日前，由证券时报主办、长江证券（000783）协办的“2026中国金长江私募基金发展论坛”在上海举行。在“量化投资的进化新格局”圆桌讨论中，灵均投资首席投资官马志宇，蒙玺投资创始人、总经理李骧，黑翼资产创始合伙人邹倚天，聚宽投资总经理、合伙人王恒鹏共同参与研讨，长江证券（000783）研究所金工首席覃川桃担任主持。
嘉宾们讨论认为，国内量化行业已经彻底告别依靠市场红利扩张的粗放增长阶段，未来机构之间的差距，将由算力储备、AI 研发、人才梯队、组织管理以及全球化布局五大维度共同决定。
流动性供需失衡，短期超额回归常态
进入2026年，A股风格急剧切换，量化超额持续走弱，市场开始出现“量化策略失效”的讨论。在几位嘉宾看来，本轮超额回落并非策略底层逻辑崩溃，而是资金供需、市场结构和行业生态三重因素共振下的合理均值回归。
马志宇从A股风格结构拆解了行情分化的逻辑。在他看来，2024年9月至2025年末，市场进入牛市行情，整体涨幅显著，并伴随流动性明显提升，带来更多的阿尔法机会，支撑了当期量化产品较强的超额收益和绝对收益表现。进入2026年后，量化超额收益相比此前有所调整，一方面属于正常的均值回归，另一方面受今年结构性分化行情影响，少数板块涨幅和流动性较高，而大多数行业板块表现并非特别突出。量化策略通常持仓分散，短期而言，在极端分化的市场环境下，获取超额收益面临一定挑战。长期来看，量化行业的持续发展需要投研能力的不断迭代与深化，其系统化的投资方式要求持续寻找更多元化、分散的阿尔法来源，同时，还需要建立完善的风险模型，更好地管理波动性，在长期业绩表现良好的基础上，提高超额收益交付的确定性和稳定性。
李骧指出，经过多年投研迭代，头部量化在因子框架、交易算法和风险模型上的趋同度较高，浅层量价、资金流因子趋于饱和。2025年入场的增量资金主要追逐过往超额亮眼的短周期（883436）策略，进一步加剧了策略拥挤。一旦市场风格反转，所有量化机构会同步降敞口、止损调仓，互相侵蚀超额收益。现阶段行业竞争已转向精细化运营能力。
浅层红利消退，增量Alpha聚焦细分赛道
过往国内量化的超额收益主要依赖日内量价、盘口微观结构和短期资金流三类浅层信号，这类信号开发难度低、回测收益稳定，但复制门槛极低。参与圆桌讨论的几位嘉宾认为，新增Alpha（ALP）将不再来自于单点突破性因子，而是来自小众生态、跨周期（883436）融合和基本面量化三类低拥挤赛道。
李骧提出，多频段信号融合是适配全规模机构的通用解法。当前毫秒级日内赛道超额逐年衰减，而3—20个交易日的中短周期（883436）信号关注度偏低，市场无效性尚未被充分挖掘。将日内、短线、中线三类低相关信号融合，并严格约束行业、市值和波动率三大风格漂移，能够对冲单一周期（883436）行情的波动。
邹倚天分享了头部机构的差异化研发思路。他表示，百亿级量化机构受限于策略容量，无法依靠单一频段信号持续增厚收益，需要搭建轻量化的并行研发小组，分别推进量价和基本面两条研究线，避免内部趋同。但他也明确，组织架构优化属于长期慢变量，短期贡献有限，头部机构仍须依托AI挖掘非线性隐性因子。
王恒鹏着重分享了聚宽投资在AI领域的探索与实践。王恒鹏指出，聚宽投资正在持续探索AI自主驱动投研，AI已经成为聚宽投资重要的能力增量来源。他结合实测数据，详解了AI在Alpha（ALP）挖掘中的落地价值；从因子产出看，聚宽投资目前来自AI方法论的新因子占比已经超过70%。
AI重构量化投研全链路，人机协同成主流
