橋水讓 AI 獨立做了兩年半投資決策，追平人類團隊

—聯合 CIO Greg Jensen 的 AI 哲學：三個理念，一條底線

本文是鋒睿「週末深度閱讀」系列的一篇——週末慢讀，拆解全球頭部機構的 AI 一線做法。

根據 Reuters 系多家媒體報道，2026 年上半年，橋水的 AI 宏觀策略 AIA Macro 回報 8.1%。同一個半年，橋水的旗艦策略 Pure Alpha，由人類投資人管理的那個，回報也是 8.1%。

完全持平。

有評論指出了關鍵：這個 tie 的意義，在於機器版在整個動盪的半年裡，跟住了人類版。

講這條故事線的核心人物是 Greg Jensen——橋水聯席 CIO，也是「把人類直覺翻譯成演算法」這套體系的設計者之一。他也是矽谷最早下注 AI 的買方投資人之一：2016 年前後成為 OpenAI 的早期投資人，後來寫了 Anthropic 的第一張支票。根據他在 Bloomberg Odd Lots 節目裡的說法，「他們第一周的工資，是用我的個人支票發送的」。 AIA Labs，就是他主導的那座機器工廠。

一家管理著人類史上最著名宏觀判斷體系之一的基金，花了十幾年時間，讓一套 AI 系統追平自己的人類團隊。業界該研究的不是「8.1%」這個數字──它來自公司口徑，沒有審計報告──而是這個打平是怎麼來的。

核心摘要

● 時間軸：2012 年「artificial investor」願景 → 2023 年 6 人團隊 → 1 億美元自有資金試運行 → 2024 年 7 月對外募近 20 億 → 2026 上半年 AIA Macro +8.1%，與 Pure Alpha 完全持平。 Jensen 的預測：兩年內顯著超過橋水全體人類。

● 理念一因果理解：讓 LLM 說故事，讓統計模型拆穿它。解釋合理，不等於已經證明正確。

● 理念二獨立判斷：「我不要一個我們的複製。」先隔離、再對照、後合併－隔離是手段，不是終點。

● 理念三組合價值：勝率追平、路徑完全不同，所以 AI 進組合買的是「不同」，不是「更準」；橋水自研的小模型用約 1/13.8 的成本把 GPT、Claude 全比了下去——差異化在數據，不在模型中。

●一條底線： kill switch 在人手裡。一邊把 AI 支出放大 200 倍、宣稱「我們的 AI 是盈利的」，一邊讓全公司讀《如果任何人造出來，所有人都會死》。

這篇文章把這十幾年的公開故事線拆一遍，讀完大約 14 分鐘。

---

一、他 2016 年投了 OpenAI：一條埋了十幾年的伏筆

很多人第一次聽到 AIA，會以為這是 ChatGPT 火了之後才有的項目。把時間線拉長看，完全不是。

根據 AI Street 對橋水聯合 CIO Greg Jensen 的訪談，早在 2010 年代初，Jensen 就在追問一個問題：機器什麼時候能自己寫規則，而不只是執行人寫好的規則？到 2012 年，根據 Institutional Investor 報道，橋水內部已經開始追求一個叫做“artificial investor”的願景——計算機不僅表達人類的洞察，還要生成洞察。

這條路走了十年，中間有幾個節點：2016 年前後，Jensen 成為 OpenAI 的早期投資人，後來又寫了 Anthropic 的第一張外部支票；2018 年，因果推斷 Jasjeet Sekhon（先後任教於 Harvard、Berkeley、Yale）加入橋水任首席科學家；2022 年底首席科學家；的判斷是：這套系統缺少的拼圖──推理能力、自我診斷、小數據方法──開始湊齊了。

於是 2023 年，AIA Labs 成立。起步只有 6 個人，且刻意安排在與旗艦策略 Pure Alpha 隔離的位置。到 2023 年底，橋水用約 1 億美元自有資金在內部試運行；2024 年 7 月才對外開放，據 Bloomberg 轉引，吸引了接近 20 億美元、超過六個客戶；到 2026 年上半年，據報道資產管理規模約 45 億美元。

注意這個節奏：願景在 2012 年，動作在 2023 年，外部資金在 2024 年，打平旗艦在 2026 年。中間隔著十一年。這不是一家基金追熱點的時間表，是一家基金等一塊拼圖的時間表。

那麼拼圖湊齊之後，他們搭出來的到底是什麼呢？往下看，拆成三個理念。

---

二、理念一：讓 LLM 說故事，讓統計模型拆穿它

先看橋水過去的做法。根據其官網的表述，過去幾十年來橋水走的是「專家系統」路線：投資人研究經濟規律，寫成規則，讓電腦系統化執行──橋水自稱由此建成了「世界上最有價值的專家系統」。

