以色列初创公司 42AI 于 2026 年 11 月 2 日宣布走出隐身模式，带着 6250万美元 种子轮资金和一套号称能预测人类决策的行为世界模型亮相。这套系统已在 10 家大型金融经纪商上线，宣称能提前 24 小时预判交易员在剧烈波动行情下的买卖动作，交易流向预测准确率高达 98%，甚至帮一家券商靠动态对冲多赚了 3000万美元。剥开这层科幻叙事就会发现，其巨额融资实为创始人家族基金三年内的内部输血，公开学术底座只是开源小模型的微调，而它真正在做的，是把散户打客服电话时的焦虑语音变成券商做市对冲的筹码。
与主流研究物理规律的世界模型不同，把人类心理与社会行为当成模拟对象正成为新分支，赛道上已有 Simile、Aaru 等初创公司。Simile 靠访谈和交易数据复现群体调查，关联研究显示其智能体复现回答的准确度达到参与者自身复现准确度的 85%；Aaru 用公开信号构建合成人群，在 2993 个问题上的平均总变差距离为 7.62 个百分点。同行大多停留在宏观人群分布模拟，42AI 却直接切入散户与券商零和博弈最激烈的个体交易预测，这也让它的技术成色与合规边界格外刺眼。
6250万美元家族输血与62%的预测上限
科技圈很久没见过超过六千万美元的种子轮，但这笔钱并非硅谷一线风投的市场化背书。42AI 首席执行官 Amit Gal-Or 承认，这 6250 万美元是在三年间由创始团队和 Infinity Group 陆续投入的，并未完全向外部机构募集。Infinity Group 的创始人正是 Amit Gal-Or 的父亲 Amir Gal-Or，他同时担任 42AI 的联合创始人兼董事长。除媒体专访外，市面上没有任何确认该轮融资完成及外部投资者名单的独立官方公告；就在一个多月前的 2026 年 9 月 16 日，一场创投线下活动披露的信息还显示该公司处于 SAFE 融资窗口，且当时的创始人投资额写的是 1000 万美元。
比资金来源更值得推敲的是那个听起来无所不能的行为世界模型。42AI 声称耗时三年，融合了心理学、神经科学和遗传学，还请来 2011 年诺贝尔化学奖得主 Dan Shechtman 担任顾问，用超过 200 万人的政府与生物样本库数据以及近 3000 万人的客户数据训练出一套基于 Transformer 的世界模型。但在 42AI 官网直接链接的一篇于 2026 年 2 月 19 日提交至 arXiv、署名为 OMGene AI Lab 的预印本论文中，这套技术的底牌露了出来。
这篇论文展示的技术底座，实际上是使用 LoRA 微调的 Llama-3.1-8B-Instruct 开源模型。研究团队构建了最多 74 项心理特质画像，在 2500 名参与者和 55 个假设场景的数据集上测试，留出 25% 的场景做验证。测试结果显示，当输入 5 项心理特质时，模型预测个体行为的准确率约为 48%；增加到 20 项特质时，准确率升至 62%，随后便陷入平台期，再堆叠特质也无法显著提升。
从论文里基于 80 亿参数开源模型微调、准确率卡在 62% 的心理问卷实验，直接跳到商业宣传中 98% 的准确率，中间隔着一道数字概念的转换。Amit Gal-Or 在采访中补充解释，98% 衡量的是整体交易资金流向是否落在预测区间内，而不是猜中每一笔具体交易；至于预测具体交易方向和交易量的 F1 分数（综合考量准确率与漏报率的指标），该模型保持在 0.8 到 0.85 之间。普林斯顿大学学者 Matthew Salganik 与 Arvind Narayanan 等人的独立纵向研究早就证明，即便拥有长周期的丰富数据和复杂建模，人类生活与行为结果的可预测性依然存在刚性上限。42AI 首席技术官 Ehud Ezra 也承认，交易员如果仅仅因为听信朋友或同事的一句建议而临时改主意，脱离了上下文的模型准确率就会立刻下滑。
- 结论.42AI 所谓的 98% 准确率测的是群体资金流向区间，面对单个散户的临时起意，其公开学术底座的预测准确率依然停留在 62% 的天花板下。
券商多赚3000万美元背后，散户成了单向透明的对手盘
既然个体预测存在天然上限，为什么还有 10 家大型金融经纪商愿意买单，甚至撑起超过七位数的年营收？答案藏在经纪商的做市与风控机制里。
传统量化风控依赖历史交易序列外推，一旦遇到暴跌或逼空等极端行情，散户的恐慌性抛售或非理性加仓就会让历史模型失效。42AI 换了一条路径，把交易员在开户身份认证（KYC）、入金转账、甚至拨打客服或销售电话时的语音语调、情绪波动和通话频次全部收集起来，转化为数学特征向量，以此判断一个人在压力下是倾向于死扛还是割肉。
42AI 向券商收取固定费用或按创造价值的百分比抽成，并把帮一家经纪商通过动态对冲多赚 3000 万美元当成标杆案例。在零售外汇、差价合约及高频经纪业务中，许多券商并非单纯赚取通道佣金，而是通过内部做市（B-Book）直接成为客户的交易对手盘，或者根据客户头寸决定是否去外部市场抛补对冲。
当券商能靠你的客服电话录音提前算准你何时爆仓割肉，所谓的动态对冲就成了对散户心理弱点的单向收割。
面对机构是否会利用这套系统算计自家客户的质疑，Ehud Ezra 承认这是合理的担忧，但两位创始人只搬出了外部监管、日常监控和内部伦理委员会来挡驾，并未说明有任何技术机制能阻止券商拿着预测结果与散户做反向博弈。
更脆弱的是其数据合规防线。Amit Gal-Or 辩称系统不需要个人身份信息（PII），模型永远不知道这个人是谁。但在欧盟《通用数据保护条例》（GDPR）第 4(4) 条的明确定义下，利用个人数据评估或预测自然人的行为、偏好、可靠性或经济状况，本身就构成受严格监管的个人特征画像（Profiling）。只要系统把同一个人的开户记录、客服语音和交易历史串联起来建立专属档案，即便隐去真实姓名改用代码，也只是假名化处理（Pseudonymization），绝不等于脱离监管的匿名数据。加上其底层训练动用了超过 200 万人的生物样本库与遗传学相关数据，一旦跨入欧洲等严监管司法管辖区，直接触碰 GDPR 第 9 条特殊类别数据与第 22 条自动化决策的合规红线。
- 风险.散户在经纪商处的客服通话语音与日常操作正被静默转化为心理弱点档案；而采购此类系统的金融机构，将同时面临自动化画像违规与侵害金融消费者权益的双重监管反噬。
42AI 计划接下来继续向外部募资，并把这套模型推向游戏、反欺诈和网络安全领域。由于每进入一个新行业都必须按当地规则和语境重新训练，这套建立在开源小模型微调之上的系统能否跨出金融做市商的温床，还要看下一轮有没有真正的外部风投愿意接盘。