量化卷大模型，還有意義嗎？

今天小編分享的财經經驗：量化卷大模型，還有意義嗎？，歡迎閲讀。

風評轉向很快，量化從股市敵對勢力到掀起科技國運，僅用了一年時間。

DeepSeek R1 的開源，幾乎拉齊了中美大模型的代差，也重塑了量化行業的公眾形象。對于過去兩年深陷某種道德困境的量化私募行業而言，AI 實驗室成為了當下一個不可忽視的風口。在巨大的社會價值面前，擴招的消息一個接着一個。

寬德 Will Lab 招募 AI 工程師，鳴石創世紀 AI Lab 招募 AI 科學家，蒙玺 AI Lab 招募機器學習實習生，黑翼、磐松、正定、啓林、世紀前沿近期也加入 AI 搶人之争。

而頭部量化之間，這場 AI 軍備競賽其實早已暗流湧動。

眾所不周知的是，明汯已囤了數千張 GPU 卡，數萬張 CPU 核，在金融數據的應用場景下 AI 算力可以達到 400P Flops；九坤更是與微軟亞洲研究院復現了 DeepSeek R1 模型，在此之前低調建立了 Data Lab、AI Lab、水滴等多個 AI 實驗室。

看起來 DeepSeek 已不僅是資本市場信心重啓的重要催化劑，更變成了一些量化私募的 OKR，激勵他們以更重要的角色參與到時代進程裏。

只是在與多位量化管理人交流後，筆者感受到一種温差：如火如荼的投產之下，各大建立 AI 實驗室的量化在大語言模型能力上距離 DeepSeek 還很遠。反過來，DeepSeek 目前對量化投研的幫助也十分有限。

整個量化行業，集體投入到建設 AI 實驗室的熱情中，真實意圖并不只是技術理想主義的追求。

量化難有下一個 DeepSeek

開年以來，機構盡調量化私募時會多問一句，「你們家有多少張卡？」

雖説算力儲備難與投資能力扯上多少關系，但在很多盡調機構眼裏，卡的數量一定程度反映了量化私募的做成大模型的概率，對于一些銷售機構而言，這也是衡量量化私募未來的某種标尺。

但一個顯而易見的現實是，大多數量化私募目前并沒有足以支撐做大模型的算力。

大模型的算力門檻相當之高。幻方是全國為數不多萬卡集群的公司，2021 年，幻方對「螢火 2 号」AI 集群投入 10 億，搭載了 1 萬張 A100 顯卡。2024 年，DeepSeek V3 官方報告訓練大模型使用了 2048 塊 H800 GPU 集群。中存算董事長陳巍測算，幻方實際的卡數 2.78 萬張（A100+H20）+2048 張 H800，大概在 3 萬張左右的規模 [ 1 ] 。

多數量化私募并不具備如此闊綽的家底。

一名上海百億量化管理人向遠川透露：「當前購入大量先進顯卡難度非常大，且成本高昂，建設大模型算力投入至少數十億，這就要求量化每年至少有 10 億利潤。即便如此，人才成本、時間成本、團隊磨合成本都不可忽略，未來幾年基本不可能再出一個 DeepSeek，彎道超車難度巨大。」

另一名百億量化老板告訴遠川，目前在算力和利潤上符合做大模型條件的另外兩家量化，只有九坤和明汯，「九坤規模體量足夠大，而且比較學院派，跟清華北大聯系密切，有足夠的人才供給。」但據遠川了解，九坤與幻方的方向并不相同，相較基礎模型，他們更關注垂網域模型并推動 AI 在應用領網域的落地。

「而明汯，我覺得搞大模型不像老裘的風格，老裘還是希望在金融領網域與國際頂級對衝基金競争。」

簡言之，量化做大模型最大的兩個門檻是算力密度和人才密度，這兩者與鈔能力休戚相關。比如幻方沒有融資的顧慮，擁有大部分量化以及大部分 AI 創業公司都難以企及的「造血能力」。

