大家好，我是frank。

2025年12月30日，AI圈炸了锅。

Meta宣布收购新加坡注册的AI初创公司Manus。虽然官方没披露具体金额，但Bloomberg、WSJ、Nikkei这些权威媒体都报道超过20亿美元（约140亿人民币），有些消息源说在20-30亿美元之间。

这不仅是Meta今年在AI领域的又一次重磅出手，更是其历史上第三大收购，仅次于190亿美元拿下WhatsApp和对Scale AI的巨额投资。

CEO肖弘（Xiao Hong）直接升任Meta副总裁。

说实话，看到这个消息的时候，我人有点懵。不是因为金额大（AI赛道烧钱本来就疯狂），而是因为速度太快了。

1. 18个月，从0到被巨头收购​

先看几个关键数字：

• Manus成立才18个月左右
• 今年3月才正式发布产品
• 8个月做到年化收入（ARR）超1亿美元
• 总收入跑率超1.25亿美元
• 已有百万付费用户
• 然后，直接被Meta吃掉

18个月啊！很多公司18个月可能还在打磨MVP，团队还在磨合期，这家公司已经exit了，而且exit价格20亿美元起。

更夸张的是，这是扎克伯格亲自下场谈的。Meta今年在AI上动作不断，但专门花这么大代价收购一家才成立18个月的公司，还是头一回。

2. Manus到底做了什么？凭什么值20亿美元？​

Manus做的是全球首个通用AI Agent（智能体）。

什么意思？不是那种只会聊天的ChatGPT，而是真正"能干活"的AI助手。

它能自主执行复杂任务：

• 市场研究和竞品分析
• 数据分析和可视化
• 行程规划和预订

在GAIA基准测试上，Manus甚至超越了OpenAI的Deep Research。

更关键的是，用户愿意付费很强。8个月做到1亿美元ARR，证明了商业模式可行。

这在AI圈里太稀缺了——多少公司用户量很大，但都是免费用户，根本不赚钱。

3. 从北京到新加坡，这步棋太关键了​

再来捋一下时间线：

**2025年初：公司从北京迁到新加坡

**几个月后：拿到Benchmark领投的7500万美元融资，估值5亿美元

**2025年底：被Meta收购，估值20-30亿美元，翻了4-6倍

当时迁到新加坡，很多人都不理解：好好的中国公司，为什么要"跑"？

现在都知道了，这不是逃跑，而是出海战略布局。

更深层的原因是合规。

Meta在收购公告里明确强调：交易完成后，Manus将断绝所有中国所有权和业务运营，彻底"去中国化"。

这在当前的地缘环境下，是美国巨头收购中国背景公司的硬性要求。注册地、运营主体、法律架构、数据存储，全都得符合美国监管的标准。

新加坡这一步，把这些障碍全清掉了。

硅谷的VC和巨头，从来不是不认可中国团队的技术能力，而是顾虑监管、数据主权、地缘政治。肖弘团队提前把这个问题解决了，才有后面的大额收购。

4. Meta为什么急着买？​

Meta今年在AI上的动作，可以说是疯狂：

• 开源Llama系列模型，直接对标OpenAI的GPT
• 巨资投资Scale AI，确保数据标注能力
• 招募Alexandr Wang（Scale AI的CEO）领导超级智能实验室
• 在Facebook、Instagram、WhatsApp上全面整合AI功能

但有个短板：在Agent（智能体）领域，Meta一直缺一个成熟的落地产品。

他们有底层模型（Llama），有算力，有数据，有几十亿用户，但就是缺一个能"真正干活"的AI助手产品。

Manus正好补齐了这块拼图：

1. 产品已经成熟：不是概念验证，是真实在跑的商业产品
2. 有付费用户：百万级付费用户，证明了市场需求
3. 有真实收入：1亿+ARR，不是烧钱换增长
4. 能快速整合：可以直接接入WhatsApp、Instagram、Facebook，服务几十亿用户

扎克伯格一直在说要给每个人配一个"个人超级智能助手"。Manus就是这个愿景的商业化路径。

X上，Alexandr Wang发文欢迎肖弘团队加入："Looking forward to working with you!"

创始人肖弘回应说，这是对自主AI能力的验证。

这次收购，Meta买的不只是技术，更是时间。

自己从0做一个Agent产品，至少要1-2年。直接买一个已经跑通商业模式的，几个月就能整合进自己的生态。

对扎克伯格来说，这笔账太划算了。

5. 不是做大做强，而是做对做快​

Manus给所有中国AI创业者上了一课：

你不需要在硅谷创业，也不需要死磕到上市。你只需要让自己"可被收购"。

这是一个很重要的思维转变。

以前我们创业，想的是："怎么干翻Google、干翻Meta、干翻OpenAI。"

现在可以换个思路："怎么做出让巨头愿意花几十亿美元买的东西。"

巨头不是要打败你，巨头是要买你。

Manus的路径很清晰：

**做对：专注应用层Agent这种"能动手"的赛道，用户愿意付费

**做快：18个月从0到1，快速跑出数据（百万用户、1亿ARR）

**布局早：提前全球化、合规化，避免地缘障碍

看看Manus的时间表：

• 3月发布产品
• 8个月跑到1亿ARR
• 证明了产品市场fit
• 证明了团队执行力
• 然后，上岸

不需要死磕到IPO，不需要烧钱烧到现金流转正。18个月，足够了。

快速做出产品，快速跑出数据，然后等着被收购。

这条路，Manus跑通了。

6. 多赢的局面：创始人、投资人、买家都赚了​

这次收购，各方都很满意。

对肖弘和团队来说：

• 肖弘升任Meta副总裁，进入全球顶级科技公司决策层
• 团队继续独立运营，保持一定自主权
• 产品能接入Meta几十亿用户，发展天花板拉高
• 财务自由，不用再为融资和现金流发愁
• 背后多了个万亿市值的爸爸，要资源有资源，要算力有算力

这个结局，对创始人来说近乎完美。

对投资人来说：

Benchmark几个月赚4倍以上，这个回报率堪称教科书级别。其他跟投方也都赚麻了。

真格基金的刘元在社交媒体上直呼："华人创业者全球化模板跑通了！"

