全球首次AI炒幣混戰(zhàn)

這幾天，各大AI社群被一場“投資直播”刷屏。網友們實時追蹤六大AI模型的交易表現，討論的熱情程度甚至超過研究自己炒股，這是一場用真金白銀進行的AI投資對決。

10月17日晚在 Alpha Arena 的實驗平臺上，來自中美的頂級AI模型被同時放進加密市場，每個模型獲得 1萬美元實盤資金，自由買賣BTC、ETH、SOL、DOGE、BNB、XRP等主流幣。沒有人類干預，沒有額外提示，誰能讓賬戶價值最高，誰就是真正的“會炒幣的AI”。

這場比賽最有趣的地方在于，它把AI從枯燥的榜單，扔進了最真實、最不可預測的金融市場。

過去，市場用MMLU、ImageNet這些靜態(tài)的排行榜來衡量AI的能力。但市場不一樣，它是一個由無數信息、情緒構成的生命體，在這里，沒有標準答案，只有不斷變化的概率。模型不僅僅要去分析數據，還要去分析市場的情緒，跟一個真正的交易員一樣。

目前過去了6天，已經歷了一些波動。前三天，排名第一的DeepSeek Chat v3.1收益率還一度接近40%，盈利超過4000美元，但10月21日隨著大盤下跌，也回吐了部分收益，DeepSeek Chat v3.1收益率穩(wěn)定在10%左右，不過仍然是前兩名。

收益最低的卻是用戶量最多最知名的GPT-5，虧損高達68.9%（截10月23日12點），目前還在一路下行，不懷疑GPT-5可能是最先出局的模型。

馬斯克的Grok-4屬于高頻激進派，幾乎滿倉操作，漲了加倉，跌了也不割肉，所以一開始能實現超40%的盈利，但隨著市場變化，也迅速跳水。

Claude則是理性保守派，倉位輕、杠桿低、止損嚴格，可惜過于謹慎錯失行情，總收益負17.46%。

比較有意思的是，Qwen3 Max憑借著比Grok-4更激進策略，成功實現反超DeepSeek Chat v.31——20倍杠桿、幾乎全倉操作，現金余額一度僅剩96.8美元！實現總收益13.41%，領先DeepSeekv3.1已經一天多了。（截止10月24日Qwen3 Max大幅領先DeepSeek Chat v.31二十個點以上）

此次炒幣大戰(zhàn)最讓人困惑的是DeepSeek難道真的有量化基因，在炒股炒幣方面遙遙領先？還有最知名的GPT-5和Gemini 2.5 Pro，為何表現一直非常拉

先說說DeepSeek量化基因的問題，客觀來說DeepSeek是由幻方量化團隊訓練而來的，在金融和數學方面有一定積累是正常的，但真的到了遙遙領先的地步也不至于。就在這次大賽開始前的小規(guī)模測試，GPT和Grok是實現了盈利，反倒是DeepSeek有一定程度虧損。

那么你相信哪個最強呢？筆者覺得至少目前還是難以判斷。

Alpha Arena平臺提供了前所未有的市場公開窗口，但作為基準測試，它仍然缺乏大樣本、長時間、跨市場的數據積累，缺乏透明、可復現的輸入與運行設置。而這意味著其仍然有很大隨機性和不可靠性。

為什么這次GPT-5和Gemini2.5 Pro表現這么拉胯？因為它們是“通用模型”。它們被訓練的目的是聊天、寫代碼、寫文章、做總結。它們學習的是整個互聯網的知識，但也包括網上無數相互矛盾的分析、情緒化的演講。GPT和Gemini那種“散戶式”高頻交易，很可能就是學了太多互聯網上的“噪音”導致的。

