备受瞩目的 AI实盘投资大赛Alpha Arena （官网：https://nof1.ai/ ）日前落下帷幕，阿里巴巴旗下Qwen3-Max、DeepSeek v3.1 以22%、5%的收益率包揽冠亚军，并且是唯二盈利的模型，一下子引发了更多人对于 AI投资的关注。
不过 Alpha Arena 的投资资产只是在加密货币领域，那如果放到更广泛的股票领域呢？AI 在这个投资赛道有哪些创业机会，发展到怎样的程度？知名投资机构 Coatue Management 数据科学团队 的前任负责人 Alex Izydorczyk 日前在个人博客写了一篇文章，基于他所跟踪的一百多家 AI投资初创公司的观察，给我们普及了一下这个行业。
一起来看看~~~
知名对冲基金 Citadel 创始人 Ken Griffin（肯·格里芬）最近对人工智能选股能力泼了一盆冷水。在摩根大通的一次投资者会议上，他认为，虽然生成式人工智能可以提高生产力，但在挖掘投资超额收益方面却力不从心。这种谨慎的怀疑态度可以被解读为对冲基金人工智能创业浪潮的悲观信号。然而，尽管 Ken Griffin 心存疑虑，但无论是买方技术人员还是硅谷的创业者，都对这个领域表现出浓厚的兴趣。
公司列表：https://alexizydorczyk.com/ai-for-hedge-funds.html
我持续关注着100多家在这个领域发展的创业公司。这些新公司都是私营企业，因此很难获得确凿的数据来验证 Ken Griffin 的言论是否得到了其他基金管理人的认同。很少有公司公开披露其客户群或收入情况，而且在我看来，大多数公司迄今为止尚未实现产品与市场的真正契合（PMF）。
AlphaSense （https://www.alpha-sense.com/） 是一个值得注意的例外，甚至可以说是领先的“对冲基金人工智能”公司。实际上，AlphaSense 的出现早于 ChatGPT 。AlphaSense 最初是一个文档搜索引擎，后来整合了专家网络内容（部分是通过 2024 年收购 Tegus 实现的）。2025 年 10 月，AlphaSense 宣布其年度经常性收入(ARR) 超过 5 亿美元。
在推出一系列人工智能研究功能后，AlphaSense 的增长速度显著加快。通过最近的收购，AlphaSense 的人工智能功能现已涵盖搜索、人工智能研究助手以及自动化电子表格分析等多个领域。然而，很难准确的确定这些增长中有多少是由新的人工智能功能推动的。但根据 Alphasense 高级副总裁、COO Charlie Zvibleman以下披露的信息，可以看到人工智能确实对他们的收入成功做出了贡献。如果这种增长趋势持续下去，那么Alphasense 成功的根源就值得我们探究一番了。
Alphasense高级副总裁、COO Charlie Zvibleman 最近发表的文章
目前，为了更好地追踪该领域的产品市场契合度（PMF），我根据初创公司的核心关注点，将它们分为几个不同的类别。这些类别突显了人工智能初创公司为对冲基金和资产管理公司提供服务的常见方法：
- 研究助手（人工智能“分析师”助手）
这些 AI 助手可以按需充当分析师，回答自由形式的投资问题，并自动完成部分尽职调查工作。其目标是复制或增强分析师为投资组合经理所做的工作——包括解读财务报告、进行行业研究，甚至根据自然语言查询撰写初步研究结果。
- Excel 辅助工具（财务建模助手）
这类 AI 工具可与 Excel 或电子表格工作流程集成，根据自然语言指令自动构建财务模型并更新数据。例如，你可以让 AI 工具构建折现现金流模型或提取公司的最新财务数据，它会据此生成模型或填充数据。这些工具种类繁多，从通用的 Excel 加载项到专注于特定类型模型或数据源的更专业工具，应有尽有。
- “Terminal 2.0”平台（下一代市场终端）
这些初创公司以人工智能为核心，试图重新构建类似彭博终端的使用体验。它们通常在界面中提供实时新闻摘要、智能提醒和内置研究助手。其理念是提供一个现代化的市场终端，不仅可以传输数据和新闻，还能利用 AI 大模型（LLM）以更友好的方式呈现洞察（例如，总结股票价格波动的原因或标记异常模式）。
- 人工智能模型提供商（Alpha、量化和预测实验室）
这类公司开发针对金融数据和时间序列预测的新型基础模型、量化或机器学习技术。与提供用户界面不同，这些公司通常出售预测结果或信号，或者提供对其专有模型、优化器或信号的API访问权限。他们的目标客户通常是量化基金。
- 数据提取工具
这类初创公司专注于从非结构化数据源（例如美国证券交易委员会 (SEC) 文件、财报电话会议记录、网站或 PDF 报告）中提取结构化数据。这些工具通常利用人工智能解析复杂文档并输出清晰的数据集，通常以表格形式呈现。在某些情况下，它们可以作为针对金融领域优化的通用网络爬虫（例如，自动从 10-K 文件中提取关键绩效指标）。
当然这些分类并不完美。有些初创公司业务范围很广（例如 Alphasense 收购 Carousal 后、扩大了业务范围）；而且不同类别之间的界限有时也会变得模糊（例如，新型终端和显示实时数据的研究辅助工具）。还有一些类别未来也可能进一步细分。例如，“Alpha、量化和预测实验室”涵盖了从构建时间序列转换器到为量化分析师提供人工智能增强型回测工具等广泛的活动。
除了上面梳理的这些类型之外，人工智能还在更广泛的资产管理和金融领域中应用于其他相关类别。一些初创公司专注于监管和合规自动化（例如，利用人工智能扫描交易或通信记录，以发现合规问题）。另一些初创公司则为财务顾问、投资者关系团队或资产配置者开发人工智能工具（例如，帮助财富管理机构筛选研究报告或协助投资者关系团队撰写报告）。此外，还有一些面向零售投资者的服务——通常采用简化的界面，并添加社交或教育功能，使个人投资者也能轻松获取人工智能驱动的洞察。
目前来看，人工智能创业者们在这个领域的探索还是挺多的，但能否满足诸如Ken Griffin的需求：不仅仅只是提供效率，更重要的产生超额收益，还需要更多的实践和验证。