半數華人、3位億萬富翁：這張十年前的量化實習生合照，藏著 AI 時代的新貴版圖

作者 | 四月

AI圈里最炙手可熱的新貴們，可能一大半都出自量化交易。

這話并不夸張。

故事要從2015年冬天說起。HRT的紐約會議室里，一群年輕人圍在桌前，留下了一張青春洋溢的生日合影，華人面孔超過一半。

舉著手機自拍的叫Jesse Zhang，現在是AI Agent獨角獸Decagon的CEO，三年時間把公司估值推到了45億美元。

那一年，他還在哈佛念大三。圍在他身旁的，是HRT史上的首屆實習生，一共十人。

這群年輕人的含金量有多高呢？看看HRT的門檻就知道了。

作為與Citadel Securities、Virtu Financial和Jump Trading并稱的全球高頻交易“四大天王”，HRT（Hudson River Trading）是算法交易界公認的Tier 1。

他們招人邏輯簡單而直接，只看MIT、哈佛、斯坦福，只從數學、物理、計算機專業里篩，而且幾乎只有在全球奧賽（IMO、IOI、IPhO）里拿過獎的人，才能夠得著門檻。

能通過這般極限篩選的，絕非等閑之輩。十年后，這張蛋糕桌已成了AI權力場的中心。

光是這張照片里，就有三人身價過億（美元），他們執掌的公司或團隊更是超過千億估值。

最為華人所熟知的Alexandr Wang，已是Meta毋庸置疑的AI話事人；AI編程工具Devin的創始人Scott Wu，剛剛完成10億美元融資；Jeffrey Yan則是把量化高頻交易的極致性能帶進了去中心化金融，他搭建的Hyperliquid估值一度突破400億美元。

當個體的成功匯聚成群像，趨勢便無法忽視。過去兩年里，華爾街量化基金的頂級交易員，已經成為OpenAI和Anthropic眼中不可多得的計算系統人才，以數百萬美元的年薪瘋狂挖角。

這樣的故事不只發生在美國。

同樣是在2015年，大洋彼岸的杭州，一個叫梁文鋒的年輕人創辦了幻方科技（幻方量化）。十年后，這家年入超50億元的低調的私募量化交易機構，孵化出了DeepSeek，用算法、工程和效率，將中國大模型推向世界的牌桌。

系統工程人才的權力上位

這批年輕華人里，Alexandr Wang的崛起堪稱典型樣本。

當Meta以143億美元收購Scale AI近半股份，并任命這位28歲的華裔創業者為首席AI官時，整個科技界都為之側目。這不僅僅是一次商業并購，更是一次權力更迭的象征。

圖靈獎得主Yann LeCun（楊立昆）領導的FAIR實驗室，被劃入Wang負責的“超級智能實驗室”，楊立昆本人則選擇離職創業。它標志著AI的主賽場，正在從“學術權威”向“工程實踐者”過渡。

Scale AI的成功并非偶然。在AI大模型時代，數據標注、模型評估和反饋機制變得至關重要。當其他公司還在爭論模型架構時，Scale已經占據了AI能力生產鏈條中最基礎、最難以外包的一環。這種對系統級問題的深刻理解，正是量化背景人才的優勢所在。

Scott Wu的Cognition則代表了AI Agent的縱深。

他曾三次斬獲IOI金牌，其中2014年以第一名奪冠，從哈佛退學后創立Cognition。2024年推出Devin，讓全球工程師第一次認真討論"AI軟件工程師"的可能性。

Devin的突破不在于生成代碼，而在于讓AI像真實工程師一樣閉環工作：接任務、查文檔、寫代碼、運行測試、修Bug，直到交付結果。Cognition估值已經來到260億美元，年化營收近5億。

Perplexity的聯合創始人Johnny Ho同樣循著這條路徑。他曾在Tower Research做了6年高頻交易，這段經歷塑造了他對高并發、低延遲系統的極致追求。