这一单，会成为VC圈的经典案例。以后所有投AI项目的VC，都会拿Manus对标。

对Meta来说：

用20-30亿美元，买到一个：

• 已经跑通商业模式的成熟产品
• 有百万付费用户和1亿ARR的现金流
• 能快速整合进现有生态的Agent技术
• 一个证明了执行力的优秀团队

这笔账，怎么算都不亏。

更重要的是，Meta买到了时间。在AI Agent这个赛道上，时间就是一切。早几个月推出产品，就能多占几个百分点的市场份额。

多赢局面。

7. 中国AI创业者的黄金时代​

说实话，现在是中国AI创业者最好的时候。

不是因为国内环境有多好，而是因为全球对中国AI团队的认可度达到了历史最高点。

DeepSeek验证了中国人在底层模型上的能力。 Manus验证了中国人在应用层的实力。

现在硅谷的AI公司，宣传片里要是没几个中国人面孔，反而显得不够硬核。有中国人，说明团队牛逼；没有中国人，显得不够强。

这是过去十年，无数中国工程师用代码换来的全球声誉。

而对于创业者来说，现在的选项变多了：

选项1：留在国内

• 服务国内市场
• 拿国内VC的钱
• 走中国特色路线
• 可能上科创板或者港股

选项2：出海布局

• 迁到新加坡/美国
• 拿国际VC的钱（Benchmark、a16z、红杉）
• 对接全球市场
• 等着被巨头收购

两条路都能走通，看你想要什么。

但Manus的案例告诉我们：第二条路的天花板更高，速度更快。

18个月exit，创始人财务自由+升任Meta副总裁，投资人4倍回报。这个效率，在国内很难达到。

8. 我的几点观察和判断​

这次收购，我看得比较乐观，但也有一些冷静的思考。

1. Agent是AI的下一个杀手级应用

从"会聊天"到"会行动"，这是质的飞跃。Manus证明了用户愿意为真实的生产力付费，不是那种尝鲜式的订阅。

Meta注入资源后，几十亿用户很快就能用上自主AI助手。这个市场太大了。

2. 更多中国AI公司会被收购

我的判断是，这只是开始。接下来Google、Microsoft、Amazon、Apple都会出手。

为什么？因为：

• 巨头需要速度，自己做太慢，收购最快
• 中国团队有优势，技术强、效率高、成本低、迭代快
• 只要解决合规问题，就是完美收购标的

我猜接下来会看到：

• 新加坡成为中国AI公司的"中转站"
• 顶级VC疯抢"中国背景+国际架构"项目
• 创业者更关注"可被收购性"而不是"做大做强"
• 收购金额越来越高

3. Meta的AI闭环基本成型

底层模型（Llama）+ 数据（Scale AI）+ 应用（Manus），再加上几十亿用户的分发渠道。这个闭环比OpenAI的封闭模式更有进攻性。

4. 行业洗牌在加速

小团队的窗口期在缩短。以前可能有2-3年打磨产品，现在只有12-18个月。要么快速跑出来，要么被碾压。

但反过来说，优秀产品的收购溢价也更高了。做出真东西，巨头愿意花大价钱买。

9. 给中国AI创业者的实战建议​

如果你现在在做AI创业，或者想进入这个领域，Manus的案例给了几个非常实用的启示：

1. 不要闭门造车，速度是核心竞争力

产品要快速推向市场，快速验证。Manus从发布到1亿ARR只用了8个月。这个速度，才是让巨头愿意花20亿美元的原因。

很多团队死磕技术完美，结果市场窗口关了。不如先上线一个80分的产品，快速迭代到95分。

2. 重视数据指标，这是你的估值基础

ARR、付费用户数、用户留存率、月增长率……这些硬指标会直接决定你的估值。

巨头收购你，看的不是PPT，是真实的数字。Manus能拿到20亿美元，就是因为有1亿ARR和百万付费用户撑着。

3. 提前做国际化布局

不是说一定要迁到新加坡，但至少要让自己"可被收购"。

法律结构（VIE还是直接持股）、数据存储（在哪个云服务商）、团队配置（核心技术人员的国籍），都要提前考虑。

等到巨头要收购你了再去调整，可能就来不及了。

4. 找对VC，不只是要钱

Benchmark不只是给了7500万美元，还给了：

• 背书（顶级VC投资，说明项目靠谱）
• 资源（介绍客户、对接巨头）
• 退出渠道（帮你找买家）

顶级VC的价值，在关键时刻会体现出来。肖弘能这么快被Meta相中，Benchmark肯定做了不少穿针引线的工作。

5. 保持专注，不要贪大求全

18个月很短。不要想着做平台、做生态、做操作系统。

做好一个点，做到极致，就够了。

Manus就是专注做Agent，其他什么都不碰。这种专注，反而让它更有收购价值——边界清晰，容易整合。

10. 写在最后​

Manus的故事，可能会成为中国AI创业的一个新范式。

不是每个人都要做字节、做阿里这种生态型巨头，也可以做Instagram、做WhatsApp这种精品应用，然后被巨头高价收购。

快速验证，漂亮exit，财务自由，然后开始下一段旅程。

这不是投机，这是聪明地选择战场。

这是属于中国AI工程师的黄金时代。过去十年用代码换来的全球声誉，正在变现。

恭喜肖弘，恭喜Manus团队，恭喜所有投资人。

也期待更多中国AI创业者跑出来。

Agent时代，才刚刚开始。

你怎么看Meta收购Manus这件事？如果你也在做AI创业，会选择哪条路？欢迎评论区讨论。

转载请注明出处：微信公众号"frank-quant"

大家好，我是frank，专注Crypto+Quant+LLM的深度融合和行业进展。

今天想聊一个我在2025年观察到的有意思现象：同样都是做量化交易，有人赚得盆满钵满，有人却在各种"迷你危机"里翻车。

差别在哪？我认为最大的差别，就在于AI用得怎么样。

1、2025年量化圈经历了什么​

先说说背景。

根据《金融时报》的一篇报道，2025年对量化交易机构来说是很魔幻的一年。

全文详见# Inside the ‘rolling thunder’ quant crises of 2025（2025年量化投资雷暴滚滚的内幕）。

Renaissance Technologies（RenTech）的两只公开基金RIEF和RIDA，10月份突然暴跌15%，然后11月又飙回来。要知道这可是管理超过200亿美元的顶级量化机构啊。

但诡异的是，同期其他很多量化机构却风平浪静，甚至还赚了不少。

金融时报把今年量化圈的这种状况形容为"rolling thunder"（雷暴滚滚）——不是一次大地震，而是一年到头各种小震动不断。

关键是，这些震动对不同机构的影响差异巨大。

从1月份DeepSeek引发的AI概念股震荡，到年中的"carry trade unwind"，再到秋天的波动率飙升，每次市场异动都会让一部分量化策略崩盘，而另一部分却毫发无损。

2、AI正在重塑量化交易的底层逻辑​

为什么会出现这么大的分化？业内普遍认为有两个核心原因：AI应用的差异和策略拥挤度。

咱们重点说说AI这块。

传统量化交易大家玩的都是类似的东西：多因子模型、统计套利、趋势跟踪。策略逻辑相近，用的数据源也差不多，所以表现往往高度相关。市场一波动，大家一起赚或者一起亏。

但AI的介入彻底改变了这个游戏规则。

不同机构在AI的应用深度和方式上差异巨大：

• 有的机构只是用机器学习优化一下选股因子
• 有的用深度学习做特征工程和信号提取
• 有的用NLP分析新闻、社交媒体情绪
• 有的用强化学习做实时交易决策
• 有的甚至用大语言模型重构整个研究框架

这些差异看似微妙，但在实战中产生的结果可能天差地别。

CFM的总裁Philippe Jordan说得很直白："同样的趋势跟踪策略，同样的统计套利逻辑，但因为AI应用方式不同，以前可能亏损相关性很高的两家机构，现在却可能一家大赚一家爆亏。"

3、从实际案例看AI如何拉开差距​

举几个具体的例子。

信号挖掘层面：

传统量化可能用几十个、上百个因子。但用上深度学习之后，特征空间可能扩展到几千甚至几万维。这不只是量的变化，而是质的飞跃。很多传统方法根本发现不了的非线性关系，AI能轻松捕捉。

风险管理层面：

2025年市场的特点是"定期的risk-on和risk-off切换"，传统的VaR模型在这种环境下经常失效。但用强化学习做动态仓位管理的机构，能更快适应市场regime的切换。

执行层面：

高频交易早就在用AI了，但现在连中频策略（持仓几天到几周）也开始大规模应用。AI可以更精准地判断最优执行时机，减少市场冲击成本。

**最关键的是：用AI早和用AI晚，差别也很大。

有些机构十几年前就开始用机器学习，积累了大量的实战经验、训练数据和调优诀窍。有些机构到2024-2025年才开始跟风上AI，技术积累差了一大截。

不是说后来者一定做不好，但AI这东西确实有"复利效应"——你今天的模型输出是明天的训练数据，良性循环转起来之后，差距会越拉越大。

4、拥挤交易：AI带来的新问题​

说完优势，也得聊聊问题。

AI让量化策略变得更复杂、更个性化，但同时也带来了新的"拥挤风险"。

这两年一些传统的高频交易公司（prop trading firms）开始进入"中频"领域，跟量化对冲基金争抢alpha。他们的算法响应速度更快，资金成本更低，对一些信号的decay速度产生了明显影响。

你原来一个统计套利信号能用3-5天，现在可能24小时就被抹平了。如果你的AI没有及时学习到这种变化，就会被市场教育。

Wolfe Research的数据显示，2025年他们追踪的16个主流量化因子里，有9个是亏钱的，而且波动率都明显高于往年。Value、short-term reversal、quality、low-vol这些经典因子今年表现都很差。

