跳到主要内容

第十节 战略风险与应对、悬而未决问题

战略白皮书的诚实度在于：不只讲想清楚的事，也讲没想清楚的事。

本节分两部分：已识别的战略风险及应对思路 + 悬而未决问题。两者的区别：风险是已识别但有应对方向；未决是还没想清楚答案，需要后续阶段拍板。

已识别的战略风险与应对思路​

风险一：认知体系建设速度 vs 通用 AI 演化速度的赛跑​

风险陈述：FinBayes 在持续构建金融认知体系，通用 AI 在快速演化。如果通用 AI 的演化速度显著快于认知体系覆盖速度，可能出现：通用 AI 已经通过事后训练把更多金融场景的分析逻辑融入模型；用户在通用 AI 上得到的金融分析质量越来越接近 FinBayes；FinBayes 的差异化优势被压缩。

应对思路（不是答案）：

  • 体系构建必须保持持续扩展速度，不能停滞
  • 体系化、可迭代矫正的特性是与"零散事后训练"的护城河——通用 AI 的事后训练是被动的，FinBayes 的体系是主动构建的，对未训练事件的前置分析能力是真正的差异化
  • 懂用户（连续金融认知资产）和懂判断（结构化输出 + 条件化结论）两层差异化共同形成完整壁垒，不能单押在懂金融
  • 用户连续认知状态 + 服务边界（不走喊单）形成的留存机制是体系建设期的护栏

详见 ADR-007 金融认知体系作为核心差异化定位。

风险二：认知体系完整性不可一次性证明​

风险陈述：金融认知体系的"完整"是相对概念，不可一次性证明。每次 FinBayes 自称"体系完整"都会被新事件类型、新市场、新叙事打脸。如果 FinBayes 在战略表达上承诺"体系完整"，反而损害可信度。

应对思路：

  • 战略表达上始终诚实陈述"正在持续构建的方向"，不承诺"已完整"（已在 ADR-007 + 第四节核心优势中落地）
  • 体系的边界（已覆盖什么、未覆盖什么）对用户保持透明
  • 完整性的持续校准是 FinBayes 的核心产品工作，而不是一次性目标
  • 用专题研究（详见悬而未决问题中的金融认知体系研究专题）+ 业内 / 学界框架对照 + 案例驱动反向校准持续推进

风险三：商业模式整体的压力测试​

风险陈述：第八节商业立场的四个核心锚点（锚定金融认知服务价值 / 大众入口 / 输出质量跨付费层级一致 / 服务全情绪谱）作为整体没有经过压力测试。三个关键开放点：

  • 单位经济：输出质量在所有付费层级一致 + 不锚定调用次数 + 大众入口三者，在"LLM 成本是变量、订阅价是常量"的现实下是否数学上能跑通——重度用户成本可能高于订阅价 vs 轻度用户付费意愿低的逆向选择如何处理
  • 与通用 AI 的留存竞争：用户为什么不会用通用 AI（如 ChatGPT + Memory）加自选股的组合替代 FinBayes
  • 用户群商业强度差异：金融小白 / 进阶 / 资深各自的付费意愿、留存触发点、服务成本如何平衡

应对思路：

  • 这些问题不是工程问题，是商业 thesis 整体能否成立的真实未决——具体压力测试方法、定量指标、用户对照组设计等由商业团队结合冷启动期数据承接（详见第八节商业立场）
  • 第一阶段以认知质量为重，不以精确定价为重；定价由商业团队在冷启动期后承接
  • 战略层的应对是保留压力测试的空间——商业模式的可调整空间在第一阶段不被锁死

风险四：用户群"想被喂饭"诉求与 FinBayes 价值选择之间的张力​

风险陈述：第二节诚实承认大多数个人投资者朴素诉求是"告诉我开多还是开空"。FinBayes 选择不走这条路径（详见第四节），意味着 FinBayes 不试图覆盖所有人（详见 ADR-006）。这种价值选择带来真实的市场风险：

  • 短期获客难度高于喊单产品
  • 留存依赖用户对自己判断能力增长的认可，比依赖外部权威信任慢
  • 大众入口与"只服务愿意建立自己判断能力的群体"在用户漏斗上有张力

应对思路：

  • 在第二节末 + 第四节末显式声明 FinBayes 的服务边界，不试图覆盖所有用户——这是清醒商业自我认知
  • 用户自己积累的金融认知资产是留存机制的核心（详见第四节理由四）
  • 第一阶段的留存验证（详见第三节）是判断价值选择是否成立的关键 milestone