這種「造血能力」創造了松弛的研發環境，DeepSeek 160 人研發團隊基本是沒有海歸背景和大廠背景的年輕人，BOSS 直聘上 DeepSeek 招募的深度學習研究員年收入高達 176 萬，超越了降薪背景下很多公募投研。在優渥待遇的前提下，研發人員還能從容地獲得源源不斷的輸血支撐算法行業的巨量失敗。

超額衰減的當下，多數量化自身規模尚不算殷實，面臨着未來更激烈的内卷，更沒有在芯片出口管制之前低價囤上數萬張卡，錯過了财富積累的黃金時間。

就算具備一切現實要素，創始人沒有利潤之上的價值取向也很難維系持續的重金投入，就像朱嘯虎溢于言表的贊美，「梁文鋒的想法确實不一樣，他連幾個億的用户都不要，任何考慮賺錢的角度都太世俗了。」

蒙玺投資告訴遠川，量化做大模型的視窗期已經過去了。「做這個的價值在哪裏？DeepSeek 是開源的，在他們的基礎上改一改代碼然後讓大家眼前一亮，怎麼可能？」

DeepSeek 對投資幫助有限

DeepSeek 橫空出世以來，金融行業彌漫了一層焦慮，量化私募運用 DeepSeek 先進生產力，好比給本就強悍的策略增添了核動力。量化集體建設實驗室加碼 AI，也意味着僅剩不多的超額未來或許會被加速榨幹。

倍漾量化 CEO 馮霁判斷：「三年内不使用 AI 的量化基金勢必遭淘汰。」在他看來，DeepSeek 是向那些仍然不相信 AI 力量的人，作最後一次的呼籲 [ 2 ] 。

除了互聯網行業，資管行業數十家機構已争先恐後地「接入」DeepSeek。中金測試其量化選股能力，發現 2024 年以來 671b 标準版 DeepSeek-R1 在行業輪動上有穩定超額 [ 3 ] 。大模型極大提高量化中後台制作路演材料的速率，VS Code+Github Copilot 比炸雞配啤酒還香。

雖然行業一片歡呼雀躍，但客觀看 DeepSeek 在投研上的主要應用于兩個維度，與其他大模型沒有實質區别：

一是輸入端拓寬另類數據獲取方式。DeepSeek 能分析新聞研報文本、語音、視頻多個另類數據源，有很強的信息處理能力，不僅能從新聞中獲取情緒因子，對專家訪談的回答質量也能定性判斷。

鳴熙資本基金經理陳昊炜，曾就職于美國對衝基金 Point 72。他想起一個有意思的細節，當上市公司高管回答投資者問題時，Point 72 創始人 Steve Cohen 喜歡聘請 FBI 的專家來對他們的微表情進行判斷，觀察他們表達是否自信，話語是否存在貓膩。諸如此類的細節，為美劇《億萬》打造主角提供了非常多的原型參考。

「具備多模态的能力的大語言模型能通過微表情變化進行情緒判斷，把非結構化數據轉變為結構化數據。」陳昊炜説。

二是輸出端提高編程的效率。平方和投資對遠川表示，最直觀的變化是 DeepSeek 降低了投研人員在接觸新的編程語言時的門檻，「VS Code 等編輯器也集成諸多 AI 插件，實現從代碼靜态分析到動态優化建議的全鏈路賦能，便于編程人員的代碼分析、優化和管理。」

DeepSeek 是能夠對代碼層面的重構、金融語料的訓練、另類數據的處理等投研流程提效增速，但百億量化龍旗科技告訴遠川，「至少目前而言，大模型處理的精細度還遠遠達不到我們的實際要求。」龍旗認為通過基本面研究，結合機器學習特别是深度學習來處理數據構建模型，對他們來講比運用大模型更具實踐意義。

蒙玺投資很早在本地部署 DeepSeek，最大的用處是輔助編程，「通俗來説就是找 BUG。」如果研究員 Prompt 寫的足夠好，還可給 DeepSeek 喂研報，讓它自動去做因子。「不過在精細化層面，比如模型預測這塊我們是不太可能讓 DeepSeek 參與太多。」