这说明什么？市场微观结构正在发生深刻变化，而AI应用水平的高低，直接决定了你能不能适应这种变化。

5、加密量化交易的AI应用​

说回到我们关注的加密领域。

加密市场的量化交易相比传统市场，AI的重要性可能更大：

5.1 市场效率更低

传统股票市场已经被研究了上百年，alpha越来越难挖。但加密市场还很年轻，数据噪声大、异常情况多，正是AI发挥优势的地方。

5.2 数据维度更丰富

链上数据、社交媒体情绪、巨鲸地址追踪、DeFi协议交互... 这些非结构化数据传统方法很难处理，但AI能把它们整合起来。

5.3 市场变化更快

加密市场一天能经历传统市场一个月的波动。没有AI的实时学习和快速适应能力，很难在这种环境下生存。

我之前写过Amber Group的案例，他们Q2收入环比暴涨2300%，很大程度上就是AI赋能的结果。他们不只是用AI做交易，还用AI优化整个业务流程——从客户风险评估到流动性管理，全方位应用。

6、给个人量化交易者的建议​

如果你是个人开发者或者小团队，2025年的教训很明确：不掌握AI，量化交易这条路会越走越窄。

但也别慌，并不是说你必须从零开始搭一套ChatGPT级别的大模型。实际上：

从简单的开始：

• 用XGBoost、LightGBM替代传统线性模型
• 用LSTM处理时间序列，而不是简单的移动平均
• 用sentiment analysis挖掘Twitter、Reddit的情绪信号

借助开源工具：

• HuggingFace上有大量预训练模型可以直接fine-tune
• OpenAI、Claude的API可以用来做新闻解读、报表分析
• 很多量化平台（如Quantopian、Alpaca）都集成了ML工具

重视数据积累：

• AI的效果很大程度取决于数据质量
• 多花时间清洗数据、构建特征，比盲目调参数更重要
• 建立自己的数据pipeline，持续迭代

保持学习：

• 关注顶级机构的动向（像我这篇文章这样😄）
• 跟踪arXiv上的最新论文
• 参与开源社区，看看别人怎么用AI做量化

7、写在最后​

2025年量化圈的"rolling thunder"给我们的最大启示是：AI已经不是锦上添花，而是必需品。

用不用AI，用得好不好，直接决定了你在下一轮市场波动中是收割者还是被收割者。

但话说回来，AI也不是万能的。市场理解、风险控制、执行纪律，这些基本功还是核心。AI只是让强者更强，但不会让弱者一夜翻身。

2026年会怎样？我觉得这种趋势只会更明显。随着更多机构采用AI，没有AI加持的传统策略生存空间会越来越小。同时，AI之间的"军备竞赛"也会更激烈。

所以，抓紧学起来吧。这不是建议，而是必修课。

有问题欢迎评论区讨论。

参考资料：Financial Times "Inside the 'rolling thunder' quant crises of 2025"

最近几年，投行大刀阔斧裁员、私募行业一波波退潮，让不少金融小白心塞不已。

但别慌！对冲基金正强势崛起，成为新一代金融大牛们的理想选择——高薪、弹性工时、自由。

但别以为它就好进！和投行、私募一样，对冲基金的实习战场堪称“修罗场”：录取率低到爆表（Point72的0.6%比高盛还狠！）。

这些基金体量小巧、岗位凤毛麟角，更爱从投行交易台（S&T）或顶尖量化实验室“截胡”人才。

从数据可以看出来，全球前九大对冲基金的总员工数，还赶不上一家中型投行！

这就导致：实习名额稀缺如黄金，含金量直冲云霄。

好消息是，一旦你本科或硕士阶段杀入这些基金实习，转正offer基本稳了——这是通往“金融塔尖”的直通车！

下面，我们扒一扒当下火热的实习&毕业生项目，速速收藏，机会不等人~

[!-- TOC --]

1. 量化对冲基金​

1.1 AQR Capital Management​

• 基金性质：量化对冲基金。
• 公司简介：AQR Capital Management是一家成立于1998年的量化投资管理公司，总部位于康涅狄格州格林威治，专注于系统化投资策略，管理资产规模数百亿美元，员工超过1000人，强调数据驱动的投资决策。
• 招聘详情：
  • 岗位：研究、风险管理、工程以及投资组合“实施”等核心职能，基于Quanta Academy内部培养体系。
  • 待遇：10周暑期实习，提供学习机会和专业指导。
  • 薪资：实习生平均年薪约$74,231（或$36/小时），针对2026年研究暑期分析师预计$64,000-$110,600。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://careers.aqr.com/?size=n_5_n

1.2 Aspect Capital​

• 基金性质：量化对冲基金。
• 公司简介：Aspect Capital是一家伦敦-based的量化对冲基金，成立于1997年，专注于系统化交易策略，管理资产约80亿美元，员工约200人，以创新的量化模型闻名。
• 招聘详情：
  • 岗位：研究、业务发展和工程等领域。
  • 待遇：暑期实习，提供专业指导和团队协作机会。
  • 薪资：实习生平均年薪约$99,550（或$48/小时），2025年数据，2026年预计类似。
• 申请时间：针对2026年，即将截止。
• 申请地址：https://www.aspectcapital.com/about/team/summer-internships-with-aspect-capital/

1.3 Squarepoint Capital​

• 基金性质：量化基金。
• 公司简介：Squarepoint Capital是一家全球量化投资公司，成立于2014年，总部纽约，管理资产超100亿美元，专注于算法交易和数据科学，员工超过1000人。
• 招聘详情：
  • 岗位：毕业生项目包括交易台量化分析师、软件开发、支持专家；实习岗位集中在合规和软件开发。
  • 待遇：提供免费餐饮、灵活实习日期。
  • 薪资：软件工程师实习生$28.85/小时（或$7,367/月），合规分析师实习$60,000/年。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.squarepoint-capital.com/open-opportunities?id=2546549

1.4 Voloridge Investment Management​

• 基金性质：量化基金。
• 公司简介：Voloridge Investment Management是一家佛罗里达州朱庇特的量化投资公司，成立于2006年，专注于高频交易和系统化策略，管理资产超50亿美元，员工约300人。
• 招聘详情：
  • 岗位：软件工程、交易工程和量化开发。
  • 待遇：提供住房和搬迁支持。
  • 薪资：软件工程师实习生$120/小时，量化交易实习$40,000-$60,000。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://voloridge-investment-management.hiringthing.com/

2. 多策略基金与宏观策略基金​

2.1 Balyasny Asset Management​

• 基金性质：多策略基金。
• 公司简介：Balyasny Asset Management（BAM）是一家成立于2001年的多策略对冲基金，总部芝加哥，管理资产超200亿美元，全球办事处覆盖纽约、伦敦等，员工超2000人，专注于股权、宏观和量化策略。
• 招聘详情：
  • 岗位：量化交易与研究、工程和政策策略。
  • 待遇：全球实习机会，提供专业培训。
  • 薪资：实习生平均$63,056，软件工程师实习$80.77/小时（或$14,000/月）。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://bambusdev.my.site.com/s/

2.2 Bracebridge Capital​

• 基金性质：为捐赠基金和基金会管理资产的基金。
• 公司简介：Bracebridge Capital是一家波士顿-based的投资管理公司，成立于1996年，专注于固定收益和信贷策略，管理资产约100亿美元，员工约150人。
• 招聘详情：
  • 岗位：运营和交易实习。
  • 待遇：暑期实习，提供投资分析机会。
  • 薪资：实习生平均$69,934（或$34/小时），投资运营实习$16-$22/小时。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://job-boards.greenhouse.io/bracebridgecapital

2.3 Brevan Howard Asset Management​

• 基金性质：多策略基金。
• 公司简介：Brevan Howard是一家全球领先的宏观对冲基金，成立于2002年，总部伦敦，管理资产超400亿美元，员工超800人，专注于宏观、系统化和风险投资策略。
• 招聘详情：
  • 岗位：宏观、AI、量化、风险投资、交易和风险团队。
  • 待遇：提供监管环境教育和团队嵌入。
  • 薪资：实习生平均约$70,000-$90,000（基于类似职位），具体未公开。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://wd3.myworkdaysite.com/recruiting/brevanhoward/BH_ExternalCareers?jobFamilyGroup=4ab1b69da77b10010e18b74aba420000

