量化卷大模型，还有意义吗？

风评转化很快，量化从股市反动势力到掀起科技国运，只用了一年时间。

DeepSeek R1的开源，几乎吸引了中美大模型的代差，也重塑了量化产业的整体形象。对过去几年陷入某种道德困境的量化私募行业来说，AI 实验已经成为当前不可忽视的风口。面对巨大的社会价值，扩招的消息层出不穷。

宽德Will 鸣石创世纪AI工程师Lab， AI科学家，蒙玺AI科学家， Lab招募机器学习见习生，黑翼、磐松、正定、启林、世纪前沿也加入了AI抢人之争。

而且头部量化之间，这场AI军备竞赛实际上早已暗潮涌动。

众所周知，显然已经囤积了1000多张GPU卡和数万张CPU核，AI算率可以在金融数据的使用场景下达到400P。 Flops；九坤甚至和微软亚洲研究所重现了DeepSeek 在此之前，R1模型低调地建立了Data模型 Lab、AI Lab、多个AI实验室，如水滴。

DeepSeek似乎不仅是资本市场信心重启的重要催化剂，也是一些量化私募的OKR，鼓励他们以更重要的角色参与时代进程。

只是在与多位量化经理沟通后，笔者感受到了一个温差:在如火如荼的生产下，各大AI实验室的量化在语言模型能力上离DeepSeek还有很长的路要走。另一方面，DeepSeek现在对量化研究的支持非常有限。

整个量化产业，集体投入到建设AI实验室的热情中，真正的意图不仅仅是对技术理想主义的追求。

下一个DeepSeek很难量化。

年初以来，机构尽调量化私募时会多问一句，「每个人都有多少张卡？」

虽然计算储备难和投资能力有多大关系，但在很多调整机构眼里，卡的数量在一定程度上反映了量化私募成为大模型的概率。对于一些销售机构来说，这也是衡量私募未来的标尺。

但是一个很明显的现实是，大多数量化私募目前还不足以支撑大模型计算率。

大型模型的计算门槛相当高。幻方是全国为数不多的万卡集群公司之一，2021年，幻方对。「萤火2号」AI集群投资10亿元，配备A100显卡1万张。2024年，DeepSeek V3官方报告训练模型使用2048H800。 GPU集群。中存董事长陈巍计算，幻方实际卡数为2.78万张(A1000张) H20） H8002048张，大约有30,000张规模[1]。

大部分量化私募并不具备如此富裕的家庭财产。

一位上海百亿量化管理人员向远川透露：「目前购买大量先进显卡非常困难，成本也很高。建造一个大模型的计算率至少需要几十亿，这就需要每年量化10亿的利润。即便如此，人才成本、时间成本、团队磨合成本也不容忽视。在不久的将来，基本上不可能有另一个DeepSeek，极难超越弯道。」

另外一位数百亿量化老板告诉远川，目前在计算能力和利润方面符合做大模型要求的另外两个量化，只有九坤和明邈，「九坤的规模足够大，而且比较学院派，与清华北大关系密切，人才供应充足。」但是根据远川的说法，九坤和幻方的方向不同，相对于基础模型，他们更加关注垂域模型，推动AI在应用领域的落地。

「而且明邈，我觉得搞大模型不像老毛的风格，老毛真的希望在金融领域与国际顶级对冲基金竞争。」

简而言之，量化模型最大的两个门槛是计算密度和人才密度，这两个门槛与钞票能力密切相关。比如幻方没有融资的顾虑，大部分量化，大部分AI。 初创企业是无法企及的「造血能力」。

这种「造血能力」营造松弛的R&D环境，DeepSeek 160人的R&D部门基本上是没有海归背景和大工厂背景的年轻人。BOSS直接聘请DeepSeek招聘的深度研究人员，年收入高达176万，超过了很多公开招聘和投资研究的减薪背景。在优越待遇的前提下，R&D人员可以从容获得大量输血支撑算法行业的失败。

