费率与三十年成绩单:主动基金也曾跑赢指数 费率是长跑中逐年复利的沉重负担,资本集团旗下基金费率显著低于主动基金行业平均 伯顿·马尔基尔在序言里列出:1973到2003年,资本集团旗舰基金显著跑赢标普500等基准 成绩单止于2003年,因为英文版出版于2004年 [06:18] 出版后的二十多年:规模如何吃掉超额收益 2008年旗舰产品全年跌约23%,跌幅超过同期标普500,期待中的下行保护并未出现 美国基金系列随后流出近千亿美元,2010年代业绩分化,超额收益在旗舰产品上明显收窄 规模是超额最大的敌人:数万亿只能偏大盘股、调仓冲击大,又被科技巨头主导的指数行情拖累 [08:29] 带着后见之明读书:对照当下的中国公募 译者范安杰是聪明投资者的联合创始人,2003年开始基金报道,见证了中国公募的发展 站在二十多年后回看,既读到资本集团靠低费率、多基金经理与长期投资成为翘楚,也看到其后的回撤、赎回与超额收窄 对照当下中国公募:市场热什么就蜂拥发什么、风格占优就漂移过去,热潮退去后净值与体验是另一回事 [10:56] 烧冷灶:低迷期逆势发行,热闹时忍住扩张 1994年市政债低迷时成立美国高收益市政债券基金,回暖后业绩迅速进入同类前三 1999年新兴市场信心受挫时逆势推出新世界基金;70年代初也不跟风货币基金,担心诱导投资者在股市低迷时转现金 不在产品最好卖的时候推出热门产品,本质是不把规模当成唯一的KPI [14:14] 漂亮50风潮中的坚守:不漂移,与客户双向奔赴 1974年资本卫士信托陷于低谷,面对客户“会否改变投资方法”的质问,答复是既定方法不因风潮而变 客户回应“我就是喜欢你这样的坚定”,没有撤资——没过多久漂亮50泡沫破裂,1977至1978年该公司显著跑赢市场 对照2026年5、6月漂移到芯片股、七月挨揍的基金经理,正如克罗齐所说:一切历史都是当代史 [16:41] 多元基金经理制与“不上报纸”的反明星文化 A股近期张坤、刘彦春等明星基金经理增聘熟悉科技的年轻基金经理,公开说法是强化团队化,味道却不同 资本集团一只主动ETF由五位基金经理、另一只由七位管理,从业多年却在业内并不出名 基金经理名字不上报纸,反明星文化筛掉追逐光环的人,也减少了内部短期赢家与输家的对立 [18:56] 规模的边界,与长期主义的真正考验 多元基金经理制下独立管理、合并持仓,组合会被稀释甚至接近高度分散的大盘;上千亿规模分给七个人也挡不住超额衰减 主动管理长期成功的条件是费率克制、方法稳定、不在热闹时做短期好卖而长期无益的事 两位指数大佬认可的是一家公司用低费率、稳定方法与去明星化组织做成的一场制度实验;长期主义意味着所有关于长期的承诺,都要接受下一段长期的考验 在小宇宙查看该单集文稿 (https://oia.xiaoyuzhoufm.com/player/6a8c3b6e1352af56ff3b4701?openTranscript=true&utm_source=rss&as=cHQ9MTIyNjE5MjQ3JmN0PXJzcyZtdD04&autoOpen=false)

16 Aug 2026
当一名保安从股市赚到1亿美元之后
各位好,我是EarlETF的张翼轸。《金融怪杰:下一代》今年6月出版,第一位受访者是瑞典交易员库拉马基,故事极具戏剧性:2011年他用当保安攒下的5000美元入市,十年后账户最高冲到1.05亿美元,位列瑞典全国个人收入榜第15名,有官方税务记录背书,做不了假;更耐人寻味的是,他在一年里又亏掉了6000万美元。他是怎么赚钱的?四个字:见好就收。赚到钱之后怎么过人生?答案还是这四个字。本期就从这位保安交易员说起,聊聊趋势交易者绕不开的两道题:怎么拿住利润,怎么守住生活。 Shownotes [00:09] 开场:从5000美元到1.05亿美元的保安交易员 《金融怪杰:下一代》英文版今年6月出版,第一位受访者是瑞典人库拉马基 2021年他凭借官方税务记录位列瑞典全国个人收入榜第15名 本期聊两个问题:他怎么赚钱,以及赚到钱之后怎么过人生,答案都是“见好就收” [01:31] 保安入市:退学、三度爆仓与越亏越慢的“进步” 2010年他在纳斯达克斯德哥尔摩大楼当保安,看西装革履的人进出,读了一年书后决定退学做交易 2011年用攒下的5000美元上实盘,两个月亏掉90%;此后三次爆仓,靠上夜班和周末班省吃俭用重新攒本金 他把爆仓从两个月、五个月到将近一年视为“亏钱越来越慢”的进步,书中多位交易员也有同感 [03:35] 保安夜班是最好的交易学堂:新闻、放量、突破 12小时夜班有一半时间看书翻图表,他总结出大波动股票的三要素:新闻、高成交量、突破 由此完善体系:更快止损、提高胜率、及时锁利、少做蠢事,换券商后佣金降了90% 交易第三年稳定盈利,2016年前后从日内转向波段交易,理由是“不想每天盯8小时盘” [04:47] 