2.4 Bridgewater Associates​

• 基金性质：多策略基金。
• 公司简介：Bridgewater Associates是全球最大对冲基金之一，成立于1975年，总部康涅狄格州威斯敏斯特，管理资产超1500亿美元，员工超1500人，以原则驱动的投资和文化闻名。
• 招聘详情：
  • 岗位：投资助理实习生，可用薪酬“做空”公司仓位。
  • 待遇：8周实习，包括住房和奖金。
  • 薪资：总补偿$51,000（包括奖金和住房），软件工程师实习$81.25/小时。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://job-boards.greenhouse.io/bridgewater89/jobs/7726966002

2.5 Capstone Investment Advisors​

• 基金性质：多策略基金。
• 公司简介：Capstone Investment Advisors是一家纽约-based的多策略对冲基金，专注于商品和能源交易，管理资产约50亿美元，员工约200人。
• 招聘详情：
  • 岗位：投资实习（分析师角色）和非投资实习。
  • 待遇：提供专业网络机会。
  • 薪资：实习生$32.99/小时（或$71,808/年）。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://capstoneco.my.site.com/candidates/s/

2.6 Capula Investment Management​

• 基金性质：多策略基金。
• 公司简介：Capula Investment Management是一家伦敦-based的全球对冲基金，成立于2006年，管理资产320亿美元，专注于宏观和相对价值策略，员工约300人。
• 招聘详情：
  • 岗位：交易与研究暑期实习；金融学博士兼职实习（每周15-20小时）。
  • 待遇：提供搬迁援助和住宿。
  • 薪资：伦敦实习£48,000/年，纽约实习$4,830-$8,390/月。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.capulaglobal.com/working-at-capula/careers/#job-openings

2.7 Citadel​

• 基金性质：多策略基金。
• 公司简介：Citadel是一家全球投资管理公司，成立于1990年，总部迈阿密，管理资产超600亿美元，员工超2500人，涵盖多策略、量化交易和市场做市。
• 招聘详情：
  • 岗位：量化研究、软件工程、投资与交易、运营。
  • 待遇：11周付费实习，提供医疗保险。
  • 薪资：软件工程师实习$120/小时，股权实习$2,500-$3,000/周。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.citadel.com/careers/open-opportunities/?experience-filter=internships,new-graduates&selected-job-sections=388,389,387,390&current_page=1&sort_order=DESC&per_page=10&action=careers_listing_filter

2.8 D.E. Shaw Group​

• 基金性质：多策略基金。
• 公司简介：D.E. Shaw Group是一家成立于1988年的全球投资和科技发展公司，总部纽约，管理资产超600亿美元，员工超2000人，专注于计算驱动的投资策略。
• 招聘详情：
  • 岗位：交易、投资者关系、量化策略、软件开发。
  • 待遇：提供旅行覆盖、住房选择和加班费。
  • 薪资：软件开发实习$22,000/月+ $20,000奖金，交易实习$18,000/月+ $10,000奖金。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.deshaw.com/careers/choose-your-path

2.9 Dymon Asia Capital​

• 基金性质：多策略基金。
• 公司简介：Dymon Asia Capital是一家新加坡-based的亚洲宏观对冲基金，成立于2011年，管理资产约20亿美元，专注于亚洲市场，员工约100人。
• 招聘详情：
  • 岗位：亚洲宏观相关职能。
  • 待遇：非结构化招聘，全年投递。
  • 薪资：实习生约$2,704/年（新加坡数据），低薪但经验丰富。
• 申请时间：现已开放申请，随时入职。
• 申请地址：https://www.dymonasia.com/career/

2.10 LMR Partners​

• 基金性质：多策略基金。
• 公司简介：LMR Partners是一家伦敦-based的多策略对冲基金，成立于2016年，管理资产超100亿美元，专注于股权和宏观策略，员工约300人。
• 招聘详情：
  • 岗位：独特机会，邮件申请。
  • 待遇：提供培养机会。
  • 薪资：软件工程师中位$109,489，实习具体未公开，预计$50,000-$70,000。
• 申请时间：现已开放申请，随时。
• 申请地址：https://www.lmrpartners.com/careers

2.11 Man Group​

• 基金性质：多策略基金。
• 公司简介：Man Group是一家英国上市的投资管理公司，成立于1783年，总部伦敦，管理资产超1400亿美元，员工超1500人，涵盖量化、股票和替代策略。
• 招聘详情：
  • 岗位：会计、交易、研究、技术、量化。
  • 待遇：实习和毕业生计划，提供全球机会。
  • 薪资：实习生平均约$50,000-$60,000，低于市场平均。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：http://man.com/graduate-programmes#:~:text=Summer%20Internship%20Programme

2.12 Marshall Wace​

• 基金性质：多策略基金。
• 公司简介：Marshall Wace是一家伦敦-based的股权对冲基金，成立于1997年，管理资产超700亿美元，员工超700人，专注于量化驱动的股权投资。
• 招聘详情：
  • 岗位：技术实习；大学毕业生机会。
  • 待遇：提供职业发展支持。
  • 薪资：软件工程师实习$75/小时，技术实习$2,800-$3,000/周。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://job-boards.greenhouse.io/mwinternshipprogram?gh_src=6df8b42e2us

2.13 Millennium Management​

• 基金性质：多策略基金。
• 公司简介：Millennium Management是一家全球多策略投资公司，成立于1989年，总部纽约，管理资产超600亿美元，员工超5000人，涵盖多种资产类别。
• 招聘详情：
  • 岗位：运营、AI、风险管理、资本市场、数据、量化。
  • 待遇：全方位职能实习。
  • 薪资：实习生$69,158，业务发展实习$85,000/年。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://campusjobs.mlp.com/careers

2.14 Point72 Asset Management​

• 基金性质：多策略基金。
• 公司简介：Point72 Asset Management是一家成立于2014年的多策略对冲基金，总部斯坦福德，管理资产超300亿美元，员工超2000人，由Steve Cohen创立，强调研究驱动投资。
• 招聘详情：
  • 岗位：软件工程、量化研究、AI工程；Point72 Academy分析师培训。
  • 待遇：全球实习，提供导师指导。
  • 薪资：投资分析师$120,000-$140,000/年（按比例），财务实习$75,000/年。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://careers.point72.com/?experience=early%20career;internships

2.15 Rokos Capital Management​

• 基金性质：多策略基金。
• 公司简介：Rokos Capital Management是一家成立于2015年的宏观对冲基金，总部伦敦，管理资产超100亿美元，由前Brevan Howard合伙人创立，员工约200人。
• 招聘详情：
  • 岗位：技术、量化、交易运营、风险、资金管理、策略。
  • 待遇：轮岗程序，提供跨团队机会。
  • 薪资：实习具体未公开，预计$60,000-$80,000，基于初级交易员$148K-$268K。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://apptrkr.io/rokos-capital-management/rokos-capital-management-202526

2.16 Schonfeld​

• 基金性质：多策略基金。
• 公司简介：Schonfeld是一家成立于1988年的多策略对冲基金，总部纽约，管理资产超150亿美元，员工超800人，专注于量化、基本面和系统化策略。
• 招聘详情：
  • 岗位：量化、软件工程、合规。
  • 待遇：暑期实习，提供技能提升。
  • 薪资：软件工程实习$125,000-$155,000/年（按比例），平均$85,999。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.schonfeld.com/careers/open-positions?page=1&department=Internship

2.17 Sculptor Capital Management​

• 基金性质：多策略基金。
• 公司简介：Sculptor Capital Management（前Avenue Capital）是一家全球另类投资公司，成立于1997年，总部纽约，管理资产超300亿美元，员工超400人，专注于信贷和房地产。
• 招聘详情：
  • 岗位：投资、全球基础设施、客户伙伴团队（10周实习）。
  • 待遇：提供网络和技能基础。
  • 薪资：实习生平均$63,218。
• 申请时间：明年一月开放申请。
• 申请地址：https://sculptor.wd12.myworkdayjobs.com/Sculptor_External_Career_Site

