本文来自微信公众号： 肖小跑 ，作者：肖小跑，原文标题：《两个Kevin跑得快：人类直觉 vs. AI情报分析 vs. 市场群体智慧大比拼》
两个Kevin，两个Kevin，
都有戏，都有戏。
一个更爱川普，一个更爱华街，
真纠结，真纠结。
01
我的《发现叙事》substack和播客已经运营一段时间了。初衷是想搭建一块实验场，看看在“发现叙事—分析叙事—预测叙事对现实世界的影响”这件事上，我有没有和AI的契合点？AI究竟在”发现叙事“中能发挥什么作用？更重要的是——AI和人类（我）谁更靠谱？
要回答这个问题，最简单直接的办法就是：比划比划。干脆和AI比场赛。
既然是比赛，那就要找一个比赛项目。这个项目需要有一个明确的结果、有足够大的不确定性、过程充满变数、叙事能多次反转、以及冒出黑马的可能性；最好关键人物三不五时发个爆款推文、说几句奇怪的话，让事情起波澜，让市场抖一抖。
机会来了。
下任美联储主席的提名，基本满足所有条件：
有一个明确的结果：鲍威尔任期2026年5月结束，到了一月，美国无论如何也会有一位新联储主席提名出现。
有足够大的不确定性：当前主要候选人包括凯文·哈塞特（Kevin Hassett）、凯文·沃什（Kevin Warsh）、克里斯托弗·沃勒（Christopher Waller）。有概率相当的两个Kevin，还可能有一匹黑马。
剧情也已经开始反转了：本来哈塞特呼声挺高，结果懂王前几天接受采访时突然改口，说沃什也是头号人选，还来了句“两个凯文都很棒”。这一嗓子喊出来，哈塞特在预测市场上的胜率直接跳水。
关键人物频繁发声：日子越近，懂王就愈加频繁地谈及心目中继任者人选。以懂王的性格，谁也不能保证圣诞或者跨年时一高兴，直接给大家爆一个大礼包。
能影响市场：这绝对是2025最大政治赌局–影响股市、债市、通胀、黄金、加密市场、还有大大小小的赌盘们。
说到赌盘，虽然现在全世界都在关注，但能给人最直接观感的还是Polymarket。截至我打这行字时，polymarket上的赔率如下：
（Kevin Hassett领先59%，Warsh 19%，Waller 12%）
虽然历史无数次证明，拿真金白银投票的市场“群体智慧”往往是最准的，但在这种充满了政治黑箱和复杂考量的人事任命面前，单纯靠赔率有时候也未必灵，人类对“厚黑学“的理解也许还能派上点用场。
距离明年1月（或年底）还有不到20天，日子越近，就像期权快到行权日一样，任何一点风吹草动都会引发巨大波澜。
所以，我决定发起这场实验，看看谁能押中胜者，以及预判对市场的影响。
02
下面介绍一下参赛选手：
- 人类选手：我(The Human Narrator)
但我不是自己肉搏。我和小伙伴开发了一个AI发现叙事助手：帮我全天候监控相关叙事的整个生命周期，发现有价值的情报。
我，则保留人类最核心的优势——直觉、政治、八卦的嗅觉以及对“弦外之音”的理解。我会用自己的经验和判断下结论。
我的装备：（先姑且称为小跑叙事雷达）
这是小伙伴帮我开发的，一个能帮我24小时扫描信息变化、抓住（并区分）rumors和facts、探测关键叙事生命周期（哪个叙事在长大，哪个在转向，哪个在消退）——的AI agent。
而我人类，则用自己的经验、分析能力、和直觉，来找到这背后可能会带来的行为偏好的变化。用我自己对政治和人性复杂关联的理解，来做判断。
- Atypica：（The AI Consultant)
我能找到的、最有趣的、能替代人类咨询师分析师的垂类模型。它的人设是麦肯锡情报分析师：能大范围扫描、做二手调研、一手调研、和专家访谈；强证据链整合、严格推演。
Gemini(The Benchmark)：代表主流、非垂类模型的推理。看看是“啥都懂模型”更厉害，还是“专业模型”更靠谱？
Polymarket：代表金钱的直觉和群众的智慧。
比赛规则：比较简单粗暴——从12/24日除夕夜启动，到名字揭晓那一天截止。大概每三天更新一次，把各参赛选手发现叙事、分析过程、和预测结果做对比。
03
我为什么想做这件事？
因为信息过载时代，传统指标不是频率太低，就是反应太慢，难以捕捉驱动市场的真正推手。现在的金融舆情分析，多数还停在“解释当下”上，而投资更需要“预测之后”。
新闻里并不全是事实，只有把时间拉长，看清叙事的产生、扩散、分化和消退，才更接近真相。
经常看我写文章的伙伴们都知道，这件事我已经惦记了很多年了，文章写过好几篇，书也写了两本。
不怕贼偷，就怕贼惦记。经过这么多年的惦记，我甚至自己设计出了一个”叙事情绪周期“和一套判断公式（我在《一点探索：如何制造一台故事机器》中写到过）：
一个叙事（或者关键词/热词）刚刚诞生时，一般不会引起太多注意力，受众或市场会尝试不同观点，需要一个过程给新叙事贴上标签并定性。标签并定性之后，受众的注意力才会有明显变化。
“注意力”就像是叙事的生命值。市场上的故事、故事的情绪、情绪的扩散，只有跟“注意力”组合起来，才有了动能。
还需要加上一个时间维度，它成为爆款的时间是长还是短？是短时间内迅速吸引注意力，还是在相当长一段时间持续存在？是“突然反转”还是“积极鼓吹”了很长时间？
以上过程可以总结为：叙事+情绪+注意力+时间变量=后续发展预测。四个维度缺一不可。
以前我尝试过数据挖掘和情感分析，发现局限很大：前者多是相关性，后者只是给情绪打分，顶多算粗筛。
而人类做决策，这不是靠因果，也不是情绪上头，而是会跟着一个“故事”走。
直到大模型的推理能力reasoning成为主流，我们发现“语言里的因果”更容易被抓出来——人类借助它，会更容易把零碎线索串成靠谱的故事链。
而且进入AI时代后，叙事节奏变快，拐点密集，人力单打独斗容易漏。AI agent可以24小时帮你看信息流，追踪叙事生命周期：哪个主题在抬头，哪个在转向，哪个在消退。
换句话说：“发现叙事”需要一个有目的的“侦探”心态：人来定方向、提问题、判断含义，模型来铺网、守夜、反复校验。我们的目标不是看热闹，而是判断一个故事能不能成为趋势，它是在变强还是在掉头，哪里可能断档——然后把判断转成行动：比如应用在投资，就是仓位怎么配，风险怎么对冲，哪些资产更敏感，哪些板块可能受益或受压。
它的应用场景不只是投资，或者赌下届联储主席，还可以用在对很多市场走势、经济现象、甚至政策执行的分析和判断上。
当然，理论上也可以用它来介入某个叙事早期的扩散路径，或让它加速长大，或将其扼杀在摇篮里。但这个目的就不是我的目的了，它可能是大公关，大平台，大国家机器的应用场景。
接下来，我会尝试按计划更新：给出三方概率、关键证据、叙事变化的理由，以及对市场的直接影响假设。
至于最后谁胜出，就交给时间吧。友谊第一，比赛第二！