界面新聞記者 | 龍力
作為一名投資者，李萌很久之前就關(guān)注到量化私募巨頭幻方量化在研究大模型，但是直到今年年初DeepSeek爆火以后，才試用到這款大模型，“原來量化私募做出來的大模型竟然這么好用”。
自從DeepSeek爆火以后，不少頭部量化私募表示要加碼布局AI領(lǐng)域。
界面新聞注意到，近期蒙璽投資、寬德私募、鳴石私募均發(fā)布招聘信息，為各自旗下的AI Lab招攬人才。
在相關(guān)招聘信息中，蒙璽投資宣布公司AI Lab全新上線，并向在校生喊出“加入我們，成為改變世界的因子”；寬德私募表示獨(dú)立孵化的寬德智能學(xué)習(xí)實(shí)驗(yàn)室（WILL）始于但不局限于金融場景，將朝著整個(gè)人工智能的星辰大海啟航；鳴石私募介紹公司2021年便已成立G-Lab，次年正式開啟超級計(jì)算“星座計(jì)劃”，2025年隨著“星座計(jì)劃”超算系列進(jìn)一步擴(kuò)容，為G-Lab提供了自由的算力空間。
據(jù)中證金牛座消息，近日鳴石基金創(chuàng)始人袁宇還在接受采訪時(shí)透露，未來公司不排除考慮“直接參與AI產(chǎn)業(yè)發(fā)展”的可能。
另外，九坤投資近期攜手微軟團(tuán)隊(duì)刊文表示，首次成功復(fù)現(xiàn)DeepSeek-R1，還首次發(fā)現(xiàn)了輸出長度與推理性能提升無關(guān)、語言混合（例如中英文夾雜）會顯著降低推理能力以及reasoning tokens確實(shí)有提升推理性能等問題。
那么，其他的量化私募也有可能打造出比肩DeepSeek的大模型嗎？不少用戶的心中都泛起了和李萌一樣的疑問。
“技術(shù)上具備可行性”，在尚藝投資總經(jīng)理王崢看來，國內(nèi)頭部量化私募的資金實(shí)力、算力資源以及人才儲備，使其具備進(jìn)入AI大模型領(lǐng)域的潛力，尤其是九坤成功復(fù)現(xiàn)DeepSeek-R1，表明資金充裕、計(jì)算資源豐富的量化私募已經(jīng)能夠開展大模型訓(xùn)練。
另有多位受訪人士也都認(rèn)為，量化私募和科技大廠之間本身就有著許多的共性。
首先，二者在人才儲備方面非常相似。
王崢指出，量化私募長期以來吸引了大量數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)科學(xué)、機(jī)器學(xué)習(xí)領(lǐng)域的頂尖人才，許多從業(yè)者本身就有人工智能和算法研究背景。而AI大模型的核心研發(fā)涉及概率統(tǒng)計(jì)、最優(yōu)化方法、深度學(xué)習(xí)等，這些正是量化研究員和算法交易員的強(qiáng)項(xiàng)。
界面新聞梳理發(fā)現(xiàn)，很多頭部量化私募都擁有大量數(shù)理背景或者計(jì)算機(jī)科學(xué)領(lǐng)域的團(tuán)隊(duì)成員。以DeepSeek背后的幻方量化為例，私募排排網(wǎng)數(shù)據(jù)顯示，公司策略開發(fā)團(tuán)隊(duì)有100多人，其中AI Lab有20多人，涵蓋奧林匹克數(shù)學(xué)/物理/信息學(xué)競賽金牌得主，信號識別、機(jī)器學(xué)習(xí)領(lǐng)域?qū)＜覉F(tuán)隊(duì)，拓?fù)鋵W(xué)、統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)、控制論各學(xué)科博士以及資深行業(yè)研究專家。
根據(jù)私募排排網(wǎng)不完全統(tǒng)計(jì)數(shù)據(jù)，截至今年2月27日已有28家百億私募于春季發(fā)布了量化、算法、機(jī)器學(xué)習(xí)等AI相關(guān)的招聘崗位（包含校招、社招、實(shí)習(xí)生崗位），其中量化私募明顯較多，共有19家，占比67.85%。
華南地區(qū)的一位量化私募負(fù)責(zé)人林宇指出，量化私募的研究團(tuán)隊(duì)往往具備扎實(shí)的AI技術(shù)功底。他們在高性能計(jì)算、工程實(shí)現(xiàn)、模型調(diào)優(yōu)等方面積累了豐富經(jīng)驗(yàn)，這些能力正是大模型研發(fā)的關(guān)鍵所在。因此，這類團(tuán)隊(duì)在轉(zhuǎn)向大模型研究時(shí)，往往能夠快速適應(yīng)并高效推進(jìn)，這種優(yōu)勢是其他領(lǐng)域的研究團(tuán)隊(duì)難以比擬的。
其次，頭部量化私募普遍在算力基礎(chǔ)設(shè)施方面儲備豐厚。
尚藝投資總經(jīng)理王崢指出，訓(xùn)練AI模型需要極強(qiáng)的分布式計(jì)算能力和高性能GPU集群，而量化高頻交易機(jī)構(gòu)本身對低延遲計(jì)算和超算基礎(chǔ)設(shè)施的投入極大，具備大規(guī)模數(shù)據(jù)處理的能力。量化私募的交易系統(tǒng)通常已經(jīng)搭建了專有的數(shù)據(jù)中心，這與AI大模型的高算力需求有一定的重疊。
