作者 | 四月

AI圈里最炙手可熱的新貴們，可能一大半都出自量化交易。

這話并不夸張。

故事要從2015年冬天說起。HRT的紐約會議室里，一群年輕人圍在桌前，留下了一張青春洋溢的生日合影，華人面孔超過一半。

舉著手機(jī)自拍的叫Jesse Zhang，現(xiàn)在是AI Agent獨角獸Decagon的CEO，三年時間把公司估值推到了45億美元。

那一年，他還在哈佛念大三。圍在他身旁的，是HRT史上的首屆實習(xí)生，一共十人。

這群年輕人的含金量有多高呢？看看HRT的門檻就知道了。

作為與Citadel Securities、Virtu Financial和Jump Trading并稱的全球高頻交易“四大天王”，HRT（Hudson River Trading）是算法交易界公認(rèn)的Tier 1。

他們招人邏輯簡單而直接，只看MIT、哈佛、斯坦福，只從數(shù)學(xué)、物理、計算機(jī)專業(yè)里篩，而且?guī)缀踔挥性谌驃W賽（IMO、IOI、IPhO）里拿過獎的人，才能夠得著門檻。

能通過這般極限篩選的，絕非等閑之輩。十年后，這張蛋糕桌已成了AI權(quán)力場的中心。

光是這張照片里，就有三人身價過億（美元），他們執(zhí)掌的公司或團(tuán)隊更是超過千億估值。

最為華人所熟知的Alexandr Wang，已是Meta毋庸置疑的AI話事人；AI編程工具Devin的創(chuàng)始人Scott Wu，剛剛完成10億美元融資；Jeffrey Yan則是把量化高頻交易的極致性能帶進(jìn)了去中心化金融，他搭建的Hyperliquid估值一度突破400億美元。

當(dāng)個體的成功匯聚成群像，趨勢便無法忽視。過去兩年里，華爾街量化基金的頂級交易員，已經(jīng)成為OpenAI和Anthropic眼中不可多得的計算系統(tǒng)人才，以數(shù)百萬美元的年薪瘋狂挖角。

這樣的故事不只發(fā)生在美國。

同樣是在2015年，大洋彼岸的杭州，一個叫梁文鋒的年輕人創(chuàng)辦了幻方科技（幻方量化）。十年后，這家年入超50億元的低調(diào)的私募量化交易機(jī)構(gòu)，孵化出了DeepSeek，用算法、工程和效率，將中國大模型推向世界的牌桌。

系統(tǒng)工程人才的權(quán)力上位

這批年輕華人里，Alexandr Wang的崛起堪稱典型樣本。

當(dāng)Meta以143億美元收購Scale AI近半股份，并任命這位28歲的華裔創(chuàng)業(yè)者為首席AI官時，整個科技界都為之側(cè)目。這不僅僅是一次商業(yè)并購，更是一次權(quán)力更迭的象征。

圖靈獎得主Yann LeCun（楊立昆）領(lǐng)導(dǎo)的FAIR實驗室，被劃入Wang負(fù)責(zé)的“超級智能實驗室”，楊立昆本人則選擇離職創(chuàng)業(yè)。它標(biāo)志著AI的主賽場，正在從“學(xué)術(shù)權(quán)威”向“工程實踐者”過渡。

Scale AI的成功并非偶然。在AI大模型時代，數(shù)據(jù)標(biāo)注、模型評估和反饋機(jī)制變得至關(guān)重要。當(dāng)其他公司還在爭論模型架構(gòu)時，Scale已經(jīng)占據(jù)了AI能力生產(chǎn)鏈條中最基礎(chǔ)、最難以外包的一環(huán)。這種對系統(tǒng)級問題的深刻理解，正是量化背景人才的優(yōu)勢所在。

Scott Wu的Cognition則代表了AI Agent的縱深。

他曾三次斬獲IOI金牌，其中2014年以第一名奪冠，從哈佛退學(xué)后創(chuàng)立Cognition。2024年推出Devin，讓全球工程師第一次認(rèn)真討論"AI軟件工程師"的可能性。

Devin的突破不在于生成代碼，而在于讓AI像真實工程師一樣閉環(huán)工作：接任務(wù)、查文檔、寫代碼、運行測試、修Bug，直到交付結(jié)果。Cognition估值已經(jīng)來到260億美元，年化營收近5億。

Perplexity的聯(lián)合創(chuàng)始人Johnny Ho同樣循著這條路徑。他曾在Tower Research做了6年高頻交易，這段經(jīng)歷塑造了他對高并發(fā)、低延遲系統(tǒng)的極致追求。

左一為Perplexity聯(lián)合創(chuàng)始人Johnny Ho

Perplexity看似做的是AI搜索，但真要把搜索、生成、引用、實時性和可信度壓進(jìn)一個產(chǎn)品里，底層依然是極強(qiáng)的系統(tǒng)工程。這和高頻交易中毫秒級撮合、風(fēng)控與執(zhí)行的邏輯如出一轍。

