最近最火的莫過于DeepSeek這款軟件，震動全球AI圈。
網絡上關于DeepSeek的報道也到處可見，今天我們不聊這款軟件到底有多牛，我們聊一聊 DeepSeek的創始人——梁文鋒，他也是國內量化私募“四大天王”之一的幻方量化創始人。
梁文鋒出席總理座談會
“量化天王”梁文鋒
梁文鋒“發跡”于量化投資。
作為一名“80后”，梁文鋒本科、研究生都就讀于浙江大學，擁有信息與電子工程學系本科和碩士學位。
2008年，從浙江大學軟件工程專業畢業的梁文峰，放棄了進入大廠成為碼農的常規道路，選擇了一條充滿未知與挑戰的量化投資之路。那時，量化投資在中國尚處于萌芽階段，大眾對其認知極為有限，質疑聲不斷。但梁文峰堅信量化投資之父西蒙斯“一定有辦法對價格建模”的理念，在成都的出租屋里獨自鉆研，歷經兩年的艱苦摸索。
2010年，滬深300股指期貨的推出成為他事業的轉折點，梁文峰和團隊借此東風斬獲頗豐，自營資金突破5億元。此次成功不僅驗證了他的投資理念，也為后續發展積累了資金和經驗。
2015年，梁文峰與浙大校友共同創立幻方量化，立志打造中國的頂級量化對沖基金。他們將數學與人工智能深度融合，開啟了量化投資的創新之旅。
2016年，幻方量化上線首筆AI驅動的實盤交易，隨后全面實現交易策略AI化。這一創新舉措使旗下基金回報率遠超同期滬深300指數，推動公司管理規模快速增長， 2021年突破千億元大關，躋身國內量化私募“四大天王”行列。
隨著業務拓展，AI交易策略對算力的需求急劇增加。為解決這一難題，梁文峰展現出非凡的前瞻性和魄力，從2019年開始大規模布局AI算力。當年投資2億元建成“螢火一號”AI算力集群，搭載1100塊GPU算卡，在特斯拉提出Dojo超算概念時便已先人一步。英偉達A100芯片發布后，他又迅速成為亞太地區首批獲取者。
2021年，投資10億元打造的“螢火二號”上線，搭載1萬張A100算卡，算力驚人，相當于76萬臺個人電腦，占地面積超過10個籃球場。在當時AI大模型尚未爆發的情況下，如此大規模的算力投入被外界視為瘋狂之舉，但這恰恰體現了梁文峰對AI未來發展的堅定信念和長遠布局。
2017年，谷歌提出Transformer架構，OpenAI基于此架構成功推出ChatGPT，引爆AI大模型時代。多數企業選擇跟隨OpenAI的步伐，而梁文峰帶領的團隊卻另辟蹊徑。
2023年，幻方量化成立子公司“深度求索”（DeepSeek），進軍通用人工智能領域。盡管團隊規模僅有139人，遠不及OpenAI的1200人，但他們憑借創新精神和扎實技術，在大模型研發上取得了驚人突破。
2024年5月發布的DeepSeekV2，憑借創新的MLA（多頭潛在注意力機制）和DeepSeekMoE（混合專家模型）架構，實現了高性價比的訓練和推理，API定價僅為GPT-4 Turbo的百分之一，引發行業價格戰，推動了算力普惠。 2024年12月推出的DeepSeek-V3更是震撼全球，在多個基準測試中性能超越頂級開源模型，與GPT-4o等頂級閉源模型不相上下，而研發成本不到后者的二十分之一。這一成果不僅打破了中國AI企業依賴模仿的刻板印象，更以首創精神讓中國在全球AI競爭中占據一席之地。
梁文鋒和他的DeepSeek還在繼續求索。
就在 1月20日，DeepSeek正式發布DeepSeek-R1模型。該模型在數學、代碼、自然語言推理等任務上，性能比肩OpenAI o1正式版。DeepSeek稱，R1在后訓練階段大規模使用了強化學習技術，在僅有極少標注數據的情況下，極大提升了模型推理能力。DeepSeek不僅將R1訓練技術全部公開，還蒸餾了6個小模型開源給社區，允許用戶借此訓練其他模型。
一名程序員眼里中國量化投資的未來
2019年，梁文鋒在當年的金牛獎頒獎儀式上，發表主題演講《一名程序員眼里中國量化投資的未來》，那是他為數不多的一次公開露面，那時幻方的規模剛破百億。
以下為全文：
首先，預測中國量化投資的未來，一個辦法就是看一下美國老師的現狀。 美國的資產管理有兩個趨勢：一個是共同基金的逐漸指數化，另外一個趨勢是對沖基金的逐漸走向量化。國外的對沖基金，相當于中國的證券私募。最初的對沖基金都不是量化的，2004年全球對沖基金資管規模排名的前10名，你看大部分都不是量化的。這是去年2018年的排名，量化已經占了前面的多數，我們熟悉的橋水排名第一，AQR排名第二，文藝復興排名第四。最近十幾年，量化基金在美國逐漸變成了對沖基金的主流，甚至很多人以為對沖基金就是量化基金。我們是對沖基金，所以我今天主要講對沖基金里的量化基金。
