会前简报 — SIG × 郑银强教授 × ARTI

1

会面性质判断

SIG 主动牵线 = 他们在测试一条链条能否成立：学术背书（郑教授）× 产业落地（ARTI）× 资本（SIG）
这不是推销场合，而是三方价值对齐的初步探测。

你的定位：ARTI 是可信AI在金融场景的第一批实践者，带着真实的工程数据和场景痛点来找学术合作——而不是融资。

对郑教授：你有他需要的产业数据 + 真实场景，他有你需要的理论框架 + 学术背书。

对 SIG：让他们自然看到三方形成了价值闭环。

2

核心人物

为什么这次见面有意义： 金融 AI 可信度目前缺乏学术标准，郑教授的研究方向与 ARTI 面临的核心工程挑战高度重叠。这是少见的学术与产业真实需求对齐的交叉点。

3

核心叙事框架

"金融决策是可信AI压力最高的场景——错误成本极高、数据链复杂、用户对结果直接负责。我们在工程层面已经踩了很多坑，这些实践经验可能对学术研究有价值；同时我们也需要更严格的理论框架来指导产品迭代。"
这句话同时打开了三个门：对学者有研究价值、对资本有技术壁垒、对产品有路线图

4

三个议题方向

①

金融 AI 可信度的评估标准 — 共同建立

目前业界没有标准化的金融 AI 可信度评估框架。ARTI 在工程层有数据溯源（三层证据分级）、QC 闭环、幻觉控制等实践，但缺乏理论体系支撑。这是一个「谁先建立，谁就是行业标准制定者」的窗口。

切入角度："您在可信AI领域的框架，是否有可能针对金融决策场景做专项研究？我们可以提供真实数据和工程样本。"

对学者：顶会论文方向对 ARTI：技术壁垒对 SIG：投资亮点

②

ARTI 数据体系作为研究样本

ARTI 已接入 26 个数据源，建立了三级降级架构（Tushare → AKShare → 新浪/腾讯），有完整的 QC 闭环和命中率回测记录。这套真实金融场景的数据质量体系，在学术界极难获取。

切入角度："我们的数据质量体系可以作为研究样本——如果能在这个基础上共同发表，对双方都有价值。"

对学者：真实场景数据对 ARTI：产学研背书

③

监管前景：可信AI认证与金融准入

日本金融厅（FSA）对 AI 合规的关注度持续上升。东大研究中心的背书，可能成为 ARTI 未来在日本/香港获得金融 AI 认可的路径之一。这也是 SIG 作为投资方最关心的合规风险点。

切入角度："从监管角度看，可信AI认证会不会成为未来金融AI的准入门槛？您是否有参与政策研究的计划？"

对学者：政策影响力对 SIG：合规风险覆盖

5

会谈节奏建议

开场	感谢 SIG 牵线，简短介绍自己背景（特赞→独立创始人），不急于介绍 ARTI
探问	主动问郑教授："金融场景对可信AI来说，您认为挑战在哪里？" — 先听，建立共识
共鸣	用 ARTI 真实遇到的问题回应：幻觉控制、数字溯源、QC 闭环 — 证明你的场景理解是深的
抛出合作	自然提出："我们在工程层有大量实践数据，如果能形成联合研究，可能对学术和产品都有价值"
收尾	让 SIG 看到三方价值链自然成立，不需要你直接点明。约下一步：顾问关系 or 联合研究 or 数据共享

6

建议开场白

开场（中文）：
"郑老师好，感谢 SIG 安排这次见面。我在做一个面向海外华人高净值投资者的 AI 投研系统，过去一年在工程层面遇到了很多可信度问题——AI 数据幻觉、来源追溯、输出质量控制。这些问题在金融场景里的代价非常高，我一直在找有理论深度的合作方来帮我们把这套东西做得更扎实。听说您在可信AI方向做了很多工作，我今天主要是想学习和请教。"

这个开场为什么有效： ① 不是来卖产品的姿态 ② 展示了真实痛点而非产品功能 ③ 把主动权给郑教授 ④ "请教"的姿态对学者最有效

7

需要避免的

❌ 不要过早展示产品 — 先建立共识，产品是证明共识的工具，不是目的

❌ 不要提融资 — SIG 在场，但这次的主角是学术合作，融资是副产品

❌ 不要说"我们的AI很准" — 这是推销语言。说"我们在可靠性上投入了大量工程"更有说服力

❌ 不要一次性抛出三个议题 — 跟着对话节奏走，一个话题深了再带出下一个

8

期望成果（按优先级）

🥇 最佳：郑教授同意探讨联合研究 or 担任学术顾问，约下次详谈

🥈 次佳：郑教授对 ARTI 数据体系感兴趣，愿意深入了解，留下联系方式

🥉 保底：SIG 看到 Eason × 郑教授的对话有化学反应，对 ARTI 的技术深度有信心