2.18 Sona Asset Management​

• 基金性质：多策略基金。
• 公司简介：Sona Asset Management是一家新兴多策略对冲基金，专注于信贷策略，总部纽约，管理资产约50亿美元，员工约100人，采用非结构化招聘。
• 招聘详情：
  • 岗位：信贷相关职能。
  • 待遇：非结构化，提供实习培养。
  • 薪资：平均$93,349-$120,598，实习具体未公开。
• 申请时间：不确定。
• 申请地址：https://sona-am.com/contact/

2.19 Tudor Group​

• 基金性质：多策略基金。
• 公司简介：Tudor Investment Corporation（Tudor Group）是一家成立于1980年的全球投资公司，总部康涅狄格州，管理资产超100亿美元，由Paul Tudor Jones创立，员工约300人，涵盖宏观和量化策略。
• 招聘详情：
  • 岗位：量化开发人员实习。
  • 待遇：提供研究和交易机会。
  • 薪资：暑期实习$38.81/小时，量化开发$15,000-$18,000/月。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://job-boards.greenhouse.io/tudorgroup

2.20 Two Sigma​

• 基金性质：多策略基金。
• 公司简介：Two Sigma是一家科技驱动的投资公司，成立于2001年，总部纽约，管理资产超600亿美元，员工超2000人，专注于数据科学和量化投资。
• 招聘详情：
  • 岗位：量化研究和软件工程（纽约一个量化职位）。
  • 待遇：创意环境，提供创新挑战。
  • 薪资：软件工程师实习$95/小时，量化研究员$254,800-$286,000/年（按比例）。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://careers.twosigma.com/careers/OpenRoles/?5081=%5B16718737%5D&5081_format=3146&listFilterMode=1&jobRecordsPerPage=10&

2.21 Verition Fund Management​

• 基金性质：多策略基金。
• 公司简介：Verition Fund Management是一家成立于2008年的多经理对冲基金，总部纽约，管理资产超100亿美元，员工超400人，专注于多策略投资。
• 招聘详情：
  • 岗位：10周实习，嵌入投资团队。
  • 待遇：技能提升和团队协作。
  • 薪资：软件工程师实习$80/小时，新毕业生$182k-$243k（实习按比例）。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.verition.com/open-positions

3. 国内对冲基金​

3.1 宁波幻方量化 (High-Flyer Quant)​

• 基金性质：量化私募基金，专注股票多因子策略。
• 公司简介：成立于2015年，总部宁波，管理规模超百亿，是国内领先的量化投资公司，以AI驱动的投资策略闻名，员工超500人。
• 招聘详情：
  • 岗位：行研实习生、深度学习科学家/工程师、数据开发工程师、开发工程师(C++)。
  • 待遇：提供专业指导、团队协作机会，优秀实习生可转正。
  • 薪资：实习生约500-1000元/天，预计基于类似岗位。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.high-flyer.cn/join/

3.2 龙旗科技 (Longflag Investment)​

• 基金性质：量化基金，专注高频交易和系统化策略。
• 公司简介：成立于2009年，总部上海，管理规模超百亿，员工约300人，以算法交易和数据科学为核心。
• 招聘详情：
  • 岗位：量化开发工程师、软件工程师、测试工程师（量化方向）。
  • 待遇：提供住房支持、导师指导，实习可转全职。
  • 薪资：实习生约800-1500元/天，毕业生项目年薪25-50k。
• 申请时间：现已开放申请，针对2026年秋招。
• 申请地址：http://campus.51job.com/LONGCHEER/job.html

3.3 聚宽投资 (JoinQuant)​

• 基金性质：量化私募基金，专注股票与期货策略。
• 公司简介：成立于2014年，总部北京，管理规模超百亿，提供量化平台服务，员工超400人。
• 招聘详情：
  • 岗位：AI算法实习生、量化策略实习生、AI量化开发实习生、量化开发实习生。
  • 待遇：一对一导师、项目实战，优秀者转正机会高。
  • 薪资：部分岗位1000-2000元/天。
• 申请时间：现已开放申请，针对2026年暑期实习。
• 申请地址：https://www.nowcoder.com/feed/main/detail/90bdd55ff22a484ca89aa6ec115d8901

3.4 九坤投资 (Jiukun Investment)​

• 基金性质：量化基金，多策略覆盖股票与宏观。
• 公司简介：成立于2015年，总部北京，管理规模超百亿，员工约300人，以科技驱动的投资平台著称。
• 招聘详情：
  • 岗位：全栈开发实习生、高性能计算实习生、Quant Developer实习生、量化实现实习生、数据科学实习生、AI算法实习生。
  • 待遇：计算资源支持、专人指导，实习表现优秀可转正。
  • 薪资：实习生30-60k·16薪（按比例），约800-1500元/天。
• 申请时间：现已开放申请，针对2026年。
• 申请地址：https://www.wjx.cn/vm/mObzJHr.aspx

3.5 蒙玺投资 (Mengxi Investment)​

• 基金性质：量化私募基金，专注低延迟交易策略。
• 公司简介：成立于2017年，总部上海，管理规模超百亿，稳居国内低延迟赛道第一梯队，员工约200人。
• 招聘详情：
  • 岗位：量化研究员、量化开发工程师、AI算法研究员。
  • 待遇：创新环境、策略储备支持，实习嵌入团队。
  • 薪资：实习生约600-1200元/天，毕业生年薪30-50k。
• 申请时间：现已开放申请，针对2026年校园招聘。
• 申请地址：https://www.mxifund.com/career

3.6 黑翼资产 (Black Wing Asset)​

• 基金性质：量化基金，专注CTA与股票量化。
• 公司简介：成立于2019年，总部上海，管理规模超百亿，员工约150人，以数据挖掘和策略研究为核心。
• 招聘详情：
  • 岗位：投研实习生、量化研究实习生、行政实习生（可转正）。
  • 待遇：基金经理指导、团建活动，优秀实习转正。
  • 薪资：500-550元/天。
• 申请时间：现已开放申请，针对2026年暑期实习。
• 申请地址：https://blackwingasset.com/index.php?m=content&c=index&a=lists&catid=23

3.7 灵均投资 (Lingjun Investment)​

• 基金性质：量化私募基金，专注因子研究与股票策略。
• 公司简介：成立于2015年，总部上海，管理规模超百亿，员工约250人，提供平台赋能与资源共享。
• 招聘详情：
  • 岗位：量化研究实习生（因子研究方向）、Python后端开发工程师实习、C++开发工程师实习。
  • 待遇：员工基金奖励、高端医疗，实习每周3-5天。
  • 薪资：实习生约500-1000元/天，毕业生50-70k·18薪。
• 申请时间：现已开放申请，针对2026年春季实习。
• 申请地址：https://www.lingjuninvest.com/jiaruwomen

3.8 天演资本 (Tianyuan Capital)​

• 基金性质：量化基金，多策略包括股票与期货。
• 公司简介：成立于2016年，总部上海，管理规模超百亿，员工约200人，以进化算法和AI策略创新闻名。
• 招聘详情：
  • 岗位：基金运营实习生、量化研究员、策略开发实习生。
  • 待遇：留用机会高、数理基础培训。
  • 薪资：实习生约600-1200元/天。
• 申请时间：现已开放申请，针对2026年应届毕业生。
• 申请地址：https://www.shushuqiuzhi.com/article/91112

今天聊聊量化面试。

如果你是量化交易爱好者，正在为Citadel、Jane Street、DE Shaw这些顶级对冲基金的Offer拼尽全力，那这篇文章绝对是你的“备考秘籍”。

下面我分享的这些宝藏资源，能让你从“零基础慌张”变成“游刃有余”。

第一步：刷题为主，针对性攻克弱点​

面试的核心是刷题。顶级公司不会问你书本上的标准题，而是那些需要灵活思维的“原创”问题。

在这里介绍两个网站，是专门为量化求职者量身定制的，收录了海量真实面试题，还附带详细解析。

1. Coachquant：顶级公司真题库，还能模拟面试​

如果你正纠结“去哪找靠谱的Quant面试题”，那Coachquant绝对是最佳选择。

网址 https://www.coachquant.com/

这个网站完全是为准备求职Quant的同学亲手打造的，上面汇集了Citadel、Jane Street、Optiver、Akuna Capital等顶级公司的往年真实面试题。