AIA 要回答的問題往前推了一步：這筆投資，為什麼成立？

這裡有一個橋水非常重視的理念：因果理解。兩個資產過去一起漲，不代表未來還會一起漲——相關性是歷史的記錄，因果才是可以外推的機制。橋水官網有一段相當直白的表述：市場由橫跨經濟、政策與人類行為的因果關係塑造，這些關係複雜到沒有任何個人或團隊能夠完整追蹤；而市場的資訊量在指數增長，人類的認知頻寬卻是不變的。

落到架構上（以下均為據公開報導轉述的結構描述）：AIA 不是單一模型，是一個組合式系統－橋水自有的因果時間序列模型，加上專用或前緣的語言模型（報道提及 OpenAI、Anthropic、Perplexity），再加上一套檢驗與診斷輸出的系統。

Sekhon 有一段分工表述，值得單獨記下來：

語言模型擅長語言，不擅長保證為真——所以讓它們形成投資理論；統計模型不會講故事，但會檢驗——所以讓它們檢驗理論真假。

換句話說，在橋水的架構裡，LLM 產出的每一個解釋，都要過一道「證明」的關卡。還有一個容易誤解的點：AIA 做的是宏觀 regime 定位——判斷當前處在增長、衰退、滯脹還是通縮的哪一種環境，在匯率、商品、政府債之間做配置。不是選股，也不是高頻。

註：這套分工裡真正稀缺的是檢驗那一半。多數團隊把 LLM 當答案產生器用，橋水把它當假設生成器用－生成完必須過統計關。 「解釋」和「證明」之間隔著的那個系統，才是多數團隊沒建造的部分。

---

三、理念二：「我不要一個我們的複製品」

2023 年 AIA Labs 成立時，橋水做了一個組織上很貴的決定：新團隊與旗艦策略隔離運作。 Jensen 對 AI Street 說的原話比轉述版狠得多：

"I don't want a copy of us. We're so flawed. We're so bad at so many things. I want something better than us."

「我不想要一個我們的複製品。我們有那麼多缺陷，在那麼多事情上做得很差。我想要一個比我們更好的東西。」

這句話背後是一個很實際的問題：如果你把橋水投資人已有的結論餵給 AI，最容易得到的東西，是一份漂亮的讚同意見。系統會自然而然學會復讀現有觀點──那不叫 AI 判斷，叫做偏見自動化。

所以隔離不是為了組織潔癖，是為了讓系統有機會先於人類形成判斷，再跟人類對照。被隔離出來的 AIA，接手的是投資人完整的工作流程：蒐集資訊、解釋市場正在發生什麼事、檢驗解釋、形成投資觀點。根據 Jensen 在 Odd Lots 訪談中的說法（轉述），橋水現在是「兩座工廠在運作」：一座把人類直覺翻譯成演算法、由 AI 輔助，就是 Pure Alpha；另一座由 AI 自己做決策——買不買日圓、日本 GDP 接下來會怎樣。

這座機器工廠內部的循環，據 Jensen 在節目裡的說法是四步：每天綜合全球的結構化與非結構化數據形成對市場狀態的理解，生成策略與預測，對每個判斷做自動化的壓力測試，再進入執行與反饋——他給這個循環定的時間表是“未來 6 到 12 個月”閉合。橋水也為這座工廠準備了別人沒有的教材：把過去約 30 年培訓投資人的每一項任務做成 AI 測評，新模型一出就跑一遍；而 50 年系統化寫下來的人類推理記錄，是它手裡的獨家訓練材料。

"The AI is making the investment decisions and doing that in a better and better way, such that now we've got these two intelligences — this human intuition system that we've worked on for 50 years, compounding all of our understanding — and this AI system that's now been at it for two and a half years."

「AI 正在做投資決策，而且做得越來越好——於是現在我們手裡有兩個智能：一個是我們打磨了 50 年、不斷沉澱所有理解的人類直覺系統，一個是已經乾了兩年半的 AI 系統。」

——Greg Jensen，Bloomberg Odd Lots（2026-09；英文原句據 24/7 Wall St. 對節目的直接引語）

他給這套系統的時間表更激進：「我認為再過兩年，它會顯著超過橋水所有人加起來。這是個預測，我們看吧。」

注意一個容易被忽略的進展：隔離可能不是永久狀態。橋水官網明確說，AIA Labs 與 Pure Alpha 是「深度夥伴關係」，AI 系統已經開始用於加速旗艦策略的研究；Jensen 也表示兩個體系「正在越來越合併」。先隔離、長出獨立判斷、再合併回主流程－隔離是手段，不是終點。

