對話RockFlow創始人Vakee：殺死一切App，從股神少女到AI賭徒 ｜100 AI Creators

01

開發Bobby前，Vakee炒股已經超過20年。

她從9歲開始炒股（比巴菲特晚3年），可以憑直覺做各種交易。 帝國理工畢業後，Vakee先是去了一家量化基金，用機器學習交易期貨和期貨衍生品。 20多歲她就通過做空某支美股賺到了自己第一個1000萬。

賬戶數字像遊戲積分一樣膨脹。 對Vakee來說，賺錢太容易，反而有點無聊。 她對任何不費力的享受都缺乏興趣，比如買包、旅遊、囤積奢侈品之類。 通常她都在拼多多上買東西，從不坐商務艙，除非哪天商務艙能飛得更快。

當交易變得像呼吸一樣簡單，就必須找到更瘋狂的遊戲。

在大廠做了幾年產研、又在一級市場做了5年VC投資後，Vakee正式創業。 她的第一款產品是面向全球用戶的美股智能券商RockFLOW(中文名：奇運證券）。

RockFlow用AI簡化投資過程，推出了每日交易機會推薦、自動跟單、極簡期權等模塊，把原本複雜的金融平台做得像遊戲一樣好玩。

但這款2021年上線的產品，本質上仍是“更聰明的工具”，它還無法理解「為什麼用戶此刻想交易」，當然更不可能幫你直接下單。

現在，Vakee即將上線新項目：—款名為Bobby的AI Agent。

Bobby 的目標是徹底取代app，普通用戶只需要用自然語言表達出想法，Bobby就能完成意圖拆解→策略生成→訂單執行的全流程，完成交易閉環。

• RockFlow app下單界面 vs Bobby自然語言下單頁面

舉個例子：當你在瀏覽泡泡瑪特頁面時，Bobby會彈出：「你本月的泡泡瑪特消費2000元，LABubu話題登上TikTok趨勢榜。Labubu與Vans聯名款二級市場溢價率達1284%，需要把潮玩賽道倉位提升嗎？」

這與僅能問答的Chatbot（即聊天機器人，比如BloombergGPT、正在開發中的Morgan Stanley GPT）或需手動操作的智能工具（比如原先的RockFlow）形成了代際差。

在Vakee看來，Agent不是app的升級版，而是下一代用戶界面。

她甚至斷言：「所有App未來都會消失，都會被Agent取代。」

更極端一點，當你對著Bobby說「我討厭特朗普」，Bobby會基於你對特朗普的態度給出諸如規避或做空特朗普概念股（如DJT等），同時結合其支持傳統能源的政策傾向，推薦你做多新能源板塊等。 並詢問你的投資預期，幫你選擇出更匹配你風險偏好和預期收益的標的。

這正是Vakee創造Bobby的起點。

02 

Vakee 對「交易」的熱愛和很多人喜歡美食喜歡旅行一樣自然。 對大多數人來說，投資複雜又有門檻。 但對她來說，每天睜開眼就是一個充滿交易機會的世界。 隨時隨地，信手拈來。

比如今年春節DEEPSeek爆發，老家親戚都開始和AI聊天玩，RockFlow團隊迅速向雲廠商申請DeepSeek相關服務，她則當機立斷買入阿里，因為雲計算業務必然受益於開源模型帶來的算力擴張需求。

有一年她去日本旅行，發現相模(sagami)的超薄安全套無論在哪個便利店貨架上都被掃蕩一空。 她馬上研究了這家公司，發現其在聚氨酯材質上的超薄探索比岡本更早且更激進，並且是當時國內海淘平台的熱銷榜首。 這支股票最終令她當年獲得了4倍收益。

交易，是一種生活方式，Vakee對此堅信不疑。

她不愛享樂，日常都在拼多多上買東西。 與之相反，對一切需要訓練的、能挑戰和極限調動的事情近乎狂熱。 她喜歡短時間挑戰一個project的快感，有過9天通過司法考試的驚人戰績，還曾以最高分拿下過含金量很高的美國ACE健身教練執照。

