AI 可以在几分钟内整理财报、归集行业信息，甚至以每月一千多元的成本，完成一名初级分析师的大量工作。但当问题从“发生了什么”变成“现在要不要下注”，它突然来到了能力的边界。

因为金融决策从来不只是一道计算题。相同的信息摆在不同的人面前，可能导向截然不同的选择。一个事后看来无比正确、却超出使用者认知边界的建议，未必会被采纳；即使勉强采纳，也未必拿得住。对于决策型 AI 来说，答案是否正确固然重要，但它是否理解人的经验、风险偏好与心理承受能力，同样关键。

这期节目在 Link X Demo Day 2026 的现场展开。我们从 AI Coding 的成功谈起，追问大模型能否在金融这个非标准化场景中建立新的反馈闭环；也讨论哪些投资经验可以被数据化，哪些判断仍藏在人的直觉、潜意识与微妙的现场感受里。

当市场永远在变化，历史规律随时可能失效，AI 真正应该学习的，或许不是某位投资大师做过哪些选择，而是那些选择在怎样的环境中发生，又为什么曾经有效。