在人工智能(AI技术浪潮与量化投资竞争趋于白热化的双重驱动下，头部量化私募机构正在AI领域加紧布局。从高薪招募顶尖AI专家、成立专门实验室，到斥资亿元建设超算中心、打造全体系量化投资……2025开年以来，一场围绕AI的科技竞赛在量化投资圈内悄然显现。

　　本报记者 王辉

　　入局者接踵而来

　　3月7日，老牌百亿级量化私募鸣石基金发布的一则招聘公告引发行业关注。公告显示，鸣石基金旗下“创世纪AI实验室”(G-Lab正面向全球招募AI科学家，要求候选人“进行AI基础科学研究，开发新型算法模型，推动技术创新和AI应用在金融领域的落地”。

　　这一动作并非孤例。据不完全统计，自春节假期之后，国内已有九坤投资、宽德投资、蒙玺投资、鸣石基金4家头部量化机构公开宣布加码AI研发，或发布相关创新科研成果。另外，随着DeepSeek持续火爆，以及各行各业对于DeepSeek“量化属性”的深入研究，外界对量化投资的了解也在进一步深入。

　　鸣石基金创始人袁宇在接受中国证券报记者采访时透露，该机构早在2021年便成立了AI实验室，2022年启动的超算中心两期建设累计投入已达“亿元级”。

　　与鸣石基金类似，九坤投资等头部量化机构早已布局AI基础设施。九坤投资在数据、算法、算力等领域积累深厚，近年来陆续设立Data Lab、AI Lab等多个实验室，覆盖数据清洗、算法迭代、算力优化等全链条研发，对数据、算法、算力、金融数字化与技术创新等多方面进行赋能。

　　值得关注的是，当前头部量化机构对AI的投入已从早期的局部试水、近两年的AI赋能，转向了目前的长期体系化建设。一方面，不少头部机构普遍设立专门实验室或专门研究团队，将AI研发纳入长期战略；另一方面，算力、数据等基础设施的“重资产投入”成了标配。上海某百亿级量化私募人士表示：“2020年前后，机器学习在量化因子挖掘中的应用还是‘锦上添花’，如今AI已成为不少头部量化策略迭代的核心引擎，在硬件方面亿元级的投入已经十分普遍。”

　　现实与未来的两重考量

　　头部量化机构为何集体押注AI？从中国证券报记者多方采访的反馈来看，其动机可归结为两大维度：短中期提升投资效率的现实需求以及长期参与AI产业发展的战略决心。

　　当前，量化投资竞争日趋激烈，传统策略同质化严重，量化机构普遍面临策略失效周期缩短、超额收益衰减的压力。AI技术的引入，正逐渐被视为破解困局的关键工具。

　　第三方机构格上基金研究员关晓敏表示，用人工智能的方法开发因子、为因子赋予权重已经是量化投资业内比较普遍的做法。随着算力水平的提升，人工智能在量化投资体系内的应用越来越广，比如利用人工智能来寻找复杂规律、快速高效阅读各类非结构化数据并从中提炼信息等。

　　此外，上海某百亿级量化私募人士表示，截至目前，量化投资行业中只有幻方量化创始人梁文锋另辟蹊径推出的DeepSeek是在做通用大模型、基础大模型；其他多数头部机构主要还是围绕资产管理维度这一典型应用场景，进行金融垂直类AI大模型的研发。量化投资行业的这些动作值得肯定，相关积极举措未来可能为国内AI产业的长足发展，贡献新的力量。

　　他进一步分析称：“DeepSeek选择做通用大模型，且采取开源、低价策略，这与量化机构以投资收益、利润为导向的常规逻辑明显不同。这或许意味着，当自身的技术研发资源明显有‘余力’、AI研究成果有进一步扩展价值的情况下，部分头部量化机构正试图从技术供应商角色切入更广阔的AI产业。”

　　袁宇在接受中国证券报记者采访时表示，鸣石基金的第一使命就是为投资者创造更高、更稳定的收益。因此，该机构向AI Lab以及超算领域大规模投入首先考虑的是赋能公司的技术模型，即研发要和资管行业相结合。另外，近几年公司在AI方面的研发已涉及一些“更底层、更基础性的研究”，这些研究自然会有一些外延。袁宇透露：“未来鸣石基金不排除考虑‘直接参与AI产业发展’的可能”。

　　前行道路并不平坦

　　对于头部量化机构密集入场AI赛道的前景，业内人士表示，作为尖端人才聚集的知识密集型行业，量化行业的头部机构在技术积累、研发实力等方面的确有自身的独特优势，但前行的道路并不平坦。

　　一家总部位于北京的知名量化私募负责人表示，量化行业的人才和“技术浓度”极高，其投研遵循的方法论，也和很多AI方面的科学研究有共通之处，在相关领域的人才、设备方面的累计投入普遍较大。量化投资本身面对的是一个复杂的金融生态系统，要考虑海量数据、各类复杂的影响因素、技术安全性和市场环境变化等问题。有资金实力和技术实力的大型量化私募，其投研和技术团队的确有机会在多个AI领域进行深化和拓展；与此同时，持续的资金、资源和精力投入，研发积累与实际产出之间的不确定性、技术层面的潜在瓶颈，也同样是绕不开的暗礁。

　　从科技研发的收益导向角度来看，关晓敏称，AI更多是一种工具，并不能真正替代投资，所以量化机构在这一领域加大布局，也要看相关机构究竟如何应用AI来实现自己的策略，并不一定是“投入必然换来产出”。通用类的AI模型并不见得能够做出更有效的策略，还是需要去考虑策略的本质。此外，AI方向的投入有“前期投入大，但短期内不一定可以看到结果”的特点，对于量化管理人来说，需要量力而行。

　　据中国证券报记者了解，在行业生态层面，当前AI人才的争夺战已进入白热化阶段。部分头部量化机构为一流AI专家开出的年薪超过200万元，且需要与互联网大厂、头部科创企业、科研机构展开激烈竞争。其他一些具有一定投入能力、而又“保持沉默”的中大型量化机构，出于对AI投入产出比的观望态度，当前更多可能还是选择“适度跟随行业趋势”。

　　有业内人士预测，未来几年可能出现一系列新的行业变革。基于深度强化学习、多模态大模型等维度的新一代量化策略可能逐步成熟，从而为有实力的头部量化机构带来更多AI技术创新机会。与此同时，其它机构若想分一杯羹，仍需在资金、人才、内部资源协调与团队管理、生态协同等方面具备一定实力。在这场“科技宏图”与现实考量的博弈中，量化巨头们的AI之路，或许才刚刚开始。