三少爷的剑

买量金融学（二）：AI投放就能“稳赚不赔”？_我的网站

一 |     (ECNS) -- Chinese short-drama platform Hongguo Short Drama has announced new rules for AI-generated characters, seeking to curb the repeated use of similar-looking faces across different shows and make characters more distinctive.    Viewers have complained that protagonists in some AI-generated short dramas look strikingly alike. In several shows featuring middle-aged female leads, characters share similar eyebrows, double eyelids and lip shapes, and even their smiling and crying expressions closely resemble each other.    Under the new rules, creators are encouraged to develop more distinctive character designs and avoid using highly similar faces across different dramas. Characters within the same show should also be clearly distinguishable. Hongguo said it will launch a campaign targeting frequently reused AI faces, homogenized content and improper use of materials, while asking creators to review and revise problematic works.    Separately, Douyin’s Short Drama Creator Center launched a pre-screening tool for AI-drama copyright holders and production teams on Aug. 3. The tool is designed to identify potential risks before a work is released, including likeness-rights and copyright issues involving source materials.    (By Intern Yang Hongran, Zhang Dongfang)                    。

二 |     AI投放之前已经聊过了几次，核心结论是：                    1. AI投放是美化后的词，其实就是一堆规则叠在一起；算法工程师的工资是买量员好几倍，只要你够便宜就不会失业；                    2. 平台是最有动力做这个的，边际成本低，做成了收益能翻好几倍；平台的算法一直在变，如果外部做AI投放，那就要随着变化一直学习最新策略，成本很难控制下来；                    3. 大甲方可以做一些自动化投放系统，用来提高效率，但系统的运维成本并不低，小公司可以做批量发布和数据拉取，外面买的话，前几年是5—7万一年，现在应该更便宜；                    这三点已经很透彻了，如果用金融行业的例子，能看得更清楚，甚至能看到终极形态，所以再来聊一聊。                   量化交易是啥                    量化交易的定义百度可以查到，不多赘述。                   在国内，量化交易这个词，是随着DeepSeek爆火被大众知晓的。                   其实，早在1969年，全球首支量化基金就成立了，这个东西已经发展挺长时间了。                   到现在，每家投资机构都有自己的量化交易系统，并且只要下载了APP，群众也能直接使用。                   没错，你下载个炒股APP同花顺，就能直接用量化！                    这就好比买量平台不断降低上手难度一样，都是为了让更多“散户”入场。                   炒股APP进去后有一个叫条件单的地方，比如你可以设置某数字厂股票，低于10元买入，高于11卖出，这就是最简单的量化，是不是跟你投放系统里面用预算出价规则集一样？                              当然了，上面举例只是为了让大家看明白，真实的量化交易规则、公式会更复杂，参考的指标也会更多，但本质还是一堆预测数据和规则集。                   稍微复杂一些的例子：                    量化交易所可以用卫星监测天气和降水量，结合所有历史数据预估粮食产量，来预测粮食期货的涨跌；还可以卫星看沃尔玛停车场数量，根据客单价计算营收，从而决定股票买入抛出。                   我整理了下量化交易的核心特点（不想动脑的看加粗的几个词就行）：                    数据驱动：以大量历史数据为基础，通过分析市场价格、交易量、财务数据等，寻找市场规律。                   数学模型：运用统计学、机器学习、金融工程等方法构建模型，预测市场走势或发现套利机会。                   程序化交易：通过计算机自动执行买卖指令，提高交易效率，减少情绪干扰。

三 |                    风险控制：内置风险管理机制，及时调整仓位或止损，避免巨额亏损。

四 |                         套用到买量中，这4个因素也都占了。                   不过，买量市场中把这些因素运用到极致的，是平台。

五 |                    平台是买量金融中唯一的大庄家！                    其他玩家，不管大大小小的甲乙方，都是散户。

六 |                    庄家随随便便动一动手指头，把算法模型一改，散户做的量化就失效了。                   庄家通过数据驱动收割散户，散户妄想通过数据驱动在平台上套利。                   买量市场里，散户没有庄家的数据全，毕竟你的数据都是人家给的，很多数据都不提供，很多API接口有门槛，这你怎么搞精确的数据模型？                    所以散户只能在程序化交易和风险控制里面搞搞条件单，把这个包装成AI投放去搞诈骗。                   时间长了，一定会被识破。                   量化居然会破产                    那么量化是不是战无不胜？                    当然不是，不然这几家量化交易商早都成世界首富了，其他交易所以及散户也别玩了，大家都去搞量化。                   量化的好处是，可以解放人力，规避情绪，通过预测概率获取利润。                   坏处也有，因为放大了杠杆，纯粹程序化交易，如果碰到黑天鹅事件，几天内就能直接破产。                   还有，量化交易员不小心输入一个错误数字，就能带来巨额亏损，人不是机器，总会犯错，这也避免不了。                   金融历史上，有很多量化公司就是因为杠杆太大、黑天鹅事件、规则集过时，最后倒闭的。                   我国每年能死几百家量化，感兴趣的大家去搜搜。

