黄牛号贩子跑腿代挂号微信需要挂号联系客服各大医院服务项目！专家挂号，办理住院加快．检查加快，产科建档，指名医生挂号北京，上海，南京，天津．广州，各大医院代挂号

　　来源：证券时报

　　近年来，随着人工智能(AI)技术的飞速发展，量化投资领域正迎来新一轮深刻变革。

　　以生成式AI为代表的新一代模型兴起，颠覆了传统数据处理方式，促使基金公司加速探索AI的深度应用。面对海量且复杂的金融市场数据，算力资源分配与稳定性也逐渐成为AI量化模型的制胜关键。

　　不过，尽管AI技术在量化投资领域展现出强大潜力，模型的“黑盒”特征以及相应的可解释性不足依然困扰着业界。多家机构指出，AI模型要真正发挥作用，还需要提升模型的透明度与可解释性。

　　量化投资迈入AI时代

　　近年来，AI技术的快速发展已引发量化投资领域的新一轮变革，尤其是生成式AI模型的出现，使得数据应用场景发生深刻变化，传统的因子模式也面临巨大的冲击，中大型基金公司开始纷纷探索AI的深度应用。

　　在接受券商中国记者采访时，路博迈基金副总经理、CIO兼基金经理魏晓雪详细阐述了人工智能技术在量化投资中的关键作用。在梳理量化策略模型的发展史时，魏晓雪介绍称，量化1.0是简单选股策略阶段，以基本统计方法为主，使用简单数学模型进行投资分析，主要依赖于人工挖掘因子，波动控制具有一定的局限性。量化2.0是多因子模型阶段，使用多因子模型捕捉线性信息，通过更多样的数据集提高准确性与稳定性，缺点是人工依赖度高。量化3.0则是AI加高频交易，使用AI机器学习算法识别和捕捉非线性的股票高频特征，预测短期股票价格波动。不过，这一模型也有缺点，即因子衰减快，预测周期较短。

　　随着DeepSeek正式落地，路博迈的量化3.5模型也在此基础上应运而生。其选股频率为周度调整，这一高频更新特征也是AI量化效率的重要体现。路博迈基金认为，相较于传统模型通常采用的月度调整机制，量化3.5通过更高频次的动态调整，能够更有效地捕捉短期市场机会，展现出更强的灵活性和适应性。

　　浙商基金也表示，LLM模型被不断优化，极大地降低了文本数据的应用难度，量化可以利用的文本数据呈指数级增加，量变引发质变。日常实践中，多模态、生成式大模型对于日常工作的辅助，对于认知的重构已经非常显著。未来，AI量化投资方法会不会有天翻地覆的变化，也值得期待。

　　浙商基金多年来也在AI赋能量化投资上深耕。通过内部智能投研系统Lucy，投研团队可以跟踪分门别类的数据，同时基于AI模型学习的结果以及主观研究的经验，给出对应的投资建议。这使得AI模型的辅助几乎渗透到所有公司在管产品中，而投资经理和研究员在主动研究时也会向AI模型寻求建议和帮助。

　　算力是AI量化投资的基石

　　AI技术在量化投资中的运用，与金融市场数据的爆炸式增长息息相关。在魏晓雪看来，在传统的数据处理中，投资者主要依赖价格、成交量等结构化数据，而随着信息技术的飞速发展，新闻、社交媒体、财报文本等非结构化数据的涌现，给投资分析带来了巨大挑战。AI技术，特别是自然语言处理和图像识别等技术，能够高效地处理和分析这些海量的多维度数据，挖掘出传统方法难以捕捉的信息。

　　目前，路博迈集团量化策略的管理规模已接近百亿美元，覆盖发达市场和新兴市场的股票与债券。因此，算力成为支持策略运行的关键。魏晓雪透露，路博迈总部每天处理的数据量已达太字节(1024GB)级别，相关的数据处理经验能够支持模型高效处理海量数据，并进行持续优化。

　　银河基金对DeepSeek-R1的观察同样证明了算力的重要性。1月20日，DeepSeek-R1正式发布并同步开源模型权重。然而，由于短期内用户需求的大量爆发，造成了自有算力紧张，2月6日，该模型暂停了API服务充值。这也从侧面说明，面对大规模用户需求时，算力资源的分配与系统稳定性成为制约AI模型发展的关键因素。

　　针对国产大模型目前面临的算力稳定性问题，银河基金的基金经理郑巍山指出，国产算力的发展需要深入到基础设施层面进行分析。具体而言，算力层作为AI大模型迭代的载体，主要分为AI算力芯片、AI服务器和AI组网三个方面。

　　其中，AI算力芯片是AI算力的核心，需求有望率先扩张。当前市场以GPU和ASIC芯片为主导，尽管全球市场长期被海外厂商占据，但国产厂商正在加速追赶并逐步缩小差距。

　　AI服务器则是算力的重要载体，有望在AI算力芯片的发展下进一步扩张。市场需求将伴随芯片发展而进一步扩张，尤其是涉及GPU、印制电路板(PCB)、存储等关键电子元器件领域的发展值得持续关注。