PandaAI, LLM 에이전트가 퀀트 리서치를 민주화할 것이라 베팅; 사용자 10만 명, 세 차례 라운드

PandaAI는 중국의 개인 및 전문 퀀트를 위한 AI 네이티브 트레이딩 리서치 인프라를 구축한다. Qube는 말로 한 아이디어를 검증 가능한 팩터 및 백테스트 단계로 바꾸고, EVO는 AI 네이티브 퀀트 워크벤치이며, 곧 출시될 OS는 여러 에이전트를 오케스트레이션한다. 또한 팩터 대회를 운영하고 QuantSkills를 오픈소스로 공개한다.

LLM이 퀀트펀드의 리서치 해자를 잠식할 것이므로, 에이전트 기반 리서치 도구 — 팩터 마이닝, 백테스팅, A2A 오케스트레이션 — 가 새로운 퀀트 인프라가 될 수 있다.

1999년생인 리위치는 컬럼비아에서 금융공학을 공부했고, 실시간 선물 모의투자 대회에서 최연소 우승자가 되었으며, 10억 위안 이상을 운용하는 퀀트 사모펀드의 파트너까지 올랐다. 2024년 그는 업계의 우위가 대부분 독점 데이터, 저지연 채널, 대규모 리서치 팀에 기반한 '인지적 서사'이며, 대규모 언어 모델이 그 서사를 잠식할 것이라고 결론지었다. Cursor가 사용자를 더 나은 연구자로 만들지 않으면서 프로그래밍 속도를 배가하는 것을 보며, 병목은 도구가 아니라 판단력이라고 확신했고, 2024년 무렵 PandaAI를 창업하기 위해 떠나 수익률이 아니라 리서치를 제품으로 삼는 AI를 구축했다.

PandaAI는 3단계 제품 사다리를 설계했다. 초급 사용자를 위한 Qube(한 문장이 사용자가 검증하고 재사용할 수 있는 데이터 수집, 팩터 구축, 백테스트가 됨), 전문가를 위한 AI 네이티브 워크벤치로 동료들이 '퀀트판 Claude Code'라 부르는 EVO, 그리고 인간이 설정한 리스크 규칙 아래 여러 에이전트가 팩터와 포트폴리오를 반복 개선하는 곧 출시될 Agent-to-Agent 환경인 OS다. 그 아래에는 4계층 스택이 있다. 시장 및 거시 데이터, 자체 개발 CQ2 모델과 DeepSeek 및 Doubao 연동, ADE/A2A 에이전트 엔지니어링 계층, 실거래 연결 — 선물 데스크는 완전히 연결되었고 2026년 6월 선물 실거래 고객이 출시되었다. 같은 달 PandaAI는 첫 QuantSkills 라이브러리와 에이전트 클러스터를 오픈소스로 공개하고 연구 논문(CQ2, A2A Self-Evolution, AlphaSchema)을 발표했다. 2026년 8월까지 70여 명 규모의 회사는 사용자 10만 명 이상을 확보했고, 3만 명 이상이 참가한 팩터 대회를 세 차례 개최했으며, L2F光源创业者基金이 주도한 엔젤 라운드를 포함해 시드, 엔젤, 엔젤+ 라운드로 총 수천만 위안을 조달했고, 증권사, 선물사, 펀드를 기관 파트너로 두고 있다.

퀀트펀드의 해자 — 독점 데이터, 저지연 채널, 수백 명 팀 — 는 LLM이 가장 빠르게 상품화하는 자산이다.

더 나은 코딩 도구가 더 나은 연구자를 만들지는 못했고, 이는 진짜 격차가 실행이 아니라 판단력과 리서치 프로세스에 있음을 보여주었다.

AI 네이티브, 인간 개입 루프(human-in-the-loop) 스택은 자율 'AI 종목 추천'의 사기 범주를 피하고 규제 당국과 사용자가 수용할 수 있는 것에 부합한다.

QuantSkills 오픈소스화는 명백한 반론(팩터 유출)을 특징으로 바꾼다. 에이전트는 개인화되므로 해자는 오케스트레이션 하네스로 이동한다.

팩터 대회 개최와 논문 발표는 회의적인 개인 사용자를 기여자, 채용 대상, 그리고 새로운 방법론 커뮤니티의 핵심으로 전환한다.

제로섬 시장에서는 수익률이 아니라 역량을 판다. PandaAI는 팩터를 오픈소스로 공개하고 해자는 에이전트 하네스라고 베팅한다 — 누구나 팩터는 복사할 수 있지만 오케스트레이션 스택은 복사할 수 없다.

2026-09-02 기준 PandaAI는 운영 중이다. 2026년 8월 총 수천만 위안 규모의 세 차례 라운드가 완료되었고(L2F光源创业者基金이 주도한 엔젤 라운드 포함), 선물 실거래 고객은 2026년 6월 출시되었으며, QuantSkills는 같은 달 오픈소스로 공개되었고, 사용자 10만 명 이상, 직원 70명 이상, 기관 파트너를 두고 있다. 리는 AI 트레이딩을 5단계 중 초기 L3로 보며, 에이전트가 리서치하고 인간이 리스크 결정을 유지하는 L4를 향한다고 말한다. OS 계층은 아직 출시 전이었다. 남은 질문은 사기와 연관된 범주에 대한 신뢰, 전문 팀 대비 에이전트 품질, 그리고 자율 트레이딩 도구가 확장될 때 규제 당국이 이를 어떻게 다룰지다.