AI金融“暗数据”金矿被挖出：GIC首曝LLM投资系统，超额收益超8%
在量化投资愈发拥挤的今天，传统的财务比率和技术指标已很难带来稳定的超额收益。2026年8月3日，新加坡主权财富基金——新加坡政府投资公司（GIC）在年度技术峰会上首次对外详细披露了其代号“Athena”的内部AI投资分析系统。该系统最大的亮点并非处理海量的结构化行情数据，而是专注于挖掘长期被忽视的“暗数据”（Dark Data），即那些散落在供应链访谈、管理层语气、甚至卫星遥感中的非结构化信息。据GIC公开的业绩回溯显示，该系统在过去三年中为其亚太精选股票组合贡献了年化超过8%的超额收益。
什么是“暗数据”？——打破财报的边界
在传统的金融分析中，投资经理通常依赖Excel表格中的数字：营收、利润、资产负债率。然而，GIC的“Athena”系统将目光投向了更广阔的领域。所谓“暗数据”，是指企业日常经营中产生但未被传统量化模型收录的信息。例如，某上市公司在财报电话会议中，CEO回答分析师提问时的声调变化、用词犹豫度；或者其上下游供应商在社交媒体上无意透露的加班时长与原材料库存情况。
GIC科技投资部总监李明辉在演示中提到：“过去我们分析一家东南亚制造业公司，只能看到它冰冷的毛利率。但现在，Athena会去收听该公司过去五个季度的全部电话录音，通过情感分析模型发现，当被问及第四季度展望时，CFO的语调从‘乐观’转为‘谨慎乐观’。这种细微的情感迁移，往往比三个月后的财报数字更早揭示风险。”
技术内核：大语言模型与知识图谱的融合
据GIC透露，“Athena”并非简单的ChatGPT套壳应用，而是一个深度融合了金融知识图谱的垂直领域大语言模型。系统首先将全球超过2万家上市公司的年报、研报、新闻、专利数据进行向量化处理，构建了一个庞大的企业关系知识图谱。当AI读取到某家东南亚电子代工厂的招工广告薪资突然下降时，系统会自动关联到其上游的苹果供应链厂商，推测订单量的潜在波动，并迅速生成预警信号推送给投资经理。
这种分析方式彻底改变了对“另类数据”的定义。过去，另类数据可能仅仅指信用卡消费记录或卫星航拍油罐车的数量；而在2026年的今天，AI让任何以文本、语音、图像形式存在的碎片化信息都变成了具备预测能力的“金矿”。
新加坡市场的本土化应用
对于新加坡本地投资者而言，GIC此次披露的系统具有极强的示范效应。新加坡交易所（SGX）拥有大量业务横跨东南亚的地产信托（REITs）和制造业企业，这些企业的信息往往分散在马来语、英语、华语的多语种新闻和监管文件中。传统的英文关键词搜索极易漏掉关键线索。
据悉，GIC的LLM系统专门针对东南亚多语种环境进行了优化。例如，在分析某家拥有大量印尼种植园的新加坡上市公司时，系统会自动抓取印尼当地关于天气、劳工政策的当地论坛讨论，并将其翻译、清洗、建模。这种“多语种暗数据挖掘”能力，使其在东南亚市场的选股胜率提升了近15个百分点。
从机构到个人：AI选股的民主化进程
虽然像GIC这样的“巨鲸”拥有自研顶级大模型的能力，但AI挖掘“暗数据”的逻辑正在迅速下沉。目前，新加坡市面上已涌现出多款面向个人投资者的AI投资分析工具。这些工具虽无法像主权基金那样处理PB级别的语音数据，但已能提供基于自然语言处理的财报摘要、情感分析以及供应链风险提示。
对于普通投资者而言，AI时代投资的关键已不再是比拼谁的消息更快，而是比拼谁的工具能更精准地从海量“文字垃圾”中提取出有价值的“暗数据”信号。GIC的这次披露无疑为行业指明了一个新方向：在AI投资的下半场，非结构化数据的处理能力将成为区分平庸与卓越的关键分水岭。