在这里能看到每家公司的几十上百道题，覆盖概率、Brainteaser、数学推理、逻辑推理等全模块。每道题后都有detailed explanation，让你不只知道答案，还懂背后的思路。

建议每天刷10-20道，坚持一个月，面试时绝对稳如老狗。

另外，这里还有Alex面试助手，可以模拟面试，融合了100+位优秀面试者的经验。

2. QuantQuestion：1200+精选题+AI辅助​

QuantQuestion，整合了DE Shaw、IMC、Point72等公司的超1200道精选量化面试题目，每题都有详细解答。

网址 https://www.quantquestion.com/zh

这个网站有中文版，非常方便使用。

同样，这里不止有答案，还有多角度解题思路、代码优化建议。

更牛的是，它内置Quant AI智能辅助，能根据你的进度给出个性化推荐，让备考更高效、省力。

遇到卡壳的题，直接问AI，它会一步步拆解。想象一下，刷题不再是机械重复，而是像有导师一对一指导。

这两个网站可以互补使用：Coachquant重真题覆盖，QuantQuestion重深度解析。

记住，刷题不是死记硬背，而是复盘+优化。每刷完一轮，总结笔记，模拟面试口述解答。

第二步：每日资讯，拓宽视野+入门量化​

刷题之外，别忽略持续学习。

量化世界日新月异，变化太快了，一定要及时关注世界在发生什么。

这时，Quantocracy就派上用场了。

Quantocracy是一个专注量化和金融领域的博客聚合网站，每日更新，汇总全网的quantitative trade优质文章。

超级适合新手入门！从基础的期权定价到高级的算法交易策略，应有尽有。每天花10分钟浏览，就能跟上行业热点，避免面试时被问“最近读了什么Quant论文”时一脸懵。

第三步：打牢基础，三本圣经书缺一不可​

最后，重磅推荐三本书，绝对是面试“杀手锏”，也可以说是量化圣经：

1. Hull J.C., Options, Futures and Other Derivatives 期权、期货等衍生品圣经。面试中衍生品定价题占大头，这本书帮你从原理到应用全搞懂。
2. Mark Joshi, Quant Job Interview Questions & Answers（红皮书） 量化面试题海+答案解析，经典中的经典。Brainteaser和概率题，这里面几乎全覆盖。
3. Xinfeng Zhou, A Practical Guide to Quantitative Finance Interviews（绿皮书） 实用指南，聚焦面试实战。数学+编程+逻辑，步步为营，适合自学者。

这些书的电子版，可以回复“quant books”免费领取。

结语：行动起来，Offer等你拿​

量化面试，说难不难，说简单也不简单。关键是系统准备+持续输入。

用Coachquant和QuantQuestion刷题，Quantocracy吸取资讯，三本书打底子——这份攻略执行到位，顶级Quant岗位指日可待。

如果你是量化新人或在校生，课余时间不妨从这些资源入手，丰富知识的同时，顺便为未来铺路。

有什么刷题心得或面试经历，欢迎评论区交流！回复关键字领书，一起冲鸭~

今天是节后复工第一天，想必大家也都返回了工作岗位。

在这里后祝大家国庆&中秋双节快乐。

这个假期，我没有出去玩。

在这一段整块的时间，我用Cursor搭建了一个网站，也算是终于有了一块沉淀自己的自留地。在此要感叹一下，现在大模型对个人的赋能太厉害了，在Cursor+Chatgpt+grok的加持下，我就像带领着一个团队，开发效率的提升让我震惊。

网站内容是记录我的加密货币量化研究、实盘交易复盘与大模型赋能经验。

对量化有兴趣的同学欢迎访问，地址是 https://frank-quant.github.io/quant-website/

开发阶段的代码基本是Cursor帮我写的。因为我开了pro会员，给定的额度也足够我用了。

在架构设计阶段，我想把它做成一个“量化+LLM的wiki”，不仅仅是我的学习沉淀，也能帮助其他同学来这里学习参考。

大部分内容还需要继续补充，目前框架是搭建好了。

在顶部的工具栏，可以看到网站主要的几个模块。

1. 基本概念​

这里包含quant trade \ LLM \ Crypto的基本概念，未来的内容会很多。

预期会提供完整的知识体系，涵盖加密货币、量化交易和大语言模型三大核心领域。

2. 入门教程​

新人看这里，能够手把手教你跑通第一个量化程序。

目前补充了Freqtrade sqlite的一些技术内容。

3. 策略分享​

在这里分享实用的量化交易策略，从基础到进阶，从理论到实践。

4. 实用工具​

这里汇集了很多量化、LLM大模型工具，帮助更好地编写量化策略。

目前我把freqtrade官方文档翻译了一份中文版。

5. 量化图书馆​

精选量化交易、金融工程、投资心理等领域的经典书籍与读书笔记，帮助系统提升理论与实战能力。

6. 实盘记录​

这里记录了实盘交易的复盘。

7. 博客​

包括行业观察、市场分析、LLM应用案例、技术分享等。

大家好，我是frank，专注Crypto+Quant+LLM的深度融合和行业进展。

今天是2025年10月6日，全球所有资产都迎来了一波暴涨。

先来点硬核数据：

• 美国三大股指集体破纪录：道琼斯指数首次狂飙突破47,000点大关，标普500指数小幅收涨0.06%站上6,715.35点，纳斯达克指数紧咬不放，触及日内新高；
• 黄金王者归来：价格直奔历史巅峰3,948.40美元/盎司，创下近百年最耀眼高点；
• 比特币王炸全场：一夜之间突破125,000美元关口，最高飙至125,700美元，全新历史新高！

怎么样，看到这些数字，有没有在这秋高气爽的10月，感受到另一股来自金融市场的热浪？

股票、黄金、比特币，这些曾经“各玩各的”资产，现在齐刷刷地站上了巅峰。这不是科幻电影，而是2025年真实上演的“资产狂欢”。

1. 市场认为现金是一文不值的​

2025年，最火的交易策略叫“debasement trade”（贬值贸易）。

简单说，就是市场赌法币会进一步贬值，于是资金疯狂涌入其他硬资产。

2025年整体还是比较动荡。俄乌冲突和平无望、以色列在中东频频开火、美国政府关门闹剧 等等，都让美元指数持续走弱，投资者都在担心美国“印钞救市”会稀释货币价值。 于是“集体背弃”了现金。

想想看，现金（美元、日元等法币）躺在银行里，本该是“安全港湾”，但在通胀隐忧和政治不确定性下，它成了“定时炸弹”。

于是，全球央行开始加速囤积黄金储备，避开美元贬值风险。

市场在用脚投票：现金的购买力在蒸发减弱，为什么不换成能“抗贬”的宝贝？

2. 集体狂欢背后的风险​

好消息是：如果你手里正拿着股票、黄金或者比特币，那最新一段时间应该乐开了花，你的财富正“躺赢”。

但坏消息是，这一轮行情明显是不理性的，泡沫总有破灭的一天。

历史上，2022年的“加密冬天”和2020年的闪崩，都提醒我们：狂欢往往是风暴的前奏。比特币的波动性高达80%以上，黄金虽稳，但也难敌黑天鹅。

市场情绪如潮水，来得猛去得快。别FOMO（fear of missing out），要时刻关注隐藏的风险。

3. 守好本金，分散配置​

我一直强调：本金是“生命线”。

这场资产狂欢虽诱人，但守本金才是王道。

一定要预留应急现金池，留10-20%的现金，不是囤积，而是当做“机会基金”。当市场恐慌时，它就是你的“抄底”的武器。

记住，巴菲特的名言：别人恐惧时我贪婪，但前提是本金安全。

总之，别让一夜暴富的幻想，毁了你的长期复利。

（本文基于公开市场数据，仅供参考，不构成投资建议。投资有风险，入市需谨慎。关注frank-quant，更多干货等你解锁！）

量化交易——这个曾带着神秘光环的领域，如今正以不可阻挡的势头，成为中国金融市场最热门、最有“钱景”的赛道。

它不只是编程和金融的简单叠加，更是数学、统计、计算机与金融工程多学科交叉的前沿阵地。

尤其是最近几年LLM大模型和各类AI编程工具的涌现，极大降低了量化交易的技术性门槛，让“个人量化”成为可能。

无论你是计算机、统计、金融、经济学专业的毕业生，还是仅仅有一些粗浅的编程经验，只要有热情和自驱力，极度渴望用AI+金融做一些事情，那么量化交易就是为你准备的竞技场。

