[音乐]

很高兴来到这里。我是迈克尔·马尼帕特，Rowspace的联合创始人之一。RSpace是一个代理平台，利用人工智能帮助金融服务合作伙伴（如Apollo）处理混乱、碎片化的数据。我们基本上使用代理来执行数据工程的工作，以整合来自各种系统的数据或核对数据，从而使投资组合经理、交易员等能够更快、更准确地做出决策。

这里与我一起的是杰克·麦克唐纳，他是Reading Ridge的首席运营官，这是Apollo旗下的一家信贷部门。也许我们可以从你开始，杰克，我很想听听关于你和你的业务的一些情况。

是的，谢谢迈克尔。我是杰克·麦克唐纳。我在Apollo担任主要合伙人，并兼任Reading Ridge Capital的首席运营官，这是一家专门管理结构化信贷和CLO（担保贷款义务）的机构，且隶属于Apollo。我们是一个完全独立的运营实体公司，管理着约500亿美元资产，主要涵盖整个结构化信贷生态系统，尤其是CLO。

自2020年以来我一直在Apollo工作期间，我在不同的岗位上担任过各种角色，包括我们的金融机构集团、资产支持部门以及现在的Reading Ridge。所以是的，很高兴来到这里。

太棒了。我们在与大量金融机构交谈时注意到一个现象：人工智能从“锦上添花”变为业务“至关重要”之间存在巨大的差距。我认为在Apollo的案例中，我们看到人工智能确实可以彻底改变公司的运作方式。我很想听听你举一些例子，谈谈你们业务部门所做的工作类型、其复杂性所在，以及现在看到人工智能带来的变化。

是的。在Apollo和具体的Reading Ridge业务中我们管理着许多不同的基金实体和投资项目。每天我们会收到成千上万的数据点，涵盖所有投资项目。我们管理着大约千名贷款池名称的资产组合，并在多个不同业务中评估信用状况并进行日常投资。CLO管理非常活跃且在广泛 syndicated 贷款市场中进行交易，因此随时掌握这些信息至关重要。

在Apollo，特别是Reading Ridge的具体做法是努力增强并确保所有数据及其质量准确、一致且格式可用，使我们在快节奏环境中做出决策时更加务实和深思熟虑。这些信息是私有的，不像公开股票或固定收益交易那样在市场中广泛流通，而是分散在各种文件中。

因此我们寻求与RSpace等公司合作，让他们进入并与我们的团队一起工作，了解实际计算和所需信息，确定什么是“黄金真理源”，然后持续增强人工智能引擎以理解并重复这一过程，从而提高我们的效率。

我想观众中有很多工程师，我们也曾讨论过公司进行的许多“消防演练”，以前需要团队工作一周甚至更长时间才能完成。你能否为我们提供一个具体的例子，描述一下过去痛苦、耗时且难以处理的事情，而现在通过RSpace和人工智能可以更轻松地完成？

是的，很乐意分享。我想举两个例子。首先是投资组合构建方面。CLO具有特定的测试规则，基于大量规定和资金流动的具体层级结构。这些都深藏在契约文件和多个法律协议中。从投资组合经理的角度来看，在构建投资组合时他们需要审查这些文件、建立基于Excel的模型并创建包含200到400个单一信用名称的模拟投资组合。

在采用RSpace之前，这通常需要2到3天的时间手动完成Excel工作流。如今我们可以获取最新的实时信息，在几分钟内创建投资组合。这使得投资组合经理能够构建出完成度约为80%至90%的投资组合，然后运用他们的判断力和思考能力进一步细化最后10%，使其成为自己的作品。

这是最直观的示例之一，它从多个来源（如文档库、交易和合规系统以及实时定价等）整合各种形式的数据。另一个我想提到的例子是我们的仓库购买活动。我们的业务运营依赖于大量的银行贷款融资，我们可以随时在固定收益市场中买入贷款。

历史上我们会每周进行一次交易核对和活动审查，汇总本周的买卖活动、购买内容和出售内容。这非常繁琐手动，我们需要进入各个银行账户以了解实际结算情况的对账单，由一个团队逐一核对然后发送报告邮件给管理团队进行总结。

