量化卷大模型，還有意義嗎？

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，擴招的消息一個接著一個。

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

而頭部量化之間，這場AI軍備競賽其實早已暗流涌動。

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啟的重要催化劑，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里。

只是在與多位量化管理人交流后，筆者感受到一種溫差：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？」

雖說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里，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標尺。

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號」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，他們更關注垂域模型并推動AI在應用領域的落地。

「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域與國際頂級對沖基金競爭。」

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，面臨著未來更激烈的內卷，更沒有在芯片出口管制之前低價囤上數萬張卡，錯過了財富積累的黃金時間。

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，「梁文鋒的想法確實不一樣，他連幾個億的用戶都不要，任何考慮賺錢的角度都太世俗了。」

蒙璽投資告訴遠川，量化做大模型的窗口期已經過去了。「做這個的價值在哪里？DeepSeek是開源的，在他們的基礎上改一改代碼然后讓大家眼前一亮，怎么可能？」

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，也意味著僅剩不多的超額未來或許會被加速榨干。

倍漾量化CEO馮霽判斷：「三年內不使用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，作最后一次的呼吁[2]。

除了互聯網行業，資管行業數十家機構已爭先恐后地「接入」DeepSeek。中金測試其量化選股能力，發現2024年以來671b標準版DeepSeek-R1在行業輪動上有穩定超額[3]。大模型極大提高量化中后臺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別：

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煒，曾就職于美國對沖基金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。

「具備多模態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。」陳昊煒說。

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，實現從代碼靜態分析到動態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，結合機器學習特別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。

蒙璽投資很早在本地部署DeepSeek，最大的用處是輔助編程，「通俗來說就是找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說，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有幻覺和生產內容隨機性的局限，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。

特別是一些低頻量化、具有獨特數據處理邏輯與算法的私募對AI的依賴性并沒有那么強，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實驗室的目的是什么?僅僅是看好量化未來的火拼，取決于各家AI實力？

DeepSeek對量化意味著什么？

在非量化金融人士眼里，國內量化做出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，包括怎么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，運用嫻熟，對集群的理解比別人更強，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里，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領域積淀深厚，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跡，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家頭部量化共同探討「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。

蒙璽投資辦公地在上海，AI實驗室卻落地合肥。創始人李驤安徽人，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，蒙璽的目的不是追趕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。」蒙璽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。比如李驤的校友，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后天才少年徐御之，后者一路晉升為寬德合伙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里，將溢出的技術通過逐漸普及的應用反哺給更多的普羅大眾。

參考資料

[1]「3萬張卡」、60億投入后，DeepSeek發了5000億紅包，騰訊科技

[2]橋水CEO：我們的人工智能基金堪比人類管理的基金，彭博商業周刊

[3]中金 | 大模型系列（1）：DeepSeek-R1量化策略實測，中金點睛

封面來源：shotdeck

作者：沈暉

編輯：張婕妤

責任編輯：張婕妤