最好一批人的注意力，
成为 AI 的金融 context。

01 WHO WE HAVE

我们有最好一批人的注意力。

Frontier 从一个公众号开始，把一二级金融机构的从业者聚到了一起。很多人把 Frontier 置顶，重要消息一发生，第一时间进来看、进来讨论。

投研最关键的信息，很多并不发生在金融圈里。最懂美光的人，往往不是买方或卖方，而是美光的员工。Frontier 里既有金融从业者，也有 AI、半导体、互联网产业里做事的人；既有用户自己的讨论，也有专家内容。这些内容，不会出现在传统投研平台上。

重点不是人数，是密度。人一多就鱼龙混杂，降噪的成本会超过获取信息的收益。我们聚的是能给出判断的人。

02 WHY HERE

中国缺一个金融推特。

海外有金融推特：从业者在公开场合交换线索、争论判断。国内没有这一层。微博和知乎泛娱乐化、低质化，承载不了；小红书的用户更好，却只能用吃喝玩乐的形式，被迫承担了一部分这个角色。

Frontier 从前沿科技切入，而不是股票。主打 AI 和科技的前沿信息，避开了股票社群的误区：产业里的人来这里讨论前沿，不是来听荐股。前沿信息本来就领先于投研，这让 Frontier 更像推特，而不是又一个炒股群。

• 微博 · 知乎泛娱乐

  内容低质化，专业讨论被淹没。

• 小红书用户好，形式不对

  只能用吃喝玩乐的形式聊金融。

• 股票社群鱼龙混杂

  围着股票代码转，降噪成本太高。

• Frontier前沿科技，从业者

  金融人和产业里的人，讨论还没进研报的东西。

03 WHY NOW

消费端打开了。

以前，一家另类数据供应商往往只服务 30–40 家机构。只有机构消化得了大批量数据，所以数据必须高价值、高难度、高价格，生意才成立。

AI agent 改变了这件事：不会写代码的人，也能调用 API。数据第一次可以被所有人消费。

消费端打开之后，瓶颈上移：不再是谁用得了数据，
而是哪一份 context 是对的。

04 WHERE THE VALUE IS

同样的 token，输出的判断价值不同。

模型人人可用，输入 token 人人同价。区别在于调用时，有没有一层对的 context。

这个判断的差额，就是值得捕获的价值。

05 ONE ASSET, TWO EXITS

同一份注意力，给人，也给 AI。

核心用户的讨论留在平台上，变成权重：专业人群的注意力给每条信息打的分。这些权重构成 context。

给人，它从推特、新闻和研报里筛出真正重要的，按专业人群的注意力帮你找到要的信息。给 AI，agent 调用时带上这层 context。

06 WHY NOT A BETTER MODEL

换一个更强的模型，解决不了。

1. 01 / UNSAYABLE

   很多权重说不成 prompt。

   哪条消息重要、谁的判断更可信，是专业人群长期注意力的结果，写不成一段话。

2. 02 / CONVERGENCE

   金融场景里，模型能力已经趋同。

   再换一个更大的通用模型，边际越来越小。

3. 03 / EXTERNAL

   把 context 外挂在模型之外，可能是解法。

   后训练只训「什么重要」这一个判断，不训全能的金融模型。context 留在模型外面，模型换了它还在。

07 THE COMPARABLE

数据供应长什么样：Reddit。

Reddit 把社区讨论授权给谷歌和 OpenAI，用于模型训练和实时数据接入。据 Reuters 报道，谷歌这一笔每年约 6,000 万美元。

Frontier 是同一个形状，更窄，也更密。

08 WHAT WE WILL DO

三件事，一个循环。

1. 01 / CAPTURE

   做好 Frontier app，捕获更好的信号。

   把讨论聚到自己的平台上。付费从业者从 1.5 万扩到 5 万。

2. 02 / POST-TRAIN

   后训练，把信噪比判断做好。

   招算法与后训练人才，把多年人工挑选的经验变成模型能力，千人千面地开放给用户。

3. 03 / SUPPLY

   用这两项优势，做数据供应。

   给 agent 和模型厂提供金融 context 与权重。