註：多數團隊的 AI 用法正好是這個順序的反面——把人的結論給 AI，讓它補充材料、潤色邏輯，得到一份讚同意見。技術上，兩個順序的成本沒有差別；差異在組織願不願意麵對「AI 不同意我」的時刻。橋水展示的完整路徑是先分、再對照、後合併－獨立判斷不是要跟人類永遠分居，是要在合併之前先有自己的觀點。

---

四、理念三：勝率追平人類，路徑完全不同

前兩個理念是內部的，第三個是給投資人的答案：把 AIA 放進組合，買的是什麼？

假設人的組合押注降息，AI 也押注降息，那可能只是加重了同一種風險。真正值得追問的是：加入 AI 策略之後，同樣的風險預算，能不能換來更好的組合結果？

「獨特的 alpha」具體指什麼？把公開說法拼起來，就能看到輪廓。 Jensen 在 2023 年基金啟動前對 Business Insider 表示：

"I do expect we will be able to generate a unique source of alpha that is designed to have both high returns and is uncorrelated to markets and other sources of alpha."

「我預計我們能產生一個獨特的 alpha 來源——設計目標是既有高回報，又與市場和其他 alpha 來源不相關。」

當時他表示，這套系統對歐元走勢、通膨路徑的預測已經「超乎預期」。2025 年 3 月，CEO Nir Bar Dea 對 Bloomberg 表示，AIA 產出的是「與人類投資不相關的 unique alpha」。根據 AI Street，AIA Macro 自成立以來年化 11.3%（公司口徑），回報與市場整體、其他管理人——包括橋水自己的 Pure Alpha——都呈低相關。根據 Jensen 在 Odd Lots 的訪談（轉述），AI 的判斷具體到宏觀變數層級：買還是賣日圓、日本 GDP 接下來怎麼走——「勝率和 Pure Alpha 差不多，但方式完全不同。一個不同的智慧在做這件事。」

支撐這筆投入的是他自己給的一組數字：橋水的 AI 相關支出兩年漲了約 200 倍，而判斷划算的標準很簡單——「我們有一個創造價值的 AI，它創造的價值超過我們付給它的錢」。他把這描述成一條護城河：能用智慧創造收入、再把收入投回去造更好智慧的人，會贏下這一輪。

那這個 alpha 是怎麼找到的？機制上前文其實已經給完答案了：因果推理生成解釋，統計模型檢驗真假，壓力測試淘汰站不住的判斷，最後落到宏觀 regime 配置。橋水官網補了最後一塊－他們相信最有效的建構方式是帶著真實風險去部署，而不是在靜態基準上刷分：每一筆交易、每一次預測都會變成反饋，讓系統從自己的即時表現裡持續學習。官網也稱其 AIA Forecaster 是「第一個經可驗證地追平專家級人類預測者表現的公開記載 AI 系統」。

要誠實地說邊界：「unique alpha」是管理階層口徑，具體的持股與交易細節從未公開，業績數字沒有審計。我們能看到的是機制，不是帳本。

註：「不相關」三個字是這套故事的驗收標準──如果 AI 只是把人類觀點換個說法再輸出一遍，這三個字是做不到的。反過來說，檢驗任何一家機構的「AI 策略」，第一個問題不是它賺了多少，是它的判斷和人類判斷的分歧有多大。

---

五、全公司讀《如果任何人造出來，所有人都會死》：一條底線

講完三個理念，還差一塊。全力押注 AI 的基金，怎麼處理「機器錯了怎麼辦」？

兩個細節。

第一，kill switch。根據 Business Insider 2023 年 11 月的報道，彼時 Jensen 明確表示：風控與監督仍在人手中，系統設有可由人切斷的開關。 AI 參與回答「這筆投資為什麼成立」，但按下停止鍵的手還是人的。

第二，是 Jensen 自己的話術。同樣是那篇報道裡：

"Markets are extremely difficult, so I don't want to overstate how well this will work. ... it's good enough that I would stamp it as a good return stream."