我們要觀察并不是各大模型的收益結果，而是在真實市場中的博弈，要看他們買了什么，賣了什么，持倉多久，怎么止盈止損，這才是這場“真人秀”真正的意義。

如何用AI炒股賺到錢

01、選對模型很重要

想象一下：你不再需要苦讀財報，不用耗費巨資訂閱 Bloomberg 終端。只需在聊天機器人里輸入一句：“我該買哪只股票？”——一場由人工智能驅動的金融革命，正以我們難以置信的速度席卷全球投資界。根據路透社消息，至少有十分之一的散戶投資者已經開始依賴 ChatGPT 或 Gemini 這樣的聊天機器人來篩選投資標的。

券商eToro 指出，我們必須承認，當前美股正處于歷史高位，全球市場也相對樂觀。但 ChatGPT 選股的成功并非“零門檻”——它要求使用者具備一定的金融知識，否則“試錯”的成本會非常高昂。

公眾希望的是大模型能夠成為高成功率預測市場的“水晶球”，但真的有這種“預測未來水晶球”嗎？應該選哪種模型？目前并沒有市場公允推薦。

金融大模型的發(fā)展可以追溯到2023年，那一年也是大模型的“開元之年”。當時最具標志性的金融大模型是彭博社發(fā)布的BloombergGPT。500億參數的數據集包含了 Bloomberg 自家的新聞文章、市場數據和研究報告，也曾紅極一時但很快寂寥無聲。

因為，BloombergGPT成本高昂、系統(tǒng)封閉，普通個人開發(fā)者和小型機構完全無法觸及。其模型內部的運作機制是一個黑箱，使用者只能接受其輸出結果，而無法對其進行定制或深入研究。在金融預測性方面的提升感也不是很大，所以就其收益而言，可能還不如專業(yè)的投資顧問。

2025年8月，清華大學研究團隊在Gtihub上發(fā)布了一個叫做Kronos的開源項目，其目標是利用時間序列大模型來預測金融市場的K線走勢。從項目介紹來看，這是一個典型的、試圖利用大模型在金融市場中直接尋找盈利機會的嘗試。

理論上是非常專業(yè)全面的金融大模型表現應該還可以，但據多數使用者反饋，對其輸出的結果表示不滿，要么是觀點判斷太過平均市場化，要么是臆造觀察其預測結果難以讓人信服。

為什么會這樣？是AI不夠強還是交易頻次趕不上量化，都不是！而是大模型往往從市面挖掘有效因子，對于矛盾之處缺乏深入推理，其策略是趨同的。

金融市場向來有“買在分歧，賣在一致”的說法，如果只是單純的利用網絡公開信息做策略，那很難跑得過資金體量更大，信息收集調研更強的量化機構。

當然，目前聲量更大的還是各大券商推出的AI選股，并已經開始收費，從月費幾百到3888元不等。中國銀河證券推出了智能投顧服務——財富星AI投顧，其包含AI選股、AI數據和AI ETF三大功能。

東方財富的“妙想”大模型分為體驗版、進階版、專業(yè)版。體驗版可以每天體驗3次深度研究；進階版每個季度518元，每天可以體驗50次深度研究；專業(yè)版每季度818元，每天可以體驗100次深度研究。

從結果來看用AI炒股的人卻收獲寥寥。一方面要調教AI學習交易規(guī)則，另一方面又要核驗AI策略防止算法幻覺帶來的風險，結果上反而不如傳統(tǒng)購買ETF的基民。

但利用AI模型來協助炒股依然是大趨勢，我們已經邁入全面AI時代，不用AI的人跟使用的人在效率上的差距是天壤之別。AI對于上市公司財報總結和行情基本分析，是快速的，概括性很強的，把這類文本和圖表的繁瑣任務丟給AI再好不過了。

至于選擇哪家模型，目前來看并沒有太本質的區(qū)別，在選擇的過程中不應以名氣來判斷，而是根據自身目標來看哪家完成度準確性高。反復使用和調換模型在當下應該是基本動作。

