ChatGPT在微策略2025年的融资中扮演了一个不同寻常的角色：它帮助迈克尔·塞勒梳理一种新金融工具的设计。最终形成的STRK，是一轮约$150亿融资的一部分；这轮融资还包括相关证券。这个案例展现了AI在起草文稿和研究之外的用途，同时也提醒人们：提出一个有前景的结构，并不等于证明它能在真实市场中行得通。
问题在于融资渠道受限
2025年初，微策略持有约$300亿的比特币，希望筹集更多资金继续买入。该公司此前已大量依赖传统股权融资和可转换债券，这些渠道进一步扩张的空间有限。公司执行董事长迈克尔·塞勒于是借助OpenAI的ChatGPT探索另一种结构。
▲ 金融产品设计的约束条件
目标很明确：设计一种可转换优先股，使其市场价格能够稳定在$100的票面价值（即规定的面值）附近。优先股是一类附有股息条款的股份；转换条款则让持有人能够在特定条件下将其转换。STRK旨在结合这些特征，同时让价格表现更接近稳定的类现金工具。
这并非笼统地征集融资点子。现有融资渠道的限制、预期交易价格以及提供给投资者的条款，共同界定了这个问题。银行和证券法律顾问起初质疑这一构想，因为他们认为，这种特征组合没有成熟先例。
ChatGPT帮助设计了什么
塞勒通过迭代提示词——连续给出指令，不断完善AI模型的回答——来设计拟议条款。其中一项核心设计是可变股息率，每月调整一次，目标是让STRK的市价保持在$100附近。目标与机制同样重要：调整股息意在影响这种证券的实际交易表现，而不只是让条款在纸面上看起来可行。
微策略通过首次公开发行，将这种由比特币支持的可转换优先股推向市场，这是该证券首次向公众发售。随后，公司通过储架注册继续发行；储架注册是一种允许日后出售证券的申报方式。各项融资金额如下：
| 融资项目 | 金额 |
|---|---|
| STRK首次发行 | $25亿 |
| 后续出售STRK | $80亿 |
| 相关证券 | $40亿 |
| 合计，取整后 | 约$150亿 |
前两项STRK融资合计$105亿，加上相关证券筹集的$40亿，共计$145亿，取整后称为约$150亿。这一区别很重要：融资总额并非仅由STRK筹得，也不意味着其他公司使用AI就能取得同样结果。
设计伙伴，而非最终权威
实际操作要从约束条件入手。塞勒强调，应向AI明确给出一个状态空间——相关条件和可能的选择——而不是抛出一个开放式问题。在这个案例中，这些条件包括难以进一步扩张的融资渠道、$100的价格目标，以及条款必须能作为公开市场证券运作。
这种方法也改变了衡量“有用回答”的标准。团队不必只让ChatGPT想出一种新产品的名称，而可以要求它梳理拟议条款如何服务于既定目标，再检验这些条款在哪些方面与其他要求冲突。塞勒对股息机制的反复推敲体现了这一过程。他对融资难题的了解提供了背景，模型则帮助他在这些条件下探索一种结构。
边界同样重要。AI生成的方案不等于获得法律批准，也不能证明投资者有需求，或目标交易价格能够维持。金融和法律专业人士仍需审查拟议条款，而将产品推向市场是另一项独立工作。STRK展示了AI参与设计可能带来的结果，却不能证明仅靠提示词就能发行证券。
AI的这种用途为何可能超出金融领域
消费者调查数据显示，付费订阅AI服务的家庭占比约为2%。这一数字表明，AI仍有相当大的普及空间，但并不能说明任何一个AI辅助形成的想法是否会成功。这个案例的特别之处，在于将深入的领域知识与一个无法套用现成模板的问题结合起来。
塞勒用技术发展的S形曲线来理解这一机会：技术先经历快速进步，最终趋于平缓。他将1903年早期动力飞行到1969年登月之间的迅速进展，与他对商用喷气式飞机效率的判断作对比：在随后的50年里，后者仅提高了约15%。在他看来，计算技术仍处于更陡峭的增长轨道上。
▲ 技术增长的不同阶段
这一对比更适合用来提出问题，而不是作出预测：工作流程的哪些部分已经常规化，哪些地方仍有未解决的难题？在STRK案例中，机会并不是更快地完成一份现有文档，而是在严格约束下考虑另一种融资结构。
下一个AI项目可以借鉴什么
- 说明真正的约束。 明确目标、已经尝试过的方法，以及可行方案必须满足的条件。
- 要求解释机制，而不只是提出想法。 检查每项拟议设计如何产生预期结果。
- 请领域专家质疑方案。 将AI的输出视为有待检验的设计，尤其是在法律和市场要求至关重要时。
- 准确区分最终成果。 分清AI帮助设计了什么，以及人类随后审查、发行或出售了什么。
微策略的融资展示了ChatGPT的一种高要求用途：在常规融资渠道日益收窄时，参与设计金融产品。值得借鉴的是，将精确的提示词与领域判断结合起来，并在模型给出回答后继续检验。