金融赋能科创企业 - 财通证券通过"投行＋投资＋财富"三驾马车协同发力，构建覆盖企业全生命周期的金融服务生态，赋能科创企业发展壮大 [1] - 财通证券以"金融活水"精准滴灌科技创新领域，在人形机器人、量化投资等前沿赛道持续布局 [2] - 云深处科技在财通资本服务的德清县产投基金子基金支持下，加速"绝影"四足机器人产品迭代，在国际市场斩获千万级订单 [2] - 幻方量化在财通证券程序化交易服务支持下，规模从5亿级突破至百亿级，其关联科技企业Deepseek获得战略注资 [2] 产业基金与金融创新 - 财通证券联合多方发起设立总规模40亿元的浙江城西科创制造业母基金 [3] - 财通资本管理的浙江甬元财通富浙高端装备产业股权投资合伙企业完成备案，赋能"415X"先进制造业集群 [3] - "财通—杭州滨江知识产权第1期资产支持专项计划"成功落地，为13家科创企业的114项专利提供1.05亿元融资 [3] 全生命周期金融服务 - 财通证券构建"三投联动"机制，覆盖企业成长全阶段，理念为"投早、投小、投长期、投硬科技" [4] - 斯菱股份在财通证券全链条服务下，从新三板挂牌到创业板上市，募集资金10.33亿元，上市首日市值突破60亿元 [4] - 2022年以来，财通证券保荐11家"专精特新"企业上市或过会，辅导20家企业冲刺资本市场 [4] 创新生态圈建设 - 财通证券在杭州光学精密机械研究所成立金融服务专班，全年助力入驻企业获银行信用贷款超5000万元 [5] - 启动"百千万"产融协同专项行动，集结数百名金融专家，服务万家"专精特新"及科创企业 [6] - 计划通过五年时间，在浙江省内建成14个区域业务中心，服务超过5000家"专精特新"和创新企业 [6]

九坤创投的设立与投资策略 - 九坤投资两位创始人王琛和姚齐聪联合设立早期风险投资平台"九坤创投"，与量化投资业务相互独立 [2] - 九坤创投已在水下运行一年多，出手近10个项目，投资领域包括人工智能、机器人与硬件、航空航天等，投资轮次均为A轮及A轮以前 [2][3] - 筛选被投公司时没有设置明确的赛道限制 [3] 九坤投资的背景与规模 - 九坤投资成立于2012年，是中国成立最早的量化公司之一，与明汯、幻方、灵均并称量化"四大天王" [5] - 目前管理规模超过550亿元人民币 [5] - 创始人王琛拥有清华数学物理学士和理论计算机博士学位，师从姚期智院士；姚齐聪拥有北大数学学士、金融数学硕士学位 [5] 九坤的AI战略与技术布局 - AI战略是开放合作地研发垂域大模型，推动AI应用落地，拓展量化以外的业务 [6] - 2019年开始使用人工智能和大数据技术投资，建设"北溟"超算集群，包括高性能GPU集群 [6] - 近期与微软亚洲研究院合作探索基于规则的强化学习在大型推理模型中的潜力 [6] - 量化投资与大模型技术存在交集，强化学习方法既用于训练量化策略也用于训练AI Agent [6] 中国AI风险投资市场现状 - 中国AI风险投资尚未扭转2021年后的颓势，交易金额和数量均未恢复 [6][9] - 投资人不乐观部分原因是AI应用缺乏突破式进展，大模型全民应用场景仍局限于聊天机器人 [9] - 创业者成功概率在增加，开源模型使调用智能成本降低，可探索更广阔应用场景 [9] - AI产品核心决定因素转向模型性能，打破传统互联网增长飞轮，削弱大厂优势 [9] 一级市场投资趋势变化 - 九坤跨阶段设立早期创投业务是一级市场情绪转向的缩影 [9] - 体量更小或更大的机构也在入局提速，如前五源资本投资人成立早期美元基金Alphaist Partners募资数千万美元 [9] - 启明创投正筹集约8亿美元用于AI投资 [9] - 部分美元基金原定三季度投完的金额在一季度末就已投完，显示投资节奏加快 [9]

量化行业AI转型与DeepSeek影响 - 量化行业公众形象因DeepSeek R1开源显著改善，AI实验室成为行业新风口，多家量化私募如宽德、鸣石、蒙玺等加速AI人才招募 [2] - 头部量化机构已展开AI军备竞赛：明汯拥有数千张GPU卡和数万CPU核，算力达400P Flops；九坤复现DeepSeek R1模型并建立多个AI实验室 [3] - 行业存在技术落差，多数量化机构的大模型能力与DeepSeek差距显著，且DeepSeek当前对量化投研的实际帮助有限 [3] 量化机构发展大模型的现实挑战 - 大模型算力门槛极高：幻方投入10亿建设万卡集群（A100+H20+H800合计约3万张），DeepSeek V3训练使用2048块H800 [6] - 多数机构面临算力与资金瓶颈：建设大模型需数十亿投入，年利润需超10亿，仅九坤、明汯等头部机构具备条件 [7] - 窗口期已过：芯片出口管制导致先进显卡采购困难，叠加人才/时间成本，行业难以复制DeepSeek成功路径 [8] AI对量化投研的实际应用 - 输入端：DeepSeek可处理多模态数据（新闻/语音/视频），提取情绪因子并转化非结构化数据，类似Point 72的微表情分析功能 [10] - 输出端：显著提升编程效率（如VS Code集成AI插件），降低新语言学习门槛，但模型输出精细度不足，无法满足核心投研需求 [10] - 当前局限：AI工具在高频量价因子挖掘有效，但对低频量化策略帮助有限，且模型幻觉问题影响投研严谨性 [11] 量化布局AI实验室的深层动机 - 社会价值重塑：DeepSeek为行业提供技术外溢样本，通过AI应用反哺大众，解决量化机构社会定位困惑 [14] - 人才竞争策略：如蒙玺将AI实验室设于合肥中科大附近，既吸引人才又强化产学研合作，宽德通过类似方式发掘顶尖毕业生 [13] - 政策红利：深圳私募协会推动"量化创新实验室"，头部机构借AI能力获取政策支持与行业话语权 [13] 中美量化对比与行业特殊性 - 美国顶级量化如D.E.Shaw、Two Sigma未诞生世界级大模型，凸显DeepSeek的行业特殊性 [13] - 量化机构在集群调校、浮点精度调整等方面具备方法论优势，但大模型研发仍需突破算力/人才密度双重门槛 [12]