（原标题：【寻访金长江之十年十人】念空科技王啸：量化发展是趋势，大模型平权带来新变化）
十载春华秋实，鉴往知来；十年星河璀璨，与光同行。自破茧初啼至引领风潮，“金长江”评选始终以专业为炬、以公正为尺，丈量中国私募基金行业的奔腾浪潮。值此华章再启之际，证券时报·券商中国倾情推出“金长江风华录·十年十人”，特邀十位穿越牛熊周期的行业翘楚，以躬身力行的灼见为经纬，以栉风沐雨的征程为注脚，共同镌刻一部激荡人心的奋进诗篇。此间星霜，既见群峰竞秀，亦显大江奔流。
2010年股指期货上市后，量化投资在国内逐步发展壮大。由于顶尖量化机构多是私募基金，它们在开拓自身业务的同时，也见证了中国私募业的发展历程。王啸具有15年以上量化策略研发、交易及风控经验，曾在国泰君安、中海基金等机构任职。他在2015年创立了念空科技，目前公司管理规模已超百亿元。
作为较早进入行业的探索者之一，王啸对于国内量化行业的发展，有着许多深刻理解。在他看来，国内量化投资的发展是大势所趋，大模型完全区别于传统AI投资的算法和训练方法，未来必将改变行业原有的游戏玩法。近期，念空科技还联合上海交大计算机学院撰写了一篇学术论文，投向NIPS（神经信息处理系统大会），进一步凸显量化行业对AI研究应用的重视。
你需要有一定的使命感，需要对你做的工作有一定的信念。量化是竞争非常激烈的行业，想要突围，更多时候你需要的是一种意志和精神。
作为量化模型的构建者，我们并不会决定模型如何去交易。在总结交易规律方面，我们更像是观察者。
大模型是完全区别于原有传统AI投资的算法和训练方法，这会是未来改变游戏玩法的一个要点。
海外市场里量化的占比是70%～80%，而中国市场的占比现在还远没有那么高，如果借鉴海外经验，这就是一种趋势。
量化为市场提供了流动性，这是它对社会的一大贡献。如果没有量化，A股的流动性可能会降到很低，这对我国的金融安全是不利的。
念空的发展并非一帆风顺。我们成立一年时间就达到50亿元的管理规模，一度又从高峰跌落。令我印象最深的是在2018年，整个市场和公司都处在相对低谷，但依靠着团队的韧性和追求极致的公司文化，我们从低谷慢慢地爬上来，然后逐步把公司做大。
王啸：我毕业于复旦大学物理系，2011年拿到了博士学位。工作之外，我个人爱好运动，比较喜欢拳击，这项运动相对来说比较另类。2011年毕业后，我进入金融行业首先从事的就是金融工程，包括量化相关工作，那时还比较早期。实际上我在学校的时候就对投资、对数据驱动投资和预测这类工作都比较感兴趣，所以工作以后自然就往这条路走了。
至于如何走出来，我认为它不是一个方法，而是团队品性所决定的必然结果。受我从小生长环境的影响，我的特点就是在面对困难或者处于低谷的时候，反而会表现得很平静，这种性格就适合去克服逆境，我也把这种个性带给了团队。你需要有一定的使命感，需要对你做的工作有一定的信念。量化是一个竞争非常激烈的行业，这个行业里的每个人都是高学历、高智商。想在这样的一个行业里突围，更多时候你需要的是一种意志和精神。
王啸：我们公司的投研框架是流水线模式，投研团队没有PM（投资经理）。从开始制作、处理行情数据，到因子特征的生产，再到人工智能的拟合、工具对特征的拟合，从而得到预测值，之后把预测值放入优化器，得到最终的持仓，最后还要将它用算法交易出去。整个环节是一个链路，我们的每位同事都是在各个环节上做自己的具体工作。从日常分工看，我主要负责三部分工作：一是制定公司的投研方向；二是打磨和改进投研体系；三是对交易模型的跟踪和管理。
王啸：量化的投资哲学与主观是完全不同的，主观投资者会有自己的理念和风格，量化更关注的是对市场内在规律的挖掘。作为量化模型的构建者，我们并不会决定模型如何去交易，我们的工作是把历史数据输入到神经网络中，然后对这个模型进行训练，神经网络自己在过去的历史中学习训练并总结出规律，然后它自己去应用。在总结交易规律方面，我们更像是观察者。
