財聯(lián)社2月25日訊（記者 閆軍）DeepSeek帶動全球資本重估中國科技投資價值的同時，背后是量化私募行業(yè)在人工智能的布局的前瞻性。

近日，百億量化寬德旗下WILL智能學習實驗室人才招聘，近百億量化私募蒙璽投資AI Lab全新上線，公開招募機器學習實習生團隊，并喊出“成為改變世界的因子”口號。

量化私募的發(fā)展伴隨著機器學習與深度學習技術，也是較早將人工智能技術成功應用到金融市場的群體。

幻方之外，包括九坤投資、明汯投資等頭部量化私募分別設有實驗室、北美投研中心等，而包括黑翼資產、磐松資產等量化私募盡管沒有成立專門的AI實驗室，但是AI應用貫穿于公司投資流程中。

量化投資在日常投研中需要應用深度學習等挖掘因子，更早接觸人工智能，理解也更為深刻，彼時為了投資需求投了大量的芯片，再加上匯聚了一群聰明的“腦袋”，一不缺錢，二不缺人，這也是在量化土壤能培育出純粹技術派大模型的基礎。

DeepSeek自定義為小公司，價值觀是讓技術變得更好，目標是AGI（通用人工智能），通過開源推動科技社區(qū)的進步，因此，短期內沒有商業(yè)化以及融資考慮。在業(yè)內看來，沒有融資人帶來的商業(yè)化壓力，量化私募團隊一般規(guī)模不大，敏捷團隊帶來的高效率，才是讓量化背景的人工智能公司走得更遠。

當這些百億量化私募陸續(xù)加入，國內的人工智能發(fā)展似乎更值得期待了。

值得注意的是，多家公司表示，布局AI并不意味著要進軍大模型，在應用層面仍有很多創(chuàng)新的實現(xiàn)方式。“DeepSeek的大模型已經非常領先，并且開源，公司沒有必要再去做大模型?！蹦愁^部量化私募表示。

前沿技術探索，蒙璽投資成立AI Lab

“未來已來，等你開箱。”蒙璽投資旗下AI Lab實驗室成立后，開啟了實習生的招募，根據招聘簡介顯示，主要招聘對象是機器學習研究員（AI），崗位職責有三項：一是為機器學習模型用于開發(fā)量化交易策略；二是追蹤機器學習領域前沿模型及技術，并嘗試將其用在量化金融領域；三是利用機器學習、深度學習的方法對歷史數據進行研究、分析和統(tǒng)計，從中找到相關的趨勢和規(guī)律。

財聯(lián)社記者還獲悉，盡管是實習崗位，但是實習生可以接觸到實盤因子庫、脫敏的平臺數據，公司希望這些年輕人能夠起到輔助作用的同時，提供創(chuàng)意與多元的思維模式。

和其他量化公司招募技術人員類似，AI Lab實驗室在學歷能力之外，還要求候選人能有Kaggle等各類競賽獲獎經歷。

有意思的是，AI Lab實驗室在合肥，而辦公地在上海，為何舍棄上海的高校資源，舍近求遠，跑到合肥招人？

據了解，這或許與蒙璽投資創(chuàng)始人李驤有關，公開資料顯示，李驤是安徽人，畢業(yè)于中科大，當前還是中科大金融碩士（MF）研究生業(yè)界指導老師，將實驗室放置在合肥，一方面是另辟蹊徑可以優(yōu)選接觸到中科大優(yōu)秀學生，也有一部分回饋母校的情懷在其中?！昂戏实母咝；A，科技基因，早就不可小覷了。”也有行業(yè)人士點評。

據悉，蒙璽投資在2023年7月升級了安徽合肥的實習生基金，此前也有量化策略研究員、機器學習研究員（AI）、高頻開發(fā)工程師（C++）以及數據開發(fā)工程師等實習崗位在招。

量化私募向來重視人才，黑翼資產表示，公司有系統(tǒng)性培養(yǎng)各類人才，打造了三大招聘計劃，針對實習生的“扶搖計劃”，面向全球應屆畢業(yè)生的校園招聘“羽翼計劃”，以及為成熟頂尖人才設立的社會招聘“鯤鵬計劃”。

