# 专题报告：量化 × AI 交叉谱（QUANT × AI）

> 回答一个问题：中国量化怎么从「挖因子」变成「养 AI」的？
> 全谱样本：幻方 / 九坤 / 倍漾 / 念空 / 宽德 / 明汯 / 黑翼 / 聚宽 /
> 超量子 / 茂源。

## 一、量化 × AI 三阶段

```
阶段 1（2015-2018）策略 AI 化：深度学习进因子/择时（明汯 2021 加
  深度学习模块；九坤 2018 全面 AI 化「AI 融合在 80% 的策略中」）
阶段 2（2018-2023）算力军备：萤火超算（幻方）/ 北溟超算（九坤）/
  自建算力中心 158 PFLOPS 目标（倍漾）——「算力即 alpha」
阶段 3（2023-2026）技术外溢：幻方→DeepSeek（AGI）/ 九坤
  IQuest-Coder（代码大模型）/ 倍漾「技术外溢」计划 / 念空 NeurIPS
  论文——量化公司开始向外输出通用 AI 资产
```

## 二、机构样本

| 机构 | AI 动作 | 性质 |
|---|---|---|
| 幻方 | 2017 萤火一号 → 2019 幻方 AI → 2023-07 DeepSeek（30 亿自有资金）→ 2024-12/2025-01 V3/R1 全开源（MIT）→ 2025-02 开源周（3FS 萤火文件系统） | **世界级开源旗帜** |
| 九坤 | 2018 北溟超算 + 三大实验室 → 2026-01-01 至知创新研究院开源 IQuest-Coder-V1 | 第二个 DeepSeek 动作 |
| 倍漾 | 投研全流程 AI 化（端到端基础模型，无人工因子流水线）；30 人 13 枚国际金牌；宣称复制幻方式技术外溢 | AI 原生第二代 |
| 念空 | 2025-05 向 NeurIPS 投递大模型基础研究论文（与上海交大合作） | 学术输出 |
| 宽德 | Wizard Intelligence Learning Lab；深度学习因子组合 | 内部培养 |
| 黑翼 | 全流程 AI（数据/因子挖掘/预测/优化/算法交易）；IT 投入数千万提速 3-10 倍 | 工程化 AI |
| 聚宽 | AI 方法论新因子占比超 70%；探索 AI 自主驱动投研 | 平台型 AI |
| 超量子 | 「AI 驱动量化、人机协同」（詹焯扬） | 人机协同 |
| 茂源 | 郭学文博士后做气候变化大模型——「大模型背景转量化」 | 反向迁移 |

## 三、三大规律

1. **「量化养 AI、AI 反哺量化」闭环已跑通**：幻方用私募利润 +
   萤火底座养出 DeepSeek，DeepSeek 再反哺幻方的工程与研究文化——
   血缘链：幻方(2015) → DeepSeek(2023) → dsh(2024) → dsh-quant 🐳
2. **开源策略 vs 闭源策略的二元结构**：幻方/九坤「模型开源、
   策略闭源」——开源是人才与品牌战略，不是收益策略
3. **AI 原生派的组织形态**：倍漾证明「零金融背景 + 高金牌密度 +
   端到端模型」可以五年破百亿——量化招聘从「金融+数学」转向
   「计算机+AI」，人才供给侧正在换血

## 四、对 dsh-quant 的意义

- dsh-quant 定位 AI-native：工具用统一 schema DSL 让模型直接调用
  ——正是「量化工具 AI 化」的下一形态：不是模型做策略，而是
  **模型操作工具、人操作模型**
- 我们收录的这条谱系证明：量化的终点是技术生态——dsh-quant
  的「一切皆插件」是同一方向的开源版本