我最近整理了一下今年头部量化研究员收到offer的薪资情况，又翻了翻这几家海内外顶尖量化团队的招聘动作，琢磨了很久，目前得出了一个结论：量化必然走到 AI。

王兴之前说过一句话，我觉得很有道理。

他说：从抽象的角度看，天下没有完全新的东西，总结来说，所有核心需求和新技术的结合，就是下一次这个问题被解决的表达形式。

我把这句话直接套在量化上，发现一下就能把复杂问题简化很多。

量化的核心需求一直没变：在噪音巨大的、非平稳的市场里，用统计方法找微弱但能复利的信号。

变的只是：机器更强了、数据更多了、流程更自动化了，于是优势要重算一遍。

观察量化行业过去三十年的演变，我们会发现：

每一次工具跃迁，其实就是把上一代的核心优势，变成下一代的基础设施。

“优势重算，人才重估，组织重组”现在看，这件事情又要发生了——量化行业第三次洗牌。

这篇文章里，我想把行业观察作为叙述主线，试图把四件事串起来：

  1. 为什么量化必然走到 AI？

  2. 三轮技术洗牌到底洗掉了谁？

  3. AI 这轮变化，它先替代谁、后替代谁？

  4. 人才定价，谁涨价，谁变成基础设施工人？

一、先看量化到底在干嘛？

量化这个行业，我觉得最核心的任务只有一个：

把信息压缩成信号，把噪音压扁成可控的误差。

因为市场永远很吵闹，价格里面掺杂情绪、资金结构、交易约束、政策变化、新闻噪音、风格轮动……

在这种环境里，Alpha 更像雾里的路灯，而不是晴天的太阳。

所以量化从诞生到现在，只是在做同一件事的不同版本迭代：

  • 用统计把噪音压下去
  • 用系统把执行稳定下来
  • 用流程把研究复制出来
  • 用基础设施把迭代速度拉起来

问题没变。 变的只是工具、算力、数据结构和自动化程度。

二、洗牌不是线性进步，是“优势重算”

第一轮洗牌（1995–2008）：统计量化把“盘感”外包给机器

新工具是什么？

计算机 + 基础统计 + 可编程交易。 时间序列、简单回归、均值回归、配对交易……今天这些技术看起来很拉胯，但当年却非常无敌。

旧优势怎么被摧毁？

靠盘感、靠经验、靠场内信息吃饭的人，突然发现——机器不一定更聪明，但它更稳定、更纪律、更不受情绪影响。

人类交易员最强的地方（临场经验）在机器面前会被拉平了。

因为机器不需要灵感，它只需要执行。

结果怎么样？

第一代量化机构赢在两点： 1.能把想法变成代码；2.能长期稳定执行。

人才定价发生了什么变化？

会交易的人开始贬值，“会写程序”的研究员开始升值。 数学、物理、CS 开始人才上桌，从此金融背景不再是唯一门票。

所以第一次洗牌本质上是：

把“会交易的人”替换成了 “会把交易写成程序的人”

第二轮洗牌（2008–2018）：因子工业化把灵感变成“流水线”

新工具是什么？

更强算力 + 更大数据 + 因子体系 + 自动化回测平台。 这一轮洗牌的关键词不是某个模型，而是工业化：研究变成可复制的生产流程。

旧优势怎么被摧毁？

曾经有人靠“手工挖因子”吃饭：“我觉得这个因子有逻辑”或者“我觉得这个能跑”。

当回测平台更强、数据更全、挖掘更规模化时，个人直觉的边际收益迅速归零。

你不再是“发现者”，你变成了“流水线上的操作员”。

因子被大规模挖掘、快速复制、快速套利，优势衰减得更快。

结果怎么样？

赢家不是最聪明的人，而是最会组织的人： infra、流程、组织化研究能力，决定了产能和速度。

人才定价发生了什么变化？

研究员开始分层：

  • 顶级：持续产出、能跨阶段复利
  • 普通：因子打工人，替代性强 招聘从“天赋导向”变成“流程适配导向”。

第二次洗牌本质上是：

把“聪明的人” 替换成了“适合系统的人”

