在技术与金融深度交互的今天，量化投资正站在前所未有的变革临界点。一方面，监管框架日趋完善，为量化交易划定清晰边界；另一方面，以大模型为代表的AI技术正在重塑策略研发范式、算力使用逻辑与投资决策体系，推动整个行业迈向认知智能与系统化交易的新阶段。

11月28日，在“2025量化行业高质量发展大会”上，由华鑫证券首席数据官、信息技术部总经理崔宏禹主持，宽投资产CEO严宓，鸣石基金创始人袁宇，平方和投资创始人、总经理吕杰勇，锐联景淳创始人、首席投资官许仲翔，广州守正用奇董事长何荣天等嘉宾围绕“AI重塑量化投资”话题，就技术前沿、策略重塑、行业边界等关键词进行圆桌讨论。

AI重塑量化底层逻辑

过去一年，大模型的进化速度令人目不暇接，也迫使几乎所有量化机构重新梳理自己的研发体系。当前，AI正在重塑量化投资的哪些底层逻辑？哪些曾被视作“不可突破的边界”，正在被重新打开？

崔宏禹表示，人工智能的大规模应用让量化行业呈现出前所未有的跃迁，而真正的价值在于投研体系与技术能力之间产生“化学反应”。在他看来，各家机构都在寻找属于自己的“桃花源”，而这一过程将因AI的加入而变得更有效率、更加系统。

严宓将行业变化概括为“数据边界的急剧拓宽”。“早期量化研究以结构化财务数据、市场行情数据为主，而如今，公告文本、舆情信息、论坛评论、图像材料甚至音视频内容都成为可以融入类似多模态模型的数据源。但与此同时，要引起重视的是，非结构化数据往往存在数据污染、时间错误等问题，也更容易影响模型稳定性。”她表示，为此，团队必须进行数据清洗、人工校验与结构化处理，使数据真正具备可用性。

袁宇回顾了国内量化发展的脉络。他认为，中国量化行业从十年前便系统性引入机器学习模型，而AI大模型的出现，让策略研发的边界进一步外延。“在短周期策略中，行业不再只专注在可解释性方面。”袁宇直言，“深度模型带来的收益空间已让全球量化形成共识，它们不一定可解释，但它们确实更有效。”

吕杰勇表示，人工智能的标志性突破是2016年谷歌推出的AlphaGo以及后来的AlphaZero，标志着机器在复杂决策任务中超越了人类。近年来，人工智能的赋能也逐渐体现在量化投资应用中。在传统量化投资中，往往依赖于“老师傅”的经验和能力，但是经验丰富的“老师傅”成长周期久且稀缺，机器学习一定程度上摆脱了对“老师傅”的依赖，并以高效的方式重新定义了研究范式。不过，新模式并非万能，需要经验丰富的人类参与和控制。

AI不是万能钥匙

长期以来，Alpha（超额收益）发现是一套高度工程化的生产线。在AI参与后，因子发掘、特征提取、信号生成的流程都出现了加速跃迁。但是一个常见问题是，AI在回测环境里往往表现惊人，落到实盘后需要解决诸如解释性不够、样本外波动大、在极端行情下容易失灵等问题。嘉宾们普遍认为，AI虽强大，但绝非万能钥匙。

何荣天表示，大模型本质是文字接龙的概率游戏，无法天然具备因果逻辑。“相关性不能预测未来，因果律才是投资的核心。”何荣天认为，当越来越多机构依赖相似的数据与相似的模型时，“因子拥挤”使市场风险在极端行情中更危险。

严宓认为，模型稳定性面临两大挑战：其一是不可重复性，其二是过拟合难题，这是贯穿量化行业的长期命题。“我们通常将先验知识与经验嵌入模型，通过有一定专业知识的人投以更精准的信息为模型‘加护栏’，在一定程度上减少黑箱效应。”严宓表示。

在吕杰勇看来，AI模型并非完美，可能存在容易过拟合、可解释性弱、过度依赖数据等问题。他表示：“我们反对盲目跟风热点的‘替代式创新’，而是强调基于既有研究优势的‘增量式创新’路径——在稳健的策略体系之上，引入AI等前沿技术。”

袁宇表示，AI时代最被低估的挑战是“技术演进速度非常快”。在他看来，大模型相关知识几乎以“每年一代”的速度更新，人才结构也呈现加速年轻化趋势。“五年前的知识可能已经无法应对今天的应用场景。我们必须不断引入新鲜血液，这本身就是对组织能力的考验。”

人机协同新范式正在成形

展望未来五年“AI+量化”的发展方向，五位嘉宾不约而同地强调了“人机协同”的核心价值，勾勒出量化投资行业即将踏入的新周期。

“收益持续守正，量化AI用奇。”何荣天用一句公司口号概括对AI时代的投资哲学，“我们需要在稳健的基础上探索技术创新，而不是盲目追求技术奇点。因为无论技术如何演进，投资的基本规律不会改变，机构需要坚持价值投资理念，运用AI技术提升决策质量而非替代决策本身。”

“我们会全力拥抱AI带来的变化。”袁宇的态度简洁而坚定，“鸣石将持续加大AI技术投入，但我们关注的是技术如何真正创造投资价值，而不是追逐技术热点。”他提醒行业要保持理性，技术是工具，投资是本质。

吕杰勇表示：“AI策略代表的是电脑，人工策略代表的是人脑。在投资上，我们不认为电脑比人脑更强，或者人脑比电脑更强，而是兼容并蓄，人机协同是更优的资源配置思路。”

“从拥抱到融入，AI会变成投研的底座能力。”严宓表示，大模型不会只是工具，而将逐渐成为投研流程的基础架构之一。

“把已知交给机器，把未知留给人。”许仲翔认为，人机协作的边界将更为清晰，人类将在认知、判断与风险管理中承担更重要的角色。