對于絕大多數量化私募來説，DeepSeek 等大模型對量化投資的實盤幫助有限。

從過程來看，大模型在處理文本及其邏輯上優勢明顯，量化投研則是數據處理上有更大需求，輿情類因子占比不大；從結果來看，DeepSeek 有幻覺和生產内容随機性的局限，模型輸出結果未必符合現在量化投研的嚴謹要求。

即使不聚焦 DeepSeek，AI 整體對量化也無法起到決定性作用。目前量化管理人的 AI 能力和基金的未來業績并沒有直接的正相關系，否則幻方就是業績最好的量化的基金。

AI 作為一種科技工具，現已被廣泛應用于高頻量價的因子挖掘。雖然 AI 在機器學習、深度學習、大數據處理等方面能提供超越人類思維的算法邏輯，為策略研發提供更多可能，但在當前市場 AI 更多是一種輔助工具，能發揮多少還得看管理人的水平。

特别是一些低頻量化、具有獨特數據處理邏輯與算法的私募對 AI 的依賴性并沒有那麼強，這樣的團隊市場上仍是主流，其中不乏業績持續穩定的管理人。

既然時下大模型對量化投資幫助有限，量化私募距離做大模型還很遠。那量化集體布局 AI 實驗室的目的是什麼 ? 僅僅是看好量化未來的火拼，取決于各家 AI 實力？

DeepSeek 對量化意味着什麼？

在非量化金融人士眼裏，國内量化做出 DeepSeek 似乎有其必然性。

因為 DeepSeek 降低訓練成本，原本就屬于量化的方法論，包括怎麼針對卡的集群做更精準的調校，如何用浮點的精度調整文字模型。再加上量化對卡的使用較早，運用娴熟，對集群的理解比别人更強，所以很多人認為量化做出 DeepSeek 是一件自然的事情。

但在很多量化老板眼裏，DeepSeek 是一個無法復制的行業個例。

一個直觀的對比：美國擁有 D.E.Shaw、Two Sigma 等遠比幻方體量、實力強得多的量化基金，同樣在 AI 領網域積澱深厚，更是沒有芯片制約，但做出世界級大模型的也不是他們。

在量化從業者們看來，DeepSeek 誕生在量化行業本就是一個奇迹，不僅重振了人們對中國科技與中國資產的信心，也間接地改善了量化的展業環境。

輿論壓力緩解的同時，量化的技術力量也引起了金融行業更廣泛的重視。近日，深圳私募基金業協會召開私募量化機構調研座談會，與 16 家頭部量化共同探讨「AI+ 資產管理」，并對設立「量化創新實驗室」推動產學研合作提供政策支持。

蒙玺投資辦公地在上海，AI 實驗室卻落地合肥。創始人李骧安徽人，畢業于中科大，當前是中科大金融碩士研究生指導老師。據遠川了解，蒙玺的目的不是追趕 DeepSeek，而是另辟蹊徑吸引中科大的優秀學生，也有一部分回饋母校的情懷。

「我們做 AI Lab 是為了給中科大學生提供一些 AI 相關的就業機會、實習機會。AI Lab 如果能做出一些用到實盤的東西就非常成功了，如果能在主流期刊發表論文那就極度成功了。」蒙玺認為即使實現這些成果，距離做大模型還是很遠。

另一方面，在大學邊駐點是量化搶人的一種方式。比如李骧的校友，寬德創始人馮鑫就在北京高校邊駐點時發現人大數學系 90 後天才少年徐御之，後者一路晉升為寬德合夥人并成為公司最大股東。相比之前，AI 實驗室總比量化炒股對頂級大學生更有吸引力。

過去，量化老板最大的困惑是找不到在中國商業社會的站位——除了為市場提供流動性，自身的價值意義在哪？如果作為一種普惠金融幫老百姓賺錢尚且算是一種意義，但私募百萬申購門檻顯然把這層意義擋在了門外。

直到 DeepSeek 的出現，為量化行業打樣了一個實現社會價值的路徑，量化老板的困惑也由此解開。某種程度上，量化私募集體設立 AI 實驗室不是為了造出下一個 DeepSeek，而是在一個 AI 正在從方方面面改變和重塑人們的工作和生活方式的時代裏，将溢出的技術通過逐漸普及的應用反哺給更多的普羅大眾。