夜雨聆风AI 它写代码的话，它是有一个误差的。目前全球最好的 AI 的话，在那种评测当中，它的准确率也就 93% 的样子。然后在量化当中，国内全球最强的话都是 Deepseek。
如果说它第一次准确率的话 90%，对吧？然后它一个任务是 90%。当然学过概率论与数理统计。如果说它连续做了 10 个任务，然后完成了这一个量化策略，那么它的准确率会下降非常多。差不多是 35% 的准确率。
所以说，就是那个 AI 的话，它写了第一个 bug，你就需要给它修复、验证，准确之后再让它做第二个任务，你再去修复、验证。只有这样的话，你才能最终保证你的准确率达到 100%。就说它每次写了写写策略的话，它都是可以有可能出现 bug 的。
因为我们自己会写代码，那么我们自己会有能力去修改这个 bug。第一个，第二个的话就是，如果说你没有提供给 AI 正确的数据的话，AI 它会自己生成一些模拟数据，然后生成模拟数据之后告诉你这个效果很好。还有一种可能就是 AI 它做了些过拟合的事情。过拟合的话，就会导致你这个策略看起来效果非常好，一实盘就会亏钱。
有很多就是不会 AI 的朋友的话，或者不会代码的朋友，就听说什么小龙虾呀、Cloud 啊、Deepseek 啊，非常厉害是吧？但是的话，当你真正去实盘时候，或者你去写代码的时候，你就发现问题非常的多。我们就举一个很简单的例子，比如你搞了一个 Excel 表格，对吧？然后比如说就是销售明细表，你把它传给 AI，让 AI 给你做销售报表分析。AI 分析的很多时候都是错的。它错的有几种可能。第一种可能的话，它不了解你业务。第二种可能的话，就是你的字段描述的不清楚。第三个的话，就是你字段和字段之间的关系，然后它不了解。然后第四个的话，然后它在计算的时候，给你产出的报告，它自己算错了，它产生了幻觉。然后这些情况下的话，如果说你直接让领导让你写周报的时候，你就直接搞一个 AI 写的 PPT，你看你敢不敢去担交给你的领导，在公司会上去汇报。
AI 的话，它会产生一种防御式编程。比如说它产生了一个问题，对吧？它有一个 bug，它不会去解决这个 bug，它会把它绕过去。然后你说我要去北京，对吧？然后它发现北京的话，不知道怎么去，它到南京去了。然后它也不会报错，它就是不解决问题。然后它也不报错，你也不知道怎么排查错误。这种问题的话，也经常出现。
AI 它只是一个提高人解决问题的一个效率，是一个辅助工具，它实际没办法去替代人。然后比如说 AI 的话，它写，你让它写一个量化策略，然后让它去写个东西，你给它的指令有可能都是错的，它会按照你的指令，错误的指令一直去执行。然后然后它也不告诉你你的指令是错的，然后一直执行，一直绕不出来。然后这种情况下也经常存在。比如说我让 AI 给我部署一个多智能体量化策略决策系统。但是的话，我部署之后，我自己测试运行之后效果很差。我后面问它，我说是不是这个东西本来就没什么用？它告诉我确实没什么用。然后 90%的 AI 策略都跑不赢中等的那个的传统量化策略。就说，它不会告诉你这条路不对，它只会不停的按照你的指令去探索。
现在那些打着 AI 噱头做量化的话，要么就是割韭菜的，要么就是借着这个噱头收割一波流量。就连我们以前用传统的机器学习做策略的话，都很容易过拟合。现在 AI 幻觉这么高，对吧？它过拟合更加容易。它非常容易拟合一个非常漂亮的曲线出来。然后你还找不出来为什么这么漂亮，一实盘就亏钱。
AI 它是一个大语言模型。也就是说，它本质上是自然语言，就像中文和汉语一样，还有代码，对吧？这是它擅长的地方。但是对我们金融系统、财务系统、数据仓库系统、数据报表系统，这系统的话对准确率的要求非常的高。比如说，你让 AI 给你做一个发票，对吧？让 AI 给你说应该给某某公司打款 100 万。然后 AI 的话可能算错了，然后某个小数点没记到，或者有个特殊的约束啊，他没看到，他忘了。然后他忘记了上下文，对吧？或者你忘了告诉他，他给公司打，给一家公司打了 1000 万。这个都是非常大的风险。就是所以说，像 AI 在这种金融数据量化层面，这种严谨的数据上的话，基本上都不敢用，只能把它作为辅助工具，然后写了之后人去审查。
