下一代的投研流程，
正在打开。

01 WHAT WE SEE

我们看到了什么。

A · 投研流程在变注意力和信号，本身就是投研。

SemiAnalysis 和推特已经证明了这一点：投研越来越多地发生在专业人群的注意力和信号里。人人都在用 Claude 读材料，分析能力这一代已经平权。

能力平权之后，稀缺的是注意力：先看什么，信什么。

B · 消费力在放大数据第一次可以被所有人消费。

人的注意力有瓶颈。以前，机构靠雇人扩大消费力：一个 PM 手下 3–5 个分析师，替他覆盖更多公司。一家另类数据供应商往往也只服务 30–40 家机构，因为只有机构消化得了大批量数据。

agent 改变了这件事。不会写代码的人也能调用 API，每个人能处理的数据成倍放大。数据不再等人去看，而是自己找到消费者。

我们正处在这扇门打开的中间，
需要快速抢占。

02 WHAT'S MISSING

市场缺一个 AI 原生、高信噪比的平台。

新的投研流程，需要一个浓度更高、信噪比更好、为 AI 而生的地方。

今天，推特是 AI 信息唯一的集散地，但它捕获不了中国的声音。AI 供应链高度集中，中国越来越重要；随着中国 AI 的发展，中国的声音和中国基建的影响力还会继续变大。

国内也没有这一层。微博和知乎泛娱乐化、低质化，承载不了；小红书的用户更好，却只能用吃喝玩乐的形式，被迫承担了一部分这个角色。

• 推特AI 信息集散地

  海外从业者都在，但没有中国的声音。

• 微博 · 知乎泛娱乐

  内容低质化，专业讨论被淹没。

• 小红书用户好，形式不对

  只能用吃喝玩乐的形式聊金融。

• FrontierAI 原生

  高信噪比。金融人和产业里的人，中文，实时。

03 WHO WE HAVE

我们有最好一批人的注意力。

Frontier 从一个公众号开始，把一二级金融机构的从业者聚到了一起。很多人把 Frontier 置顶，重要消息一发生，第一时间进来看、进来讨论。

投研最关键的信息，很多并不发生在金融圈里。最懂美光的人，往往不是买方或卖方，而是美光的员工。Frontier 里既有金融从业者，也有 AI、半导体、互联网产业里做事的人；既有用户自己的讨论，也有专家内容。这些内容，不会出现在传统投研平台上。

我们主打 AI 和科技前沿，不做股票社群：产业里的人来这里讨论前沿，不是来听荐股。重点也不是人数，是密度。人一多就鱼龙混杂，降噪的成本会超过获取信息的收益。

04 THE FLYWHEEL

数据、影响力、用户，互相放大。

核心用户的讨论留在平台上，变成权重：专业人群的注意力给每条信息打的分。权重让 Frontier 挑得更准；挑得准，就能决定最好一批人先看什么，这是影响力，也是分发能力。影响力带来更多高质量的用户，更多讨论又变成更多数据。

05 WHERE THE VALUE IS

同样的 token，输出的判断价值不同。

模型人人可用，输入 token 人人同价。区别在于调用时，有没有一层对的 context。

这个判断的差额，就是值得捕获的价值。

为什么换模型解决不了这层 context，模型自己长不出来。

1. 01 / UNSAYABLE

   很多权重说不成 prompt。

   哪条消息重要、谁的判断更可信，是专业人群长期注意力的结果，写不成一段话。

2. 02 / CONVERGENCE

   金融场景里，模型能力已经趋同。

   再换一个更大的通用模型，边际越来越小。

3. 03 / EXTERNAL

   把 context 外挂在模型之外，可能是解法。

   后训练只训「什么重要」这一个判断，不训全能的金融模型。context 留在模型外面，模型换了它还在。

06 THE COMPARABLE

数据供应长什么样：Reddit。

Reddit 把社区讨论授权给谷歌和 OpenAI，用于模型训练和实时数据接入。据 Reuters 报道，谷歌这一笔每年约 6,000 万美元。

Frontier 是同一个形状，更窄，也更密。

07 WHAT WE WILL DO

三件事，一个循环。

1. 01 / CAPTURE

   做好 Frontier app，捕获更好的信号。

   把讨论聚到自己的平台上。付费从业者从 1.5 万扩到 5 万。

2. 02 / POST-TRAIN

   后训练，把信噪比判断做好。

   招算法与后训练人才，把多年人工挑选的经验变成模型能力，千人千面地开放给用户。

3. 03 / SUPPLY

   用这两项优势，做数据供应。

   给 agent 和模型厂提供金融 context 与权重。