五月中旬的评审会安排在十一楼的大会议室。林晨到的时候，屏幕已经亮了，智研的demo界面停在首页——一个白色底色的简洁页面，中间是文本输入框，右侧是文件上传区域。
人陆续进来。陈博士坐了主位，面前一杯白水，没碰。孙总在对面落座，他今天穿了件深蓝的polo衫，进来的时候只跟陈博士点了个头，没跟其他人打招呼。刘姐带着产品部的两个人坐在侧边，电脑已经打开，估计在记会议纪要。陈铭靠墙坐，手机扣在桌上。张雨坐在最靠门的位置，手边一台笔记本跑着后台监控——推理日志、GpU占用率、响应延迟，全部实时盯着。
九点整，陈博士看了一眼全场：开始吧。
林晨站起来走到屏幕旁边。他没打开ppt，直接切到了demo界面。
今天不做录屏演示——直接用智研1.0跑真实案例。在座各位谁有最近的研报，现场丢给模型跑。
会议室安静了两秒。这种演示方式风险很大——提前录好的视频可以剪辑、可以重来，现场跑意味着模型可能输出不准确、甚至出错。林晨扫了一圈在场的人，看到刘姐微微皱了皱眉——产品部的人天然偏好可控的演示流程。
孙总从包里抽出一个平板，翻了几下。国泰证券上周发的《2025年二季度A股策略报告》。四十七页。你确定在这个会上跑这份？
全篇粘贴进去。林晨说。
孙总把平板递给旁边的助理，助理把pdF导出成文本，四十七页的内容全部复制粘贴进了智研的输入框。文字滚了大概十秒钟才停住，密密麻麻挤满了输入区域。
林晨点了提交。
后台的推理日志开始在张雨的屏幕上刷。token消耗数、attention分布、推理层数——一行一行快速滚动。张雨的手放在键盘上，没打字，眼睛跟着日志走。前五秒一切正常，GpU利用率拉到了百分之七十八，推理延迟在预期范围内。
第六秒，延迟突然跳了一下——从正常的0.3秒涨到了1.2秒。
张雨的眉头压下去。他飞快地扫了一眼GpU监控——显存占用率正常，没有oom。那延迟跳升只有一个可能：模型遇到了一个特别长的注意力跨度计算节点。四十七页的研报里有大量交叉引用——如图3所示详见第38页附表——这些跨页面的引用会让注意力机制在全文范围内做高开销的检索。
他抬头看了一眼大屏幕。界面上显示着正在分析中的等待动画，三个灰色的圆点在缓缓跳动。会议室里没人说话。孙总靠在椅背上，目光从屏幕移到林晨脸上，又移回去。
林晨站在屏幕旁边，手插在裤兜里。他的目光没有看屏幕——在看张雨。张雨的眉头松了一点，对他做了个手势——右手食指画了个小圈，然后竖起来。正在处理，没问题的意思。林晨微微点了一下头，表情没什么变化。
二十八秒后，大屏幕上的等待动画消失了。输出开始逐段渲染。
第一部分——核心结论摘要。七句话。总量观点、配置建议、核心风险提示，一个不缺。林晨快速扫了一眼，内容跟他印象中那份研报的核心结论吻合。
第二部分——关键数据表格。自动提取的结构化表格，Gdp预测值、cpI中枢、企业盈利增速预测、主要行业配置建议及权重。每个数字后面跟着原文出处的页码标注。
林晨的目光扫到表格第四行——企业盈利增速预测那一栏。模型输出的数字是8.5%，页码标注p.23。他心里紧了一下。他不记得原文中这个数据是不是8.5%。如果这个数字错了，整个演示的公信力会打折扣。
他没有去看张雨，也没有去看陈博士。他保持姿势不动，等孙总先开口。
孙总盯着表格看了大概二十秒。然后他拿起平板，翻到第二十三页，手指在页面上划了几下。
8.5%，对。孙总把平板放下来，页码也对。
林晨的肩膀松了半寸。他自己都没注意到刚才绷着。
第三部分输出——全文逻辑链条图。一棵树状图从宏观经济判断到行业选择到个股筛选，每个节点标注了支撑该判断的论据和原文数据来源。图形在屏幕上渲染的时候有一瞬间的卡顿——大概一秒半——然后完整展开了。
刘姐把笔记本转过来给旁边的人看了一眼，低声说了句什么，没听清。
孙总没急着说话。他从助理手里拿回平板，自己翻了三分钟，把模型输出的三部分内容跟原文逐项对照。最后他抬头看向林晨。
这个表格里的数字——每一个都能在原文里找到？
每一个都有溯源日志——点任意一个数字会跳转到原文对应段落。
自动提取的准确率呢？
关键数字提取准确率目前是92.1%。林晨停了一下，剩下7.9%的误差集中在嵌套超过三层的层级化表格——研报里那种多层表头加合并单元格的格式，ocR和解析还处理不好。
够用。孙总说了两个字，然后靠回椅背，92%的提取准确率意味着人工从逐页翻研报变成抽查核验。效率提升的量级很大。
