天鲜优配
【导读】念空科技成立AI公司，联手交大计算机学院撰写大模型相关论文，量化私募展开AI军备竞赛
中国基金报记者 吴君
百亿量化私募，纷纷加入人工智能（AI）“军备竞赛”。
记者从业内获悉，近期，沪上百亿量化私募念空科技成立了上海全频思维人工智能科技有限公司（中文简称全频思维，英文简称AllMind），探索AI的前沿课题。该公司还和计算机学院合作撰写论文《面向特定任务大型语言模型的监督微调与强化学习分步式自适应集成》，于今年5月投向NIPS（神经信息处理系统大会）。
今年截至目前，九坤、宽德、鸣石、黑翼等多家百亿私募积极布局AI。业内人士认为，DeepSeek火爆，量化行业备受鼓舞。机构依靠自身人才和技术方面的优势，积极探索AI领域。此举不仅能提升自身竞争力，而且可以拓展业务边界，为科技创新出力。
成立人工智能科技公司
与高校合作撰写涉及大模型论文
5月19日，念空科技成立了全频思维（AllMind），为一家专注于研究通用大语言模型（LLM）相关底层算法和工程技术的创新型科技公司。
念空科技创始人王啸告诉记者，AllMind更着眼于大模型的基础学术研究和应用，短期内并不以盈利为目的，“公司致力于探索人工智能的前沿课题，短期内会着眼于训练一个基于金融数据的专项大模型，也会着眼于解决当前大模型存在的一些痛点，比如提升其逻辑推理能力，减轻大模型的幻觉问题，探索大模型是否能进行自主创新。未来我们还会和学术及产业界合作，在新材料、医药研发、AI助手等领域尝试大模型的应用。”
记者还了解到天鲜优配，由念空科技和上海交通大学计算机学院合作撰写的《面向特定任务大型语言模型的监督微调与强化学习分步式自适应集成》（英文名称为“Step-wise Adaptive Integration of Supervised Fine-tuning and Reinforcement Learning for Task-Specific LLMs”），于5月20日投向NIPS，目前尚未发表。
王啸表示，ChatGPT的诞生依赖于大量的预训练和监督微调（SFT），2025年DeepSeek问世，表明了大量基于强化学习（RL）的后训练对大模型的推理能力非常重要，在DeepSeek的论文中介绍了整个训练过程被分成SFT-RL-SFT-RL四个过程。“就像我们人类学习一样，SFT相当于刷题，RL相当于把做过的题举一反三，总结经验。一边刷题、一边思考总结的学生，往往成绩更好。对过往经验的总结思考对人类的学习效率非常重要，这是大模型训练中RL能大幅提升模型推理能力的原因。”
关于该论文，王啸介绍，他们从人类的学习方法中得到启发，如果高频地在刷题和考试经验总结之间切换，可能更有利于学习成绩（推理能力）的提高，“所以我们设计了一种Step By Step切换SFT和RL的训练方法，在下一个Step训练之前，根据我们设计的自适应的算法决定下一个Step用SFT还是RL。最终实验发现，在三个不同的公开数据集上，我们提出的新的训练框架明显优于单独的SFT、单独的RL以及简单混合SFT和RL，证明该框架是当下更优的后训练方式。”
多家量化私募积极探索AI领域
今年2月，沪上百亿量化私募宽德投资发布招聘信息，为宽德智能学习实验室招聘AI人才，专注于研发通用性，其主要招聘岗位包括AI研究员和AI工程师。
宽德投资表示，该实验室的成立源于公司对AI的战略思考，在宽德的支持下，其将作为独立孵化、自主运营的创业性实验室，专注于科研领域的超级科技助手。该实验室起步于量化，但不止于金融场景，向着人工智能的星辰大海启航。
年初，国内量化巨头九坤投资携手微软团队发布了一篇涉及AI领域的论文，其成功复现DeepSeek-R1的工作，还首次发现了语言混合（例如中英文夹杂）会显著降低推理能力等问题。
据了解，九坤投资较早成立了人工智能实验室，致力于前沿AI技术研究，探索通用技术并推动其场景应用，还在多个细分领域开展了多元化研究拓展，加速AI在应用领域落地。
鸣石基金表示，近年来不断提升AI在量化投研领域的比重，现在AI全流程参与因子挖掘、模型优化、风控、交易等投研环节，提升了投研效率和量化策略迭代。“我们在2021年就成立了AI实验室G-Lab，赋能因子、信号、模型优化、交易算法等，并在此基础上研究AI在金融领域的创新应用。”
此外，2022年，鸣石基金启动算力硬件基础设施的建设，先后投入运行了鸣石超算一期“仙女座”、二期“英仙座”。2025年，公司“星座计划”超算系列还将进一步扩容。同时，公司正面向全球招聘AI科学家，推动AI技术创新和应用落地，探索深度学习、机器学习等前沿算法，持续迭代和优化预测模型。
黑翼资产称，目前公司投研体系实现了全流程AI量化投资，即在整个策略研发过程中，包括数据分析、因子挖掘、收益预测、组合优化等环节中，都植入了人工智能技术。“应用大语言模型，能够处理海量的结构化与非结构化数据，能够对研报等复杂的文本数据进行识别、分析和处理，还有使用AI技术提升因子的挖掘精度和效率。交易实现环节，我们靠AI算法来预测市场很短时间之内的价格走势以及流动性变化，最小化交易成本。”
一位量化私募市场人士表示，目前，量化私募大多数正在提升AI在投研中的比重，以提高投研效率。“除了极少数的量化私募采用全流程AI投研外，其他机构采用AI技术仅作为一种辅助工具参与投研，未来会有越来越多的私募加大AI投入，包括人才招聘、硬件基础设施等，量化行业也会掀起AI人才争夺战。”
编辑：格林
校对：王玥
制作：鹿米
审核：木鱼
版权声明
《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。
授权转载合作联系人：于先生（电话：0755-82468670）
七星策略提示：文章来自网络，不代表本站观点。
沪深京指数
热点资讯