在留住人才方面，黑翼資產介紹，除了提供具有競爭力的薪資福利外，特別注重員工的幸福感，包括發(fā)放工資、獎金、項目激勵和健康保險等基礎福利。此外，關注員工的全面發(fā)展，為員工提供優(yōu)質的工作環(huán)境、持續(xù)的培訓課程以及最新的技術設備。同時，設計清晰的職業(yè)發(fā)展通道，使員工能夠有效規(guī)劃自己的職業(yè)前景。

400億巨頭寬德WILL實驗室同步招兵買馬

同樣發(fā)布了AI實驗室招聘的還有寬德投資，2月24日，400億巨頭寬德投資發(fā)布了旗下智能學習實驗室人才招聘的推文。

寬德WILL實驗室的路徑類似DeepSeek，公司成立的初衷是對AI的戰(zhàn)略思考，在寬德投資的支持下，WILL將作為獨立孵化，自主運營的創(chuàng)業(yè)型實驗室，專注于科研領域的超級科技助手。

根據招聘顯示，WILL實驗室重點招募方向聚焦在具備扎實AI技術功底又懷有科研理想的研究員和工程師，并稱希望“共同參與這場需要長期投入的智能科研征程”。

在AI技術積累和發(fā)展規(guī)劃上，寬德投資介紹，此前持續(xù)多年在量化研究領域進行系統(tǒng)性投入，構建了完整的AI基礎設施和數據處理能力。WILL將延續(xù)寬德投資的優(yōu)秀基因，起步于量化但不止于金融場景，向著人工智能的星辰大海啟航。

AI發(fā)展的黃金年代，成熟的技術團隊能夠為AI研發(fā)提供堅實保障，完善的人才培養(yǎng)機制方能支撐創(chuàng)新迭代。這也是寬德投資招募人才的原因。

九坤、明汯等頭部均有布局

盡管多家量化私募表示，當下宣傳自己對AI的布局恐有“蹭熱度”的嫌疑，但是市場仍然關心這些頭部量化在AI方面的信息。

九坤投資與微軟亞洲研究院近日刊文稱，首次成功復現(xiàn)了DeepSeek-R1，特別是其在強化學習領域的成果，同時在技術層面提出了創(chuàng)新性的見解。該學術文章名為Logic-RL: Unleashing LLM Reasoning with Rule-Based Reinforcement Learning，為微軟亞洲研究院、Ubiquant及其他獨立研究人員共同撰寫。

根據論文顯示，該團隊還首次發(fā)現(xiàn)了輸出長度與推理性能提升無關、語言混合（例如中英文夾雜）會顯著降低推理能力以及reasoning tokens確實有提升推理性能等問題。

據悉，同為量化巨頭，九坤投資很早就成立了AI lab，并在數據、算法、算力方面有著強大的技術儲備和人才儲備，2020年起，其先后建立了人工智能實驗室、數據實驗室和水滴實驗室，分別對應數據、算法和交易執(zhí)行相關領域的研究。此外，公司還于2021年與粵港澳大灣區(qū)數字經濟研究院合作成立“九坤-IDEA”聯(lián)合實驗室，在數字金融領域探索合作與發(fā)展新模式。

近年來，九坤投資持續(xù)在AI前沿技術領域展開系統(tǒng)且深入研究，不僅長期探索通用技術并推動其場景應用，還在多個細分領域進行了多元化的研究拓展力求構建更為全面的AI技術體系。

在AI方面有相應儲備的還有明汯投資，2020年，明汯投資在北美建立投研中心，為A股選股模型提供世界前沿的技術支持。模型的算法迭代速度建立在高性能算力基礎上。從早期簡單的幾臺CPU服務器到大規(guī)模高性能計算集群，明汯一直積極自建高規(guī)格算力機房，進一步提升超算處理能力和水平。