第三轮洗牌：AI 把“搜索 + 组合 + 验证”也推向自动化（2018–至今）

到这里，AI 才真正进入主线。

新工具是什么？

深度学习、表征学习、AutoML、LLM、Agent。 它们的共同点不是“更聪明”，而是把研究中的体力活也想自动化：

  • 特征搜索自动化
  • 模型组合自动化
  • 参数优化自动化
  • 实验编排自动化
  • 甚至连代码生成、文献阅读、实验总结都想自动化

我们会发现，AI 的威力不一定来自“单个模型更准”，更多来自：

它让研究的“搜索空间”变大了，让迭代速度变快了，让人类的体力优势消失了。

旧优势怎么被摧毁？

上一代研究员最常见的优势是：手工因子工程、经验筛选、熟练调参。 但当“搜索 + 组合 + 验证”越来越自动化，人的价值会被迫迁移：

  • 你靠“勤奋跑实验”赢？系统更勤奋
  • 你靠“经验挑因子”赢？系统能给你一万个候选
  • 你靠“调参技巧”赢？AutoML 会把你当成可替代模块

结果怎么样？

这轮未来的赢家，不是“会用模型”的公司，而是“重构流程”的公司： 能把 AI 融入整个 pipeline，能把研究变成工业系统，能让实验速度指数级提升。

人才定价发生了什么变化？

我们逐步的感受已经变成了现实：

  • 研究员数量会被压缩（尤其是体力型研究）
  • 顶级 AI/系统型人才溢价上升（甚至指数级）
  • 普通研究员上限被压死

第三次洗牌本质上是：

把“因子工人” 替换成了 “系统设计者和指挥官”

三、AI 不见得是“一刀切”，而是先干体力活

很多人讨论 AI 替代，喜欢走极端： 要么“AI 全都替代”，要么“AI 只是工具”。

我现在观察下来更倾向另一种答案：AI 先替代体力活，再重塑脑力活。

我试图把量化研究拆成一个链条：

  1. 选问题（什么值得做）
  2. 取数据（数据是否可信、是否可用）
  3. 造特征/表征（信息怎么压缩）
  4. 选模型/结构（偏置与能力如何匹配）
  5. 搜索与组合（大量试错）
  6. 验证与防伪（识别伪 alpha）
  7. 交易实现（成本、容量、冲击、执行）
  8. 风控与监控（失效边界与应对）

AI 最先吞掉的是哪几段？ 通常是 3–5 段：特征/表征、搜索、组合、参数优化、实验编排——也就是“体力型研究”。

为什么呢？

因为这些环节天然适合并行化、自动化、规模化，且短期 ROI 高。

一旦系统把这些环节吞掉，我们可能会看到一个残酷变化：

研究员之间的差异，从“我做得更勤奋”，变成“我设计得更好”。

于是，真正值钱的环节会往两头挪：

  • 上游：选问题、定义搜索空间、设计目标函数、设定边界
  • 下游：防伪验证、交易约束、实盘稳定性、风险控制

AI 对量化研究最深刻的改变，不一定是比“模型更准”，而是把研究员从“做题家”倒逼成了“出题人”。

这也是为什么第三轮洗牌的核心是“角色重构”。

四、人才定价在洗牌中的变化

1）Alpha 工程师，数量最多，分化最大

Alpha工程师往往是传统量化研究员升级，会 ML/DL，会做信号、会调参、会回测。 短期看仍然吃香，但最大风险是：优势最容易被自动化吞掉。

他们未来会分成两类：

  • 一类向上升级，变成系统设计者（负责 pipeline 与边界）
  • 一类停在体力型研究，逐步被压缩为“可替代劳动力”