如今我们能够将同样的报表导入RSpace，从可视化角度来看该报告已在短短一分钟内创建并可重复使用。现在这一切都已自动化。对于我们团队而言，我们只需每天进行质量检查以确保数据正确无误。这变成了一个更为常规的流程，而历史上这需要团队中两到三个人花费数小时来完成核对工作。

这两个例子都很精彩。你们不仅仅是阅读聊天机器人的输出来获取信息，我认为你们的团队正在做出交易决策和投资组合管理决策。因此准确性和质量要求很高。这是一个两部分的问题，我想很多人会问我们或一般性地询问为什么不能简单地将这些数据接入云端或通过聊天看看会发生什么？对于像你这样的人，你们团队如何对RSpace或其他人工智能工具建立信心，从而决定使用它们？

关于这些商业决策，制定交易、构建投资组合等所有工作。如何达到那种信任级别？是的，我会说Claude以及世界上的其他开放AI和像ChatGPT这样的所有大语言模型都非常有益，但它们处理的全部是通用信息，没有任何属于你们自己的实际数据。因此，它们非常适合研究或构建新想法，或者快速了解某种产品或投资以跟上节奏。

而Rowspace的不同之处以及我们在Reading采取的方法，围绕拥有我们自己的数据，并在其上建立某种平台和技术的理念。我们知道这是真实的。因此，Rowspace团队与我们合作过的其他科技公司非常不同，他们是脚踏实地的。例如Michael每天与我们的团队坐在一起，学习和理解我们的信息流，因为对于可能来自20个不同来源的一条数据，只有一个实际上是正确的。

因此，Rowspace团队花费时间与我们的投资组合管理团队、财务团队合作，以理解计算过程，确定哪些数据实际上是正确的，覆盖其他信息来源并对其进行整合。因此，我们能够信任该系统，并且感谢我们的团队介入验证这些信息是正确的且可以依赖的。它来自我们所有的系统，无论是交易订单管理系统、绩效系统，还是我们从彭博社或任何定价指数中获取的数据，并知道它是准确的。

而在我们公司内部甚至其他许多系统中情况非常碎片化，我们必须手动从这边提取一条信息并带回到这里进行整合。而Rowspace现在正在为我们自动化这一切。（笑声）很高兴听到这些，让我们从更高层面谈谈公司。在我看来很长一段时间内，甚至在去年Claude Code出现之前，当Cursor仍处于标签补全时代时，Apollo是我们交谈过的最“AI原生”的公司之一。

这涵盖了公司如何看待在AI世界中投资，以及在运营方面我们很久以前就开始与您交谈时，你们处于“必须以AI原生方式重建公司”、“必须拥有平台形式而非点对点解决方案”的阶段。所以我很好奇这源于何处，以及Apollo的哪种文化使你们在事情爆发之前就对AI如此热衷？

是的，所以Apollo一直以自己是另类资产管理空间和更广泛的金融服务行业的领导者而自豪。我们引以为豪的是非常创新，并处于所有变革的最前沿。因此我认为从一开始以及我们的管理团队如何采取运营方式，始终是不断提升技能并增强团队能力，能够灵活适应市场走向。

我们认为AI世界已经到来，我们需要适应和采用它，而不是质疑或不利用它。因此我们在采用新技术方面非常前瞻且开放-minded，并将这些技术带入我们的工作流中，以提高效率并释放人员精力去进行更有思考性的工作，取代手动流程。因此我认为在核心层面上我们始终是一家非常创新的公司，拥有扁平且开放的文化来接受这类变革。然后我忘了你问题的第二部分，抱歉。

也许我们可以继续下去。我认为我们正在思考的一件事是软件工程已经完全改变了一门学科的性质，如果你是一家像Rowspace这样的科技公司（也许法律和客户服务也几乎到了那个程度），你认为金融在AI光谱的什么位置？是已经到来并产生了影响，还是我们甚至还没打完第一局的下半部分？这是一个两部分的问题。

再次提醒第二部分：如果我们处于早期阶段，什么是真正改变金融形态所必需的？是的我认为这是一个很好的问题。所以我认为广义上的金融业这些银行和大型组织规模庞大，拥有大量的后端支持（我称之为中后台支持），我认为那里有很大的增长和提升空间。