之後，她把熱情投向AI。 過去10年，她不是在做AI產品研發、投資AI，就是創業搞AI。

現在，Vakee終於找到了一個足夠有意思的新boSs：Bobby。

• RockFlow團隊I人居多，團建就是坐著沉默望天

03

我們和Vakee見面時，關稅大戰剛拉開大幕。 咖啡館裡，恐慌的市場情緒像電流一樣穿過每個人的手機屏幕。

「現在Bobby能幹什麼？」 我問。

「Bobby，找出受關稅影響最小、未來三個月有超預期增長潛力的公司。」Vakee 說。

幾秒鐘後， Bobby 給出了答案：

「考慮關稅豁免領域，如AI基礎設施、數據中心、半導體製造設備等戰略競爭力領域，它們可能獲得部分關稅豁免或延期執行。美國本土化生產龍頭企業也有望超預期增長，因其在美國本土設廠可規避進口關稅。」

「此外，需求剛性行業、防禦性行業等頭部公司也可以適當配置。請參考關稅潛力股單」。

以及主動詢問：「是否需要我在這些公司股價一周內下跌超過 10% 時自動下單？」

AI時代，有人用大模型做視頻和PPT，有人用和Deepseek聊天取代談戀愛，還有人想要養一隻永生AI貓。

但Vakee認為，未來的交易是AI和AI的博弈，所以每個人都需要一隻Bobby。

對話Vakee

Part01

關於Bobby

AI沒人性，所以才賺錢

如果Bobby只是個能聊天的下單工具，我根本就不會做它。 你有沒有問過那些金融Chatbot「我現在該買什麼」？

對，因為它們只是在回答，而不是決策。 Bobby不一樣。 比如你說「我討厭特朗普」，它不會給你一篇「特朗普政策對市場的影響」的摘要，而會直接問：「是否需要我剔除共和黨關聯股票？檢測到新能源板塊可能受益，這些是具體標的，是否需要幫你調整倉位嗎？」

不，完全不同的邏輯。 Chatbot是你問什麼、我答什麼，而Bobby是你還沒問、我已經在算。 比如它發現你最近總看半導體新聞，但持倉裡沒有芯片股，就會主動問：「需要我監控台積電財報嗎？如果超預期，是否考慮買入？」

當然你也可以把你自己的分析邏輯教給Bobby。

對很多人來說是難的。 還拿這輪美股大跌舉例子，加關稅前大家都知道極大概率帶來大跌，但是怎麼判斷一個具體的時間點、以及拋哪些拋多少，它需要你勤奮的研究市場信息去跟踪細節才能去正確行動。 大多數人都是有想法但是沒有執行，可能是懶，也可能是不知道具體該怎麼操作。

再比如最簡單的交易策略——低買高賣，很多人都做不到。 漲到30%的時候大部分人是不願賣的，總希望它能再漲下去，能不能漲到50%。 沒有及時止盈緊接著就大幅下跌，一旦下跌又很容易恐慌拋售。

但AI不會，因為AI沒有人性。

人性裡有比較多的貪嗔癡。 反人性才可以從股市裡賺錢，所以AI肯定更好賺錢。

你看這就是貪，哈哈哈。 Bobby會誠實地說「做不到」，然後幫你把一夜暴富的念頭翻譯成年化20%的可執行方案。

我們設了安全詞。 你可以說「Bobby，只監控不交易」，「英偉達跌到98塊給我打電話」，或者「單筆不超過1萬美元」。 事實上多數人試用後反而更放心，還是那個原因，AI沒有人性的弱點。

Part02

關於創業

創業第一天，就在訓練一個AI交易員

我做RockFloW的願景從第一天開始就是「讓投資更簡單」。 過去2年，我們用了很多方法去實現這個理念，比如把app做得極致簡單。 但我發現這還不夠。

到了2025年，我相信新一代年輕用戶、尤其大家都是AI時代的原住民，完全可以通過自然語言去下單和交易。 你只要開口，Bobby就能迅速實現對你想法的意圖拆解、策略生成直到訂單執行。

