2026年1月23日，“2025/2026中国量化投资跨年峰会”在上海顺利举办。平方和投资创始合伙人、总经理吕杰勇进行了主题为“AI赋能：从AlphaGo、ChatGPT到量化投资”的演讲，深度剖析了AI与量化投资的十年演进与未来图景。

　　吕杰勇认为，2016年，谷歌AlphaGo横空出世，及随后AlphaGoZero仅通过自我对弈训练成为顶尖棋手，这一系列标志性事件给量化投资行业带来了深远的认知冲击，更多的人开始尝试将AI应用到量化投资领域。

　　此后，2022年，OpenAI的ChatGPT问世重塑了人机交互范式，推动量化行业实现进一步发展。但AI+量化的实践仍面临诸多挑战，离不开人类的经验与专业调参支撑。在吕杰勇看来，人机协同或将成为更优的资源配置模式。

　　机器学习与量化投资的同频逻辑，开启了AI+量化的序章

　　吕杰勇表示，AlphaGo对围棋领域的颠覆性突破，本质是为机器学习赋能复杂决策提供了标杆范式，而这一范式与量化投资“数据驱动决策”的核心逻辑天然同频，因此也开启了AI+量化的序章。

　　回顾AI发展史时，吕杰勇提到，人工智能的发展并非一蹴而就，早期以IBM的DeepBlue为代表的剪枝搜索技术在国际象棋领域实现突破，但真正的转折始于2016年AlphaGo，它通过海量棋谱学习打败人类冠军棋手，而2017年的AlphaZero更进一步，仅凭自我对弈便成为最强棋手。其背后依赖的算法升级、算力提升与数据支撑，与量化投资对数据处理、复杂决策和高效运算的核心需求高度契合。

　　AlphaGo到AlphaZero的演进揭示了：AI可以通过自我训练实现能力跨越。这一认知直接推动了“AI+量化”的兴起。

　　机器学习已深度渗透量化投资全流程，成为重要抓手

　　在吕杰勇看来，机器学习绝非停留在理论层面的概念，而是已深度渗透到量化投资全流程，其核心落地应用精准破解了传统量化模型的效率与适配性难题，更是策略升级的重要抓手。

　　金融科技浪潮中，机器学习正重塑着量化投资核心逻辑，AI技术已实现多场景深度落地。而大模型赋能机遇与行业共性难题的博弈，正在成为量化领域当前核心议题。

　　例如，在多因子合成领域，AI技术深度挖掘因子间隐藏的非线性关联，有效增强了合成信号的稳定性与有效性，为量化策略表现优化提供支撑，直接拉升策略战绩。

　　同时，强化学习开创了组合优化的新框架，以”智能体“破局，动态适配市场变化，自主应对复杂序贯决策难题。

　　另外，端到端模型则跳过中间环节，直接实现从原始数据到交易信号的映射，凭借对时序数据的高维建模能力，自动掘金高维时序数据中的市场规律。

　　机器学习在高频交易场景则优势显著，它能捕捉市场非线性微观特征，突破传统线性模型的能力上限。

　　AI+量化的发展基石，在于数据、算力与算法的协同迭代

　　吕杰勇进一步指出，AI与量化的深度融合并非单一技术的简单叠加，而是建立在数据、算力与算法三大支柱之上，三者互为支撑、协同迭代，构成AI+量化的“铁三角”支柱。

　　当前AI+量化的数据资源已实现多类型、高精度的全面覆盖，从各类价量、另类数据，PB级数据总量为模型训练提供了充足“燃料”，大规模GPU集群筑牢硬件根基，算法向Transformer及大模型迭代升级，持续刷新量化能力的上限。

　　ChatGPT推动下，平衡“创新”与“稳健”成为行业新挑战

　　谈及大模型技术，吕杰勇表示ChatGPT的横空出世不仅让其走进大众视野，更凭借强大的自注意力与多模态处理能力，为量化投资开辟了全新赋能路径，同时也带来了大模型用于金融时序预测中的新挑战。