左一為Perplexity聯合創始人Johnny Ho

Perplexity看似做的是AI搜索，但真要把搜索、生成、引用、實時性和可信度壓進一個產品里，底層依然是極強的系統工程。這和高頻交易中毫秒級撮合、風控與執行的邏輯如出一轍。

這種能力讓Perplexity在激烈的AI搜索賽道中脫穎而出，估值已達200億美元，Ho本人身家超過21億美元，并曾先后向TikTok和Chrome發起過收購要約。

你會發現，量化背景正在改寫AI圈。從華爾街到硅谷，從中國到全球，AI行業的中堅力量正在被這群特殊人才接棒。

他們不是傳統意義上的產品經理，也非受人追捧的學術明星。他們更像是被數學競賽、精英大學和量化交易共同訓練出來的一代“系統型人才”。

他們懂數學，懂工程，懂自動化，懂成本，很擅長把一套昂貴復雜的智能系統，改造成一臺可運行、可驗證、可擴展、也算得過賬的工程機器。

當年PayPal被收購后，馬斯克、彼得·蒂爾等人各自出走，統治了互聯網上半場；而量化交易和奧賽體系走出的這幫人，似乎正復制著同樣的劇本，把AI的下半場推向新高度。

他們也因此得名“AI時代的PayPal黑幫”。

DeepSeek 的量化底色

幻方量化的故事，為這一趨勢提供了另一個維度的印證。

梁文鋒在2015年創立幻方時，或許沒想過十年后會做出DeepSeek。但幻方的基因——算法、模型、算力和自動化交易，卻是與這波AI發展的需求不謀而合。

首先，量化交易對算力與速度帶著天然的饑渴，這讓梁文鋒從一開始就把算力當作核心資產來經營，成為國內買卡最激進的公司。

2021年，當大多數私募還在用小規模GPU集群跑策略時，幻方就已經投入近10億元建設"螢火蟲"超算中心，囤積上萬張A100。這種為算力不惜血本的基建前置邏輯，成了DeepSeek最堅實的起跑線。

并且，這套自建算力的路線仍在鞏固和延續。今年4月，DeepSeek首次公開招聘數據中心實地崗位，選擇內蒙古烏蘭察布作為自建數據中心的首站。作為國家"東數西算"八大樞紐之一，烏蘭察布具備冷涼氣候與綠電富集的優勢，全區智算占比超92%。

可以說，DeepSeek的崛起，本質上是量化思維模式的勝利。當全行業還在迷信"大力出奇跡"的參數堆疊時，DeepSeek用工程創新實現了效率反超：V3的完整訓練成本約為557.6萬美元，R1更是只有29.4萬美元。

這種對成本“摳”到極致的量化能力，最終外化為DeepSeek在模型競爭里最凌厲的攻勢。

在API調用市場，DeepSeek敢于把價格打到地板。今年4月，宣布將所有模型的輸入緩存命中價格降至發布價的十分之一；到了5月，更是喊出V4-Pro永久降價至原定價的四分之一，將百萬Token的調用成本打到低于一通電話費。

同行在算力成本壓力下不得不漲價轉嫁，DeepSeek卻能在這個節點反向降價。背后的底氣，和那套量化思維錘煉出來的成本結構不無關系：先把效率做到極致，再用效率碾壓市場。

盡管DeepSeek目前已開啟大規模外部融資，但其核心戰斗力的養成，仍然離不開幻方量化在早期提供的"無限子彈"。2025年，幻方旗下基金平均收益率達56.6%，管理規模超700億元。據彭博測算，僅一年就為梁文鋒賺了超50億元人民幣。

