紅皇后的跑步機：Gabe Stengel 談投資超級智慧，模型夠聰明之後卡在哪裡
Invest Like the Best EP.492 訪 Rogo 共同創辦人 Gabe Stengel。從產品爛了好幾年的先行者劣勢、董事總經理用 iPad 改簡報的細節、大模型公司不會蹲下來撿的硬幣，談到可追溯比準確重要，以及人在 AI 時代還剩下什麼優勢。個人聽後心得與教育分享，非投資建議，不推薦任何個股。
目錄
你看，在這裡，你得用盡全力奔跑，才能留在原地。
要是想去別的地方，至少得跑得比這快兩倍。
—— 路易斯・卡羅《愛麗絲鏡中奇遇》（1871，筆者自譯）
這集在講什麼
Invest Like the Best 在 2026 年 9 月 22 日這集（EP.492），主持人 Patrick O’Shaughnessy 訪問 Rogo 的共同創辦人 Gabe Stengel。Rogo 替投資銀行和投資機構做 AI 工具，你可以把它想成一個會做分析師工作的 AI：改簡報、算財務指標、準備併購案的資料室、回覆盡職調查問卷。Patrick 自己是 Rogo 的投資人，這點先講在前面。
我挑這集寫，是因為 Gabe 談的處境跟我們平常拿 AI 查財報、整理資料的經驗貼得很近。他在一家「模型每半年就翻一次」的公司裡工作，所以講出來的東西很少停在願景，多半落在某個具體的工作動作上。
摘要重點
一、產品爛的那幾年，押的是終點
Gabe 在 Rogo 之前創業失敗過兩次：高中時替一位投資銀行家做過追蹤兩家合併公司換股比例的 app，大學時發表過 AI 輔助計量經濟的論文，想商業化也沒成。Rogo 成立在 GPT-3 剛出來的時候，那時候展示起來很神奇，可是用他的話說，「什麼都不能用」。
他把真正能用的時代切成兩段。o1 Pro 讓它第一次可靠到能當搜尋工具，例如算一家公司過去 12 季的某個財務指標，錯的次數少到你不會乾脆自己算。到了 2025 年底的 Opus 4.5，只要指令和脈絡給對，初階銀行員能做的事它都能做。他提了一個我很有感的說法：應用型 AI 公司有「先行者劣勢」，你看對了終點，模型還沒到，客戶試一次就說這是垃圾；可是如果你一路朝終點蓋，模型追上來那天，產品會一夜之間變得很好用。
二、董事總經理用 iPad 改簡報，這個細節比模型重要
銀行的董事總經理習慣在 iPad 上對簡報畫記號，丟給分析師改，來回要兩天。Rogo 讓他把畫好記號的檔案直接寄給 AI 分析師，20 分鐘改完寄回，同時通知案子上的初階分析師，附上每一處修改的紀錄，讓他想插話時插得進去。
Gabe 說這些人可能十年沒登入過電腦，可是他們會用 iPad 畫記號。這種設計要靠對這份工作的「蜘蛛感應」才做得出來：先知道這群人本來怎麼工作，再把 AI 塞進那個動作裡，不叫他們換一套動作。
三、最先被改變的是私募市場，因為那裡還沒有管線
直覺會以為公開市場最適合 AI，資料都攤在那裡，比的只是誰更聰明。Gabe 說 Rogo 的核心用戶反而是「做交易的人」：買公司、賣公司、協調交易的人。私募市場從整理資料室、回答盡職調查問卷到交割，每一步都靠人，沒有標準化；公開市場的交易所和資料基礎設施早就蓋好了。
所以 Rogo 有一半的工作量在水面下：人做完一件事，它要去更新客戶管理系統、投資組合監控系統、給出資人的報告。Patrick 聽完的歸納我覺得很準：垂直領域的 AI 生意，機會在管線還沒蓋好的地方。
四、大模型公司不會蹲下來撿的那枚硬幣
被問到怎麼跟 Anthropic、OpenAI 競爭，Gabe 說要做「跟它們垂直」的東西。處理重大未公開資訊時的合規紀錄、讓兩家上市公司在併購時安全交換資料的資料室，大模型公司不會想做。Rogo 靠這些做到 50 億美元營收，對一家正從 1,000 億美元營收往 10,000 億美元走的公司來說，就像在路邊停車撿一枚硬幣。
他也拿 Claude Code 當例子：同一時期兩家模型的能力差不多，差在駕馭層（harness，把模型接上工具、資料與流程的那一層）做得好，讓模型能跑長時間的任務，用量就拉開了。他覺得大家低估了這件事：人能做很多事，靠的是腦子裡一堆負責存取、觸發記憶的小機制，光有智商不夠。
五、看得出來源，比答案對更重要
兩年前大家問 AI 必問「幻覺」，Gabe 說他寧可要可追溯的答案。一個答案大部分時候對、偶爾錯，只要你看得到它用了哪些假設、資料從哪裡拉來，就還能用、還省時間；一個答案就算對，你查不到它怎麼來的，就不敢用。
等 AI 從幫你找資料變成替你寄信、做投資決定，這件事更吃重。出錯時要能回頭除錯，跟檢討一個做錯決定的投資人一樣：是資料錯了、有人騙他，還是推理壞了。在受監管的市場裡，說不出為什麼這樣決定，監理機關那關就過不去。
六、個人快了一百倍，公司沒有跟著變快
Gabe 說用 Rogo 的銀行家都跟他講效率高了一百倍，有位二十年沒開過 Excel 的董事總經理，十分鐘自己做出五頁要給客戶的資料，以前要跟分析師來回三天。可是公司層級卡住了：有沒有多贏案子？有沒有多成交？
