文章核心观点 AI技术发展引发量化投资领域变革，生成式AI模型改变数据应用场景，中大型基金公司探索其深度应用，但模型“黑盒”特征和可解释性不足待解决，算力资源分配与稳定性成关键因素 [1][2][3] 量化投资迈入AI时代 - 量化投资发展历经三阶段，量化1.0是简单选股策略阶段，量化2.0是多因子模型阶段，量化3.0是AI加高频交易阶段，但各有缺点 [3] - 路博迈基于DeepSeek推出量化3.5模型，选股频率为周度调整，能更有效捕捉短期市场机会 [4] - 浙商基金认为LLM模型优化降低文本数据应用难度，其内部智能投研系统Lucy使AI模型辅助渗透到在管产品中 [4] 算力是AI量化投资的基石 - AI技术可处理海量多维度数据，路博迈集团量化策略管理规模近百亿美元，总部每天处理数据量达太字节级别 [5] - DeepSeek - R1因用户需求爆发暂停API服务充值，说明算力资源分配与系统稳定性制约AI模型发展 [5] - 国产算力发展需从基础设施层面分析，包括AI算力芯片、AI服务器和AI组网，各方面需求有望扩张 [6] AI量化需突破“黑盒”困境 - 现阶段AI模型“黑盒”特征明显、可解释性弱，制约其在金融领域深入应用，还可能存在过拟合问题 [7] - 生成式模型虽提高可解释性，但带来可追溯性降低问题，未来AI量化投资应以多模态生成式模型为主 [7] - AI技术在量化投资应用有局限性，如数据噪声多、模型易过度拟合、交易成本高、难应对极端事件等 [8]