Boosted.ai，這家專注於投資管理代理式 AI 的公司，宣布推出 Alfa Prime，這是一個多模型 AI 投資委員會，結合大規模訊號監測、專為研究打造的代理，以及獨立 AI 模型之間的結構化辯論。該系統旨在協助投資人，在由投資團隊本身所定義的框架內，辨識、調查並挑戰投資想法。

「AI 委員會負責辯論、挑戰並提出建議。人類負責引導與決策。」

憑藉 Boosted.ai 超過八年的量化機器學習經驗，Alfa Prime 能監測數百萬個市場、基本面與研究訊號，找出值得關注的訊號，並在理據透過多個模型家族進行驗證之前，部署專門的 AI 代理加以調查。這家總部位於多倫多的公司先前打造了 Boosted Insights——一個讓投資組合經理將自身資料與變數套用到量化模型中的機器學習平台——而 Alfa Prime 則將這條機構級產品脈絡延伸到代理式、多模型研究。

隨著能力日益提升的 AI 模型，從回答研究問題走向更直接參與研究流程本身，Alfa Prime 反映出投資管理領域正在形成的一項更廣泛轉變。這項轉變已在產業中逐漸可見，銀行、資產管理公司與數據供應商正推出生成式 AI 工具，用於摘要申報文件、財報電話會議逐字稿與研究筆記等工作。Boosted.ai 認為，這一轉變將改變投資想法的發現、測試、挑戰與最終評估方式。作為 Alfa Prime 的初步應用，該公司正向少數機構合作夥伴開放此系統，包括希望依自身任務、標準與內部觀點進行配置的基金與資產管理公司。

Boosted.ai 共同創辦人暨執行長 Joshua Pantony 表示：「我們不是因為市場需要另一個 AI 工具才打造 Alfa Prime。過去一年，這些模型能力的提升是真實的。在我們自己的測試中，Alfa Prime 辨識出較高品質投資機會的比率，約為我們基準分析師工作流程的兩倍。¹ 但績效基準測試不等於投資流程。它讓我們看到的是，流程本身需要演進。只有一個模型給你答案是不夠的。未來將是由投資人設定目標，多個模型建立多方與空方案例並彼此挑戰，而一個 AI 群體共同運作以最佳化結果。」

一個會辯論、挑戰並反覆檢視論點的委員會

大多數 AI 工具的設計是一次性回答問題；相較之下，Alfa Prime 的設計目的是從多個角度對投資想法進行壓力測試。

該系統會指派獨立的 AI 模型，根據基礎財務資料、申報文件、逐字稿、研究報告及其他相關證據，研究並辯論彼此競爭的多方、空方與中性觀點。模型會挑戰彼此的假設、找出證據缺口，並在多輪過程中修正結論。不同模型家族會一同參與，確保分析不依賴任何單一模型的推理模式或盲點——這種做法延續了量化投資中長期通行的實務，即以獨立模型進行集成，以降低對單一模型錯誤的依賴。

接著由主持者評估模型在哪些地方一致、哪些地方分歧，以及分歧原因。最後的分析會被整理成一份可引用的投資備忘錄，呈現支持證據、未解答的問題、關鍵風險，以及最可能改變結論的假設。對機構投資人而言，這類文件具有實際意義：投資決策及其支持理由，通常都要接受內部審查，在許多司法管轄區還要面對外部監管審視。

Alfa Prime 會產出多方、基準與空方案例，並根據辯論的演變提供信心程度指示。快速收斂可能代表論點支撐較強；持續分歧則可能顯示不確定性，或指出需要更深入調查的領域。

投資人仍會在流程的兩端參與其中。人類在一開始定義問題與投資框架，之後再審視、挑戰，並最終決定如何處理分析結果。AI 委員會負責辯論、挑戰並提出建議；人類負責引導與決策。

將 Alfa Prime 開放給特定機構合作夥伴

Boosted.ai 起初將與少數機構合作夥伴合作，依各家機構的投資方法配置 Alfa Prime。

Alfa Prime 不會產出通用的市場觀點，而是會依機構的授權範圍、研究框架、專有資料、投資組合脈絡與內部觀點進行塑造。該公司有意限制其尋求合作的數量，包括客製化導入，以及在適當情況下，針對特定策略、市場或應用採取更排他性的安排。

Pantony 補充說：「我們接觸的每一家機構都看得出這些模型正朝哪個方向發展。我們寧可與少數認真的合作夥伴深入合作，也不願向所有人出售一個小工具。投資機構數十年來一直在競爭，想把最聰明的人放進同一個房間。現在我們正進入一個房間裡最聰明的存在未必是人的世界。這會改變投資優勢的樣貌。」

Pantony 已發表一篇文章，說明為何 Boosted.ai 認為，AI 的近期進展需要對基本面研究採取新的方法，以及這種轉變對投資決策可能意味著什麼。