Workflow
大奖章基金
icon
搜索文档
Hinton的亿万富豪博士生
量子位· 2026-01-10 11:07
文章核心观点 - 文章通过一张1986年CMU联结主义夏令营的历史照片,串联起AI领域先驱杰弗里·辛顿及其首位博士生彼得·布朗的职业生涯与人格特质,展现了辛顿在长期科研困境中坚守理想、安贫乐道的“贵族风范”,以及其学术思想如何深远地影响了从AI到量化金融等多个领域 [1][4][71] 1986年CMU夏令营合影的历史意义 - 该合影被誉为AI界的“索尔维会议”,照片中人物在几十年后统治了硅谷和华尔街,其中包括深度学习发明人、图灵奖得主杰弗里·辛顿,以及卷积神经网络发明人、图灵奖得主扬·勒昆 [2][4] - 照片中还有当时的研究生彼得·布朗,他后来成为全球顶尖量化对冲基金文艺复兴科技公司的首席执行官 [5] 彼得·布朗的职业生涯轨迹 - 彼得·布朗是杰弗里·辛顿指导的第一位博士研究生,于1987年毕业,博士论文题为《自动语音识别中的声学建模问题》,其研究奠定了基于统计模型的现代语音识别基础 [11][12][21][23] - 博士毕业后,彼得·布朗加入IBM,从事语音识别和机器翻译研究,其团队坚持纯数据驱动的统计方法,在当时备受传统学派冷遇 [23][24][25] - 在IBM期间,彼得·布朗是“深蓝”计算机项目的关键幕后推手,他通过一次偶然的交谈说服公司副总裁投资约100万美元建造该机器,最终“深蓝”在1997年击败国际象棋世界冠军,为IBM带来了约200亿美元的市值增长 [28][29][30] - 因家庭新生儿带来的经济压力,彼得·布朗接受了詹姆斯·西蒙斯给出的双倍薪酬邀请,从IBM跳槽至当时规模尚小的文艺复兴科技公司,其转型决定完全出于财务原因 [31][32][33] 彼得·布朗在文艺复兴科技的成就 - 彼得·布朗与罗伯特·默瑟一同加入文艺复兴科技,引入现代计算机科学方法重写了公司的股票交易系统,并从2002年起逐步接管公司核心业务 [36][37] - 他于2009年成为公司联席CEO,并于2018年成为公司唯一的首席执行官 [37] - 在其领导下,文艺复兴科技的旗舰产品大奖章基金在1988年至2019年间创造了年化超过66%的净回报率,公司被誉为华尔街“最赚钱的机器” [38] - 公司的成功依赖于由数学家和物理学家驱动的系统化量化交易,彼得·布朗倾向于招聘无金融背景的科学家,并自称每周工作80小时,截至2023年已在办公室睡了近2000晚 [39][40][41][42] - 因其卓越业绩,彼得·布朗早在2012年就从公司约33%的净收益中获得约1.25亿美元收入,跻身亿万富翁行列 [43] 杰弗里·辛顿的人格与坚守 - 在AI复兴前的三十年里,辛顿面临科研经费短缺和个人经济拮据的困境,他于2013年以64岁高龄加入谷歌,主要动机是为有学习障碍的儿子的未来储备资金 [8][47][48][50] - 尽管其首位博士生彼得·布朗已成为亿万富翁和对冲基金CEO,但辛顿始终未曾动用这层关系为自己谋取经济利益,展现了其安贫乐道、遗世独立的品格 [9][10][53][71] - 辛顿出身于科学世家,家族成员包括布尔代数发明者、核物理学家寒春等,其“贵族”背景与其长期坚守理想、不随波逐流的气质相契合 [55][59][63] - 在职业生涯中,辛顿在神经网络不被看好的时代坚守数十年,又在AI资本狂欢时离开谷歌,独立发声警示AI风险,其观点和行动往往“不合时宜”却经得起时间检验 [64][65][66][67][69][72][73]
民生加银基金何江:AI重塑量化投资内核
中国基金报· 2025-10-13 08:12
公司AI量化战略与进展 - 民生加银基金是公募量化领域AI转型的先行者,其量化投资总监何江于2021年率队开启AI量化投资策略研究 [1] - 公司历时四年构建了“数据-特征-策略-组合”的飞轮闭环,形成难以复制的核心护城河 [1][6] - AI量化的核心壁垒在于将主观认知转化为机器可学习优化的机制,并在高维空间中持续优化投资规则 [1][6] - 公司将中证800增强策略从线性模型升级为AI模型,当年超额收益获得显著提升 [6] AI量化策略的动因与优势 - 传统量化遭遇瓶颈,例如2022年中证500指数增强公募基金的平均超额收益已跌破3% [4] - AI技术红利爆发,模型能够捕捉人脑难以解析的复杂市场关系,预测胜率较高 [4] - 公司具备独特的内部研究数据优势,已整合主动投研成果构建专属的基本面特征数据库 [4] - AI量化实现了从“因子加权打分”到“复杂非线性规律挖掘”的本质跃迁,是全AI策略对传统线性模型的替代 [5] AI模型的技术创新 - 数据维度大幅提升,AI技术能够处理更高维的海量数据及过去难以处理的非结构化文本数据 [7] - 模型能力实现飞跃,AI模型擅长寻找高度非线性、交互式的复杂模式,无需预先设定公式 [7] - 决策过程进化,AI模型可根据市场环境进行动态学习和调整,实现自适应的策略切换 [7] - AI量化是工程化能力、专属数据和算法创新的综合体 [6] 国证2000指数的配置价值与产品表现 - 公司持续看好国证2000指数在科技升级中的配置价值及量化增强空间 [2][8] - 国证2000指数长期受益于科技产业升级,在AI、科技成长、高端制造等领域存在结构性机会 [8] - 该指数成份股数量众多、行业分布广泛、定价效率较低,为量化策略捕捉Alpha提供了丰厚土壤 [8] - 公司管理的国证2000指数增强基金近六个月回报为17.18%,远超同期业绩比较基准的10.26%;近一年回报为49.66%,远超基准的35.04%,同类排名3% [8] 行业趋势与未来展望 - 公募量化已进入激烈的“AI竞赛”阶段,AI量化被视为公募基金的生存必答题 [1][9] - 预计公募行业最终将形成“AI主导量化+工具型指数产品”的新生态 [1][10] - AI并非用机器替代人,而是用机器延伸人的认知边界,处理人脑无法企及的复杂度 [9] - 科技金融应当成为这个行业基本的底色 [10]