界面新聞梳理發(fā)現(xiàn)，很多頭部量化私募確實(shí)都在算力基礎(chǔ)設(shè)施方面有著深厚的儲備。比如早在2020年3月幻方量化就已經(jīng)正式啟用了“螢火一號”超算平臺，后續(xù)還投建了“螢火二號”；明投資自2019年開始大規(guī)模建設(shè)高性能計(jì)算集群，每年持續(xù)投入，目前仍處在指數(shù)增長階段；鳴石投資自2022年以來開啟超算“星座計(jì)劃”，陸續(xù)上線一期“仙女座”、二期“英仙座”等。
再者，量化模型和大模型研究之間有很多相通之處。
量化私募人士張鑫表示，量化私募團(tuán)隊(duì)通過數(shù)據(jù)分析和算法優(yōu)化來進(jìn)行投資研究，這與研發(fā)大模型的過程高度一致，都是將人才優(yōu)勢轉(zhuǎn)化為技術(shù)創(chuàng)新。而且無論是量化私募還是大模型的研發(fā)，本質(zhì)上都是利用數(shù)據(jù)和技術(shù)來推動創(chuàng)新，兩者都依賴大量高質(zhì)量的數(shù)據(jù)進(jìn)行分析和建模，并且都需要開發(fā)和優(yōu)化復(fù)雜的算法以提高預(yù)測精度或決策效率。
主要區(qū)別在于，科技大廠主要面向廣泛的通用市場，創(chuàng)造適用于多種應(yīng)用場景的通用模型；而量化私募則聚焦于投資領(lǐng)域，開發(fā)適用于金融市場的專用模型，這種專用模型能夠更好地滿足特定領(lǐng)域的需求。
華南地區(qū)量化私募負(fù)責(zé)人林宇進(jìn)一步解釋稱，量化投資和大模型研究在方法論上存在諸多共性，兩者都以數(shù)據(jù)為基石，通過算法模型的不斷迭代優(yōu)化來驅(qū)動決策。在量化交易中，深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、時(shí)間序列建模等技術(shù)也早已廣泛應(yīng)用，而這些技術(shù)恰恰也是大模型的核心支柱。
以Transformer架構(gòu)為例，它不僅在自然語言處理領(lǐng)域大放異彩，在金融數(shù)據(jù)分析中同樣展現(xiàn)出巨大潛力。我們可以利用Transformer處理海量的海量金融和市場數(shù)據(jù)，如新聞輿情、社交媒體等，從中提取有價(jià)值的市場信號。這種技術(shù)遷移的可行性，源于兩者在數(shù)據(jù)處理模式上的本質(zhì)相似性。
此外，量化私募和科技大廠都具備雄厚的經(jīng)濟(jì)基礎(chǔ)。
大模型“很燒錢”是業(yè)內(nèi)的共識。華南地區(qū)量化私募負(fù)責(zé)人林宇指出，大模型的研發(fā)需要龐大的計(jì)算資源、海量數(shù)據(jù)以及高水平的研究團(tuán)隊(duì)，初期投入較大，對于資金充裕、盈利穩(wěn)定的量化私募才能更好承擔(dān)這些研發(fā)成本。
“動輒上百萬的年薪搶人”、“在算力基礎(chǔ)設(shè)施上持續(xù)投入”、“2.85億競拍豪宅”、“個(gè)人捐款1.38億”，近年來量化私募及相關(guān)人士一些“壕氣十足”的舉動，恰好從側(cè)面反映出了部分量化私募的“不差錢”。
根據(jù)私募排排網(wǎng)數(shù)據(jù)，截至今年2月底，國內(nèi)管理規(guī)模超過100億元的量化私募已經(jīng)達(dá)到32家，另有8家百億私募為“主觀+量化”策略私募。
不過，界面新聞根據(jù)公開資料梳理發(fā)現(xiàn)，盡管在AI領(lǐng)域的新動作不少，目前尚未有其他量化私募明確宣布將打造類似于DeepSeek的AI大模型。
也有部分受訪人士指出，量化私募固然具備一些研究大模型的基礎(chǔ)，但是真的去實(shí)踐的話，也將會面臨著不少的挑戰(zhàn)。
大巖資本相關(guān)人士認(rèn)為，復(fù)現(xiàn)DeepSeekR1確實(shí)證明了利用開源代碼和強(qiáng)化學(xué)習(xí)技術(shù)可以模仿現(xiàn)有大模型的性能，但并不意味著這種成功可以被輕易復(fù)制。復(fù)現(xiàn)不僅僅是簡單的復(fù)制代碼，而需要高水平的算法調(diào)優(yōu)、超參數(shù)設(shè)置和環(huán)境調(diào)試，這需要頂尖的AI研發(fā)團(tuán)隊(duì)和長時(shí)間的技術(shù)積累。此外，訓(xùn)練和調(diào)優(yōu)大規(guī)模模型需要龐大的算力和海量數(shù)據(jù)支持，這不僅涉及硬件設(shè)施的投資，還需要長期的運(yùn)營維護(hù)成本。
尚藝投資總經(jīng)理王崢指出，訓(xùn)練一個(gè)通用AI大模型的投資回報(bào)率不明確，量化私募的核心目標(biāo)仍然是提升交易收益率，而AI大模型的研發(fā)本質(zhì)上是一個(gè)技術(shù)驅(qū)動的長周期投入，需要平衡投入和回報(bào)的周期，并且AI大模型需要極大規(guī)模、多樣化的數(shù)據(jù)進(jìn)行訓(xùn)練，而量化私募的數(shù)據(jù)主要集中在金融市場相關(guān)領(lǐng)域，相比互聯(lián)網(wǎng)公司掌握的跨行業(yè)、多語言數(shù)據(jù)，數(shù)據(jù)廣度有限等挑戰(zhàn)。
（文中李萌、張鑫、林宇為化名）
