AI可解度9.0的赛道，为何SRI不是最低的？

—— 六大黄金赛道深度系列 · 第5篇 ——

AI量化因子农场，是六个赛道里最特殊的一个。

它的AI可解度是9.0——六个赛道里最高的。高到什么程度？高到整个"搜索-验证-迭代"的闭环，100%在数字世界里完成。不需要做实验，不需要建工厂，不需要跟物理世界打交道。有一台电脑，有行情数据，有个回测引擎，就能开干。

按说AI可解度这么高，SRI应该很低才对。但我们给它打的SRI是4.00，排在硅光（3.60）和形式化验证（3.80）之后，位列第三低。

为什么？

因为量化是一个强博弈市场。你用AI找因子，对手也用AI找因子。你发现了一个赚钱的策略，别人也会发现。等大家都冲进去，超额收益就被抹平了。

换句话说：这个赛道的阻力，不在技术上，在博弈上。

技术越容易，竞争者越多，博弈越激烈，赚钱越难。这就是为什么"容易"本身，就是最大的阻力。

先澄清一个最大的误解。

很多人听到"AI量化"，第一反应是：让AI去找一个年化50%、回撤5%的神仙策略，然后躺着赚钱。

不存在的。

任何一个单一策略，只要容量大一点，用的人多一点，收益就会快速衰减。这是金融市场的基本规律——超额收益来源于市场的"无效性"，而策略本身就是在消除这种无效性。用的人越多，无效性消除得越快，收益降得越低。

所谓"因子农场"，不是去找一个神策略。是去找很多个彼此不相关的普通策略，然后把它们组合起来。

具体来说：

——AI 24小时不停地在历史数据里挖掘因子。可能一天能挖出几百个、几千个候选因子。

——然后经过严格的筛选和回测，淘汰掉过拟合的、无效的、容量太小的。最后剩下的，可能只有十几个、几十个真正有效的因子。

——这些因子之间，相关性要足够低（最好低于0.2）。这样它们不会同时赚钱同时亏钱，而是互相抵消波动。

——最后把这些低相关性的因子组合成一个策略矩阵。整体的效果是：每个因子单独看可能夏普比率只有1.5-2.0，不算特别惊艳。但组合起来之后，整体资金曲线极度平滑，几乎无回撤，夏普比率能到3.0甚至更高。

这就是"因子农场"的核心逻辑：不追求单个策略的高收益，追求策略组合的高稳定性。

为什么这个逻辑在AI时代特别有价值？因为以前找因子靠人——一个量化研究员一个月能研究出一两个因子就不错了。现在AI一天就能挖几百个。产量上来了，你才能做"低相关性策略矩阵"——因为你得有足够多的候选因子，才能从中筛选出足够多的、彼此不相关的有效因子。

这就像农业从"狩猎采集"变成了"农耕"——以前你靠运气碰着一个好因子，就像打猎碰着一只鹿，吃一顿是一顿。现在你有了因子农场，可以系统地"种"出很多因子，然后组合成稳定的收成。

AI量化的AI可解度是9.0，六个赛道里最高。但SRI是4.00，排第三。

差距出在哪里？出在市场阻力（Rₘ）上。

科研阻力理论的五维模型里，市场阻力衡量的是"下游客户的付费意愿"和"商业化的难度"。但量化这个赛道比较特殊——它不是"卖给客户赚钱"，是"自己下场赚钱"。所以市场阻力的含义不一样。

量化的"市场阻力"，本质上是博弈阻力。

市场是零和博弈（甚至是负和，因为有手续费和滑点）。你赚的每一分钱，都是别人亏的。AI让你找因子的速度提高了一百倍，但它也让对手找因子的速度提高了一百倍。整体的超额收益总量，不会因为AI的加入而增加。AI只是改变了分配——更聪明的、更快的、数据更好的，抢走更多的份额。

这就是量化赛道最残酷的地方：技术门槛越低，竞争者越多，超额收益越薄。

硅光为什么SRI低？因为它的技术壁垒高，能做的人少，所以竞争不那么激烈。你只要做出来，就能卖个好价钱。量化正好反过来——谁都能进场试试，但真正能持续赚钱的，凤毛麟角。

但这并不意味着量化赛道没有机会。机会还是有的，只是不在"找因子"这件事本身。

真正的机会在三个地方：

——独特的数据源。大家都用同样的行情数据、同样的财务数据，挖出来的因子也差不多。但如果你有别人没有的数据——比如卫星数据、供应链数据、社交媒体情绪数据、甚至工厂的电力数据——你就能挖出别人挖不到的因子。数据是量化最深的护城河。

——更快的基础设施。量化是速度的游戏。你的回测引擎比别人快十倍，你就能在同样的时间里试十倍的策略，找到好因子的概率就大得多。你的执行系统比别人快一毫秒，你就能在别人之前成交，拿到更好的价格。

——更好的风控体系。很多人只关注"赚多少钱"，不关注"亏多少钱"。但在量化里，风控才是生命线。一个好的风控系统，可以在市场环境变化时及时止损、及时调整策略，避免一次大亏把之前的收益全部抹掉。在AI时代，风控尤其重要——因为AI生成的策略，很可能在某个极端行情下同时失效。

所以你看，量化的核心竞争力，从来不是"会不会用AI"。是数据、速度、风控。AI只是工具，大家都能用。真正拉开差距的，是工具背后的那些东西。

AI量化的商业模式，主要有三种。

模式一：自营交易。

用自己的钱，跑自己的策略。赚了都是自己的，亏了也自己扛。

这是六个赛道里唯一一个"不需要客户、不需要团队、不需要融资"就能启动的方向。你有一台电脑，有几万块钱，就能开始做。门槛极低，上限极高——做好了，就是一台不受经济周期影响的"提款机"。