他舉 JP Morgan 要多做中小企業併購為例：以前案子太小，手續費養不起一整組人，現在一個銀行家就能當一整組。Patrick 的結論是，接下來的瓶頸在客戶的想像力。明天突然來了一百個頂尖投資人給你用，你得先想清楚怎麼分工、各給多少錢、打哪個市場。
七、人還剩什麼：別人拿不到的輸入
Gabe 自承只在金融業待過兩年，不敢替頂尖投資人下定論。他的看法是：如果公開市場也出現像 2016 年 AlphaGo 對李世乭第 37 手那種人看不懂的妙著，最值錢的技能會是去拿別人拿不到的輸入，跑現場、找專家、經營一張人脈網，再把這些餵給模型。
他給老牌投資機構的一道題更直接：假設今天公司 90% 的價值在人身上，十年後頂尖機構 90% 的價值在軟體、資料和系統裡，你今天會開始做什麼？接著把交易流程每一段拆開，問自己手上的優勢是一段關係、一份別人沒有的脈絡，還是「我讀得比較多、比較聰明」。最後那種，AI 會抹平。
延伸想法
AI 查得比我快，我做研究還有意義嗎
我自己用 AI 整理財報的時候，偶爾會冒出一個念頭：這些它都做得比我快，那我坐在這裡是在幹嘛？Gabe 那道「90% 價值在人還是在系統」的題目，我拿來問自己，答案有點刺耳。
第一層：公開市場的資料人人拿得到。財報、新聞、產業報告，把這些讀完、算完、橫向比完，是 AI 最擅長的暴力解。如果我的優勢來自「讀得比別人多」，這個優勢正在縮水。
第二層：剩下的是輸入。Gabe 講的跑現場、找專家、人脈網，放到一般投資人身上可以翻成：你工作的產業裡看得到的訂單和排程、你身邊用某家產品的人怎麼抱怨、你去門市站一個下午看到的人潮。這些東西模型沒有，除非你餵給它。
第三層是判讀方法。我現在寫下一個買進理由時，會試著標它屬於哪一類：「我親眼看到的」或「任何人查得到的」。後一類丟給 AI 驗算就好，前一類才是我要自己回頭對答案的地方。我猜多數人整理完，第一類會少得讓人不太舒服，我自己也還在補這一塊。
AI 應用公司一大堆，誰會被大模型輾過去
每次大模型公司發新功能，就有一批做 AI 應用的公司被市場砍一刀，標題寫「又被取代了」。我常卡在：到底哪些是雜音、哪些是結構？
Gabe 在節目裡講了他當投資人會看的三個條件：產業夠複雜，資料、系統、部署方式多到要花大量力氣才接得起來；團隊有領域知識；願意每半年把核心產品砍掉重練。他舉 Affirm 的 Max Levchin 為例，那家公司每年重寫一次最核心的帳本系統，一來留住工程師，二來不讓系統僵化。反過來讀，就是被輾的條件：產品只是一個聊天框加提示詞，客戶打開通用工具就能做到；或者產品綁在一個改不動的終端機、介面上，模型一跳就跟不上。
這裡有一個我覺得更難的陷阱：產品現在很爛。Rogo 募 A 輪時被 40 家創投拒絕，其中一個原因是這些投資人自己就在金融圈，試用一次發現錯一半，就判定不會成功。Gabe 當時回的是「我們在指數曲線上」。可是每個失敗的創辦人也都講過這句話。我的判讀是看它在模型升級那一刻有沒有跟著跳一階：Rogo 在 o1 Pro、Opus 4.5 兩個時間點各跳了一次。模型升級了、產品卻跳不動的，價值多半卡在別處。這樣就把「以後會變好」變成一個有日期、能對答案的預測。
新聞說員工效率翻倍，財報看得到嗎
企業在法說會上說 AI 讓員工效率大增，股價跟著漲。這種話能信多少？
Gabe 這集給了我一個好用的區分：個人生產力和公司生產力。他的客戶個個說快了一百倍，可是有沒有多贏案子，連他們自己都還在找答案。效率要變成錢，我想得到的只有三條路：砍成本，看費用率有沒有降；做以前不划算的生意，看有沒有新客群的營收，像 JP Morgan 去接中小企業的案子；同樣的人做更多事，看人均營收。財報上找不到這三個數字的變化，這家公司的效率提升就還停在個人層級。
還有一個細節讓我印象很深。Gabe 每個月看全公司每個人用 AI 工具的量，每個部門最後一名會被印成戴笨蛋帽的照片，貼在辦公室。他說本來是玩笑，可是公司變大、很多人不認識他之後，員工會害怕。連一家做 AI 的公司都要用這種方式推，一般企業的採用不會自己發生。所以我聽到「效率提升」時會多追一句：管理層怎麼推、有沒有量？
可以參考的資料
- Invest Like the Best EP.492：Gabe Stengel - Building Investing Superintelligence（2026-09-22）
- Rogo 官方網站：rogo.ai
- 克雷頓・克里斯汀生《創新者的兩難》：Gabe 說這是金融業幾十年來第一次碰上這種處境
- AlphaGo 對李世乭第二局第 37 手（2016）
- 路易斯・卡羅《愛麗絲鏡中奇遇》（1871）
帶得走的一件事
一個判斷值多少，看它用到多少別人拿不到的輸入。讀得多、算得快的那部分，正在變成人人都有的東西。
我試過的一個做法：挑一個最近做過的決定，換工作、選補習班、買哪台車都可以，把當時的理由一條一條寫下來，每條旁邊標一個字。「親」是我親眼看到、親耳聽到、別人拿不到的；「查」是任何人上網都查得到的。寫完數一數「親」有幾條。如果只有零條或一條，下次做同類決定之前，先做一件只有你能做的事：打一通電話問用過的人，或去現場站半小時。
本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。