定价趋势：中位数下行，上限靠角色升级。

2）AI 研究科学家，最容易被高估，最容易出天价

论文、理论、模型理解深，这部分人选极少数会非常贵。

但量化里常见错配也非常真实：

  • 低估非平稳性
  • 低估交易约束
  • 高估模型迁移性

因此这类人选的定价两极分化：

  • 顶级极少数：天价（因为能带来范式变化）
  • 大多数：高预期、高淘汰率

论文不是 alpha，落地能力才是分水岭。

3）Quant–AI 翻译官&架构者，稀缺且值钱

这类人选不是亲手挖每个因子，而是设计系统怎么挖因子。

他们最值钱的地方在于：

  • 能判断哪些问题值得 AI，哪些不值得
  • 能设计 research pipeline 的结构
  • 能审核 AI 产出的 alpha 是否真实

这类人选的稀缺，会直接体现在权限、分成、长期利益绑定上。

4）AI 基础设施架构师，薪酬持续上调

没有数据管道、训练平台、实验调度、资源治理、回测/验证平台，AI 量化就只存在 PPT。

这类人选决定：

  • 迭代速度
  • 资源利用率
  • 规模化上限

其市场特点是：难招、难评估、一旦稳定流动性很低。

五、为什么量化巨头会“组团”去 NeurIPS

我最近翻 NeurIPS 2025 的赞助商和参展商名单，发现一堆量化巨头都在列。

仔细琢磨琢磨，这件事肯定不是巧合，而是一个行业信号：

头部量化在主动把自己放到 AI 产业链里重新定位。

NeurIPS 2025 的时间是 2025/11/30–12/7，并且采用“双会场”模式（圣地亚哥会议中心 + 墨西哥城）。 在 NeurIPS 2025 Sponsors & Exhibitors 页面中，可以看到多家量化交易公司作为赞助商和参展商：例如 Citadel/Citadel Securities、Hudson River Trading、Jane Street、Jump Trading、Optiver、DRW、IMC、Two Sigma、WorldQuant、G-Research 等。

参会的表面理由很简单：AI 技术相关，NeurIPS 覆盖强化学习、优化、表征学习、因果推断等方向，这些确实跟新一代量化关联越来越大。

但更深层的理由是：定价权在迁移。

第三轮洗牌里，量化机构要争的不只是“某个策略”，而是：

  • 谁能更快训练/迭代
  • 谁能更快验证/防伪
  • 谁能更快把研究自动化
  • 谁能把研究变成平台能力

而这些能力的上游供应链，就在 NeurIPS 这种地方：

  • 人才密度最高（尤其是“未来两年会变贵的人”）
  • 技术趋势最早暴露（先在学术里出现，再进入工业）
  • 圈层最集中（导师链、合作网络、实验室谱系）

我们可以把 NeurIPS 看成“人才市场的纳斯达克”：不是每个人都值得买，但价格信号都在那里，量化巨头去那里摆摊，本质上是公开表态：我们要在 AI 产业链里抢上游。

六、AI 不是把量化干死，是把量化的门槛抬高了

问：“电动工具会不会把木匠干死？”

答：“电动工具不会把木匠干死，电动工具会把“只会刨木头的人”淘汰，留下来的，是会设计结构、会选材料、会管质量、会做系统的人。”

同理，AI 不会把量化干死，但会发生两件事：

  • 体力型研究岗位会被压缩 （大量试错、调参、手工特征、重复验证）
  • 系统型能力会溢价 （定义问题、设计流程、防伪验证、交易约束、基础设施、组织协同）

所以第三轮洗牌，它不只是技术升级，而是把行业拆成两层：

  • 上层：设计系统的人（拿走定价权）
  • 下层：执行模块的人（被基础设施化）

如果是后者：个人溢价下降。

如果是前者：个人溢价爆炸。

所以，在这个时代下，你要怎么选择？