「市場極難，我不想誇大它能有多好。…但它好到我會把它蓋成一個好的回報流。」

順手把風險清單也放在這裡。根據量化社群的公開討論，對 AI 主導決策的標準質疑包括：黑箱可解釋性、過度擬合、track record 太短（AIA 對外開放才兩年多）、策略容量、AI 人才爭奪。這些質疑放在任何一家 AI 基金身上都成立，橋水也不例外。

還有一個耐人尋味的雙重訊號。根據 Jensen 在節目裡的說法，橋水辦了一個全公司讀書會，讀的是那本《如果任何人造出來，所有人都會死》——「這樣他們才理解我們顯然正走在哪條路上」。據 AInvest 等報道，他一邊是 AI 最大的買家之一，一邊公開討論過 AI 的尾部風險；據 Institutional Investor 的 2026 展望，他認為寬鬆貨幣疊加技術變革是“潛在泡沫的沃土”，橋水正在重點建設對 AI capex 泡沫的理解；2026 年 8 月，CEO Barcoex 泡沫的理解；看好 AI 的經濟性與認為尾部風險是真的，這兩件事在他們那裡並不矛盾——而「重點研究 AI 泡沫」這件事，本身就是這套系統在自我校準。

三個理念，一條底線，合起來才是完整的橋水 AI 哲學：讓機器生成判斷，但把「什麼算被證明」交給統計，把「繼續還是停止」交給人。

---

六、官網上的自證：一個小模型，把 GPT、Claude 全比了下去

2026 年 6 月，AIA Labs 與 Mira Murati 的 Thinking Machines Lab 共同發表了一篇研究，官網部落格可查。這篇研究所做的事不性感：六項來自投資人日常的資訊分診任務－判斷一篇新聞對宏觀投資人是否相關、一份央行文件是否預示利率變化、一份文件從哪裡開始是套話。

結果是：以開源 Qwen3-235B 為底層模型，用橋水投資人標註的資料微調後，團隊報告準確率達 84.7%；他們測試的 GPT、Claude 和 Gemini 在專家級 prompt 下為 78.2%，低於團隊設定的 80% 信任門檻。該微調模型的單次推論成本，據報告約為前沿模型的四分之一。

這篇研究裡最值得看的不是那個 84.7%，而是他們怎麼得到能用的數據。第一版用非專家供應商標注，訓出來效果很差；團隊的辦法是先在含噪數據上訓練，再把模型與標註不一致的樣本挑出來，只把這些爭議樣本送專家複核——模型復現不了的標註，要么樣本真的難，要么標註就是錯的。專家時間有限，就請模型替專家找出最值得人工看的部分。

註：這篇研究等於橋水替一個產業判斷做了一次自費驗證－模型在拉平，差異化在資料和流程。他們用的前沿 LLM 跟所有人是同一批，真正獨特的資產是幾十年編碼化的投資知識，和一套把「投資人說不出口的判斷」變成訓練資料的流程。照他們自己的說法，這叫做「differentiated intelligence」：你的專家判斷不是別人模型裡的輸入，它就是模型本身。需要提醒的是，這個評估是兩家合作方的自家結論，不是獨立第三方驗證──但方法本身是公開的，值得讀原文。

---

編輯總結

這個案例最有價值的地方，是它回答了 AI 進入投資決策前必須面對的問題：機器該理解什麼？是因果，不只是相關性。判斷如何形成？先讓 AI 獨立產生觀點，再與人類對照。AI 對投資組合應貢獻什麼？不只是更準，而是不同的回報路徑。機器錯了怎麼辦？最終責任與停止開關仍在人手中。

而橋水自己剛剛公佈的證據說明：這些答案裡沒有一條是「模型比較聰明」。開源底座加自有數據，就能在他們的任務上壓過所有前沿模型。真正難複製的，是幾十年編碼化的判斷，和一套願意被自己的系統反駁的組織流程。

那句話可以帶走：把「什麼算被證明」交給統計，把「繼續或停止」交給人。這兩件事都與模型無關——決定 AI 能不能在一家機構裡真正跑起來的，往往不是模型有多聰明，而是這些制度設計。

---

來源與口徑：AI Street《How Bridgewater Is Building an Artificial Investor》（Jensen 訪談）；Business Insider（2023 年 11 月，Jensen 訪談，涉及 kill switch 與「good return stream」）；Institutional Investor（2025 年業績與 2026 年展望）；Reuters 及後續媒體對 2026 年上半年兩策略報道的 8.1%；Bloomberg Odd Lots《Why Bridgewater's CIO Says AI's Human Extinction Risk Is Real》（2026 年 9 月 9 日錄製）；橋水 AIA Labs 官方頁面與 2026 年 6 月同 Thinking Machines Lab 發布的研究；AInvest、Trillionaire Daily 的評論文章。「兩座工廠」「200 倍」「讀書會」等細節來自公開轉寫與報道，原始播客音訊應視為權威版本。所有業績與規模數字均為公司口徑或公開報道轉述，未經審計，不構成投資建議或業績承諾。公開報道同時存在約 45 億美元資產規模與募資超 50 億美元兩種表述；本文在相關處採用前者並明確註明。