Bankless：听起来像是这样一个过程：你用自然语言表达交易意图，AI 接收后处理并给出几个建议的期权组合，是不是就是把人类语言「翻译成」策略执行建议？逻辑是这样的吗？
Vlad Tenev：对，不过我们不只是根据你的语言输入来做匹配。我们还会整合各种外部数据，比如实时市场行情、技术指标、新闻资讯等，然后帮助你更好地形成预测本身，也就是说，我们不仅是根据你已有的预测提供策略，还能辅助你做出更准确的预测。
Bankless：能不能说说这个 LLM（大语言模型）的底层结构？我猜你们并不是简单套了个 ChatGPT 的壳，对吧？它的数据、训练方式是否有什么特别之处，使它成为真正以 Robinhood 为核心的金融 AI？
Vlad Tenev：没错。大多数通用 LLM 没有实时的金融数据，它们的数据往往是滞后的。因此，它们没法告诉你一只股票「现在」的价格，更无法精准解释波动原因。更严重的是，它们在金融领域容易产生幻觉，因为缺乏准确数据支撑。而我们开发的这个 AI 层，解决了幻觉问题和数据实时性问题，这是传统 LLM 的两大短板。
Bankless：是啊，如果金融领域的 AI 出现幻觉，那后果可能是灾难性的。
Vlad Tenev：确实如此。但金融的好处在于我们有「数据真相源」。不像写历史论文有没有幻觉很难说清楚，金融数据有明确的标准，我们可以设立「护栏」，精准识别「幻觉」并进行校正。
Bankless：而这，可能就是 Robinhood 做金融 AI 助手的核心竞争优势：你们不仅有实时市场数据，还有用户行为数据，以及所有金融场景上下文的数据。
Vlad Tenev：是的，这是一大优势。另一点是我们还可以在 App 内完成交易操作。如果我们能让 Cortex 与用户的行为场景「上下文感知」，它就会变得更有价值。我们可不想只是简单放个聊天框在 App 里，那种东西很难用，产出又冗长、容易出现幻觉。那是一种非常天真的做法，我们特意避免走那条路。
Robinhood Strategies 产品线
Bankless：我们再聊回 Strategies（策略平台）一下：你们未来是否考虑把这个产品扩展到 加密资产？因为所有搞加密的朋友都会被身边人问：「我该怎么买币」、「怎么配置」——但大家其实并不知道怎么回答。如果 Strategies 能给出针对加密资产的智能配置建议，岂不是特别有价值？你们计划怎么扩展到这一块？
Vlad Tenev：技术上完全没问题。我们手上有一个很长的功能清单，也许有几十上百个功能都在考虑之中。我们目前最主要还是看用户最想要什么。我们选择从个股开始，是因为大多数数字投资顾问平台只支持 ETF，而我们内核支持个股和 ETF 都能配置到投资组合中。同时，我们设计了很漂亮的界面，比如环状图展示你的资产配置比例，并能帮你自动再平衡，实现一种「几乎不动手的投资体验」。至于加密资产，其实在上线阶段就考虑过加入，以后肯定会逐步整合。我们现在已经上线，用户可以直接体验，反馈很积极，很多人开始将自己的投资组合迁移过来。