本文将带你透视中国量化行业的格局、核心机构，以及最实用的入行路径。

1. 什么是量化交易？​

量化交易（Quantitative Trading）是通过数学模型、统计分析和计算机程序，在海量市场数据中寻找、验证并执行交易机会的过程。

它与传统交易最大的区别在于：决策不再依赖人为的经验和直觉，而是完全数据驱动、策略测试与风险控制。

主流的量化策略有以下类型：

• 高频交易（HFT）： 以微秒为单位进行买卖，追求极致的速度和执行效率。
• 统计套利： 利用资产之间的统计关系（如配对交易、协整性）进行低风险套利。
• 因子投资： 基于特定的风格因子（如动量、价值、成长）来构建投资组合。
• 机器学习策略： 利用AI/ML模型（如神经网络）来预测价格走势或信号强度。

==情绪是市场的敌人，而量化是我们的盟友，可以规避情绪对交易的误判。==

2. 国内有哪些做量化的机构？​

近年来，在国内，量化交易从小众走向主流，市场参与者日益丰富，共同塑造了一个多层次的量化生态。

2.1 私募量化机构（Quant Hedge Funds）​

这是行业中最具影响力、薪酬最高的群体，他们的交易系统高度自动化，以追求绝对收益为目标。

2.2 公募基金量化​

如华泰柏瑞、易方达、富国、嘉实等。它们专注于长期稳定的量化投资，策略风格更贴合大众，适合风险偏好较低的应届生入门。

2.3 券商自营与资管​

中金公司、中信证券、华泰证券等头部券商设有量化研究岗，主要负责套利、风控模型、以及策略研究，对工程背景有偏好。

2.4 外资投行​

摩根大通、高盛、花旗等在全球量化领域经验丰富，其驻华部门重点研究跨市场套利、因子研究和交易执行优化等国际化方向。

3. 量化行业有哪些职业岗位？​

量化行业提供了清晰且回报丰厚的职业路径，核心岗位主要分为研究和工程两大类。

3.1 核心初级岗位​

量化研究员 (QR)，主要负责构建策略、挖掘因子、设计和优化回测系统。需要有扎实的数理统计功底、Python/R、金融知识； 策略开发工程师 (Quant Dev)，主要负责将研究员的模型部署为高性能、低延迟的交易系统。需要C++ / Python、高并发、低延迟系统设计经验； 数据工程师 (Data Engineer)，负责海量数据的清洗、API搭建、数据库设计和维护。需要熟悉SQL、分布式数据库、数据管道技术。

在量化行业，一般薪酬也是非常吸引人的。在一线量化私募，优秀应届毕业生的年薪起步可达 40万-80万元人民币，顶级机构还会提供丰厚的期权激励。

3.2 高级岗位进阶​

随着经验的积累，职业路径会向更高级的管理和决策层发展，包括：资深策略负责人、投资经理（PM）、首席技术官（CTO）、直至合伙人（Partner）。

4. 想入行量化应该做什么准备？​

量化交易并非只属于“数学大神”，它更青睐那些能够持续学习、独立思考，并将理论付诸实践的人。

如果你具备以下特质，就非常适合：

• 热爱数学、统计学和编程，对Python、C++、SQL等语言有实战经验；
• 擅长分析复杂问题、构建模型，并能独立推演逻辑；
• 愿意接受失败，通过不断测试和验证来持续优化策略；
• 对金融市场有浓厚兴趣，关注市场动态与数据背后的逻辑。

对于想入行做量化的毕业生，我建议：

• 打好编程基础： 深入学习 Python 及其科学计算库（Pandas, NumPy）；
• 了解金融内核： 学习金融基础知识和经典量化策略的原理；
• 多加实践： 积极参加 Quant 竞赛（如Kaggle、各大机构挑战赛）或寻找相关实习；
• 构建个人项目： 尝试用 Freqtrade 等开源框架构建个人的量化项目或回测系统，这是简历中最具说服力的部分。

