干量子计算的玻色量子等。  “九坤投资近年来持续在人才和技术方面布局，已经慢慢超越单一场景，重点是开放协作地推动垂域大模型的研发，加速AI在其他重要应用领域的落地。”九坤投资相关人士对记者表示，待时机成熟再公开披露具体进展。  为何是量化+AI  在国内AI竞赛中，量化机构是一股不可忽视的势力。  “模型通常存在‘幻觉’问题，核心原因之一是缺乏高质量的数据。”蔡枚杰表示，算力和算法靠投入大量资金可以得到解决，而高质量的数据资源以及思维方式十分难得。量化机构在长期投研实践中形成的高质量数据处理、高效模型迭代、严格风险逻辑，以及精准概率决策能力，恰恰是构建可信的AI智能体所需要的。  从底层逻辑看，蔡枚杰表示，量化投资与AI在方法论上同质同源，无论是量化模型挖掘市场规律，还是AI智能体复刻专家经验，核心都是通过高质量数据与算法模型，实现对复杂系统的预测或辅助决策。这种同源性体现在三个维度，一是目标一致，都以数据驱动决策；二是能力同构，AI发展所需的算力、算法、数据三大支柱，恰恰也是量化投研体系的核心资产；三是思维契合，量化强调的“假设—验证—反馈—修正”闭环机制，与AI模型依赖持续数据反馈与参数调优的训练迭代如出一辙。  在人才层面，量化机构也展现出独特优势。蔡枚杰表示：“量化机构偏好具备数学建模能力、工程实现意识和闭环验证习惯的人才，这种‘问题导向+系统思维’的特质，在AI应用研发中同样关键。量化机构在实盘环境中培养的快速验证、实战迭代能力，也恰好符合AI产品开发的需求。”  对于未来量化与AI融合的行业趋势，一位百亿量化私募创始人认为，或体现在多个方向，一是医疗健康领域，医学健康对“幻觉”容忍度很低，而量化机构对数据质量与逻辑闭环的追求，能满足当前AI医学健康的需求。二是心理陪伴领域，心理咨询师全国缺口非常大，且服务质量高度依赖个人经验，难以规模化。而量化擅长的“概率思维”和“行为建模”，可帮助AI识别情绪波动模式。三是教育科普领域，如构建个性化学习智能真身；四是财经法税领域，未来，或能覆盖税务筹划、遗产安排、中小企业法务咨询等长尾需求。
=*=*=*=*=*=
当前为第2/2页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页