AI交易初创公司PandaAI近日宣布连续完成种子轮、天使轮及天使+轮三轮融资，累计融资金额达数千万元人民币。该公司由量化私募背景的李昱琦于2024年创立，目前团队规模七十余人，海内外用户超10万，并已举办三届因子大赛，累计参与人数达3万。
创始人李昱琦毕业于哥伦比亚大学金融工程专业，曾任管理规模超10亿元的量化私募合伙人。他离开私募创业的原因，源于对量化交易行业底层逻辑的重新审视。李昱琦认为，量化交易行业本质上是一个靠资金积累、招揽人才、叠加物理壁垒累积起来的认知叙事。独家数据源、低延迟交易通道、百人研究团队等壁垒，构筑了机构的围墙，也定义了普通人与量化交易人才之间的距离。而大模型能力的提升正在消磨这一叙事——工具在变强，但人的研究能力并未随之线性提升，瓶颈不在编程效率，而在思考力和判断力的边界。
在李昱琦看来，大众对AI交易的认知仍停留在“AI荐股”层面，市面上流行的AI交易产品大多是大模型加简单金融公式，背后甚至有人在操作。他将AI交易的演进路径概括为L0到L4五个阶段：L0完全依赖人工；L1为AI辅助，人仍是主体；L2是单智能体闭环；L3是多智能体协同，自主规划、相互制衡、持续迭代；L4则意味着AI完成公开市场中的标准化研究与交易，人类只做风控和资金出入管理。他判断，当下的AI交易刚走到L3初期，走向L4可能只需1至2年，真正的挑战不是技术，而是用户信任。
在产品层面，PandaAI设计了三条产品线。Qube面向入门用户，用户用一句话说出交易想法，AI会将其拆解为数据获取、因子构建、回测等节点，可查看、可调整、可复用。EVO被业内称为“量化界的Claude Code”，面向专业研究者，用户从研报或交易想法出发，在AI协作下完成因子构建、回测、风险检验和版本迭代。即将上线的OS则按照A2A（Agent-to-Agent）架构设计，多个Agent分别负责因子迭代、组合优化、数据搜集，通过分工、验证和反馈共同完成交易研究。李昱琦强调，Agent需在明确的数据范围、工具权限、风险规则和人工授权下运行，人依然是AI交易方法论中不可替代的一环。
为搭建生态，PandaAI于2026年6月开源了首批QuantSkills量化能力库与Agent集群。李昱琦认为，任何公开的因子公式随使用者增多都会陷入拥挤，但Agent不同——同一个基础Agent在不同人手中会被调教出完全不同的逻辑，底层共享，输出千人千面，真正的壁垒在Harness层，即对Skills、智能体、约束规则的组合与调度。这一判断与DeepSeek将Harness作为独立项目开源的动向形成行业注脚：模型决定Agent的基础能力，而Harness决定其调用工具、遵循规则和完成任务的方式。
李昱琦判断，交易行业是AGI无法绕行的必经之路。交易面对的不是稳定态的物理规律，需要实时决策和动态博弈。AI交易的发展将带来资管行业重塑：投资流程的瓶颈从“人力够不够”变为“Agent编得好不好”，决策机制从基金经理拍板变为多个Agent辩论与制衡，人的工作从“做决策”变为“审决策”。竞争格局的重塑则更为深远，没有量化机构研究能力的人群，也将获得同等的研究能力，差距可能只剩下认知判断力。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