AI 成了另一場高頻交易

為什么量化交易背景的人，會在AI時代突然變得這么值錢？

表面上看，金融交易和大模型研發是兩個行業。但如果把外殼剝掉，你會發現它們面對的是同一種問題：在高度不確定的環境里，用模型、數據和系統做連續決策。

量化交易不是一次性預測漲跌。它要不斷接收市場信號，生成判斷，執行交易，接受反饋，再調整策略。它處理的是噪聲、延遲、風險、成本和對手盤。一個策略在回測里再漂亮，如果真實市場里滑點太大、成交太慢、風控扛不住，最后還是沒用。

AI Agent也越來越像這樣。這便是AI與量化交易相似的第一層：兩者都是連續反饋系統。

第二層，在于它們都必須尊重系統約束。

在量化交易里，策略收益只是表面數字。真正決定它能不能活下來的，是延遲、吞吐、滑點、風控、極端行情、資金容量和交易成本。在AI里也一樣，模型榜單分數只是表面數字。真正決定它能不能落地的，是推理成本、工具調用穩定性、幻覺控制、權限邊界、安全隔離、任務鏈路和系統可觀測性。

一個Agent演示時能完成任務，不等于它能在真實企業環境里長期穩定運行。一個模型在benchmark上分數很高，不等于它能承受真實用戶的千奇百怪、企業系統的復雜權限和線上業務的容錯要求。

所以，AI的競爭開始從“模型能力”轉向“系統實現能力”。

誰能把模型放進復雜環境里，還能穩定、便宜、可控地跑起來，誰才真正有機會進入下一階段。

第三層相似，是量化背景的人天然會算賬。

互聯網創業可以靠增長敘事撐估值，但量化交易不行，市場每天給出反饋。這種訓練遷移到AI后，形成了一種不迷信規模崇拜的氣質：更關心單位算力產出，不只關心模型有多強，也關心強到什么程度才值得付出這個成本。

這種能力的稀缺性，已經在人才市場上被明碼標價。根據Business Insider報道，OpenAI、Anthropic等公司正以150萬到300萬美元的年薪，從Citadel、D.E. Shaw、Jane Street等量化基金挖人。

AI公司最終會發現，最懂如何壓榨GPU性能、優化系統延遲的人，不是象牙塔里的教授研究員，而是量化交易機構的工程師。

人才搖籃的隱秘更迭

上一代AI敘事里，國內AI圈最熟悉的人才高地，是以微軟亞洲研究院（MSRA）為首的AI Lab。

它曾經培養出大量技術領軍人物，也長期代表著中國AI人才的黃金入口。那更像一個“想清楚再動”的時代。關鍵詞是論文、算法、實驗室、研究員、大廠研究院。

但大約從2020年起，問題的結構似乎變了。

Scaling Law把方向釘死：堆數據、堆參數、堆算力，模型就會變好。這件事不再極度依賴學術洞見，而是需要極強的工程執行力、算力調度，以及快速試錯的能力。

AI的競爭，從研究競賽變成了復雜系統競賽。問題的性質變成了“邊做邊想”。

量化交易的訓練環境，比任何學術機構都更接近這種狀態。你管的是真實的錢，面對的是真實的對手，錯誤決策的代價立竿見影。

這種壓力逼出的認知結構，在量化交易里叫生存本能。到了AI競爭里，就變成了另一種核心競爭力：在不完整信息下做決策，把資源效率當硬約束，比對手快一步出清錯誤，然后繼續迭代。

所以你會看到，新一代AI權力網絡，將不再只是脫胎于研究院、實驗室，更會從量化交易機構、競賽體系和開源社區里長出來。

聲明：本文為 AI 前線原創，不代表平臺觀點，未經許可禁止轉載。

會議推薦

企業級 Agent 落地，繞不開 4 個真實的工程問題！如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統才能真正理解上下文？如何通過算法壓榨實現智力增量與成本控制的極致平衡？多 Agent 協作，如何做到可觀測、可治理、可控制？6.26-27 AICon 上海站，國內頭部公司的 Agent 實踐，一次說透。

今日薦文

你也「在看」嗎？