　　ChatGPT引领的大模型浪潮，让AI从“鹦鹉学舌”迈入“自主思考”。Transformer架构凭借其强大的自注意力与多模态处理能力，能有效提取长周期关联与非结构化信号，与传统模型互补，形成“王炸组合”；基于提示词的工程化方法使经验得以规模化复用，推动因子挖掘与策略生成的效率提升，拓展了策略边界。

　　但大模型用于金融时序预测面临的挑战同样显著，训练范式差异(token预测对比连续数值预测)、数据噪声敏感、推理链路复杂以及成本效率等现实挑战，使得行业必须在技术创新与稳健落地间找到平衡点。 

　　AI赋能量化，仍存多重风险及挑战

　　与此同时，吕杰勇也强调，尽管AI技术为量化投资注入了强劲动力，但市场不确定性、数据质量瑕疵、模型过拟合等共性挑战仍未破解，始终是制约技术落地效果的核心瓶颈。

　　AI赋能量化的光环背后，行业绕不开三大共性难题。一是策略同质化严重，AI模型扎堆跟风易陷入“拥挤交易”，超额收益空间被持续挤压；二是模型天生有一定缺陷，可解释性弱、过拟合风险高，难以完全适配瞬息万变的真实市场；三是极端场景缺乏足够历史样本训练，应对黑天鹅事件下，常规策略极易失效，模型韧性亟待提升。

　　归根结底，AI与量化的融合已进入“机遇与挑战正面硬刚”的关键期。未来行业竞争的核心，在于谁能率先打破数据壁垒、实现算法突破、筑牢风控防线。

　　未来，人机结合是AI赋能量化的更优解

　　最后，吕杰勇提出，AI赋能量化投资的核心价值，集中体现在底层重塑与落地破局两个维度。AlphaGo、AlphaZero的成功，不仅展示了AI在复杂决策任务中超越人类的潜力，更给量化行业带来革命性影响——传统量化投资时代，行业发展高度依赖经验丰富的“老师傅”，这类人才成长周期长、培养成本高且资源稀缺，导致行业准入门槛居高不下；而AI技术的应用打破了对传统经验型人才的过度依赖，以系统化、高效率的模式重构了投研范式，降低了行业门槛，开辟了全新发展空间。

　　面对行业挑战，平方和投资始终强调“人机结合”的发展路径。AI模型并非完美无缺，电脑的理性与人脑的经验创造力不存在绝对优劣之分，而是互补共生的关系——AI的核心价值在于辅助人类而非取代人类，人机结合才是量化投资领域资源配置的更优解。

　　在人机协同模式下，将AI的算力优势、数据处理能力与人类的投资智慧、风险预判能力有机结合，既充分发挥AI在处理海量数据、捕捉复杂规律上的高效性，又借助人类的经验与直觉弥补模型在极端行情下的局限性。这种融合并非颠覆性替代，而是渐进式协同进化，通过长期回测积累、小步实盘验证、逐步放量推广的方式，在有效控制风险的前提下，持续提升策略的稳健性与有效性，最终实现“1+1>2”的投资效果。目前，平方和投资已在因子挖掘、信号预测、组合构建、交易执行等核心环节全面落地人机结合模式，并大量应用深度学习等模型，已取得了显著实践成效。

　　展望行业未来，吕杰勇认为下一代AI在量化投资中的突破，大概率不会是一个“预测一切”的终极算法，而或是一个能将人类顶尖投资智慧、逻辑思辨能力与机器超强计算力、自动化能力无缝融合的增强系统。在这一系统中，人类专家将更专注于定义问题、把握本质与顶层规划，AI系统则成为不知疲倦、执行精准的“超级研究员”与“超级交易员”。这场突破的本质，是通过“人机协同”这一优化的资源配置方式，让量化投资在充满噪音与变化的市场中，更稳健、更可持续地获取Alpha。(完)

注：请在转载文章内容时务必注明出处!   

编辑：曹卉