量化行业是国内最早落地AI工具的资管细分赛道。2025年之前，AI仅用于因子回测、数据清洗等辅助工作；2026年大模型能力迭代后，AI开始重构因子挖掘、组合构建、交易风控和合规运维等全业务链路，彻底改变了投研生产范式。
马志宇梳理了投研人员工作模式的变革。量化投资本身根植于数据、模型、预测与优化体系，据他介绍，现在AI的融入正在从根本上重塑整条投研生产链路。
首先，AI实现了研究人员个体效能的提升。以往研究员依靠研读文献挖掘思路，再开展大量回测验证，整体研发周期（883436）较长，同时传统机器批量挖掘因子，又存在逻辑浅层、产出质量不足的问题；如今依托大模型，能够迅速梳理海量文献、提炼研究思路，还可直接完成代码编写、公式与参数优化，既能大幅提升因子开发效率，也进一步加深研究深度。
其次，个体效率的变革推动了投研角色与模式的迭代。随着个人能力边界不断拓宽，研究员将逐步打破岗位壁垒，兼顾因子开发与模型搭建，弥补过去分工割裂带来的协同短板，催生更优质的策略成果。同时，AI有效降低了跨资产、跨市场的研究成本，借助 AI 能力，股票、转债、海外等不同方向的研究得以顺畅互通，跨市场积累的经验与认知还能反哺核心业务，形成良性循环。
再次，放眼长远，AI带来的生产力提升也将推动量化机构组织架构的优化。过去模块化、细分化的分工模式，会逐步转向更灵活、一体化的协作机制。行业也将探索全新团队范式，在现有按标的划分团队的基础上，积极培育覆盖多市场、多资产的全能型团队。
李骧则将AI与量化的融合划分为三个阶段：模型替换阶段（2015—2020年）、全链路提效阶段（2021—2025年）、范式重构阶段（2026年至今），范式重构阶段由AI自主完成因子组合的动态迭代。值得注意的是，AI提效并未缩减人员需求，反而催生了大量“金融+算法”复合型岗位，行业人才缺口持续扩大。
邹倚天谈到了人机协同的边界，他认为，2026年一季度大模型在特征自动提取和动态风险对冲上实现了质变，但AI无法理解宏观政策、资金情绪等非量化软信息，容易产生脱离市场逻辑的无效因子。研究员负责把控方向、校验逻辑，AI负责批量执行与迭代，二者协同才是最优模式，完全AI自主投研短期内难以落地。
王恒鹏强调了人才在AI领域的重要价值，介绍了聚宽投资在吸引AI人才方面的实践。聚宽投资近年来积极参与AI领域的国际重要学术会议，致力于提升公司在全球AI人才和学术社区中的影响力与吸引力。他还介绍了聚宽投资在AI全域赋能方面的探索。在聚宽投资，AI不仅覆盖了投研场景，还在产品运营、客户服务、内控管理等环节持续进行赋能应用实践。
马太效应加剧，两类风险需警惕
嘉宾们一致预判，未来三到五年，A股浅层市场的无效性将基本出清，行业超额中枢持续下行，头部集中度进一步提升，中小机构突围难度显著加大。
马志宇指出了行业面临的两大核心风险：一是策略同质化引发的负面影响，二是单一容量见顶带来的增长瓶颈。应对方式：一方面持续拓展多元、分散的阿尔法来源，构建差异化收益能力；另一方面依托完善的风险管控模型平抑波动，在长期业绩扎实的基础上，强化超额收益的稳定性与可预期性。
李骧表示，AI已抹平了浅层技术差距，以往中小机构依靠单点模型突围的路径彻底失效。头部机构每年数十亿级的算力和人才投入形成天然壁垒，中小机构很难追赶迭代速度。量化本质上是科技驱动型行业，技术迭代滞后可能会被市场淘汰。
邹倚天提出了两大长期布局方向：一是紧跟全球AI迭代节奏，保持算力动态扩容；二是逐步推进全球化和多资产布局，摆脱A股容量约束，对标海外量化巨头拓展亚太、欧美市场。
