巴利亚斯尼资产管理建立了集中化的Applied AI团队，基于GPT‑5.4与内部模型、严格评估流水线和代理化工作流，构建能像分析师推理和执行的AI投研系统，广泛部署于近95%的投资团队，显著提升研究速度、质量与合规可控性。该系统强调模型严格评测、用户—AI深度协同、实时反馈回路与中央化平台兼顾本地定制。
背景
– 巴利亚斯尼是全球多策略投资公司，面临海量结构化与非结构化金融数据和对速度、精度、合规的高要求。
关键做法
– 建立Applied AI团队：约20名研究员、工程师与领域专家，负责构建嵌入团队工作流的AI原生工具。
– 严格模型评估：在投产前建立12+维度评测（预测精度、数值推理、多步规划、噪声鲁棒性等），用内部基准与专有数据验证模型表现。GPT‑5.4在多步规划、工具执行与减少幻觉方面表现突出，被作为推理引擎之一。
– 与OpenAI深度协作：OpenAI团队直接观察用户场景，基于真实分析师的反馈快速迭代模型与产品行为。
– 设计反馈回路：将AI嵌入日常流程，实时收集结构化反馈（用户评价、结果审计、工具执行质量），驱动模型与编排层快速改进。
– 中央化平台+本地定制：核心组件（代理框架、工具链、合规护栏）由Applied AI集中开发，各投资团队获得有权限的数据与工具来定制代理，兼顾规模化与策略差异。
成效与应用示例
– ~95%投资团队采用该平台，研究效率与质量显著提升。
– 深度研究任务由数天缩短为数小时，AI代理可综合成千上万份文件（公告、经纪研究、财报、电话会记录等）。
– 央行演讲分析：场景分析时间从2天降到约30分钟。
– 并购套利代理：持续监测并更新交易概率，取代手工表格与警报。
– 报告可追溯推理路径与受控工具访问，提升分析师对输出的信心。
未来路线
– 强化RFT（强化微调）以改善复杂高价值任务表现
– 更深层次的代理编排跨金融领域
– 支持更多模态输入（图表、报表、财务声明）
– 评估未来前沿模型的领域适配性
把大型模型、严格评测和工程化代理结合起来，才是真正能在机构投研落地的路径。