当行业开始承认 AI 不仅限适配量化时，更反应出 AI 工具不是供需中最稀缺的那个约束。大模型时代势必会出现跟量化时代不一样的系统化投资，LLM 拓展出的顶级语义计算能力是数字和代码之外的新的金矿，而这正是主观私募最擅长的主战场。未来真正有价值的是机构率先能把主观判断、量化纪律和 Agent 工作流缝成一个投资决策系统，以此赋能投研决策和净值曲线。

证券时报昨天这篇报道《主观策略私募加速 AI 化 打破“只适配量化”偏见》，算是主流财经媒体开始给我们一直喊的“主观策略也需要 AI 化”盖章了，只不过现在引起行业注意的还仅是停留在信息处理这一层，和扩展 Alpha 覆盖边界这一步，远未触及真正的主观私募壁垒和看家才能。

显然，主观最强的地方不仅限存在于找到信息。

以及，再进一步，并不是只有量化才能承载系统化投资。

LLM 带来的变化在于，它第一次把大规模机器算力接进了语义环境下的投资世界。

过去，系统化投资更多围绕数字和代码展开。价格、成交量、财务指标、因子暴露、回测框架，这些天然适合被机器处理，也让很多人默认：AI 和系统化更适合量化。

但资本市场从来不只是数字世界。

尤其对主观策略私募来说，真正重要的大量信息，长期存在于语义世界里：产业链调研里的模糊表述，管理层会议中的语气变化，政策文件里的措辞差异，卖方报告中的预期修正，市场叙事的扩散路径，以及一家公司从“还没人相信”到“开始被资金定价”的微妙过程。

这些东西过去很难被传统代码直接处理，只能依赖研究员和基金经理的经验、直觉和长期训练。

而 LLM 拓展出的顶级语义算力，正在让这片数字和代码之外的世界，变成新的金矿。

这恰恰是主观私募最擅长、也最应该被 AI 放大的主战场。

只有量化才能代表系统化投资的刻板影响在大模型的时代应该改写一下了。LLM 和 Agent 工作流的出现，让系统化的边界从“数字 + 代码”进一步扩展到“语义 + 代码 + 主观判断”。

所谓 vibe coding，在投资端真正有意义的地方，不只是让不会写代码的人也能调用工具，而是让一个主动管理者可以用自然语言描述自己的研究路径、判断框架和行动习惯，再让 AI 把这些判断逐步转化成可持续运转的工作流。

这意味着，主观投资里的很多高密度判断过程，开始有机会被沉淀、被延展、被反复校准。

仅是把 AI 局限在信息读取层，是低估了语义算力的边界。

它本可以帮助基金经理把那些原本散落在脑海里的产业理解、市场感觉、交易经验和错误记忆，逐渐组织成一个更稳定的外部系统。

下一阶段的主观私募 AI 化，真正的分水岭不会停留在谁的工具如何，工具仅是思维方式的承载形态。

冰山之下，主动管理隐藏最深、最被低估的部分，是在不确定性下做决策的能力。

Financial decision making under uncertainty——在有限信息下对市场做出充分理解，不是简单的信息聚合，真实市场从来不会等到所有变量清晰证据完美之后才让基金经理行动，多数时候，在结构未知的条件下仍然敢于持有观点、为观点定价、在错了之后快速校准。这件事有层级之分，真正深的那一层，是在假设充分成立之前就敢于持仓，在信息还不完备时仍然给出有定价的判断，在事情尚未发生时就已经对可能性进行排序和赋权。

这第三层，是每一个真正优秀的主观基金经理在数千次决策中反复锻造出来的东西——经验的沉积，错误的学费，以及对自己判断边界的诚实认知。它无法被直接编码，也不应该被直接替代。

AI 真正对辅助决策有价值的介入点恰好发生在这里：让这层判断发生时，人的认知资源处于最好的状态。更扎实的信息基础，更完整的反事实模拟，更快速的假设验证，以及更少的决策疲劳消耗——不是替代判断，是为判断创造更好的条件。

下一阶段真正有价值的 AI-native 主动管理，是让机器进入基金经理真实的判断场景。它应该围绕既有股票池、策略规则、研究路径和风险边界，持续扫描、归纳与推演，让人类把注意力留给最核心的取舍。过去，量化系统化了数字；现在，LLM 正在系统化语义。而下一阶段，真正稀缺的能力，是把语义算力、代码能力、量化纪律和主动判断缝合起来，形成一套能服务于净值曲线的决策操作系统。

这也是我所理解的 Financial Decision OS：碳基直觉外延下的硅基外骨骼，一套围绕主动管理者而生的外部系统。碳基仍然负责最核心的判断、责任和取舍，硅基负责把那些原本散落在脑海、文件夹、研报批注和交易经验里的东西，组织成一个更稳定、更可延展、更能长期进化的工作台。主观私募 AI 化成为共识之后，真正的分水岭才刚刚开始。

我们正在以咨询服务的方式推进整套完整版 LunarScout Workshop 全系列 Session 内容，面向买方机构开放，继续围绕这个方向展开探索：如何把 AI 从信息助理，推进到真正服务买方投研、执行和净值曲线的决策操作系统。