第七节 阶段路线：从 AI 金融助手到个人金融认知层
FinBayes 的长期定位（第一节愿景）和核心优势（第四节）需要分阶段实现。本节给出战略层的阶段路线——每个阶段是什么形态、要验证什么、生态对象如何接入、认知体系如何扩展。
具体的工程时间表、功能模块清单、KPI 数字由下位文档承接（L2 产品定义 / L3 架构 / 商业团队规划），战略层只锁定阶段定位和阶段间转换的判断逻辑。
整体路线观
FinBayes 的阶段路线沿两条平行线推进：
- 产品形态线：从 AI 金融助手（第一阶段）→ 协同生态成员的工具产品（中期）→ 个人金融认知层基础设施（长期）
- 认知能力线：从依赖通用大模型底座的金融认知（第一阶段）→ 认知体系初版成形 + 生态对象接入（中期）→ 体系成熟 + FEFM 接入 + RLE 闭环（长期）
两条线在每个阶段互相支撑：产品形态扩展由认知能力深化驱动，认知能力深化由真实用户场景的反馈触发。
第一阶段：认知层独立产品闭环（M0-M3）
核心目标：作为独立的 AI 金融助手产品在 Crypto + US Stocks 市场上验证 FinBayes 的核心定义和工作方式（详见第三节战场选择）。
产品形态：
- 用户产品作为核心交付（第五节产品形态）：自然语言对话主入口 + 结构化认知输出 10 要素 + 用户金融认知资产管理（关注集、历史判断、复盘记录、动态认知画像）
- 工具产品：建立基本协同接口（DH → FinBayes 的事实材料消费 + FinBayes → User → ATM 的认知输出 + 用户自主判断 + 受治理执行的基本流程契约）
- 平台产品：第一阶段不展开
认知体系扩展节奏：
- 体系本身处于"正在持续构建的方向"状态（详见第四节核心优势）
- 第一阶段聚焦 Crypto 和 US Stocks 的认知体系构建
- 体系的具体构成、覆盖维度、迭代方法由专题研究承接（详见第十节悬而未决问题）
FinBayes 第一阶段独立运行能力优先——即便不接入 DH、ATM、RLE、FEFM 中的任何一个，FinBayes 也能作为独立的金融认知层产品成立。生态协同接口的建立是为了让生态价值在 FinBayes 之上叠加，不是 FinBayes 成立的前提条件。
生态对象接入：
| 生态对象 | 第一阶段状态 |
|---|---|
| Data Horizon | 建立基本事实材料消费协议（生态协同上游之一）；同时支持接入第三方信息/数据源独立运行，不绑定 DH 为唯一信息源 |
| AI Trading Matrix | 不做自动对接和自动执行；用户基于 FinBayes 认知输出自主形成判断后自行选择交易工具（可以是 ATM 也可以是任何第三方交易工具/平台/APP），ATM 是生态协同执行选项之一 |
| 强化学习引擎 RLE | 基本反馈样本输出；RLE 闭环作为 readiness-gated 能力，第一阶段不强制启用 |
| 金融专家大模型 FEFM | 不接入（FEFM 项目尚未交付） |
关键验证 milestone：
- 认知质量：FinBayes 的结构化认知输出在专业评估和用户实际使用中被认为有价值
- 持续使用：用户回到 FinBayes 复盘过往判断、跟踪市场变化、在新场景继续提问
- 跨市场一致性：Crypto 和 US Stocks 上的输出质量一致
第一阶段不验证的事：精确定价、百万级日活、机构服务、完整生态闭环（详见第三节）
进入下一阶段的判断逻辑：当上述三项关键 milestone 在真实用户使用中被验证站得住，且认知体系研究专题给出体系第一版构成时，进入中期。
中期：认知体系深化 + 生态协同扩展（第一阶段验证通过后启动）
核心目标：把第一阶段验证通过的认知能力扩展为更宽的市场覆盖 + 更深的生态协同 + 更系统的认知体系。
产品形态：
- 用户产品继续主形态：扩展更多金融对象、更多市场（A 股 / 商品 / 外汇 / 债券等的认知质量验证逐步推进）
- 工具产品的协同接口扩展：DH 全数据维度消费、ATM 更多执行场景对接、与其他生态对象更深协同
- 平台产品：仍不展开
认知体系扩展节奏：
- 启动金融认知体系研究专题（详见