总而言之，量化交易是一个竞争激烈但机会无限的行业。它要求你拥有技术深度，也要求你理解金融市场。

不要被高门槛吓退，真正的核心竞争力是持续学习和独立思考的能力。

==现在，就是你入局的最佳时机。==

今天来聊一聊一个刷屏AI科技圈的大事：Cursor AI团队公开了他们的内部入职项目指南！

就在10月2日，Cursor的GTM负责人Kash Ye Churi在X上分享了这个消息，引起很多开发者关注，短短两天就有2万多人感兴趣。

这里没有枯燥的PPT，也没有枯燥的讲座培训，而是一份“动手即上手”的实战指南，帮助非技术人员在几天内从零构建、部署一个完整项目。

访问链接：Building with Cursor

项目主页面的背景图也很考究，是古希腊神庙+Cursor标志性的立方体logo。表示“从砖块到殿堂”，这里就是借助AI走向开发者的第一步。

这份公开指南非常简洁，专为零基础设计，总时长1-2天就能完成。

最核心的步骤只有6步，超级友好。不用担心不会写代码，我们全程只需要使用“自然语言”即可——你说“帮我建个聊天机器人”，Cursor就能自动补全！

1. 安装并配置Cursor​

下载Cursor，安装并配置必要的API密钥。这一步跟安装其他的App一样简单，完成后就能进入“AI协作模式”。

Curosr新用户可以免费试用两周。如果你跟我一样，也是每个月花20美元买的Cursor Pro，直接使用即可，已经包含了很多额度，基本用不完。

2. 快速了解Cursor界面​

这一步主要熟悉聊天面板、代码补全区。

关键的是要学会用提示工程（prompt），让AI懂你心意。如果已经有过使用大模型工具的经验，这一步会非常简单。

3. 创建项目​

这里可以选择模板或者空项目，和“新建文件夹”一样简单。

到这一步可以发现，前面三个步骤都属于前摇，不算干货。但毕竟教程是针对小白的，可以说十分友好了。

4. 个性化配置：加点“你的味道”​

调UI、加功能，用AI优化。这里要多问问AI，哪里可以优化、怎么优化？

5. 集成GitHub：学会团队协作​

设置repo，掌握commit/push。非技术人也能玩转版本控制，不怕代码丢了。

6. Vercel部署：一键上线，成就感爆棚​

绑定域名，环境变量搞定。项目就活了！分享链接，朋友圈炫耀去吧。

这份指南的魅力在于实用闭环：不教理论，只教行动。

Cursor强调：“Build & Ship”，完美契合当下“快速迭代”的职场节奏。

无论你是职场新人、转行码农，还是好奇宝宝，都值得一试。

去下载Cursor，挑个idea，跟着6步走——说不定，你的第一个项目就成了简历亮点！

高盛最近发了2025 AI产业研报《Powering the AI Era》，非常有参考价值。提炼总结一下，可以分为19点： 1. AI是基础设施革命：AI是继铁路、电气化、互联网后的重大技术拐点，其发展依赖资本与基础设施支撑，而不仅仅是代码与模型。 2. 天价成本结构：一座250MW AI数据中心总成本约120亿美元，其中内部GPU等设备成本是物理建筑成本的3-4倍。 3. 最紧迫瓶颈在电力：到2030年，全球数据中心电力需求预计激增160%，但当前老旧电网无法适配，构成最紧迫瓶颈。 4. 短期电力矛盾突出：天然气电厂审批建设需5-7年，风光能源供电间歇性强，核电是长期方案，导致短期电力供需矛盾尖锐。 5. 功耗密度飙升：2027年AI服务器机架功率将是5年前云服务器的50倍，GPU高能耗亟需液冷等先进散热方案。 6. 资本投入创纪录：超大规模企业（如亚马逊、谷歌）计划2027年投入1万亿美元用于AI，2024年全球该类企业日资本支出约8亿美元。 7. 供需严重失衡：全球数据中心空置率仅3%，热门市场近0%，2028年前难有大规模新增电力，供需缺口显著。 8. 融资模式创新：传统融资失效，需VC、SASB证券化等创新方式。2025年数据中心SASB交易规模预计突破20亿美元。 9. 主权基金入场：2024年Equinix联合新加坡主权基金、加拿大养老金募资150亿美元，用于扩建美国超大规模数据中心。 10. 电网老化严重：美国电网设施平均已使用40年，2030年美国数据中心需求与供应缺口将达10.4GW。 11. 能源结构预测：高盛预测，60%数据中心新增电力需求将由30%天然气CCGT、30%天然气调峰电厂、27.5%太阳能、12.5%风能满足。 12. 核电目标远大：美国政府推动2050年核电容量达400GW（当前100GW），微软等企业通过长期购电协议重启旧核电站。 13. 表后供电兴起：“自建微电网、直连电厂”成为绕开电网瓶颈的选择，但存在污染与监管争议。 14. 全球资本需求：到2030年，全球能源转型、电力与公用事业、数字基础设施分别需12万亿、3万亿、2万亿美元资本。 15. 新加坡REIT优势：新加坡REIT市场（规模680亿美元）因税收优势，成为全球数据中心REIT上市热门选择。 16. 新玩家涌入：除超大规模企业外，新兴云厂商也在斥资建设GPU数据中心，加剧市场竞争。 17. AI推理耗电巨大：一次ChatGPT查询的耗电量约为一次Google搜索的10倍，凸显AI应用能效差异。 18. 铜成为战略资源：电网大规模升级将推动铜需求，到2030年，电网建设将贡献全球铜需求增长的60%。 19. 地缘政治工具化：数据中心选址已成为地缘政治工具，各国通过政策吸引投资，报告指出中国在电力供应方面具备优势。

最近正好是国庆假期，大一新生都刚刚结束了军训。国庆假期之后，也正式开始了大学生涯。

回想我的大一开学，已经是遥远的2013年了。在学校度过的4年本科+3年研究生，是我人生中最重要的阶段，也是我的人生观、世界观和个人技能塑造最最重要的7年。

现在，我已经是一个工作5年的老鸟。回想当时的大学生活，也颇有感慨。

在这里不装不吹，跟各位本科朋友们，尤其是计算机专业的同学，分享几个建议，希望对你们有用。

1. 一定要读一读互联网史​

自1980年个人pc普及以来，信息革命的浪潮席卷全球，才催生了一系列科技巨头，深刻改变了人类的生活方式。

微软、IBM、甲骨文、Google、苹果等巨无霸公司，就是在这样的背景下诞生。

读互联网史不是怀旧，而是以最低成本了解互联网浪潮的来时路，更快地建立“技术直觉”，培养商业嗅觉。

结合我的经验，我强烈建议在大一就阅读这几本书：

《浪潮之巅》​

这本书的作者是原Google大牛吴军博士，分章节讲解了IBM 公司、苹果公司、英特尔公司、微软公司、思科公司、雅虎公司和Google公司是如何把握时机并发展壮大，系统地介绍了这些公司成功的本质原因及科技工业一百多年的发展。

书中讲述的IT领域的曾经的和当下的巨头们的发展史，论证了一波波浪潮的特征。就像说人这一辈子是一命二运三风水一样，公司的发展不可能只用浪潮来归纳。管理、创始人的个人能力、资源等等，都可能影响到一个公司的发展，理解浪潮，可以减少发生以卵击石、螳臂挡车的惨剧。

书中最让我印象深刻的话，是 “在工业史上，一种新技术代替旧的技术是不以人的意志为转移的。人生最幸运之事就是发现和顺应这个潮流。”

现在的大模型、AI、Agent 又何尝不是新一波正在汹涌的浪潮呢？

在我看来，《浪潮之巅》绝对可以称之为中国IT领域的名著。

《沸腾十五年：中国互联网1995-2009》​

这本书着重讲解国内互联网发展史。

在这里你能看到马化腾、丁磊、张朝阳、马云、陈天桥、李彦宏、史玉柱、田溯宁、张树新、王志东、王峻涛、雷军、周鸿祎等等这些大佬们当年创业发家的故事，看了令人热血沸腾，会产生一种马上就进行互联网创业的冲动。

很多00后都会说，“80/90后只是赶上了好时候，我们已经错过了高速发展的列车”。

那就应该来看看，那个“好时代”到底是什么样的，如果你身处其中，能否掀起一些波浪？

《沸腾新十年》​

这本书其实有两本，目前都已经初版了。主要讲的是2010年后中国移动互联网的发展史。

美团、快手、抖音、今日头条、拼多多……在这里你都能看到，当年为什么是这些公司胜出，他们有的胜在商业模式，有的胜在组织效率，都有值得我们学习的地方。

这两本书写的非常精彩，有种荡气回肠的感觉，看得出作者花了非常多的时间，因此整本书感觉非常扎实，无论是从史料，八卦，严谨度都绝对可以算得上是考古史料一般的存在，基本上还原了整个互联网发展的历史脉络，把每一个大的时间段，大的公司，以及个人，都囊括进去了，说是百科全书也不过分。

我认为，无论是对于从业者，还是对于想了解互联网尤其是移动互联网发展史的朋友来说，都算得上必读书和入门书的存在。

2. 一定要了解AI前沿发展​

现在AI绝对是大风口，技术进展日新月异。前几天还都在说Google的nano banana，今天就全都在聊OpenAI的Sora2了。

强烈建议从大一就开始看 AI。特别是要建立工程化能力。

读几篇综述/教程就上手做一个能跑得起来的小作品，就能比只刷新闻的人更快建立“可迁移的能力”。

我在学校时最大的收获，是把“看论文”变成“做小实验再写复盘”。当你能把一个想法在本地跑通，再解释自己为什么这么做，你就已经领先了绝大多数只会转发的人。

这里推荐一个播客节目，《张小珺 商业访谈录》，每一期都会对国内AI大牛或创业者进行访谈。刚开始听不懂没关系，硬听下去慢慢就理解接受了。

3. 坚持做一件输出型的事​

很多人以为“会了再写”，其实“边写才会”。输出是迫使你把模糊的理解变成清晰结构的最好方式。

选一个你愿意长期维护的载体：博客、GitHub、播客或微信公众号，坚持一年，你会明显感受到知识的复利。

我常用的做法是固定一个“输出时段”，用同一个模板写：问题是什么→我怎么做→结果如何→有哪些坑→下一步做什么。久而久之，你会形成自己解决问题的方法库。

4. 早日开始打造个人IP​

个人 IP 不是“包装”，而是“清晰可见的持续产出”。

从两个问题开始：我希望被谁认识？我希望被哪些关键词记住？回答清楚后，围绕这个主题持续创作，把作品沉淀到可被检索和复用的地方。

5. 国际化视野很重要​

一定要学好英语！一定要学好英语！一定要学好英语！

很多人会认为，国内技术已经很发达了，不用英语也没关系，看看搬运翻译过来的内容就行。这样想就是大错特错。

现在很多前沿的技术进展，第一手资料通常都在国外官方文档、论文和社区讨论里。你越早适应英文输入与输出，越能直接接触世界范围的最佳实践与机会。

6. 不要只是局限在计算机行业​

计算机是“通用方法论”，真正的机会在具体场景里。

和不同专业的同学一起做项目，你会学到如何定义问题、如何权衡产品与工程、如何用数据和实验说话。

我见过最好的成长路径，是做一个跨学科的小项目：哪怕只是“课程表自动排版”“实验室设备预约助手”“校园活动数据看板”，都能让你跑完一次从需求到上线的闭环。

以上就是我的分享，如果其他的职场老鸟看到了，也可以在评论区分享一下自己的建议。