在过度衰减的当下，大部分量化本身的规模并不扎实，面对未来更加激烈的内卷，在芯片出口控制之前也没有低价囤积上万张卡片，错过了财富积累的黄金时间。

即便有了所有的实际因素，创始人没有利润以上的价值取向也很难维持持续的巨额投资，正如朱啸虎溢于言表的赞扬，「梁文锋的想法确实不同，他甚至不想要几个亿的用户，任何考虑赚钱的角度都太普通了。」

蒙玺投资告知远川，量化大模型窗口期已经过去。「这样做的价值是什么？DeepSeek是开源的，在他们的基础上改变代码，然后让大家眼前一亮，怎么可能？」

对于投资协助，DeepSeek有限

自DeepSeek问世以来，金融业一直充满焦虑，使用DeepSeek先进的生产力量量化私募，就像给原本强大的战略增添了核动力一样。量化集体建设实验室增加AI，也意味着未来只剩下少量的超量可能会被加速榨干。

冯邈的双漾量化CEO判断：「不使用AI的量化基金在三年内必然被淘汰。」对他来说，DeepSeek是对那些仍然不相信AI力量的人的最后一次呼吁[2]。

除互联网行业外，资产管理行业数十家机构已争相争先恐后。「接入」DeepSeek。CIC测试了其量化选股能力，发现自2024年以来，671b专业版DeepSeek-R1在行业轮动方面已经平稳过量[3]。大型模型大大提高了中后台路演材料量化的速度，VS Code Github 与炸鸡配啤酒相比，Copilot更香。

虽然这个行业充满了欢呼，但是客观地看，DeepSeek在投资研究中的应用主要有两个方面，与其它大型模型没有本质区别：

首先，输入端拓宽了获取替代数据的途径。DeepSeek可以分析新闻研究报告文本、语音和视频的多个替代数据源，具有很强的信息处理能力，不仅可以从新闻中获得情感因素，还可以定性判断专家访谈的答案质量。

鸣熙资本基金经理陈昊炜曾在美国对冲基金Point上任职。 72。当上市公司高管回答投资者的问题时，他想起了一个有趣的细节，Point Steveve72创始人 Cohen 喜欢雇佣FBI的专家来判断他们的微表情，观察他们是否自信，言语是否有猫腻。这样的细节，为美剧《亿万》打造主角提供了相当多的原型参考。

「具有多模态能力的大语言模型可以通过微表情变化来判断情绪，将非结构化数据转化为结构化数据。」陈昊炜说。

第二，输出端提高了编程效率。对于远川来说，平方和投资最直观的变化就是DeepSeek降低了投资者使用新编程语言的门槛，「VS Code等编辑器还集成了许多AI插件，实现了从静态代码分析到动态优化建议的全链路赋能，便于编程人员的代码分析、优化和管理。」

DeepSeek可以提高投资研究过程的效率和增长率，如代码重构、金融语料的练习、另类数据的处理等。，但是数百亿的量化龙旗技术告诉远川，「至少现在，大型模型处理的精细度还远远不能满足我们的实际要求。」龙旗认为，通过基本面研究，结合机器学习，特别是深度学习，对数据构建模型的处理，比使用大型模型更有实践价值。

DeepSeek很早就在当地部署了蒙玺投资，其最大用途是辅助编程，「一般而言，就是寻找BUG。」假如研究人员Prompt写得足够好，也可以给DeepSeek一份研究报告，让它自动去做。「但在精细化方面，比如模型预测，我们不太可能让DeepSeek参与太多。」

对大多数量化私募来说，DeepSeek等大型模式对量化投资的实盘协助有限。

从过程来看，大模型在处理文本和逻辑上有明显的优势，而量化投资研究对数据处理的需求更大，舆论因素占比不大；从结果来看，DeepSeek存在幻觉和生产内容随机性的局限性，模型输出结果可能不符合目前量化投资研究的严格要求。