從美國的經驗來看，量化私募的管理規模可以做得很大。全球最大的對沖基金橋水的管理規模是一萬億人民幣左右，而國內大的量化公司在100～200億之間，我們可能還有幾十倍的增長空間。中國真的有私募能做1萬億嗎？應該是可以的。以后中國的經濟體量和美國差不多，國內最大的團隊應該能管2、3千億。如果股市擴容，衍生品市場發展，能管4、5千億。再加上海外市場，就有1萬億了。
國外那么多量化公司，他們都在做什么呢，都在做高頻嗎？顯然不是，高頻容納的錢很少的，并不是資產管理的主流。答案是所有策略都做，從宏觀對沖，到股票基本面，到股票量價，到大宗商品，到債券，主戰場是股票和債券。全球最大的對沖基金橋水，是做宏觀量化的，全球第二大對沖基金AQR是做股票基本面的。你看越是低頻的策略，容量越大。所有原來人類做的策略，現在量化都在做。而國內的對沖基金，現在大家主要都是做量價策略，我們整體上比美國是落后的。從美國的經驗來看，在策略類型上面，我們應該還有很大的發展空間。
那么，量化和非量化，到底是怎么區分的？
我們根據中國的國情，對量化投資做一個定義。有人說量化投資是程序化下單，這是不對的，因為不少量化公司是手工下單的，而傳統的公募很多是程序化下單的，有成熟的VWAP系統。
有人說是用數量化方法進行研究？
也是不對的，因為現代的投資研究很多都是要用數量化方法的，這個定義沒有區分度，所有人都可以說自己是量化的。
有人說主觀投資需要深入個股，量化不用看個股。這也是不對的，至少我們個股看得挺細的，我們的美國同行看個股也是非常細的。
那么真正的區別是什么？
答案是，在投資決策的過程中，你是用數量化方法進行決策的，還是用人進行決策的。所以區別不是交易，不是研究手段，而是決策方式。
量化公司也有很多交易員和研究員，但你發現量化公司是沒有基金經理的，基金經理就是一堆服務器。人來做投資決策的時候，它是一種藝術，要憑感覺。程序來決策的時候，它是一種科學，它有最優解。
有人問，量化投資，以后還需要人類嗎？當然需要，需要大量的程序員和研究員。
接下來，我們看一下國內的量化投資，大家都在做什么。
當前投到中國市場的量化的資金，我們估算大概在2500億到5000億之間。其中超過一半投到了股票策略，其次是商品CTA，剩下的就很少了。從歷史收益來看，股票的收益也是比商品CTA要好一點。我們今天集中討論股票策略。這個表是我們和同行一起估算出來的，不一定精確，但大輪廓是差不多的。如果您要投量化，按這個表去找投顧就對了。
股票策略，傳統上我們分成4種，最重要的是第一種日間量價模型。大家經常聽說的多因子、alpha其實都是說日間量價模型，規模大概有兩千億。
第二重要的是日內回轉模型，俗稱股票T0，有大幾百億。
最后還有兩種，基本面模型和事件驅動模型，目前不是重點。這是私募的數據，另外公募還有1200億左右在做基本面量化，我們今天只討論私募。
這四種模型都有效。在傳統上，所有的模型都是多因子模型，通過選股和擇時來獲取超額收益。在2017年以前，多因子模型是萬能的，以前我們都希望模仿worldquant的模式，就是找很多的人來挖因子。同行里大家競爭的是誰的因子更加有效。現在你要再挖出一些很有效的因子，已經很難了。2017年之后，行業發生變化，傳統的多因子框架逐漸被人工智能取代。2019年之后，又逐漸被更新的集成框架取代。
作為私募，投資人對我們的期望是很高的，如果一年跑贏指數低于25%，投資人是不滿意的。私募之間的競爭很激烈。我們每個星期都會拿到同行的業績數據，這個星期誰跑贏了多少，大家放到一起來比，如果落后了客戶就馬上就會打電話來了。所以我們壓力很大的，我相信同行的所有人壓力都大。正是這樣的壓力，逼得我們不斷地提升投資能力，加班改策略，因為一偷懶就落后了。當然我們向客戶的收費也高，遠遠高于公募，所以這個業績和壓力也是公平的。
我們經常會被問：量化投資到底是賺了誰的錢？
其實答案很簡單，量化賺了原來人類投資者賺的錢。人類投資者分兩個流派，一種叫技術面，一種叫基本面。說得更具體一點，現在量化賺的是技術面流派原來賺的錢。誰來告訴我，技術面流派賺了誰的錢？技術面流派現在賺錢已經比以前難很多了，因為程序有兩三千億的錢每天在做同樣的事情，使得市場的有效性大幅度提高了。再過幾年人類會更難，因為程序一直在進步。現在是2019年，在技術面上，程序已經遠遠超越了一般的人類高手。