• RockFlow創業之初NFT頭像設計手稿

通用大模型確實能提供標準化的分析，但這對真實的投資交易來說遠遠不夠。 當我們需要根據每個用戶的個性化需求、基於他們的交易偏好進行精準投研分析，同時滿足實時性要求並指導即時交易執行時，通用模型就無能為力了。 它們只能將搜索到的信息批量傳遞給用戶，無法完成真正的決策閉環。

Bobby用的是workflow+LLM/Agent模式，在控製成本和風險的同時最大化AI的創造力。

關鍵在於，我們workflow接入的所有信息——無論是用戶數據、市場量價數據還是資本市場輿情數據，都經過了我們專業know-how的二次處理。 只有這樣，才能生成既合理又真正理解用戶的回复，並最終完成交易執行。

這要回到一個根本問題：世界上有兩種需求。

第一種是生死攸關型需求。 比如金融交易、醫療診斷——這類問題絕大多數人無法做到70分，而做不到70分就等於0分，因為會造成嚴重後果。 這類任務的特點是：專業門檻極高、容錯率極低。 但與此同時，做到70分是有明確方法路徑的；

第二種是錦上添花型需求。 比如做PPT、比如寫旅遊攻略——普通人做不到70分也無所謂，但做不到70分不等於0分，就是不夠完美而已。

通用Agent適合解決第二種需求。 但像金融交易這種“生死攸關型”需求，必須由垂類Agent來完成。 原因有幾個：

我們需要處理毫秒級的市場數據、用戶實時持倉等專業信息

一個錯誤的投資建議可能導致用戶重大損失

不是給出“可能也許”的建議，而是必須做出可執行的判斷

對，你不敢。 Bobby從出生起就是個「金融科班生」，它的每一個判斷都建立在專業交易員級別的訓練基礎上。

workflow本身只是工具，關鍵在怎麼用。

行業知識是基礎，真正的突破在於：我們讓 workflow動態生成與用戶當下最相關的交易信息一一包括風險偏好、實時持倉、交易意圖和市場輿情，再結合團隊積累的金融know-how，通過上千個動態節點即時組合演繹。 這不是簡單的信息檢索，而是像專業交易員一樣，對市場信號進行實時解析和響應。 在RockFlow驗證過的投資場景裡，這套系統的執行效率比通用大模型高出幾個數量級。

我們追求的理想模式是：構建一個由數據驅動、能夠自動進化的世界模型，使得金融決策能夠在動態變化的市場中不斷學習和適應，實現真正的智能化和高效化。

AI NOW!：那「懂用戶」這一端呢？ Bobby 怎麼知道你是誰、想做什麼？

Bobby接入了RockFlow的櫃檯交易系統、實時市場數據和用戶數據，像一名24小時待命的對沖基金經理。

比如，當用戶說「我剛失業，想穩健投資」，Bobby會自動調低風險偏好，推薦國債+高分紅股票組合，並設定動態止損線。 它可能會在市場波動時主動詢問“檢測到美聯儲可能加息，需要調整你的債券倉位嗎？

AI原生的投資交易平台體驗，所需的技術架構從第一天起就和移動互聯網券商有根本的區別。 越是成功的前輩友商，就越難拋棄一切存量業務基建和用戶體驗，實現AI時代的自我革命。

上一代移動互聯網券商的使命是提供用戶非常好的手機客戶端體驗，比PC時代的老牌券商比如盈透證券，有了極大的體驗提升。 這件事他們做得很好，也滿足了70後、80後用戶的需求。 但在AI時代，以GenZ為代表的年輕一代用戶有了自己新的投資交易體驗需求。

RockFlow不同在於，我們從創業第一天就明確要面對新一代投資者做AI原生的投資理財平台，並自己搭建AI基建和適合於AI訓練的櫃檯交易系統，全世界只有我們在這樣做。

對券商平台來說，櫃檯交易系統就相當於抖音的推薦算法。 用別人的系統就是黑盒，不會每個模塊都開放給做模型訓練，所以，我們必須自己做。 只有這樣，才能從底層獲得結構化的、連續的用戶行為數據，理解用戶的真實決策路徑，並在此基礎上持續反饋優化。

