5月15日，量化私募念空科技向国际顶会NIPS（Neural Information Processing Systems，神经信息处理系统大会）投递了与上海交大计算机学院合作的大模型研究论文，有业内人士认为，这是中国量化机构首次在AI基础研究领域挑战全球顶级学术舞台，标志着中国金融科技不止于“应用落地”，还具备“底层创新”能力。

（图片来源：论文截图）

大模型底层理论获突破

据了解，念空科技成立于2015年，是市场上较早将AI应用于金融领域的量化私募，机器学习应用的数据范围从期货到股票，不断地拟合、尝试。2019年，几乎全部转向神经网络算法，2020年起，念空科技在此基础上搭建全流程投研平台，次年管理规模已突破百亿元。

事实上，2021年起，量化私募在几家知名机构的引领下，越发被市场所熟知，实现从0到1的质变，AI模型与算力竞争正重塑着行业。

2023年，OpenAI的ChatGPT横空出世，在念空科技创始人王啸看来，与传统机器学习和深度学习算法对金融数据进行拟合不同，大模型对下一个token的预测本质上是一个自回归问题，大模型的出现提供了量化行业一个全新的算法工具。但ChatGPT的问题是使用成本较高，且使用权限较低，很难进行大规模训练。

今年，DeepSeek因其开源的特征打破多种限制，实现“智能平权”，同时让世人看到强化学习对大模型的推理能力至关重要。此前，DeepSeek将整个训练过程被分成监督微调（sft）—强化学习（rl）—监督微调（sft）—强化学习（rl）四个过程，像是集中一段时间学习刷题（sft），在集中一段时间参加考试对考试结果进行思考总结（rl）。

念空科技所递交的念空大模型论文的突破性成果在于，从人类的学习方法的经验得到启发，如果高频的在少量刷题和小测试经验总结之间切换，可能更有利于学习成绩（推理能力）的提高，故设计了一种step by step切换sft和rl的训练方法，在下一个step训练之前根据设计的自适应的算法决定下一个step用sft还是rl，最终实验发现，在三个不同的公开数据集上，念空科技提出的新的训练框架明显优于单独的sft、单独的rl以及简单混合sft和rl，证明提出的新的框架是当下更优的后训练方式。通俗的说，念空的研究成果可以帮助大模型在同等训练量下变得更聪明。

（图片来源：论文截图）

不断探索AI技术边界

为了具体问题的技术研究和模型优化，王啸在2025年成立了AllMind，专注于研究通用大语言模型（LLM）相关底层算法和工程技术。

据介绍，AllMind，全称为“上海全频思维人工智能科技有限公司”，简称“全频思维”，是由一家量化私募孵化的在大模型领域产出真正研究成果团队。AllMind致力于探索人工智能的前沿课题，主要研究方向为大模型底层技术研究和不限于金融场景的垂直应用。

与念空科技主攻金融垂直场景不同，AllMind的定位为高质量CoT数据生产方向的学术探索，包括大模型通用领域的研究工作也有金融场景的垂直应用，希望在AI的基础研究有所突破从而辐射到包括金融在内的更多领域，为业务提供更多的可能性和想象空间。

此外，据介绍，念空是量化私募基金，盈利企业，而AllMind更着眼于大模型的基础学术研究和应用，短期内并不以盈利为目的，且两家公司工作内容完全不同。

国际AI格局有望重构

优秀的个人只能决定你的下限，而优秀的团队才能决定你的上限，尤其是对于量化投资这种环节众多、严谨的投研模式来说，团队合作显得尤为重要。在该投研体系下，念空科技的研究部门可以专心做研究工作，技术部门专心做IT工作，每个人都在自己的岗位上做深做细，共同推进整个公司研发能力。

值得一提的是，与一般的金融机构招聘不同，量化投资的门槛往往较高，通常是数学、统计学、金融学、计算机技术的结合，通过挖掘海量数据、寻找规律、作出预测，并使用这个规律进行自动的计算和决策，需要克服人性弱点。

对于核心人才的选择，念空科技更愿意从零开始培养，公司团队70%—80%的AI工程师都是从高校实习生或是应届生招进来，在几个月的时间里，他们会使用公司的体系、规则，公司逐步就能判断这个人是否适合念空科技。

DeepSeek的开源让大模型技术突破西方封锁，让“智能平权”。此次，念空科技与上海交大计算机学院合作的大模型研究论文，让念空科技用实际行动再次证明量化团队对AI算法的长期积累，具备大模型孵化器的能力，可以在AI领域贡献一份力量，更多的量化团队加入大模型的理论研究有助于提升中国在国际AI领域的话语权，也能为中国AI产业在全球竞争中赢得优势奠定坚实的基础。

未来，随着念空科技持续加大在AI基础研究与应用开发的投入，其在社会价值创造与国际科技竞争中的表现值得期待。念空科技正以创新为驱动，引领中国量化投资与AI技术走向更加辉煌的未来。（CIS）

校对：冉燕青