风险五：内部能力面演化 vs 用户主权 / 凭证立场护栏的张力​

风险陈述：ADR-005 第二层（内部能力面）描述了 FinBayes 内核可演化为可持续自学习的金融领域 AI 能力。随着该能力增强，可能出现技术能力与战略立场的张力：

  • 自学习能力增强可能需要更多用户行为数据 vs 用户画像主权 + 凭证不变量
  • 自学习样本的来源边界（生态层群体反馈 vs 单个用户金融敏感数据）容易被工程优化压力侵蚀
  • 内部能力面成熟后可能产生"下放给 C 端作为更主动判断形态"的诱惑（与 ADR-005 边界冲突）

应对思路（不是答案）：

  • 第九节核心定位边界（identity 级别）作为内部能力演化的硬护栏——无论能力增强到什么程度，FinBayes 始终不下单、不替决策、用户自主判断
  • 第九节"立场演化的治理原则"作为变更机制——任何对凭证立场、画像不裁剪事实空间、付费层级一致的调整必须走 ADR 流程
  • 第七节阶段路线的"关键依赖 readiness-gated"机制保护——RLE 闭环启用、FEFM 接入等不强制对齐时间表，避免技术能力被推着越界
  • 长期看，"认知体系本身可被用户审视"的透明度作为最终护栏（详见 ADR-007 体系可迭代矫正特性）

风险六：阶段路线时点的不确定性​

风险陈述：第七节阶段路线有意不锁死具体时点，按真实验证 milestone 进入下一阶段。这给战略柔性，但也带来：

  • 投资人 / 团队 / 用户对 FinBayes "什么时候能怎样" 的预期管理难度
  • 关键依赖（FEFM 项目交付、RLE 闭环 readiness）的时点不在 FinBayes 团队完全可控范围内
  • 第一阶段如果某项 milestone 长期不能验证，回滚或重新调整的判断时机不清晰

应对思路：

  • 阶段转换原则在第七节已明确：质量优先于规模 + 失败回滚机制 + 生态对象 readiness-gated
  • 关键 milestone 应该有可观察的客观指标（认知质量、持续使用、跨市场一致性），不是主观判断
  • 关键依赖（FEFM / RLE）的延期不阻塞 FinBayes 第一阶段产品形态——FinBayes 第一阶段不依赖 FEFM、不强制启用 RLE 闭环（详见第六节生态位置 + 第七节阶段路线）

悬而未决问题​

下面的问题在战略层尚未拍板。它们被回答之前，任何下游文档（产品定义、工程设计、商业）都不应该假装它们已经被回答。

未决零：佣金占比上限的战略阈值​

问题陈述（来自第八节商业立场双轨设计）：FinBayes 的商业模式包含订阅 + 佣金双轨。第八节已声明"佣金不得成为 FinBayes 主要收入流"，但具体的佣金占比上限阈值（如不超过总收入的 30% / 40% / 其他）战略层尚未拍板。

阈值的影响：

  • 上限过高：FinBayes 可能因佣金诱惑反向激励"多对接 ATM / 鼓励多交易"，损害"独立运行能力是基线"和"输出质量跨付费层级一致"
  • 上限过低：限制 FinBayes 与生态协同的商业价值实现

拍板时机：由商业团队 + 战略团队结合第一阶段冷启动期的真实订阅 / 佣金收入数据后续承接。

未决一：方法论在更多市场的普适性​

问题陈述：第一阶段在 Crypto + US Stocks 上验证 FinBayes 核心定义和工作方式是否成立。扩展到 A 股、商品、外汇、债券、其他市场时，新市场可能暴露之前没遇到的语义边界——FinBayes 的核心工作方式（帮用户想清楚、看全面、看本质、持续完善判断）在新市场是否仍稳定，没有先验答案。

拍板时机：第一阶段验证通过后，进入中期时由产品 + 战略团队按市场逐个评估。每扩展一个市场都需要经过认知质量验证（详见第三节市场切入），不是简单接入数据。

未决二：个人产品与机构产品的分立时点​

问题陈述：FinBayes 第一阶段服务个人投资者。机构形态（金融机构、家族办公室、对冲基金等团队协作场景）的服务边界与协作方式与个人差异极大，第一阶段不做。未来在什么用户规模、商业证据、服务边界需求下触发个人 vs 机构产品分立，战略层尚未拍板。

