5月15日，量化私募念空科技向國際頂會NIPS（Neural Information Processing Systems，神經信息處理系統大會）投遞了與上海交大計算機學院合作的大模型研究論文，有業內人士認為，這是中國量化機構首次在AI基礎研究領域挑戰全球頂級學術舞臺，標志著中國金融科技不止于“應用落地”，還具備“底層創新”能力。

（圖片來源：論文截圖）

大模型底層理論獲突破

據了解，念空科技成立于2015年，是市場上較早將AI應用于金融領域的量化私募，機器學習應用的數據范圍從期貨到股票，不斷地擬合、嘗試。2019年，幾乎全部轉向神經網絡算法，2020年起，念空科技在此基礎上搭建全流程投研平臺，次年管理規模已突破百億元。

事實上，2021年起，量化私募在幾家知名機構的引領下，越發被市場所熟知，實現從0到1的質變，AI模型與算力競爭正重塑著行業。

2023年，OpenAI的ChatGPT橫空出世，在念空科技創始人王嘯看來，與傳統機器學習和深度學習算法對金融數據進行擬合不同，大模型對下一個token的預測本質上是一個自回歸問題，大模型的出現提供了量化行業一個全新的算法工具。但ChatGPT的問題是使用成本較高，且使用權限較低，很難進行大規模訓練。

今年，DeepSeek因其開源的特征打破多種限制，實現“智能平權”，同時讓世人看到強化學習對大模型的推理能力至關重要。此前，DeepSeek將整個訓練過程被分成監督微調（sft）—強化學習（rl）—監督微調（sft）—強化學習（rl）四個過程，像是集中一段時間學習刷題（sft），在集中一段時間參加考試對考試結果進行思考總結（rl）。

念空科技所遞交的念空大模型論文的突破性成果在于，從人類的學習方法的經驗得到啟發，如果高頻的在少量刷題和小測試經驗總結之間切換，可能更有利于學習成績（推理能力）的提高，故設計了一種step by step切換sft和rl的訓練方法，在下一個step訓練之前根據設計的自適應的算法決定下一個step用sft還是rl，最終實驗發現，在三個不同的公開數據集上，念空科技提出的新的訓練框架明顯優于單獨的sft、單獨的rl以及簡單混合sft和rl，證明提出的新的框架是當下更優的后訓練方式。通俗的說，念空的研究成果可以幫助大模型在同等訓練量下變得更聰明。

（圖片來源：論文截圖）

不斷探索AI技術邊界

為了具體問題的技術研究和模型優化，王嘯在2025年成立了AllMind，專注于研究通用大語言模型（LLM）相關底層算法和工程技術。

據介紹，AllMind，全稱為“上海全頻思維人工智能科技有限公司”，簡稱“全頻思維”，是由一家量化私募孵化的在大模型領域產出真正研究成果團隊。AllMind致力于探索人工智能的前沿課題，主要研究方向為大模型底層技術研究和不限于金融場景的垂直應用。

與念空科技主攻金融垂直場景不同，AllMind的定位為高質量CoT數據生產方向的學術探索，包括大模型通用領域的研究工作也有金融場景的垂直應用，希望在AI的基礎研究有所突破從而輻射到包括金融在內的更多領域，為業務提供更多的可能性和想象空間。

此外，據介紹，念空是量化私募基金，盈利企業，而AllMind更著眼于大模型的基礎學術研究和應用，短期內并不以盈利為目的，且兩家公司工作內容完全不同。

國際AI格局有望重構

優秀的個人只能決定你的下限，而優秀的團隊才能決定你的上限，尤其是對于量化投資這種環節眾多、嚴謹的投研模式來說，團隊合作顯得尤為重要。在該投研體系下，念空科技的研究部門可以專心做研究工作，技術部門專心做IT工作，每個人都在自己的崗位上做深做細，共同推進整個公司研發能力。

值得一提的是，與一般的金融機構招聘不同，量化投資的門檻往往較高，通常是數學、統計學、金融學、計算機技術的結合，通過挖掘海量數據、尋找規律、作出預測，并使用這個規律進行自動的計算和決策，需要克服人性弱點。

對于核心人才的選擇，念空科技更愿意從零開始培養，公司團隊70%—80%的AI工程師都是從高校實習生或是應屆生招進來，在幾個月的時間里，他們會使用公司的體系、規則，公司逐步就能判斷這個人是否適合念空科技。

DeepSeek的開源讓大模型技術突破西方封鎖，讓“智能平權”。此次，念空科技與上海交大計算機學院合作的大模型研究論文，讓念空科技用實際行動再次證明量化團隊對AI算法的長期積累，具備大模型孵化器的能力，可以在AI領域貢獻一份力量，更多的量化團隊加入大模型的理論研究有助于提升中國在國際AI領域的話語權，也能為中國AI產業在全球競爭中贏得優勢奠定堅實的基礎。

未來，隨著念空科技持續加大在AI基礎研究與應用開發的投入，其在社會價值創造與國際科技競爭中的表現值得期待。念空科技正以創新為驅動，引領中國量化投資與AI技術走向更加輝煌的未來。（CIS）

校對：冉燕青