2020-2021:十倍跃升与被税务局认证的传奇 2020年初账户350万美元,疫情、疫苗股、特斯拉带来密集机会,年底冲到3600万美元,全年约十倍 2021年达到1.05亿美元峰值,其中从6500万到1.05亿只用了一个半月 十年从纳斯达克门口的保安到瑞典收入榜第15名,赚钱多少决定交税多少,这份认证造不了假 [06:17] 三种交易方法与0.5%风险纪律 事件性转折:重大新闻加跳空高开加放量,三个条件缺一不可 突破交易:等盘整1到3周的领头羊放量突破整理区间时买入;抛物线做空:对几天内涨幅超300%的小盘股在走势疲弱时做空,非常凶险 所有方法的共同点:做多止损放在入场当天最低点,做空放在当天最高点,每笔只承担账户0.5%的风险,胜率25%到33%,靠赔率赚钱 [08:36] 当趋势交易遇上见好就收 相比海龟法则全程咬牙持有、回撤30%到40%是常态,他在趋势里加了一个“见好就收”的环节 盈利后头3到5天先卖掉三分之一到五分之一的仓位,剩余仓位的止损抬到盈亏平衡点,收盘跌破10日或20日均线离场 在我看来,这是趋势交易在新时代的迭代,牺牲部分上涨潜力,换来回撤大幅降低,普通心智更能坚持 [10:06] 大回撤的煎熬与“只在均线向上时交易” 身处大回撤时你分不清这是黎明前最黑暗的时刻,还是策略已经失效,这种煎熬不是普通人能承受的 他只在10日线和20日线都向上时操作,十日线下穿二十日线就停手,据他估计能避开80%的坏行情 这条规则与他人生最要命的一段经历直接相关 [11:29] 膨胀时刻:被“六个月翻倍”的目标困住 账户突破1亿美元后,兴奋只维持几天,他就定了六个月从1亿做到2亿的小目标,笃定交易是一场必胜的电子游戏 2021年11月市场临近见顶,他却加杠杆持有1.5亿美元多头;2022年10日线跌破20日线,按规则该停手,但他被目标困住,继续交易继续加码 账户从1.05亿美元跌到4500万美元,亏掉6000万,他承认遵守均线规则能避免90%的亏损,“这就像一把匕首刺穿了我的心脏” [13:26] 游艇与海上交易:为生活做的取舍 2021年底他买下游艇、交了巨额税款,此后大量时间在海上旅行,常在酒店和船上交易,连每月复盘优秀交易截图的习惯也停掉了 2024年1月超微电脑财报放量高开10%,是他典型的五星级机会,他却因处理别的事情主动放弃 专注力下降、收益走平,他给机会众多的2024年打了递减的分数——这是人生选择的代价 [15:47] 交易与生活之间的旋转门 止损、仓位、均线都是他给自己交易装上的安全门,赚到1亿美元时他一度忘了自己为什么守在那里 他要守住的其实是交易与生活之间的那道旋转门:门不能无人看守,但人不能被永远困在门边 与老一辈苦行僧式的交易者不同,新生代交易者选择“不再这样”,他的答案是:“我以前是为交易而活,现在是为生活而交易” 在小宇宙查看该单集文稿 (https://oia.xiaoyuzhoufm.com/player/6a81bba917676351c572bb54?openTranscript=true&utm_source=rss&as=cHQ9MTIyNjE5MjQ3JmN0PXJzcyZtdD04&autoOpen=false)
Reach and audience
Public platform figures. Ratings count people who left a rating, not total listeners.
- Apple Podcasts (US)
- 3.0 / 5
- 2 ratings
Contact 精分派
- Guest appearances
- Books guests
Based on episode analysis; this does not confirm that the show is currently accepting guests.
Shows with a similar audience
Host of 精分派?
Claim your podcast to manage its listing and keep your show details accurate.
Pod Engine is an independent podcast discovery and analytics service and is not affiliated with or endorsed by this podcast. Artwork and show content belong to their owners. Full legal notice.
Explore this show
Podcast research with Pod Engine