02、明確你的炒股目標

有網友在AI的“指導”下，反而經歷一場財富大縮水，“賬戶金額每天都在穩(wěn)定地減少”。原本期望的三個月翻倍，變成了一個月跌幅超過50%。

這位網友不僅過于相信AI，而且還不懂AI，在出現明確持續(xù)下跌信號還不選擇止損，反而慌亂操作的情況下，更多就是他的問題了。

所以有著明確的炒股目標和紀律非常重要，就像在AI炒幣比賽中獨樹一幟的DeepSeek，完全按照預設交易計劃，行情波動也不做盤中調整，哪怕浮盈接近2000美元，它也堅持“計劃未變，倉位不動”。DeepSeek非常看重風控結構和盈虧比，而散戶中很少有人有這個概念。

根據筆者的實操經驗來看，有時候為了達成一個定義的共識，可能要反復跟AI解釋和強調。就比如對于價值投資的理解，AI一開始只強調高ROE和現金流，對于有著護城河的企業(yè)理解甚至會出現“南轅北轍”的情況，不知道是不是太多企業(yè)用擁有“護城河”形容自己。

當輸入筆者對于護城河的理解之后，完成了新的條件約束，又忘了上文要求回答美股市場規(guī)則。

簡單來說，當前AI輸出的質量高度取決于數據質量和提示詞設計，例如提供的數據是什么角度、構建的問題是哪個方向，它傾向于哪方面的概率就越大。

目前多數AI更擅長的是技術面分析，比如趨勢、支撐與阻力、成交量、關鍵價位等因素，至于基本面分析更多時候是重復新聞和研報，還是需要用戶自己來分析其行業(yè)地位和前景，以及未來的盈利能力。

03、比AI更懂投資

是的，你沒有看錯，想用好AI就需要比AI更懂投資，這就好比能用刀切菜的人很多，但能用刀來雕花的人就比較少了。

不管是用DeepSeek還是GPT來炒股，“只負責抄作業(yè)坐等掙錢”的情況都是不存在的，相反虧掉本金的可能性很大。

除了明確自己的目標和投資紀律之外，還要注意AI數據的可靠性，如果只會搜索數據很可能得到的都是錯誤數據，要有被投資行業(yè)的常識，比如豬周期客觀存在但因為疫病風險和逆勢投入，也會導致豬周期時間遠超以往。還有機器人行業(yè)，是值得投資的企業(yè)和產業(yè)鏈不假，但是宣傳展示肌肉還是有馬上可以量產，結果是完全不同的。

此外，AI難以判斷“黑天鵝”風險，對于“灰犀?！笔录恼J知也比較滯后，不同的事件風險也需要隨時調整投資策略。

知名投資人段永平并不看好用AI來投資。他將AI定義為“高級的看圖看線” 。無論算法多復雜，數據量多大，AI只是在優(yōu)化“猜人心”（其他交易者在想什么）的游戲，而不是在實踐“估價值”（公司值多少錢）的投資。

AI的局限性在于“精確的錯誤”，AI極度擅長在既定規(guī)則下進行精確計算，但投資面對的是一個充滿不確定性的未來。

AI可以回溯過去所有的數據，找到完美的相關關系，但無法真正“理解”為什么可口可樂的品牌價值如此持久，也無法“感受”蘋果公司企業(yè)文化的力量。當出現模型從未見過的“未知的未知”時（如全新的商業(yè)模式、顛覆性的技術），AI可能會犯下災難性的錯誤。

或許有人對于“價值投資”這一套理論并不感興趣，但不迷信AI，保持個人清醒的判斷主見還是非常有必要的。

寫在最后

值得注意的是，目前正規(guī)一點的AI模型，都會標注：該服務所提供的指標均基于歷史數據，過往表現不代表未來趨勢，不構成投資建議，接受該服務的投資者，請注意投資風險。

這并不是甩鍋，而是揭示了當前AI的困境，以為是“萬能水晶球”，實際上只是一個精于計算，功能有限，不保證對錯的工具。