目前明汯投資自有高性能計算集群已擁有數千張GPU卡，數萬張CPU核、疊加多Pb的內存及磁盤存儲，在金融數據的應用場景下AI算力可以達到400P Flops，位居世界超算排名TOP500榜單。

量化巨頭們喜歡什么人才？

百億私募黑翼資產也是自2017年就開始布局人工智能領域，并組建了AI算法團隊，一直在培養(yǎng)和儲備數據分析和機器學習人才，即便是沒有成立專門的AI實驗室，但是在量化投資過程中都已經實現(xiàn)了全流程AI化。

“在用人標準上，我們更青睞深刻理解機器學習、深度學習技術，并且內心充滿熱愛和好奇心的AI人才?！焙谝碣Y產方面表示，如果具有海內外知名AI相關實驗室、研究所以及公司的研究實習經歷，有豐富的研究成果，在國際頂會或期刊發(fā)表過相關論文，或有ACM/IOI/NOI/Top Coder/Kaggle等算法競賽獲獎經歷會更加分。

磐松資產表示，近年來，量化行業(yè)集中招募深度學習等人工智能人才的主要原因有三點：

一是數據維度與復雜度的指數級增長。當前傳統(tǒng)量化模型已難以高效挖掘非結構化數據中的有效信號，亟需AI技術實現(xiàn)多模態(tài)數據的融合分析與特征提取。

二是市場博弈的深化對策略適應力提出更高要求。深度學習在非線性關系建模、動態(tài)模式識別上的優(yōu)勢，能夠幫助策略更快捕捉市場微觀結構變化。

三是技術壁壘的競爭已上升至戰(zhàn)略層面。量化行業(yè)正在逐步構建“AI+量化”的閉環(huán)生態(tài)，這要求團隊具備跨學科的協(xié)同能力，復合型人才已成為稀缺資源。

正如黑翼資產，多家受訪量化私募向財聯(lián)社記者表示，AI應用于策略是行業(yè)的普遍現(xiàn)象。磐松資產表示，AI技術目前主要有三個應用：一是對數據進行精細化處理，實現(xiàn)更加精細刻畫系統(tǒng)性投資邏輯，挖掘更加具備經濟學含義的因子；二是為投資過程賦能；三是公司內部運營中，建立了效率委員會，效率委員會負責利用人工智能技術提升日常工作運營的效率。

有意思的是，DeepSeek團隊中有海外背景的人才并不多，也有市場人士擔憂，海外的對沖基金確實憑借其全球化品牌、成熟的培養(yǎng)體系以及更具吸引力的薪酬結構，對頂尖人才形成“虹吸效應”，在人才爭奪戰(zhàn)中，中國本土化機構需要做好哪些工作？

磐松資產認為，本土化機構仍然有較強的優(yōu)勢，原因有三：

首先，本土市場的深度認知與敏捷響應能力。中國資本市場在交易機制和投資者結構等方面具有一定的特點，本土化的機構能夠更加深刻地理解A股市場的投資邏輯，系統(tǒng)性投資則可以更加深度地挖掘市場現(xiàn)象的經濟學邏輯，通過歷史經驗與數據沉淀建立更精準的映射關系，研究過程需要同時穿透經濟學邏輯的“可解釋性”與模型的“統(tǒng)計顯著性”。本土機構在數據樣本的長期積累、敏感性訓練上具有天然優(yōu)勢，這種“邏輯+數據”的雙重驗證機制，能顯著提升因子挖掘的置信度與策略的持續(xù)生命力，而海外機構往往需要更長的適應周期。

其次，技術創(chuàng)新的場景化落地效率。國內團隊在策略迭代速度、模型容錯機制設計上更貼近本土市場“高波動、強博弈”的特征，這對AI人才的實戰(zhàn)價值轉化至關重要。

第三，組織文化的兼容性與長期激勵設計。與海外機構相比，本土化的私募機構可通過扁平化的決策機制、技術與投研的深度耦合 (如“研究員一工程師”雙軌晉升通道)，以及股權激勵等中長期綁定方式，增強對頂尖人才的吸引力。