量化私募整個行業的進步，大致是符合摩爾定律的，每18個月投資能力翻一倍。但是這幾年來，量化投資的平均收益率，差不多是沒變化的，因為市場的有效性在不斷提高。這是符合邏輯的，因為投資能力提高一倍，市場的有效性還一樣的話，賺的錢應該是原來的2倍才對。所以市場的有效性提高了。
市場有效性提高，一個證據是人類高手很難賺錢了！另一個證據就是兩年前有效的量化策略，現在也慢慢失效了。量化的投資能力，還有很大的提升空間。所以我們預計未來幾年，中國的股票市場，有效性會進一步提高。這是歷史趨勢，不可阻擋。
我們還經常被問到一個問題：以后市場非常有效了，是不是大家都不賺錢了？
從美國的情況來看，市場不會100%有效，因為市場100%有效的話，對沖基金就消失了，誰來維持流動性和價格？
市場會在接近完全有效的時候，達成一個均衡，使得對沖基金剛好能cover公司的運營成本和客戶的資金和風險的成本。從全球來看對沖基金都不是暴利行業，你跟一級市場和房地產來比的話。我們所處的歷史階段大概在這里，我們離市場完全有效應該還很遠，至少未來幾年，我們都不需要考慮這個問題。
最后，我們做兩個預測。一個短預測。一個長預測。如果這兩個預測成立，量化投資的收益率，還能持續若干年。
短預測是未來一兩年。未來一兩年行業的提升應該來自于多策略結合。多策略結合并不是簡單的分散投資。分散投資是這樣的，4億的資金，1個億做A模型，1個億做B模型，1個億做C模型，1個億做D模型。這樣做的缺點是，收益率是4個模型的平均。我們說的多策略結合，是疊加，4個億既做A模型，同時同樣的4個億資金，也做B模型，C模型，D模型，最后合成一個大的、包羅萬象的策略，不屬于傳統策略類別里的哪一種。
去年，日間alpha疊加日內T0效果很好，但它已經落后了，現在需要更多的策略，用更領先的辦法來疊加。這個聽起來很有道理，但是做起來很難，難點不是在策略或者技術本身，而是在私募公司自己的商業邏輯上。因為每一個模型都需要一個團隊，原來一個團隊就能管幾十個億，現在要很多個團隊加起來才能管幾十個億，成本多了很多倍，而公司收入并沒有同比例增加。但據我們的觀察，這個趨勢已經在發生了，因為你不做，別人會來做，最近業績最好的幾家私募，都是多策略的。
我們預計這個過程會加速，因為隨著市場有效性的提高，收益率下降，要靠單策略取得好的收益，已經很難了。以后策略整體會非常復雜，工作量大，門檻高，沒有能力組織多個團隊的量化公司，會比較難活下去。量化投資會向頭部公司集中，使得頭部公司有足夠的資源來做這些更復雜的策略。我們覺得在多策略結合上空間還是很大的，按照我們自己的進度來看，未來一兩年還做不完。如果這個預測成立，量化私募未來一兩年還能有比較好的收益。
長預測是預測未來的3到5年。總有一天技術面的波動會越來越小，技術的進步到達瓶頸。未來量化投資一定會去瓜分這一部分人原來賺的錢：原來基本面流派的人賺的錢。在基本面上，市場的有效性目前還是比較差的，這里面有很多的空間。量化做基本面，在技術上完全可行。有人說基本面每家公司不一樣，沒法量化，這是不對的。
首先美國可以量化，為什么中國不行？其次技術面都可以量化，為什么基本面不行？大概2015年前后，基本面量化在私募里曾經流行過一段時間，那時候市場的有效性還沒現在這么高，所以用傳統的多因子框架就能賺錢。但從2017年開始，收益率逐步降低，做基本面量化的私募團隊失去競爭力，已經逐步被淘汰了，但公募還在做。私募需要把基本面量化提升到一個更高的水平。完成這個使命的不會是老的那批人，而是新的能力更強的人，用更復雜更精細的辦法，才能把這個事情做出來。
我們現在的產品里，已經疊加了基本面量化的模型，效果很好，但還只是用了傳統的方法。要更進一步，需要精細化地去做，成本比技術面高很多。要做到AQR這樣的水平，我們保守估計，團隊的成本在每年10億人民幣以上，所以只能一步一步來。以后量化私募能管1000億的話，這個成本是可以接受的，商業模式上沒有問題。基本面量化還有很長的路要走，它要達到現在技術面量化的高度，應該還差幾個摩爾定律的周期。但這一天，肯定是在我們的有生之年會看到的。
最后的問題是，如果對沖基金賺了技術面的錢，又賺了基本面的錢，那么普通人怎么辦？
我們回到美國老師身上找到答案。對沖基金只賺了波動、流動性和定價的錢，沒有賺走beta的錢。美國最大的對沖基金橋水，資管規模1萬億人民幣，美國最大的共同基金貝萊德，資管規模是45萬億，在共同基金面前，對沖基金就是小不點。市場有效的時候，你直接買指數就可以了，指數就是真正的價值投資，財富的主體還是在老百姓手上的。
