高频投资者的复盘习惯与认知沉淀难题北大计算机博士吴秉哲是高频投资者每天盘后复盘当天判断回顾预案执行、盘面信息影响及潜意识决策正误。这习惯持续多年但多数复盘未系统沉淀。吴秉哲认为认知是资产却都停留在人脑。他和 Kando AI CEO 毛书翰同为活跃二级市场投资者高频做不确定性决策且意识到决策背后认知模式未数字化。创立 Kando AI 与融资情况2026 年 6 月两人创立 Kando AI希望让 AI 从真实决策及结果中学习构建下一代自进化决策系统。Kando AI 已完成数千万元种子轮融资由星连资本领投力合金控跟投知名产业方参与投资。Kando 团队约 10 人来自腾讯、字节、美团、华泰证券等国内头部机构。创始人吴秉哲毕业于北大数学系本科获计算机博士学位是苹果博士奖学金大陆首位获得者、前腾讯 AI Lab 可信 AI 负责人联合创始人毛书翰是连续创业者本科毕业于清华大学硕士毕业于港大金融学曾任职于国内头部投行多年参与创立具身智能公司获 2025 年福布斯 30 Under 30。从信息数字化到决策 AI 化Kando AI 想打造让认知持续进化的环境。CEO 毛书翰表示互联网/移动互联网时代完成信息数字化AI 时代要推动决策自进化。过去二十年金融和科研领域工具解决的是“信息层”问题但整理后的信息不会自动变成有价值判断。投资、科研等高价值决策关键在人脑研究员、二级投资人、科研工作者的判断、“盘感”、审美等难以表达和数字化。毛书翰认为缺信息和行动间的桥梁AI 让搭建这座桥成为可能。这也是 Kando AI 与多数 AI 工具的区别多数 AI 产品优化输出质量Kando AI 优化决策采纳率和事后可靠性。毛书翰称 Kando 定位是决策领域的 Cursor以 AI Coding 工具 Cursor 采纳率从几乎为零到 60%-70%为例说明。选择金融验证场景的原因选金融作为验证场景之一是因为金融场景信息维度结构化程度高。毛书翰表示金融领域在反馈清晰度、反馈周期、可审计性、决策价值等维度综合评分高是建立自进化决策引擎的最佳领域之一。把产品变成持续后训练Kando AI 产品是面向高价值决策场景的工作台承载从真实决策积累经验、验证判断并持续进化的决策系统。其核心能力“记忆”不同于普通知识库和常见 RAG 检索更接近面向认知结构的推荐与召回机制像 Harness会从用户与真实世界交互中学习。以科研场景为例产品形成预判由用户决定采纳、修改、否决或纳入追踪结果发生后系统分析判断验证情况、变量变化及错误来源。决策轨迹形成新学习信号更新系统长期记忆、任务策略、Skill 调度和模型适配层形成“判断—行动—反馈—更新”递归闭环。吴秉哲将此定义为“广义的后训练”认为需优化的不止模型参数还包括记忆存储、召回、遗忘产品交互逻辑Skill 上下文演化及用户反馈组织等。Kando AI 从 Infra 层自研希望训练、反馈和记忆链路透明、可监测、可回溯沉淀围绕真实决策过程的数据飞轮。商业化策略与未来展望商业化上Kando AI 先从高价值、高频决策用户切入当前种子用户集中在投资人、科研工作者等专业群体。产品已上线内测围绕用户持续使用、记忆和反馈服务应用于金融、科研等垂直行业。团队认为未来高价值、非标准化、强认知依赖的决策领域都可能应用该系统。吴秉哲表示 Kando AI 要打通“信息→决策→反馈”闭环构建持续吸收人类经验、理解真实世界反馈、提升自身能力的决策智能基础设施。星连资本合伙人李文珏认为 Kando AI 进入真实工作流形成随用户进化的决策系统看重团队能力和沉淀专有工作流数据、推动能力增长的潜力若闭环验证成功可能成为新一代认知基础设施。
