全部場數

011 · 從交易桌到臨床試驗的 AI 心法

講者對照避險基金與製藥新創導入 AI 代理人的經驗，整理出建置垂直 AI 的共通步驟，說明兩個產業最後都得靠領域專家把關。

2026-08-1920:01Ayush Bhardwaj（Allos AI）醫療創業看原片

原標題：Trading Desks to Clinical Trials: Parallels in Applied Vertical AI — Ayush Bhardwaj, Allos AI

重點摘要

  • 提出 Applied Vertical AI 概念泛用 AI（如 Google Translate）服務多個產業；Applied Vertical AI 只鎖定單一產業，目標是模擬該產業從業者的判斷，講者任職的 Allos AI 用 AI 做藥物研發即是一例。
  • 速度與精準的取捨不同，工作核心卻一樣避險基金追求速度，「大致對、快很多」就好；製藥要求絕對正確，寧可多花時間。講者原以為換產業會徹底不同，結果 Applied AI 的核心工作完全沒變。
  • 兩個產業的關鍵資料都被揭露規則逼出來，卻常被隱瞞管理逾一億美元美股部位的機構每季須公開持倉，一旦揭露就被人反向推算、侵蝕獲利；法規也要求揭露每筆臨床試驗成敗，但講者說近三成基金從未照做，FDA 曾公開提醒逾兩千家申辦者未揭露不利結果。這類資料因此連 OpenAI、Anthropic 都拿不到。
  • 模型在這些領域無法自我驗證可驗證獎勵的強化學習在數學、程式這類有標準答案的任務上有效，但交易判斷或藥物候選沒有客觀對錯，用 LLM 當裁判行不通，講者形容那只是「用行話唬弄過去」。
  • 解法是雇用領域專家、建立學習迴圈專家從最基礎的提示詞開始參與，教模型判斷哪些資料來源可靠、如何拆解問題，再透過監督式微調、RLHF、「rubrics as reward」與成本最低、報酬最高的錯誤分析，把專家的判斷逐步內化進代理人。
  • 兩個產業現在都是 AI in the loop，不是 human in the loop最終決策仍由專家拍板，AI 只負責省時間——交易員從候選交易論點中挑一個，藥廠專家從候選藥物中挑一個。講者認為模型與基礎設施都是人人買得到的商品，真正的護城河是網路上找不到的專屬領域資料。

時間軸

時碼點下去會跳到影片的那一段。

時碼段落重點
00:00開場Ayush Bhardwaj 曾在避險基金做 applied AI，現任 Allos AI（製藥新創）技術負責人，自創「Applied Vertical AI」一詞，本場要整理兩個產業建置 AI 代理人的共通步驟。
01:16定義核心概念泛用 AI（如 Google Translate）服務多產業；Applied Vertical AI 只鎖定單一產業，模擬該產業從業者的判斷，Allos AI 做藥物研發即是一例。
02:03產業步調對比避險基金追求速度，「大致對、快很多」即可；製藥要求絕對正確，寧可多花時間。原以為換產業會徹底不同，結果 Applied AI 的核心工作完全沒變。
03:47步驟一：收斂問題建置代理人第一步是把任務收得很窄，不要一次要求做太多事；以選股為例，要指定市場、產業與排序依據，而不是籠統問「幫我找投資機會」。
05:06步驟二：找專屬資料公開資料（新聞、賣方報告、預印本）人人都有，真正拉開差距的是專屬資料，例如避險基金的交易論點紀錄、製藥業失敗實驗的資料，這些通常得自己整理。
07:35迭代卡關講者坦言自己不是交易員、也沒有生醫博士學位，常看不懂模型輸出對不對；他認為許多垂直 AI 專案就是在這一步悄悄失敗，因為外表看似做出來了，實際上沒人會買單。
09:14LLM 當裁判行不通用 LLM 判斷另一個模型輸出好壞走不通，因為 LLM 只是在預測下個字；這類任務沒有像數學、程式那樣的可驗證獎勵，人類卻能立刻分辨對錯。
10:12資料揭露悖論持有逾一億美元美股部位的機構每季須公開持倉，一旦公開就被反向推算、侵蝕獲利；法規也要求揭露每筆臨床試驗成敗，但近三成基金從未照做，FDA 曾公開提醒逾兩千家申辦者未揭露不利結果。
11:45雇用領域專家唯一解法是直接雇用要賣產品給的那個人；避險基金端本來就是老闆兼交易員，製藥新創則得另外找生醫科學家加入團隊，找到人之後產品才開始真正打動大藥廠。
14:07內化判斷的技術把專家判斷內化進代理人有四種做法：監督式微調、RLHF、「rubrics as reward」（AI 依人訂的評分規則自評，有陷入迴音室的風險）、以及成本最低、報酬最高的錯誤分析。
17:48結論：AITL 與護城河兩個產業現在都是 AI in the loop、不是 human in the loop：最終判斷仍在專家身上，AI 只負責省時間。模型與基礎設施是商品，專屬領域資料才是護城河。

值得記的話

名詞與人物

Applied Vertical AI講者自創詞，指只服務單一產業、模擬該產業從業者判斷的 AI，有別於服務多產業的泛用 AI（如 Google Translate）。
Allos AI講者現職的製藥科技新創，用 AI 做藥物研發。
RLVR（reinforcement learning via verifiable rewards）用可驗證答案訓練的強化學習，數學、程式適用，因為對錯可被驗證；金融、醫藥這類判斷型任務難以套用。
LLM as judge用另一個 LLM 評分模型輸出好壞的做法，講者認為在缺乏可驗證對錯的領域行不通。
rubrics as reward講者自稱的做法：由人訂評分規則，讓 AI 依規則自評並改進，等於他版本的「用 AI 回饋做強化學習」，風險是可能陷入自我迴圈。
AITL（AI in the loop）講者提出、對照 human in the loop（HITL）的說法：最終判斷仍由領域專家拍板，AI 只負責節省時間。
Yann LeCun講者兩次引用的 AI 研究者，用他「這些是統計、不是真正的 world model」的說法，支持自己「這類領域無法整體建模、誤差會一路累積」的論點。

延伸

  • 講者提到監督式微調、RLHF、rubrics as reward、錯誤分析這四種做法「每一種都可以獨立講一小時」，受限於時間只能快速帶過，細節沒有展開。
  • 提到模型更新速度快（例如 GLM 5.2、Alibaba Cloud、DeepSeek 相繼推出新版），是 RLHF 維護成本居高不下的原因，但沒有進一步說明。
  • 提到機構每季須公開逾一億美元美股部位、藥廠須揭露臨床試驗成敗的規定與規避情形，但沒有點名具體法規條文或說明後續裁罰。