我們在最開始設計RockFlow櫃檯交易系統的時候，就已經考慮到未來我們每個模塊要怎麼做機器學習了。 這些數據不是靜態資產，都是我們訓練每個人的個性化Bobby的原材料。

Part03

關於AI

殺死APP，Agent是一切服務的終極進化

翻了下我們第一次關於Bobby的會議紀要，是2023年9月。 我們從創業RockFlow一開始就是按AI native的目標來設計整個系統，包括交易系統、數據和產品架構，但思路確實是逐步清晰，在Agent架構設計上，也走過彎路，這些都是寶貴的經驗。

每一代面向用戶的端產品都有它的歷史任務，AI時代，你的產品使命肯定不只是功能豐富一點、設計交互再簡單一點，加或減一個按鍵之類的。

我認為是第一次真正有可能理解用戶並主動為用戶服務。 移動互聯網的好產品是讓用戶「更高效地操作」，AI時代是讓用戶不操作——直接被服務。

所以過去在app上，它可能是在一步步引導你「如何買期權」「怎樣找到合適的期權」，但今天AI直接識別了你的意圖——「我希望我的投資回報率在20%」「我希望躲過此次股災」。 這是非常根本的底層範式革命。

所以我相信Agent不是app的升級版，它就是下一代用戶界面。

我做這件事的初心是，我相信投資是相當個性化的，它完全是一個人價值觀和世界觀的綜合體現。

就像我們前面聊到的，很多人是有想法的，他們對每天發生的事情有各種各樣的認知，但是他們被一些細節問題困住了導致沒有辦法正確和及時的行動。 大家經常說交易就是認知變現——但對大部分人來說，最大的困難在於從認知到交易他不會操作。 Bobby就是來幫大家解決這個問題的。

都可以交易，都可以賺錢。

對。 從這個意義上說，未來所有app都會消失，都會被Agent取代。

我不會這麼想。 過去10年，我不是在投AI，就是在創業做AI。 我所有的經歷決定了我今天就是要做Bobby這一件事情。 勇敢的人先享受世界。

DeepSeek把它的深度推理可視化展示在每個人面前的時候。

文生圖。 準確地生成圖片包括保證角色姿態一致、文字有意義在最開始很難，當時覺得生圖距離商業化的路還非常遠，後面從Diffusion TransFORMer開始的新技術和新產品都非常給力，遠遠超出預期，現在生圖已經完全可以用在各個生產場景中了。

在OpENAI這種公司上面做通用功能，或者沒有深入做進業務場景閉環的產品都很難，OpenAI一出新模型就容易被顛覆，比如之前GPT-4o一鍵生成吉卜力風格的功能出來，死了很多創業公司，沒有想明白如何構建業務護城河。

所以，對我來說，最重要的不是「我有沒有用 AI」，而是「我解決了什麼問題」，能否在垂直場景下抽像出需求並且考慮長期商業價值與業務壁壘，行業中目前還是缺更多優秀的AI產品經理。

所以回到 Bobby，做Bobby不是為了炫 AI 技術，而是為了讓投資變得更簡單，創造價值。 如果哪天我發現 Bobby 沒能做到這一點，它也完全可以被幹掉，沒必要執著。

算力需求被低估了，AGI的到來被高估了。 現在大家都覺得堆更多GPU、訓練更大參數模型就能逼近AGI，但真正的卡點其實在應用層——我相信未來這幾年會是垂類Agent的爆發期，並且這是一個很長期的過程。 每個細分領域都需要定制化的計算優化。 就像電動車普及後，充電樁是真瓶頸。

垂直應用領域的「寒武紀大爆發」。 在金融、醫療、教育、旅遊和供應鍊等複雜場景中，將湧現出真正重構用戶體驗的Agent，而不僅僅是簡單的聊天機器人。

比如可以自動完成個性化的旅行規劃、談價並付款的旅行Agent；或者一個能夠根據學習能力和偏好，定制個性化學習路徑的教育Agent。 這些都不需要等待通用人工智能（AGI），現有技術與垂直數據就能實現。

費曼《發現的樂趣》，宗薩欽哲蔣揚仁波切《正見》，傅高義《鄧小平時代》。