這種能力讓Perplexity在激烈的AI搜索賽道中脫穎而出，估值已達(dá)200億美元，Ho本人身家超過21億美元，并曾先后向TikTok和Chrome發(fā)起過收購要約。

你會發(fā)現(xiàn)，量化背景正在改寫AI圈。從華爾街到硅谷，從中國到全球，AI行業(yè)的中堅力量正在被這群特殊人才接棒。

他們不是傳統(tǒng)意義上的產(chǎn)品經(jīng)理，也非受人追捧的學(xué)術(shù)明星。他們更像是被數(shù)學(xué)競賽、精英大學(xué)和量化交易共同訓(xùn)練出來的一代“系統(tǒng)型人才”。

他們懂?dāng)?shù)學(xué)，懂工程，懂自動化，懂成本，很擅長把一套昂貴復(fù)雜的智能系統(tǒng)，改造成一臺可運行、可驗證、可擴(kuò)展、也算得過賬的工程機(jī)器。

當(dāng)年P(guān)ayPal被收購后，馬斯克、彼得·蒂爾等人各自出走，統(tǒng)治了互聯(lián)網(wǎng)上半場；而量化交易和奧賽體系走出的這幫人，似乎正復(fù)制著同樣的劇本，把AI的下半場推向新高度。

他們也因此得名“AI時代的PayPal黑幫”。

DeepSeek 的量化底色

幻方量化的故事，為這一趨勢提供了另一個維度的印證。

梁文鋒在2015年創(chuàng)立幻方時，或許沒想過十年后會做出DeepSeek。但幻方的基因——算法、模型、算力和自動化交易，卻是與這波AI發(fā)展的需求不謀而合。

首先，量化交易對算力與速度帶著天然的饑渴，這讓梁文鋒從一開始就把算力當(dāng)作核心資產(chǎn)來經(jīng)營，成為國內(nèi)買卡最激進(jìn)的公司。

2021年，當(dāng)大多數(shù)私募還在用小規(guī)模GPU集群跑策略時，幻方就已經(jīng)投入近10億元建設(shè)"螢火蟲"超算中心，囤積上萬張A100。這種為算力不惜血本的基建前置邏輯，成了DeepSeek最堅實的起跑線。

并且，這套自建算力的路線仍在鞏固和延續(xù)。今年4月，DeepSeek首次公開招聘數(shù)據(jù)中心實地崗位，選擇內(nèi)蒙古烏蘭察布作為自建數(shù)據(jù)中心的首站。作為國家"東數(shù)西算"八大樞紐之一，烏蘭察布具備冷涼氣候與綠電富集的優(yōu)勢，全區(qū)智算占比超92%。

可以說，DeepSeek的崛起，本質(zhì)上是量化思維模式的勝利。當(dāng)全行業(yè)還在迷信"大力出奇跡"的參數(shù)堆疊時，DeepSeek用工程創(chuàng)新實現(xiàn)了效率反超：V3的完整訓(xùn)練成本約為557.6萬美元，R1更是只有29.4萬美元。

這種對成本“摳”到極致的量化能力，最終外化為DeepSeek在模型競爭里最凌厲的攻勢。

在API調(diào)用市場，DeepSeek敢于把價格打到地板。今年4月，宣布將所有模型的輸入緩存命中價格降至發(fā)布價的十分之一；到了5月，更是喊出V4-Pro永久降價至原定價的四分之一，將百萬Token的調(diào)用成本打到低于一通電話費。

同行在算力成本壓力下不得不漲價轉(zhuǎn)嫁，DeepSeek卻能在這個節(jié)點反向降價。背后的底氣，和那套量化思維錘煉出來的成本結(jié)構(gòu)不無關(guān)系：先把效率做到極致，再用效率碾壓市場。

盡管DeepSeek目前已開啟大規(guī)模外部融資，但其核心戰(zhàn)斗力的養(yǎng)成，仍然離不開幻方量化在早期提供的"無限子彈"。2025年，幻方旗下基金平均收益率達(dá)56.6%，管理規(guī)模超700億元。據(jù)彭博測算，僅一年就為梁文鋒賺了超50億元人民幣。

AI 成了另一場高頻交易

為什么量化交易背景的人，會在AI時代突然變得這么值錢？

表面上看，金融交易和大模型研發(fā)是兩個行業(yè)。但如果把外殼剝掉，你會發(fā)現(xiàn)它們面對的是同一種問題：在高度不確定的環(huán)境里，用模型、數(shù)據(jù)和系統(tǒng)做連續(xù)決策。

