市場操作者關心接下來會發生什麼。 如果美聯儲降息，但因霍爾木茲海峽的運輸危機導致油價飆升，會怎樣？如果指引不如預期，而商品卻上漲，會怎樣？如果人工智慧支出加速，但未能轉化為利潤，會怎樣？ 回答這些問題過去需要幾天時間。分析師會掃描文件，追蹤宏觀指標，審查財報記錄，然後手動撰寫備忘錄。當研究準備好時，市場已經發生變化。 Reflexivity能在幾分鐘內完成這項工作。 在2020年，Jan Szilagyi帶著白板和一個論點走進我的辦公室：研究不僅僅依賴自動化就能擴展。他已經在構建一個副駕駛，能夠解讀文件、財報和全球信號，然後像分析師一樣進行推理。 他和他的共同創辦人Giuseppe Sette都曾擔任對沖基金的首席投資官。他們的工作是理解複雜的動態事件如何影響資產價格。沒有這種推理的平台。因此，他們與Kensho訓練的工程師一起構建內部工具，使用手動編碼的查詢、拼接的儀表板和零散的數據管道。 這一堆技術成為Reflexivity的基礎。 最早的版本專注於建模“如果”情境，這是Jan和Giuseppe過去手動運行的分析類型。他們具備從摘要到模擬的技術深度，並有信心圍繞此構建系統。 當GPT改變了人們與軟件的交互方式時，團隊從基本原則重新構建。他們為金融市場設計了一個專有的知識圖譜——一個不斷映射金融環境的自學型資料庫。他們啟用了跨文件、財報和宏觀信號的工具調用。他們訓練系統返回完整的分析，包括基於真實輸入的圖表、敘述和邏輯鏈。 如今，Reflexivity已在互動經紀商內部部署，並在一些全球最大的對沖基金、資產管理公司和財富顧問中擴展。它是金融服務領域的第一個MCP客戶，成為一個多模態命令平台，能夠檢索、推理，並最終行動。 2020年作為白板草圖開始的項目，如今已被數百名投資者使用——從對沖基金到家族辦公室——他們依賴Reflexivity在幾分鐘內完成曾經需要幾週的工作。它已成為一些世界上最複雜公司的研究節奏的一部分。 我們自豪地與Jan、Giuseppe和Reflexivity團隊合作，幫助建立機構研究基礎設施的未來。