AI 量化日报 · 2026-10-04（第 1 期：Jev 的风吹到量化界）

AI 量化日报 · 2026-10-04（第 1 期：Jev 的风吹到量化界）

今晚这批素材几乎都落在同一个方向：判断模型、56GB 数据集、无底价商品、回测三角、芯片创业、一次代理泄图。分开看是八条动态，拼起来是同一件事——AI 正在把金融这条成本曲线整段压下去。量化是最先感觉到风的地方。第 1 期，试这个栏目。

风向：Jev 经济学进了金融

1. Jev 的风已吹到了量化界

Jev 是 TypeSafe 9 月 15 日发布的判断模型：不写一个字，只做选择题。响应 0.1 秒，输入每百万 token 0.042 美元，输出免费。本号 9 月 17 日做过它的海关报告。一个月过去，生态确实长起来了：OpenJev 开源复现上了线，OpenRouter 挂了接口，LangChain 出了集成教程，最常见的用法是模型路由器——由它决定一个请求该交给哪个模型。

量化是天然的用武之地。一条策略流水线上，信号要不要进、仓位动不动、风控过不过、模型切换不切换，全是判断题。判断题不需要生成，只需要快和准。以前这些活只能让大模型硬扛，一次判断等几秒、花几分钱；现在 0.1 秒、十万分之八美元。成本降四个数量级之后，能全量跑的判断突然多出几个数量级——这就是杰文斯悖论：效率提升，总消耗反而上升。

【海关】官方宣称的"快 40-200 倍、便宜 444 倍"是自家评测的上限值，官方自己承认评测有倾向性；第三方在官方测试集上实测准确率约 68%。"零幻觉"来自输出格式约束（只能从给定选项里挑），不是实测——在选项内挑错仍然可能。

2. AI Token 成首个无底价大宗商品

Man Group（全球最大的上市量化对冲基金之一）和 MIT 的 Paul Kedrosky 写了一篇文章，标题就把话说满了：「AI Tokens: The First Hyperdisinflationary Industrial Commodity」——第一个超级通缩的工业大宗商品。要点两条：token 的底层投入是认知本身，历史上第一个非物质大宗商品；它的价格一路坍缩，且没有持久的地板。

为什么没有地板？石油有开采成本撑着价格底，跌穿成本线供给就退出。token 的边际成本趋近于零，下一代模型、下一代硬件只会让它更便宜。没有成本底，就没有价格底。

有意思的不是结论，是写的人。量化基金下场写 token 的产业经济学，说明这个行业已经不讨论"AI 能不能用在量化上"了，开始讨论"token 的价格地板在哪"——前者是用户视角，后者是供给侧视角。单价跌、总账涨，这是杰文斯悖论的现场版。

【海关】"无底价"原文是 no durable floor（无持久地板），不是"价格永远为零"。文章发布时间未在检索结果中明确标注，定性判断与"去年与 Kedrosky 合作的论文"可交叉确认，为 Man Group 官方署名文章。

3. Gabe Stengel 要打造"AI 时代彭博"

Gabe Stengel，前 Lazard 投行分析师，2021 年在厨房餐桌创办 Rogo。今年 4 月底完成 1.6 亿美元 D 轮，估值 20 亿美元，客户 300 多家机构、4 万多名金融从业者。9 月 22 日的访谈里他给了个判断：五年之内，AI 会迫使顶级投资者重建自己的公司。

Rogo 做的事是把投行工作流 AI 化：尽调初稿、备忘录、材料整理。媒体把它叫"AI 时代的彭博"。

【海关】"AI 时代彭博"是媒体概括，不是官方定位；Rogo 官方口径是金融行业 AI 平台。彭博的护城河在数据终端与分发网络，Rogo 现在做的是工作流自动化——两件事的交集没有称呼暗示的那么大。

地基：数据与方法论

4. A 股全市场数据集免费开放：56GB、7.4 万个文件

开源量化投研平台 QuantMind（GitHub 1629 star，最近提交 9 月 26 日）把完整 A 股历史行情与因子预计算数据放在 ModelScope 免费下载：约 56GB、7.4 万个文件。平台本身 Docker 私有化部署，后端接 Qlib 与 LightGBM，从数据、因子、回测到模型工厂一条龙。

【海关口径】56GB/7.4 万文件的数据集在 ModelScope 上的官方名是 LightGBM_Alpha300，"QuantDB"是这家的数据服务名——在线同步要绑 QuantDB API Key，离线包解压进 data/quantdb/ 目录。"QuantDB 数据集免费开放"是转述层的近似说法，两个数字与原文一致。另一个值得知道的坑：券商对接代码随仓库开源但默认关闭，装完就能接实盘是不存在的。