七 |                              翻译成买量员能听懂的就是，某数字厂自动投放+账户共享钱包一天乱花1000万以上，这事故可以让你直接失业，同时让公司利润受损。                   最后听说金额打了个折返回到账户里面，不能提现，要当成广告金在规定日期内花完。                   能给平台连续贡献流水的大客户，才能有这样的待遇，如果是家小公司，返还比例打骨折，甚至装死不鸟你，你也没招。                   你犯的错，别人买单，凭啥？                    有自动投放系统的公司，都吃过这样的亏，只是看最后金额多少罢了。                   要是放在金融世界，是根本没有返还一说的，量化交易+高杠杆，一旦出错，自己破产认栽。                   再举一个更具说服力的例子：                    疫情前，中国经济一直高速增长，大家收入也在涨，没有人觉得自己未来会失业，所以年薪30万，就敢贷款买总价600万的房，杠杆上得贼大，现在房价跌了，收入跌了，非常难受，可能白干十几年。                   更有一些炒房客和开发商，抓住政策漏洞搞“量化”，收首付款，债务打包成债券集资，再圈地盖楼，无限套利循环，最后搞得一大堆烂尾楼，现在整个行业都搞崩盘了。                   知道这些有啥用？                    大部分人不太懂买量，因为他们没上手干过，但他们大概率买过股票基金，甚至炒期货买币，再不济黄金总买过吧。

八 |                    买量跟金融投资相似之处非常多，有时候要顺人性，有时候要逆人性，都需要搞数据分析，操作人员都容易挨喷。                   跟不太懂市场的人合作，有很多情况下需要你说服对方，如果用买量理论跟他们解释，还是挺困难的，对方可能听不懂，懂了内心不一定认同。

九 |                    但你用金融投资相关的来给他们解释，比如老板看到某数字厂AI投放很焦虑，用专业知识解释对方听不懂，但你结合金融条件单，以及量化交易给他解释，对方几乎秒懂，并且认同的概率挺高的。                   职场中，能把事情用大白话解释清楚，能说服别人，能调动更多资源，也是不可或缺的能力。                   AI投放的终极形态                    当下环境是量化交易发展50多年后的情形，可以借此推演一下AI投放的终极场景。                   理想情况下，买量员+AI根据大盘数据、竞争对手同时段投放素材数量、用户互动转化高的素材等数据计算出最优投放策略，人为给定清晰的每日消耗与KPI目标，配置上复杂的加减预算出价、自动发布与关闭的规则集，这样一个人就能搞定整个项目的买量工作。

十 |                    素材方面，用AI实时监测并收集市场上当下的热点，以及竞品最新验证过的素材，自动总结核心爆量要素并预测热点有效时长，创意人员根据爆量要素完成创意输出和对接。                   好了，梦做完了，该醒醒了。                   上面的过于理想化了，并且这些事情边际成本都非常低，要知道，边际成本低的事情，资金庞大的巨头最有优势，他敢无上限投入资源，你总资金量才多少，跟大庄家打？                    所以我预测，AI投放一定是平台做出来，而且每个平台策略都不一样，甲方的那些看上去贼牛X的，大多是年终汇报PPT，或者炒股用的。

十一 |                    素材分析这些，三方工具比如App Growing搞不好跟平台比会有优势，至于创意产出和对接嘛，我自己天天跟设计师吵架，AI去了能吵赢？                    再来看AI输出创意，目前的AI剪辑就是这个3秒、那个3秒，胡拼乱凑，未来AI可能根据画面反推提示词决定拼接策略，不过实践过的人都知道，中间的不可控因素实在太多了，要数次抽卡+人工筛选，最后还是要人完成剪辑包装，全AI流程还很遥远。                   买量员如何应对                    经过上面的分析，我们可以清晰地看到，就算AI投放成熟了，也还是要买量员来制定策略，并且，这个岗位对人的要求会越来越高。

十二 |                    要懂买量的基础原理、算法博弈、市场趋势、用户喜好变化、数分公式和基础代码等等，所以我之前说未来优秀的买量员更贵。

十三 |                    那么入门买量员是不是都会被淘汰呢？                    会淘汰一部分不持续学习的，其他持续提升自己的薪资也会变高，因为杠杆放大了个人能力，但注意，放大是优点和缺点同时放大，蠢货用量化只会放大自己的愚蠢。

十四 |                    金融行业中的量化交易员一般被称为“宽客”，大多来自于哈佛、斯坦福、清北等顶级名校中的顶级天才，美国顶尖宽客的平均年收入为5.7亿美金。

十五 |                    看到这个我就放心了，顶尖人才，都会去干金融的，现在就业形势不好，也没见清北的来干买量，但是去平台优化算法的是肯定有的，而且会越来越多。                   最后随便聊几句，国内与海外的量化策略，差别非常大，中国股市波动率是美国的3倍以上，中国股民的每日交易频率也是美国的好几倍，你要把美国市场的量化策略拿到国内，恐怕当天就能破产。                   金融行业总结的经验，在中国搞量化，比在美国难多了，中国人太聪明，同时也太损失厌恶了。

十六 |                    这一点跟买量平台居然完美匹配，在国内一天广告调好几次，到海外平台，好几天调一次都可以，如果想用一套策略搞全球，那会死得很惨。

十七 |                    精彩，太精彩了。                   本文来自微信公众号：游戏马可听，作者：游戏马可听，第一篇请点击此处。

Current article:http://emwc.pisezuibanzoukou.cyou/news/20260826_4938.html

Published on:00:00:00