量化交易不是一次性預(yù)測漲跌。它要不斷接收市場信號，生成判斷，執(zhí)行交易，接受反饋，再調(diào)整策略。它處理的是噪聲、延遲、風(fēng)險、成本和對手盤。一個策略在回測里再漂亮，如果真實市場里滑點太大、成交太慢、風(fēng)控扛不住，最后還是沒用。

AI Agent也越來越像這樣。這便是AI與量化交易相似的第一層：兩者都是連續(xù)反饋系統(tǒng)。

第二層，在于它們都必須尊重系統(tǒng)約束。

在量化交易里，策略收益只是表面數(shù)字。真正決定它能不能活下來的，是延遲、吞吐、滑點、風(fēng)控、極端行情、資金容量和交易成本。在AI里也一樣，模型榜單分?jǐn)?shù)只是表面數(shù)字。真正決定它能不能落地的，是推理成本、工具調(diào)用穩(wěn)定性、幻覺控制、權(quán)限邊界、安全隔離、任務(wù)鏈路和系統(tǒng)可觀測性。

一個Agent演示時能完成任務(wù)，不等于它能在真實企業(yè)環(huán)境里長期穩(wěn)定運行。一個模型在benchmark上分?jǐn)?shù)很高，不等于它能承受真實用戶的千奇百怪、企業(yè)系統(tǒng)的復(fù)雜權(quán)限和線上業(yè)務(wù)的容錯要求。

所以，AI的競爭開始從“模型能力”轉(zhuǎn)向“系統(tǒng)實現(xiàn)能力”。

誰能把模型放進(jìn)復(fù)雜環(huán)境里，還能穩(wěn)定、便宜、可控地跑起來，誰才真正有機(jī)會進(jìn)入下一階段。

第三層相似，是量化背景的人天然會算賬。

互聯(lián)網(wǎng)創(chuàng)業(yè)可以靠增長敘事?lián)喂乐担炕灰撞恍?，市場每天給出反饋。這種訓(xùn)練遷移到AI后，形成了一種不迷信規(guī)模崇拜的氣質(zhì)：更關(guān)心單位算力產(chǎn)出，不只關(guān)心模型有多強(qiáng)，也關(guān)心強(qiáng)到什么程度才值得付出這個成本。

這種能力的稀缺性，已經(jīng)在人才市場上被明碼標(biāo)價。根據(jù)Business Insider報道，OpenAI、Anthropic等公司正以150萬到300萬美元的年薪，從Citadel、D.E. Shaw、Jane Street等量化基金挖人。

AI公司最終會發(fā)現(xiàn)，最懂如何壓榨GPU性能、優(yōu)化系統(tǒng)延遲的人，不是象牙塔里的教授研究員，而是量化交易機(jī)構(gòu)的工程師。

人才搖籃的隱秘更迭

上一代AI敘事里，國內(nèi)AI圈最熟悉的人才高地，是以微軟亞洲研究院（MSRA）為首的AI Lab。

它曾經(jīng)培養(yǎng)出大量技術(shù)領(lǐng)軍人物，也長期代表著中國AI人才的黃金入口。那更像一個“想清楚再動”的時代。關(guān)鍵詞是論文、算法、實驗室、研究員、大廠研究院。

但大約從2020年起，問題的結(jié)構(gòu)似乎變了。

Scaling Law把方向釘死：堆數(shù)據(jù)、堆參數(shù)、堆算力，模型就會變好。這件事不再極度依賴學(xué)術(shù)洞見，而是需要極強(qiáng)的工程執(zhí)行力、算力調(diào)度，以及快速試錯的能力。

AI的競爭，從研究競賽變成了復(fù)雜系統(tǒng)競賽。問題的性質(zhì)變成了“邊做邊想”。

量化交易的訓(xùn)練環(huán)境，比任何學(xué)術(shù)機(jī)構(gòu)都更接近這種狀態(tài)。你管的是真實的錢，面對的是真實的對手，錯誤決策的代價立竿見影。

這種壓力逼出的認(rèn)知結(jié)構(gòu)，在量化交易里叫生存本能。到了AI競爭里，就變成了另一種核心競爭力：在不完整信息下做決策，把資源效率當(dāng)硬約束，比對手快一步出清錯誤，然后繼續(xù)迭代。

所以你會看到，新一代AI權(quán)力網(wǎng)絡(luò)，將不再只是脫胎于研究院、實驗室，更會從量化交易機(jī)構(gòu)、競賽體系和開源社區(qū)里長出來。

聲明：本文為 AI 前線原創(chuàng)，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

企業(yè)級 Agent 落地，繞不開 4 個真實的工程問題！如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統(tǒng)才能真正理解上下文？如何通過算法壓榨實現(xiàn)智力增量與成本控制的極致平衡？多 Agent 協(xié)作，如何做到可觀測、可治理、可控制？6.26-27 AICon 上海站，國內(nèi)頭部公司的 Agent 實踐，一次說透。

今日薦文

你也「在看」嗎？