governance/workstreams/finbayes-cognition-system-research/工作流，第一阶段末或中期初启动） - 基于专题研究产出，确定认知体系的第一版正式构成（替代当前 working 骨架，详见 ADR-007 和第十节悬而未决问题）
- 体系扩展覆盖更多金融对象、市场、事件类型
- 跨学科金融研究框架的对照（宏观经济学 / 微观经济学 / 行为金融 / 量化分析等）开始系统化引入
生态对象接入：
| 生态对象 | 中期状态 |
|---|---|
| Data Horizon | 全数据维度消费协议建立 |
| AI Trading Matrix | 更多执行场景对接 |
| 强化学习引擎 RLE | RLE 闭环启用（按 readiness-gated 决策时点判断） |
| 金融专家大模型 FEFM | 接入预估（具体时点由 FEFM 项目交付决定；接入后认知体系与 FEFM 互相强化，认知体系不依赖 FEFM 存在） |
进入下一阶段的判断逻辑：当认知体系覆盖足够广、跨市场扩展成立、生态协同接口稳定、FEFM 接入后能力跃升被验证，进入长期阶段。
长期：个人金融认知层基础设施
核心目标：FinBayes 成为个人投资者做金融判断时的默认认知入口，让"持续金融认知能力"对个人投资者像水电一样普及（详见第一节愿景）。
产品形态：
- 三层产品形态成熟：用户产品 + 工具产品 + 平台产品 三者完整运行（详见第五节产品形态）
- 平台产品的具体形态：标准化的金融认知 API、市场扩展包（Market Pack）的开放接入机制、案例库的开放共建机制、认知能力的自定义和扩展接口
- 长期可能延伸的形态方向：在用户产品 / 工具产品 / 平台产品三层之上，长期可能演化出Pro / B2B 衍生形态（即第二节 L0-L4 内部分层中的 L4 方向）——具体形态、服务边界、商业模式需要在第一阶段验证后由商业 + 产品团队评估（详见第十节悬而未决问题中"个人 vs 机构产品分立时点"）
认知体系扩展节奏：
- 体系成熟、可迭代矫正机制成型、跨市场覆盖到位
- 体系建设的方法论本身被沉淀为可被生态外部成员消费的金融领域基础设施
生态对象接入：完整生态闭环（DH / FinBayes / ATM / RLE / FEFM 协同稳定）
ADR-005 三层定位的长期形态：
- 用户面：用户的金融判断能力在持续使用中稳定增长，从依赖外部输入逐步变成自己的能力
- 内部能力面：FinBayes 内核演化为可持续自学习、自训练、自迭代的金融领域 AI 能力（但不下放给 C 端作为"替你判断"形态——详见 ADR-005 第二层 + 第九节核心定位边界）
- 市场定位面：像水电一样普及的认知层基础设施
长期形态的护栏指针：无论内部能力面演化到什么程度，FinBayes 始终保持第九节"核心定位边界（identity 级别）"的硬约束——FinBayes 是认知层不是执行层、不直接下单、不替用户决策、用户基于 FinBayes 自主形成判断后自行选择交易工具。这条护栏不随阶段路线演化而改变。
阶段间的转换原则
阶段间的转换不按预设时间表，而按真实验证 milestone：
- 不强制时间表：FinBayes 的阶段路线不锁死具体时点（季度 / 年份），避免战略柔性丢失
- 质量优先于规模：每个阶段的进入条件是"质量验证站得住"，不是"流量数字达到"
- 失败回滚机制：如果某个阶段的关键 milestone 不能成立（如认知质量不被用户认可），战略层保留回退到上一阶段重新调整的判断空间，不强行推进
- 生态对象 readiness-gated：与生态对象（特别是 RLE 闭环、FEFM 接入）的协同接入由各对象的 readiness 决定，不强制对齐 FinBayes 的阶段切换
各阶段的悬而未决问题
阶段路线本身有几个战略层尚未拍板的事项，登记到第十节悬而未决问题：
- 中期市场扩展的认知质量验证机制（A 股 / 商品 / 外汇等是否符合 FinBayes 核心工作方式，每市场各自拍板）
- 个人 vs 机构产品分立的时点（详见现行 v2 §15 已有未决）
- 商业模式整体压力测试（详见现行 v2 §15 已有未决）
- 认知体系研究专题的具体启动时点（第一阶段末或中期初，由专题工作流维护者决定）
- 通用 AI 演化速度 vs 认知体系建设速度的赛跑（详见 ADR-007）