我想你现在与我们合作时应该能体会到，我们极其复杂，在我们所做的每一件事中都充满了复杂性。所以这并不简单直接。我认为在广义的金融领域，特别是资产管理、投资银行和机构世界中，我仍然认为这非常早期。

我认为对于某些模型创建或快速了解某家公司并拉取和聚合这类研究方面存在一些价值。但在我看来，目前这属于较低附加值领域，并且这将随着时间演变。我认为像那样某些职能对初级支持的需求可能会随时间减少。但从我们目前的立场以及我在Reading看到的角度来看，我们正在尝试采用这项技术并使其尽可能高效地服务于例行任务。

这释放了精力用于其他项目，因为我们要处理和增强的事情似乎无穷无尽，而这给了我们更多的灵活性去采用它。是的。所以也许顺着这个思路继续下去，我很好奇在一个AI仅仅帮助加快任务速度、节省运营支出等的世界里。也许就像现在没有公司因为使用Excel而拥有优势一样，每个人都用Excel它只是一个生产力工具。

但也存在另一种情况，即AI实际上能带来实质性的竞争优势或帮助巩固Apollo在结构化设计和创造性交易等方面的领先地位。你对AI是仅仅成为一种有用但通用的商品，还是能够真正以持久方式使业务更具竞争力的结构性因素有何看法？

我认为如果适当适应和利用，它将使你更具竞争力。我认为在其核心层面，特别是围绕资产管理、投资类公司以及活跃交易市场中，这归根结底取决于你的流程。

信息就在你手边，因此了解已建立强大的执行流程至关重要。你需要清楚可用的流动性、资产定价及任何时点的价值，这能赋予你竞争优势。这种优势在活跃交易市场中已存在，但在私募市场正在演变。Apollo 一直走在推动这一变革的前沿。随着 firms（公司）能够获取更准确的信息，这种优势将转化为长期的竞争壁垒。团队确信信息无误且未出现偏差至关重要，因为我们最不想做的就是基于错误信息进行决策，进而将误导性结论传导至企业层面及最终投资者。

是的，这很有道理。我想请问你对五年后的 Apollo 有何预测？面对所有变化……其实这样问不太公平，我甚至无法预测下周团队是否会使用 CodeEx 或 Cloud Code。但我还是想问五年后的情况，以及你个人希望看到什么：你的团队、AI 在 Apollo 的应用将如何演变？技术真正产生价值需要满足什么条件？未来几个月你是如何看待这些问题的？

我认为这回到了我之前提到的几点：首先要对流向投资者的所有信息拥有完全信心，确保其准确无误。我们无需花费数小时手动核查验证，也不必担心分享的信息存在错误或问题。因为我们拥有超过 400 家全球投资者组成的广泛基础，这种信任至关重要。其次，团队在思维上应更加技术赋能。虽然此前我们并不缺乏这种意识，但技术应用往往被视为次要考虑因素。

我认为，随着我们开发和完善这些工具，使常规任务更高效，就能释放出精力去思考流程存在的意义、当前运作方式以及如何增强或改变它们。理想情况下，我们的员工应将此作为主要思考方向，特别是在日常写作和扩展组织规模时。目前这仍属次要考量，但未来应成为核心思维模式。

时间还够再问一个问题。我从与你合作中学到的是，工作既复杂又充满创意，需要人和 AI 共同努力才能使其运转。在座许多人希望从事 AI 与金融结合的技术或金融工作，你有什么建议吗？比如应用 AI 到你们这类领域时需要注意什么？

我认为关键在于我们是非常复杂的组织。事情看起来可能新颖或怪异，但通常有其特定原因和结构逻辑。你们进来后应该能感受到我们的细微差别和复杂性。因此，花时间深入一线，与你要为其构建或增强工具的团队及前台专业人员坐在一起，是非常值得的。

Rspace 产品之所以能领先于路线图和预期取得成功，正是因为 Michael 及其团队花费大量时间与我们并肩工作。他们几乎每天都深入理解我们的工作流，这一点至关重要。

最后做一个无耻的广告：Bothpace 和 Apollo Technology 正在招聘希望将 AI 应用于金融的人才。如果有兴趣，请随时联系我们。Jack，非常感谢，聊得很愉快。谢谢各位。（掌声）