在人工智能(AI)技術浪潮與量化投資競爭趨于白熱化的雙重驅動下，頭部量化私募機構正在AI領域加緊布局。從高薪招募頂尖AI專家、成立專門實驗室，到斥資億元建設超算中心、打造全體系量化投資……2025開年以來，一場圍繞AI的科技競賽在量化投資圈內悄然顯現。

入局者接踵而來

3月7日，老牌百億級量化私募鳴石基金發布的一則招聘公告引發行業關注。公告顯示，鳴石基金旗下“創世紀AI實驗室”(G-Lab)正面向全球招募AI科學家，要求候選人“進行AI基礎科學研究，開發新型算法模型，推動技術創新和AI應用在金融領域的落地”。

這一動作并非孤例。據不完全統計，自春節假期之后，國內已有九坤投資、寬德投資、蒙璽投資、鳴石基金4家頭部量化機構公開宣布加碼AI研發，或發布相關創新科研成果。另外，隨著DeepSeek持續火爆，以及各行各業對于DeepSeek“量化屬性”的深入研究，外界對量化投資的了解也在進一步深入。

鳴石基金創始人袁宇在接受中國證券報記者采訪時透露，該機構早在2021年便成立了AI實驗室，2022年啟動的超算中心兩期建設累計投入已達“億元級”。

與鳴石基金類似，九坤投資等頭部量化機構早已布局AI基礎設施。九坤投資在數據、算法、算力等領域積累深厚，近年來陸續設立Data Lab、AI Lab等多個實驗室，覆蓋數據清洗、算法迭代、算力優化等全鏈條研發，對數據、算法、算力、金融數字化與技術創新等多方面進行賦能。

值得關注的是，當前頭部量化機構對AI的投入已從早期的局部試水、近兩年的AI賦能，轉向了目前的長期體系化建設。一方面，不少頭部機構普遍設立專門實驗室或專門研究團隊，將AI研發納入長期戰略；另一方面，算力、數據等基礎設施的“重資產投入”成了標配。上海某百億級量化私募人士表示：“2020年前后，機器學習在量化因子挖掘中的應用還是‘錦上添花’，如今AI已成為不少頭部量化策略迭代的核心引擎，在硬件方面億元級的投入已經十分普遍。”

現實與未來的兩重考量

頭部量化機構為何集體押注AI？從中國證券報記者多方采訪的反饋來看，其動機可歸結為兩大維度：短中期提升投資效率的現實需求以及長期參與AI產業發展的戰略決心。

當前，量化投資競爭日趨激烈，傳統策略同質化嚴重，量化機構普遍面臨策略失效周期縮短、超額收益衰減的壓力。AI技術的引入，正逐漸被視為破解困局的關鍵工具。

第三方機構格上基金研究員關曉敏表示，用人工智能的方法開發因子、為因子賦予權重已經是量化投資業內比較普遍的做法。隨著算力水平的提升，人工智能在量化投資體系內的應用越來越廣，比如利用人工智能來尋找復雜規律、快速高效閱讀各類非結構化數據并從中提煉信息等。

此外，上海某百億級量化私募人士表示，截至目前，量化投資行業中只有幻方量化創始人梁文鋒另辟蹊徑推出的DeepSeek是在做通用大模型、基礎大模型；其他多數頭部機構主要還是圍繞資產管理維度這一典型應用場景，進行金融垂直類AI大模型的研發。量化投資行業的這些動作值得肯定，相關積極舉措未來可能為國內AI產業的長足發展，貢獻新的力量。

他進一步分析稱：“DeepSeek選擇做通用大模型，且采取開源、低價策略，這與量化機構以投資收益、利潤為導向的常規邏輯明顯不同。這或許意味著，當自身的技術研發資源明顯有‘余力’、AI研究成果有進一步擴展價值的情況下，部分頭部量化機構正試圖從技術供應商角色切入更廣闊的AI產業。”

袁宇在接受中國證券報記者采訪時表示，鳴石基金的第一使命就是為投資者創造更高、更穩定的收益。因此，該機構向AI Lab以及超算領域大規模投入首先考慮的是賦能公司的技術模型，即研發要和資管行業相結合。另外，近幾年公司在AI方面的研發已涉及一些“更底層、更基礎性的研究”，這些研究自然會有一些外延。袁宇透露：“未來鳴石基金不排除考慮‘直接參與AI產業發展’的可能”。

前行道路并不平坦

對于頭部量化機構密集入場AI賽道的前景，業內人士表示，作為尖端人才聚集的知識密集型行業，量化行業的頭部機構在技術積累、研發實力等方面的確有自身的獨特優勢，但前行的道路并不平坦。

一家總部位于北京的知名量化私募負責人表示，量化行業的人才和“技術濃度”極高，其投研遵循的方法論，也和很多AI方面的科學研究有共通之處，在相關領域的人才、設備方面的累計投入普遍較大。量化投資本身面對的是一個復雜的金融生態系統，要考慮海量數據、各類復雜的影響因素、技術安全性和市場環境變化等問題。有資金實力和技術實力的大型量化私募，其投研和技術團隊的確有機會在多個AI領域進行深化和拓展；與此同時，持續的資金、資源和精力投入，研發積累與實際產出之間的不確定性、技術層面的潛在瓶頸，也同樣是繞不開的暗礁。

從科技研發的收益導向角度來看，關曉敏稱，AI更多是一種工具，并不能真正替代投資，所以量化機構在這一領域加大布局，也要看相關機構究竟如何應用AI來實現自己的策略，并不一定是“投入必然換來產出”。通用類的AI模型并不見得能夠做出更有效的策略，還是需要去考慮策略的本質。此外，AI方向的投入有“前期投入大，但短期內不一定可以看到結果”的特點，對于量化管理人來說，需要量力而行。

據中國證券報記者了解，在行業生態層面，當前AI人才的爭奪戰已進入白熱化階段。部分頭部量化機構為一流AI專家開出的年薪超過200萬元，且需要與互聯網大廠、頭部科創企業、科研機構展開激烈競爭。其他一些具有一定投入能力、而又“保持沉默”的中大型量化機構，出于對AI投入產出比的觀望態度，當前更多可能還是選擇“適度跟隨行業趨勢”。

有業內人士預測，未來幾年可能出現一系列新的行業變革。基于深度強化學習、多模態大模型等維度的新一代量化策略可能逐步成熟，從而為有實力的頭部量化機構帶來更多AI技術創新機會。與此同時，其它機構若想分一杯羹，仍需在資金、人才、內部資源協調與團隊管理、生態協同等方面具備一定實力。在這場“科技宏圖”與現實考量的博弈中，量化巨頭們的AI之路，或許才剛剛開始。