但难度也是最大的。市场里九死一生——90%的量化策略，实盘之后表现都不如回测。剩下的10%里，又有90%撑不过一年。真正能持续稳定盈利的，百里挑一。

而且自营有一个天然的天花板：容量。一个策略能容纳的资金是有限的——策略越复杂、越频繁交易，容量越小。等你资金量大到一定程度，你的交易本身就会影响市场，收益就会下降。所以自营做到一定规模，要么接受降低收益，就得往外扩张。

模式二：因子授权/资管。

把你开发的因子或策略，授权给头部量化私募或者券商，收取管理费分成或者业绩报酬。或者发行私募基金产品，管理客户的资金。

这个模式的好处是：你可以管理比自有资金大得多的规模，突破自营的容量天花板。而且管理费是旱涝保收的——不管赚不赚钱，都收2%的管理费。

但门槛也高。你需要有牌照，需要有合规团队，需要有销售渠道。而且客户的钱不好管——回撤大了客户会赎回，市场不好的时候客户会抱怨，压力比自营大得多。

模式三：量化工具SaaS。

不给别人管钱，也不自己做交易，而是给量化从业者提供工具——AI因子发现平台、回测引擎、风控系统、另类数据服务等等。收订阅费，或者按使用量收费。

这个模式的好处是：不承担市场风险。不管市场涨还是跌，只要有人做量化，就会用你的工具。而且SaaS的收入是 recurring revenue（经常性收入），可预测性强，估值也高。

三种模式，三种风险收益特征。自营最自由但风险最大，资管规模最大但合规压力大，SaaS最稳但需要做产品。选哪条，取决于你的性格、资源和目标。

四个月前我们说AI量化SRI 4.00，方向正确但竞争加剧。现在看，完全应验。

融资热度持续上升。

全球金融科技单周融资超15亿美元，AI金融应用是最大的热门方向之一。头部量化私募对AI的投入，比去年增加了50%以上。AI量化已经从"可选配置"变成了"标配"——你不用AI，你就比别人慢，你就跑不赢。

监管层面也在推动。

监管层明确鼓励投资机构利用大模型、智能体等技术提升投研能力。AI因子发现、AI风险预警、AI投后管理——整条价值链都在被AI重构。政策在推，资金在进，技术在成熟，三股力量同时作用。

但竞争也在快速加剧。

这是最关键的一点。四年前，会用AI做量化的团队还不多。现在，几乎所有量化私募都在加大AI投入。当所有人都用AI的时候，AI本身就不再是优势了——优势变成了谁的数据更好、谁的算力更强、谁的风控更严、谁的策略架构更先进。

验证结论：方向正确，博弈加剧。AI可解度9.0的判断完全正确——量化确实是AI最容易上手、最容易闭环的方向。但正因为容易，所以竞争者最多，博弈最激烈。这个赛道的SRI之所以不是最低的，不是因为技术难，而是因为市场博弈太激烈。在AI时代，"容易"本身就是最大的阻力。

个人和小团队做AI量化，最大的误区就是：跟头部量化私募拼策略。

人家有几百人的团队，有几亿的算力预算，有独家的数据源，有交易所的co-location（主机托管，微秒级延迟优势）。你一个人或者几个人的小团队，怎么跟人家拼？拼策略，你拼不过的。

你得找他们做不了、或者不愿意做的事情。三个方向：

方向一：小众市场 + 另类数据。

头部量化私募都在抢A股、美股这些大市场，因为容量大。但小市场呢？比如某些大宗商品的小品种、比如加密货币的小币种、比如某些海外小盘股。这些市场容量不大，头部机构看不上，但对个人和小团队来说，足够了。

再加上另类数据——比如用卫星图像数停车场的车来预测零售数据，用船只AIS数据预测贸易流量，用招聘网站数据预测公司业绩。这些另类数据，头部机构可能还没覆盖到，你先覆盖了，你就有信息优势。

方向二：给量化团队做工具。

淘金热的时候，卖铲子的最赚钱。量化行业也一样。所有量化团队都需要更好的工具——更快的回测引擎、更智能的因子发现平台、更精准的风控系统、更独特的数据源。你给他们提供这些工具，不管市场涨还是跌，你都收钱。

这个方向的关键是垂直深度。通用的工具大厂已经做了，你得做某个细分领域特别深的工具——比如专门做高频交易的风控系统，专门做商品期货的基本面数据库，专门做期权定价的AI模型。做深了，就有壁垒。

方向三：中小资金的自营策略。

如果你就是想自己做交易，也不是不行。但要搞清楚自己的优势在哪里。你的优势不是算力，不是速度，不是数据量。你的优势是资金小、灵活。

大资金做不了的小策略，你可以做。比如某些小盘股的套利，比如流动性差的品种的做市，比如跨市场的微小价差。这些策略容量小，大机构看不上，但对于几百万、几千万的资金来说，收益非常可观。

三个方向，各有各的逻辑。选哪条，取决于你的背景、资源和风险偏好。

但记住一句话：在一个人人都用AI的市场里，AI本身不是优势。真正的优势，是AI之外的那些东西——数据、速度、风控、以及对市场的深刻理解。

六大黄金赛道深度系列 · 第5篇下一篇：Logos算力压缩——为什么自然语言是AI的"高熵税"