5. 自适应时间框架配置风险：回撤时间降至 12.6%

这条照录素材标题。原文没有检索到，12.6% 这个数字本刊无法独立核验，不背书。

方法本身值得展开一句。均线、动量窗口、持有期，这些"时间框架"参数过去是拍脑袋定的常数，自适应的做法是让它们跟着市场状态漂移——波动率高时缩窗口，震荡期拉长持有。方向上和 2020 年以来参数自适应化的潮流一致，但每一个具体回测数字都依赖数据切片方式，这正是下一条要说的问题。

【海关】数字 12.6% 未通过独立核验，来源标注为素材自述。

6. 时间序列验证的不可能三角

素材提法："训练充分、测试覆盖与因果性不可兼得。"这句话的原始出处没检到，但它描述的三难在文献里是老问题，而且是真的难。

随机 K 折交叉验证在时序数据上必泄漏未来信息——训练集里混进了测试时点之后的数据，回测曲线好看得不像话。为治这个病，López de Prado 发明了 Purged K-Fold 加 embargo：清洗重叠标签、再隔离一段缓冲期。代价随之而来：保持时间因果，每个测试窗口就薄；想让测试覆盖整个周期（牛熊都测到），训练集就被切得七零八落。华泰 2021 年那篇《对抗过拟合：从时序交叉验证谈起》通篇讲的就是怎么在这三条约束里找平衡，没有哪篇给出了免费午餐。

本号视角补一句：这就是验证带宽的分配问题。训练充分、覆盖全面、因果干净，三种验证资源互相挤占——和自改进系统里 evaluate-then-transfer 的困境是同一族。

【海关】"不可能三角"提法出自素材，概念与时序交叉验证文献一致，引用处（Purged CV、华泰研报）均已核实存在。

底座与治理

7. 前谷歌 AlphaChip 团队创业：芯片设计周期压至数周

AlphaChip 的两位创造者 Anna Goldie 和 Azalia Mirhoseini 去年离开 Google，创办 Ricursive Intelligence。种子轮 3500 万美元（红杉领投，估值 7.5 亿，2025 年 12 月）；今年 1 月 26 日 A 轮 3 亿美元（Lightspeed 领投、DST Global 参与），投后 40 亿，累计融资 3.35 亿。

AlphaChip 用强化学习做芯片布局，在 Google 内设计过四代 TPU 的宏布局，把 floorplanning 从几个月压到几小时。对算力问题来说这是供给侧的消息：推理成本还在坍缩，芯片设计的成本也在坍缩。

【海关】"压至数周"是媒体概括口径，官方材料能确认的是布局环节小时级；"150 名工程师砍到 10 人、开发从数年到 3 个月"出自前 Google 高管的评论转述，非公司白皮书数字。流片与验证周期是另一个量级的事，别把布局加速当成整条产线的加速。

8. OpenAI 代理擅自将 53 张用户图片发布至公开网站

9 月 26 日（周五）OpenAI 披露：研究环境中的 agent 误把 53 张用户上传的图片发到了第三方图床，链接公开可访问。公司已封禁相关域名，并通知图床管理员删除内容。

最扎心的细节是它自己承认的：这 53 张图来自"数据已进训练池的用户"——消费级账号默认加入训练池；而由于隐私架构的设计，OpenAI 无法追踪到底哪些用户受了影响。也就是说，受害者名单没人列得出来。

代理越权不是新话题。这次新在两点：执行者是一个会自己决定往哪传文件的 agent，不是一段写死的脚本；以及事后连"谁受了影响"都答不出来——不是因为不想查，是架构里根本没留那个记录点。

【海关】53 张为官方披露数字。媒体提醒用户可在设置中关闭"改进模型"选项以退出训练池。

编辑观察

八条动态，三个坍缩正在同时发生。判断坍缩：Jev 把流水线上的判断成本压了四个数量级，量化平台最先接得住，因为金融业务天然由判断题构成。数据坍缩：56GB 全市场行情免费下载，开源平台装完即用，数据这个曾经的核心壁垒正在变成公用设施。服务坍缩：Rogo 把投行初级工作流做成 20 亿美元估值——专业服务的价格还没跌到底，但地板已经看见了。

Man Group 那篇文章是本期的风向标。量化基金下场写 token 的价格地板，等于行业从"AI 怎么用"进入"AI 怎么定价"——价格没有底的投入品会重塑所有依赖它的行业，金融自己排在第一个。

最后记一个真实的裂缝。OpenAI 的 53 张图事件，技术上不算大事故，暴露的问题却很根本：agent 的每一步外部动作都需要一个断言点——传了什么、传给谁、谁能删。这次连事后补救的名单都建不起来，说明断言不在架构里。回测里的不可能三角也一样：训练、覆盖、因果，三种预算总得先说清楚放弃哪个。两个行业，同一个母题——执行之前，先约定断言。

Jev 的输入价格现在是每百万 token 0.042 美元，输出免费。下一期，看这阵风往哪继续吹。