即使不专注于DeepSeek，AI也不能对量化起到决定性的作用。目前量化管理者的AI能力与基金未来的业绩没有直接的正相关关系，否则幻方便就是业绩最好的量化基金。

AI作为一种技术工具，已经广泛应用于高频量价因素的挖掘。虽然AI可以在机器学习、深度学习、大数据处理等方面提供超越人类思维的算法逻辑，为战略研发提供更多的可能性，但目前市场上的AI更多的是一种辅助工具，能发挥多少取决于管理者的水平。

尤其是一些具有独特数据处理逻辑算法的低频量化私募，并没有那么依赖AI。这样的团队市场还是主流，包括业绩持续稳定的管理员。

由于目前大模型对量化投资的帮助有限，量化私募离做大模型还有很长的路要走。量化集体布局AI实验室的目的是什么？只看未来量化的竞争，就看AI实力了？

DeepSeek对于量化意味着什么？

国内量化做DeepSeek在非量化金融人士眼中似乎是不可避免的。

由于DeepSeek降低了训练成本，原本是一种量化的方法论，包括如何对卡集群进行更准确的校准，如何利用浮点的精度来调整文本模型。此外，量化卡使用较早，使用熟练，对集群的认知比其他人强，所以很多人认为量化DeepSeek是很自然的事情。

但是在很多量化老板眼里，DeepSeek是一个不可复制的行业案例。

直观对比：美国拥有D.E.Shaw、Two 比幻方规模和实力强很多的量化基金，比如Sigma，也在AI领域积累了很多，没有芯片限制，但不是他们做了国际大模型。

从量化从业者的角度来看，DeepSeek在量化行业的诞生是一个奇迹，不仅重振了人们对中国科技和中国资产的信心，也间接改善了量化的展览环境。

在缓解舆论的同时，量化的技术力量也引起了金融业更广泛的关注。近日，深圳市私募股权基金协会召开私募股权量化机构研讨会，与16家头部量化机构进行深入探讨。「AI 资产管理」，并对开设「量化创新实验室」促进产学研合作提供政策支持。

蒙玺投资办公室位于上海，但AI实验室位于合肥。创始人李？安徽人，毕业于中国科技大学，目前是中国科技大学金融研究生的指导老师。据远川介绍，蒙玺的目的不是为了追求DeepSeek，而是为了吸引中国科技大学的优秀学生，回馈母校的一些感情。

「我们做AI 为中科大学生提供一些AI，Lab是为中科大学生提供的。 就业机会，实习机会。AI 如果Lab能够做出一些用于实盘的东西，那将是非常成功的，如果能够在主流期刊上发表论文，那将是极其成功的。」即使达到了这些效果，蒙玺也觉得离做大模型还很远。

另一方面，定居大学是量化抢人的一种方式。例如，宽德创始人冯鑫在北京大学定居时，发现人大数学系90后超级天才徐御之，一路晋升为宽德合伙人，成为公司最大股东。与以往相比，AI实验室比量化股票交易对顶尖大学生更有吸引力。

过去量化老板最大的困惑就是找不到在中国商业社会的地位——除了为市场提供流动性之外，它的价值意义何在？作为普惠金融，帮助普通人赚钱是有意义的，但私募几百万的认购门槛显然把这种意义挡在了门口。

直到DeepSeek的出现，为量化行业实现社会价值奠定了一条道路，也解决了量化老板的困惑。在一定程度上，量化私募集体开设AI实验室并不是为了创建下一个DeepSeek，而是为了创建一个 AI 在人们生活和工作方式的各个方面都在发生变化和重塑的时代，溢出的技术通过逐渐普及的应用回馈给更多的普罗大众。

参考资料

[1]「3万张卡」、DeepSeek在60亿投资之后，发了5000亿红包，腾讯科技

[2]桥水CEO：我们的人工智能基金堪比人类管理基金，彭博商业专刊

[3]中金 | 大型模型系列(1)：DeepSeek-R1量化战略实测，中金点睛之笔

封面来源：shotdeck

本文来自微信微信官方账号 《远川投资评论》（ID：caituandzd），作者：沈晖，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com