摘要：生成式AI（GenAI）正在改变市场的运行方式，无论是企业内部流程、客户互动，还是高频交易决策，AI的应用已不再只是概念，而是竞争力的关键。DeepSeek的横空出世，不仅在GenAI界投下重磅炸弹，其母公司幻方量化的背景，更引发人们开始讨论GenAI应用在量

生成式AI（GenAI）正在改变市场的运行方式，无论是企业内部流程、客户互动，还是高频交易决策，AI的应用已不再只是概念，而是竞争力的关键。DeepSeek的横空出世，不仅在GenAI界投下重磅炸弹，其母公司幻方量化的背景，更引发人们开始讨论GenAI应用在量化交易领域的可行性与预期。

Kronos Research、AWS、Nurie AI、联发创新基地、国泰世华与台湾大等业界领袖在2月21日AI Summit中，揭示了AI如何从企业应用扩展至量化交易，并对未来市场带来重大影响。

GenAI应用无所不在，LLM加持创新蓄势待发

这次AI Summit由Kronos Research与Nurie AI共同主办，传提交的趋势莫过于AI已成世人关注的焦点。尽管AI仍处于早期阶段，但AI转型势在必行，创新的AI／GenAI应用陆续就绪，进而带来全新商机。

从一般企业应用到量化交易都可以看到GenAI全面应用的身影。当前企业客服中心、内部知识库与聊天机器人，早已开始运用检索增强生成（RAG）与LLM结合，让模型更全面地理解并回答问题。金机构也正在使用GenAI来改善提升顾客体验、生产力与创新。

量化交易公司Kronos Research正积极运用GenAI来提升市场研究与交易策略。其核心技术之一是价格预测模型，通过AI训练超过3,000至6,000个市场特征，预测不同时范围内的价格变动。此外，Kronos也利用GenAI优化程序代码审查（Code Review）与交易策略研发流程，加速决策效率。

Kronos Research资深IT基础设施经理Kyle Tsai表示，团队决定GenAI的首要应用场景就是程序代码审查，并且利用RAG进行高效率且全面性的程序代码分析。（Source：Kronos Research）

另一个值得注意的趋势是，当地端投资AI基础设施的效益，远远赶不上昂贵GPU芯片迭代的速度，因此企业花大钱构建相关基础设施并不合适。AWS解决方案架构师团队主管廖伟凯表示，通过云计算可以更多样地选择各种业界领先的基础模型，不论何种规模的企业皆可无碍地使用各种先进模型与GenAI服务，这也是促进GenAI应用无所不在的重要因素，更是让企业AI转型之旅全面加速的关键基础。

企业AGI五大阶段推进，掀起从企业到交易市场的全面变革

随着GenAI的广泛应用，为企业与交易市场带来影响与变革，但究竟是造成短期的影响，还是长期的变革？如前文所述，从一般企业应用到量化交易无不使用GenAI来提升效率，许多企业多年来致力推动数字转型与可持续发展转型，如今更借由AI转型来全面优化两大转型的实施成效。

OpenAI将GenAI最终通往通用人工智能（AGI）之旅分为5个阶段：聊天机器人（Chabots）、推论者（Reasoners）、代理人（Agents）、创新者（Innovators）及组织者（Organizers），目前业界正准备进入代理人阶段，借此在市场上获得竞争优势。企业因此投入更多资源与资金，追求最先进的AI／GenAI模型与技术来解决更复杂的问题，取得主导市场的领先地位。

对于运用人工智能运维（AIOps）技术来降低运营成本、简化IT运营并提升客户体验的Nurie AI团队来说，他们也正在通过GenAI来更进一步地提升AIOps效率，这正显示出GenAI正在推动企业运营的长期变革。

随着科技巨头纷纷推出自家AI代理，例如Google Project Mariner、Anthropic Computer Use及OpenAI Deep Research，联发创新基地资深研究经理陈宜昌表示，2025年甚至被视为AI代理开展的关键年度。企业也将因代理式工作流程（Agentic Workflow）而迎来升级，所谓代理式工作流程是指，AI能从现有资源，根据情况采取行动并辅助完成任务。

在量化交易的世界里，策略与模型的创新效率决定胜负。Kronos Research正通过GenAI技术加速交易模式的革新，从程序代码自动化、量化研究，到价格预测，AI已成为市场决策的核心推动力。随着AI代理（AI Agent）与LLM技术的进步，金融市场将迎来新一波智能化革命，未来或将演变为完全由AI Agent驱动的投资与交易，改变传统市场运行方式。

寻求AI应用落地关键突破点，奠定企业竞争优势

前不久DeepSeek RI的推出实现了以更少数据、更低成本也能开发出高性能AI的可能性。过去被少数科技巨头垄断的局面因此被打破，即使中小型企业也能基于现有的LLM训练架构进行分层优化，使训练与推理更高效、更具经济效益，这为今后LLM的发展带来典范转移的影响。

台湾大首席信息官蔡祈岩分享到，今后企业不仅能在第一阶段将预训练模型放大，还能在第二阶段，通过强化学习（Reinforcement learning, RL）加上思考链（Chain-of-thought），让模型的“推理”能力更上一层楼。

带动企业AI应用落地的因素很多，除了上述几个关键突破点之外，国泰世华银行技术经理Fu-Ming Tsai表示，为了解决LLM处理大量文本过程的耗时问题，企业可以使用语义缓存（Semantic Cache）来加速LLM的回应速度。如今将GenAI应用在聊天机器人上已经十分普遍，许多企业借此完成了第一阶段的AGI之旅。

随着技术的持续突破，AI推论及算力成本的降低，支持各种先进AI模型的云计算应用普及，包含从编码到预测分析等各种突破性技术的推陈出新，让各式各样能满足不同企业需求的AI应用遍地开花。这一切势必将加速AI代理颠覆产业的脚步，代理人经济的热潮也将扑面而来，进而实现AGI盛世的终极愿景。

来源：十轮网