型（LLM）的底层算法与工程技术研究，致力于高质量CoT（Chain-of-Thought）数据生产，并探索不限于金融领域的垂直应用。  从分工方面看，念空科技与AllMind明确了两者各自在AI技术上应用与研究的“双轮驱动”发展模式。念空科技作为盈利性量化私募，主攻金融垂直场景的AI模型应用，依托全流程投研平台优化投资决策。AllMind在短期内不以盈利为目标，专注于基础学术研究，旨在通过底层技术突破辐射更多行业，为业务拓展提供技术支撑。两者虽同属一个生态体系，但定位清晰、分工互补。  量化行业可做出更大贡献  量化行业长期以来被视为AI技术的应用者和“大模型孵化器”，业内人士表示，此次念空科技向NIPS投递论文，表明许多在IT硬件、AI基础硬件上有大规模投入的头部量化机构，能够实现从“工具使用者”到“创新贡献者”的跃迁，其积极意义涵盖三个方面。  第一，深化技术理解，推动垂直领域应用。对大模型底层算法的研究，是开发金融、医疗、新材料等各领域专用模型的基础。  第二，突破行业定位，赋能AI大模型生态。当前量化行业底层创新性研究仍显不足，通过研究突破，念空科技为全球AI团队提供了可参考的发展案例。  第三，产学研协同，加速前沿AI技术研究。念空科技与上海交大计算机学院的合作，作为产学研协同创新的典型案例，为解决资源割裂问题、推动AI技术从实验室走向产业提供了示范。  量化行业人士表示，量化行业的“高门槛”（需融合数学、统计、计算机等学科）与严谨的投研体系，能够为其技术研发和创新提供支撑。以念空科技为例，通过内部体系筛选与打磨，着力打造一支兼具学术素养与工程能力的团队。  分析人士表示，更多量化团队加入AI领域的基础研究，将为中国AI领域的技术研发带来一定助推作用。不过，相关挑战也依然存在。例如，需要长期资金支持，论文研究也需经历复杂场景的实践检验，人才留存与创新能力需持续投入等。  不过，念空科技的尝试提供了一定的借鉴，即以自身的资源禀赋为出发点，从AI技术的“应用者”，逐步成为AI前沿创新技术的“开创性研究者”。
=*=*=*=*=*=
当前为第2/2页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页