拍板时机：由商业与产品团队在第一阶段后期或中期初共同决定。

未决三：金融认知体系研究专题​

问题陈述（详见 ADR-007）：金融认知体系是 FinBayes 的核心差异化，但具体由哪些机制组成、覆盖哪些维度、采用什么方法论持续完善——目前 FinBayes 团队尚在通过专题研究确定。

调研已完成：本工作流期间完成业内调研 + 5 个本地仓库参考项目调研 + 架构文档调研，结论是 FinBayes 在"统一组织估值 + 宏观 + 叙事 + 事件传导为可迭代矫正的显式认知体系"是原创定位，业内有可借鉴的零件（FinMem 分层记忆、学界四层 Agent 架构、Dalio 经济机器、Damodaran 叙事估值、UniFinEval 7 维度评测、FinEval 6 支柱、AgenticTrading 研究循环 等），但整机无人造过。

调研报告已暂存：commons/references/finbayes-cognition-system-research-briefs/README.md

拍板时机：第一阶段末或中期初，启动专门研究工作流（governance/workstreams/finbayes-cognition-system-research/，待启动）承接，产出认知体系的第一版正式构成（替代当前 working 骨架），形成本工作流 ADR-007 的 supplement。

未决四：架构层补独立 ADR for StructuredCognitionResult​

问题陈述（详见 ADR-008）：架构 §4 的 StructuredCognitionResult 是 FinBayes 的核心输出设计，但没有独立 ADR——是架构文档的 governance gap。本工作流通过 ADR-008 把战略层与架构层在结构化认知输出层面对齐，但架构层应同步补独立 ADR 把 StructuredCognitionResult 作为架构层契约正式锁定。

拍板时机：本工作流完成后，作为 follow-up 输出递交给 governance/workstreams/finbayes-arch-rewrite/ 工作流维护者。

未决五：通用 AI 代际跃迁差距的应对​

问题陈述：通用 AI 模型每 12-18 月跨代升级（从能力到推理深度都有质变），FinBayes 与通用 AI 的能力差距可能在某个时点被显著拉近。FinBayes 当前的核心差异化（金融认知体系 + 用户连续认知资产 + 结构化输出形态）能否长期保持，没有先验答案。

应对思路（不是答案）：在风险一中已展开（认知体系建设 vs 通用 AI 演化的赛跑）。

拍板时机：当通用 AI 出现明显影响 FinBayes 差异化的能力跃迁时（如通用 AI 出现真正的"个人金融认知层"形态），由战略团队评估 FinBayes 战略是否需要重新调整。

工程承接未决问题的原则​

工程化落地可以为这些未决问题提供观测点、实验开关、数据记录和后续扩展位，但不能提前替战略或商业团队给出答案。

具体原则：

  • 对更多市场的普适性，工程上可以保留市场扩展接口和评估流程；不能把 A 股、商品、外汇、债券等市场默认做成与 Crypto / US Stocks 等深的第一阶段能力
  • 对个人产品与机构产品分立，工程上可以避免把数据模型写死为单一用户场景；不能提前引入团队权限、机构审计、投研协同工作流作为第一阶段默认产品范围
  • 对商业模式可行性，工程上可以记录使用频次、复盘触发、问题族、成本和留存相关信号；不能把付费层级、价格、商业中心人群或调用次数计费逻辑写成产品事实
  • 对认知体系建设，工程上可以为认知输出预留扩展位（新增维度 / 新增任务类型 / 新增传导链路），不能提前承诺体系已覆盖某个具体范围

换句话说，工程要把 FinBayes 当前已经确定的金融认知产品做扎实，同时为未决问题留下可观察、可调整、可验证的空间。

工程观测字段的具体设计下推：v2 战略白皮书 §15 末包含一份具体的工程观测字段表（market_pack / session_count / focused_object_count / provider_type / model_class / task_duration_ms / llm_call_count / cache_hit / return_session_interval / user_level_signal 等）。v3 战略层不锁定具体观测字段清单，下推到 L2 产品定义层和 L3 架构层承接——这是为了让工程团队在落地中根据真实需求决定具体字段，而不是被战略层预设的字段表锁死。具体字段、采样机制、存储与归档由架构文档承接。

这一章会随事项被拍板而缩短——任何条目从这里移除，都意味着一个真实的战略判断已经做出，应有显式的决策记录可被追溯（ADR 流程 + 战略白皮书 patch 工作流）。这一章不会被悄悄缩短。