大部分量化机构采用机器学习算法，对历史交易数据做训练本质上是一个回归问题，它是对历史中所有特征进行归纳总结。人脑不可能遍历所有的规律和环境，但是机器可以。海外市场里量化的占比是70%～80%，而中国市场的占比现在还远没有那么高，所以如果借鉴海外经验，这就是一种趋势。
券商中国记者：有哪些量化相关的新技术是您格外关注的？念空对于AI的应用有哪些？
王啸：新技术当然是今年DeepSeek带来的大模型人工智能的平权。2023年OpenAI就已经横空出世，带来了ChatGPT，当时我们就已经有兴趣在ChatGPT上做一些训练和研究工作，但中国企业使用美国大模型有很多限制。今年DeepSeek的开源，还带动了开源的热潮，这让我们任何一家企业都拥有了同等大模型的算法能力，而且训练过程中对大模型进行微调也不受任何限制，你就可以在上面做大量研究。所以我认为大模型完全区别于原有传统AI投资的算法和训练方法，这会是未来改变游戏玩法的一个要点。
至于AI的应用，过去几个月，我们对AI大模型的应用进行了分层。我们的AI技术可以分为传统AI的机器学习、深度学习算法和AI大模型这两块。传统机器学习、深度学习算法，我们在过去五到七年的时间里就已经在运用，公司大部分模型都是用神经网络算法来拟合驱动交易。今年DeepSeek事件之后，让我们有机会在AI大模型方面做一些研究的拓展。这方面拓展又分成两部分：一是我们对大模型底层算法和技术的技术性研究。过去几个月我们和上海交大计算机学院展开合作，在近期完成了一篇学术论文，投向了NIPS（神经信息处理系统大会）。二是，我们发现大模型在金融数据上有很多应用场景，也在做一些很有意思的实验。
券商中国记者：在您看来，资管机构怎样才能做好量化投资？哪些环节需要重点关注？
从我的经验来说，量化并不是一个需要极致智力水平的行业。这里我所指的聪明是一个人解决问题的能力，并不是所有智力很高的人都很聪明，都有解决问题的能力，所以我们在招聘人才时，更看重他解决问题的思路和办法。
券商中国记者：除了帮助客户资产保值增值，量化私募在承担社会责任上，还有哪些可做的？
王啸：除了帮助客户资产保值增值，我们还有纳税的义务、给国家创造了很多税收，这也是很大的一个社会贡献。还有一方面，就是量化私募为市场提供了流动性，这点很多普通投资者意识不到，他们会认为提供流动性好像不算贡献，但实际上它是一个贡献。优秀企业想要融资和成长，最终可能会上市，假如二级市场没有流动性，就会影响投资者的参与，影响资本市场功能的发挥。如果没有量化，A股的流动性可能会降到很低，这对我国的金融安全是非常不利的。
王啸：量化行业的竞争最终是技术的竞争，但我并不认为算力是区分评价管理人的主要因素。大家过去几年过分关注算力，对很多其他问题缺乏思考，比如说你有多少合格的工程师。在我看来，管理人之间比拼的能力，是大家在一个技术推陈出新的过程中，如何更快地拥抱和追上它。最终国内量化行业会和海外非常像，头部5、6家或者 6、7家管理人会占据大部分的管理规模，这将是中国量化的归宿。
以上内容与证券之星立场无关。证券之星发布此内容的目的在于传播更多信息，证券之星对其观点、判断保持中立，不保证该内容（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关内容不对各位读者构成任何投资建议，据此操作，风险自担。股市有风险，投资需谨慎。如对该内容存在异议，或发现违法及不良信息，请发送邮件至，我们将安排核实处理。如该文标记为算法生成，算法公示请见 网信算备240019号。