刘姐这时候插了一句：但如果客户用了这个工具，那8%的错误导致了一个投资判断的偏差——责任算谁的？
会议室安静了两秒。这个问题比数据准确率更尖锐。
林晨看向刘姐：智研的定位是辅助工具，不是决策工具。产品端会在每一份AI输出上标注仅供参考，不构成投资建议的合规提示。同时我们设计了溯源链——每一个结论都可以追溯到原文出处，用户可以自行验证。法律责任边界在产品协议里会明确划定。
那用户为什么不用通用大模型？便宜，甚至免费。刘姐追问。
因为通用大模型在投研任务上的关键信息抽取准确率只有63%。林晨的语气平淡，差了26个百分点。在金融场景下这个差距是决定性的——63%意味着三次判断有一次是错的，89%意味着十次判断有一次偏差。分析师不会用一个三分之一的概率出错的工具。
刘姐点了点头，不再追问，低头在笔记本上写东西。
陈铭在旁边一直没说话。这时候他开口了：林总，逻辑链条图那个功能——如果在研报的逻辑本身有矛盾的情况下，模型怎么处理？比如一份研报里宏观部分看多消费，但行业配置部分又低配消费——模型输出逻辑链的时候会不会强行弥合这种矛盾？
这个问题很刁钻。林晨看了陈铭一眼——陈铭的表情很平静，但这个问题踩在了模型设计的一个真实痛点上。
目前版本不会主动弥合矛盾。林晨如实回答，如果检测到逻辑冲突，模型会在对应节点上标注逻辑冲突标签，而不是强行统一。这个行为是训练数据里的标注规范决定的——我们在标注阶段就要求标注员遇到研报内部矛盾时标记出来，而不是忽略。
陈铭没再说话，微微点了一下头。
孙总在平板上又翻了大概一分钟。他找到一份研报的某个段落，抬头对林晨说：你用智研跑一下这段。
他把平板递给助理，助理把那段文字复制出来贴进输入框。林晨扫了一眼——那是一段关于新能源行业政策分析的段落，大概六百字，里面嵌了两个表格引用和三条跨行业关联数据。
提交。这次输入短，模型六秒就输出了结果。
林晨先看了一眼输出内容。然后他的呼吸慢了半拍。
模型在政策影响方向的判断上标了。但原文那段话的措辞是补贴退坡幅度低于市场预期——低于预期确实是正面影响，但这个判断需要一层推理：先理解本身是负面，再理解低于预期翻转为正面。模型做对了这层推理。
但让林晨紧张的不是结果对不对，是推理路径的展示方式。模型在输出中直接写政策影响方向：正面（退坡幅度低于预期），没有展示退坡=负面→低于预期→翻转的中间步骤。如果分析师不仔细看原文，只看模型结论，可能误解为政策是正面的而忽略退坡这个前提。
他没有在会上指出这个问题。但他记住了。
孙总看完输出，没说话，把平板收了起来。
陈博士把水杯拿起来喝了一口，放下。林晨，智研1.0的核心壁垒在哪？
这个问题林晨想过很多遍。但如果回答垂直数据领域微调就太浅了——这些东西别人也能做，只是时间和成本的问题。
两个壁垒。他说，第一个是显性的——数据授权和标注质量。五千条金融投研场景的高质量标注样本，加上券商授权的研报训练数据，这套数据的获取周期和合规成本是新进入者绕不过去的。第二个——他停顿了一下，是隐性的。标注规范的制定、偏好标注的优先级设定、训练策略的调整——这些决策背后需要对金融投研场景的理解。同样的数据、同样的模型架构，由一个没有金融实操经验的人来设计训练流程，产出的效果会跟智研1.0差一大截。
陈博士看了他几秒钟。然后说了八个字：你做量化那三年，值了。
这句评价很轻，但在场的人都听见了。孙总微微偏了一下头，像是重新审视了一遍林晨。刘姐在笔记本上停了笔，抬头看了一眼陈博士又看了一眼林晨。陈铭的表情没什么变化，但他在手机上打了个字，不知道记了什么。
评审会没有当场做结论。孙总走的时候经过林晨身边，停了一下。国泰证券那边我对接。内测可以安排他们三个行业研究组先上。
什么时候能开始？
六月底之前把环境搭好。
孙总走了。陈博士最后离开会议室，走到门口时回头看了林晨一眼：商业化路径方案写完发我。
门关上了。林晨站在空了的会议室里，大屏幕上还挂着智研1.0的输出界面。他盯着那段关于新能源补贴退坡的分析结果，把刚才记下的那个问题在心里又过了一遍——模型跳过了中间推理步骤直接给结论，这个问题必须在产品化之前解决。不然到了客户手里，总有一天会因为一个被跳过的前提条件，让某个分析师做出误判。
他拿出手机，给张雨发了一条消息：
RLhF的偏好标注规范加一条——当模型输出涉及低于预期高于预期这类需要翻转推理的判断时，要求模型在输出中展示中间推理步骤。明天碰一下怎么改训练数据。
发完消息，他关掉了屏幕。