人工智能正在改变量化金融领域的职业发展，而且影响远不止于投资银行里的传统量化分析师。电子交易公司和做市商多年来一直在抢夺顶尖人才，而 AI 正在让这群人的工作效率成倍提升。但与此同时，这也可能让这批人才更有可能选择跳槽离开……
一、 电子交易公司如何运用人工智能？
人工智能是一个涵盖广泛的领域，量化公司使用它的历史由来已久。
1. 传统 AI 技术应用
机器学习工具（NLP & 计算机视觉）： 已被量化分析师使用了数十年；帮助他们从海量数据集中寻找特定信号，从而决定买入还是卖出某种资产。
示例： NLP 可以分析数百万条社交媒体帖子，通过搜索特定的关键词、语法或其他信号，来提取消费者对某一股票的整体情绪。
强化学习 (Reinforcement Learning)： 一种让 AI 模型通过模拟试错来评估最佳行动方案的技术，可用于开发能在最精准时机下单的执行算法。类似的技术也可用于分析交易后数据，以持续优化模型的未来表现。
风控管理： 量化风控团队可以利用这些工具来决定给每位交易员分配多少资金。
2. 2026 年：应用迈向全新高度
到了 2026 年，人工智能在电子交易公司的应用被推向了一个全新的高度。虽然工作的本质没有变，但数据量和分析速度却呈抛物线式爆发增长。用于数据分析的 GPU 性能愈发强大，大型语言模型能够更高效地摄取并结构化数据，这意味着传统的机器学习方法可以应用到庞大的数据集上，进行深度分析。
编程语言与工具偏好：
简街资本（Jane Street）至少从 2024 年起就一直在鼓励交易员使用 Python 来构建交易策略。
该公司表示，他们尤其偏爱 PyTorch 库（而非 TensorFlow 等其他选项），因为它允许交易员极快地迭代不同的策略。同时，像 Mojo 这样新兴的编程语言也在他们的考虑范围之内。
算力与私有 GPU 集群扩建：
Jane Street： 在过去一年中 GPU 数量似乎翻了一番，目前已拥有数万张 GPU。
Quadrature： 一家规模较小、但人均薪酬高达数百万美元的 AI 交易公司，截至 11 月已拥有约 2 万张 GPU，相当于每位员工分到约 11 张芯片。
XTX Markets： 拥有最为惊人的算力集群之一——其招聘信息显示，这家做市商拥有“2.5 万张 GPU 以及 650 PB 的可用存储空间”。
3. 自研工具 vs. 现成系统
交易公司在迅速采用现成 AI 工具的同时，也在自主研发相关系统：
Hudson River Trading (HRT)： 员工们每天在 API Token 上花费上千美元不仅被允许，甚至还会受到鼓励与表彰。
Jane Street： 在采用现成的 AI 编程工具时遇到了阻碍，因为他们使用的是 OCaml 这种相对小众的语言。Jane Street 负责开发 Agentic（智能体）工具的工程师 John Crepezzi 在去年的一次演讲中表示，Jane Street 内部拥有的 OCaml 代码量比全球其他地方加起来还要多。
更广阔的资本布局：
除了传统的交易业务，交易公司还通过成立风险投资部门，在 AI 领域的更广阔范围内进行了巨额布局。例如，Jane Street 持有 Anthropic 的股份。不过，量化巨头的投资并不局限于 AI 领域——Jump Trading 和 Susquehanna 都投资了 Kalshi 和 Polymarket 等预测市场平台。
二、 交易公司中哪些职位最安全？哪些面临最大威胁？
曾任高频交易员、现运营初创交易所 QFEX 的 Annanay Kapila 表示：
“最优秀的人才能够极好地驾驭 AI，从而变得超级高效并赚取巨额收益。”
随着公司越来越需要能够跨领域协同的复合型人才，研究、基础设施和开发等部门之间的界限已经开始无缝整合，不再各自为政。
AI 正在打破研究、基础设施与开发等部门的界限，促使团队深度无缝整合。能够熟练驾驭 AI 的顶级复合型人才将实现效率爆发，创造巨大收益。融合人类直觉的独一无二超额Alpha（Alpha 信号）将被推向更高地位。获取独家数据的能力变得极其关键，溢价更高。纯系统化建模分析师则受到巨大冲击，前沿 AI（如 Claude 相关模型）已能极快搭建策略基础模块并识别复杂模式。
某资深量化猎头指出，顶级交易公司目前最担忧求职者过度依赖 AI，导致丧失最底层的代码构建能力与独立解决复杂问题的核心功底。
三、 交易公司与 AI 实验室之间的“拔河争夺战”
对电子交易公司就业格局影响最大的，与其说是 AI 工具本身，倒不如说是开发这些 AI 工具的公司。
1. 天价薪酬与股票诱惑
像 Anthropic 和 OpenAI 这样的人工智能实验室一直在公开从高频交易（HFT）公司挖角顶尖人才：
惊人薪酬： 早在 2024 年，他们就曾向仅有几年经验的 HFT 量化分析师开出高达 300 万美元 的年薪包。业内人士透露，量化金融领域的人才正在大量流向 AI 行业，而反向流动的人数却寥寥无几。
高额底薪： Anthropic 招聘研究工程师的岗位中，只要要求包含量化金融（或竞争对手 AI 实验室）背景的，仅基础底薪就高达 85 万美元。
股权爆发增长： 如果算上股权激励，最终的整体回报还要高得多。一位 OpenAI 的员工在上周接受《商业内幕》采访时透露，尽管他才入职三年，但由于公司估值呈爆炸式增长，他手里的 OpenAI 股票价值已经达到了 5000 万美元。
2. 学术自由与使命感驱动
对许多求职者来说，高薪甚至不是最重要的吸引力：
AI 实验室： 有机会在顶级顶尖学术期刊上发表论文，并且理念上与实现“通用人工智能（AGI）”的宏大使命高度契合。
量化基金： 做出最顶尖的技术突破和策略成果，都只能作为商业机密被永久封存。
3. 工作体验与文化对比
前 Jane Street 交易员 Grant Stenger 在今年早些时候接受 FT Alphaville 采访时总结道：
核心工作： 两者的核心工作其实完全是一样的——你都是利用数据建立模型，在特定约束环境下运行模型，然后根据反馈在未来的迭代中持续优化模型。
工作文化与工时：
量化分析师： 表示金融业的工时反而相对更少一点，因为工作主要是围绕开盘时间展开。
AI 实验室员工： 认为长工时对他们来说完全不是负担，因为他们是在为自己认同的使命而奋斗。
如果是你，面对量化基金的高额现金回报与 AI 实验室的 AGI 使命感+股票爆涨，你会怎么选？
👇 欢迎在评论区留下你的看法，一起聊聊 AI 时代下的金融与技术变革！
关注@Quant Bridge，获取全球金融信息和职位更新。
免责声明：本篇内容基于公开渠道整理，包括公司官网，媒体报道，招聘信息及实习体验文章，内容仅用于非商业目的的信息传播。如有不当引用或侵权，请联系我方删除，感谢理解与支持。
