PandaAI aposta que agentes de LLM democratizam a pesquisa quantitativa; 100 mil usuários, três rodadas

A PandaAI constrói infraestrutura de pesquisa de trading nativa de IA para quants de varejo e profissionais chineses: o Qube transforma uma ideia falada em etapas inspecionáveis de fator e backtest, o EVO é uma bancada de trabalho quantitativa nativa de IA, e um OS futuro orquestra múltiplos agentes; a empresa também realiza competições de fatores e mantém o QuantSkills como código aberto.

Os LLMs vão erodir os fossos de pesquisa dos fundos quantitativos, de modo que ferramentas de pesquisa agêntica — mineração de fatores, backtesting, orquestração A2A — podem se tornar a nova infraestrutura quantitativa.

Li Yuqi, nascido em 1999, estudou engenharia financeira na Columbia, tornou-se o mais jovem campeão de um concurso de paper trading de futuros ao vivo e chegou a sócio de um fundo privado quantitativo que administrava mais de ¥1 bilhão. Em 2024, concluiu que a vantagem do setor era em grande parte uma 'narrativa cognitiva' construída sobre dados proprietários, canais de baixa latência e grandes equipes de pesquisa — e que os grandes modelos de linguagem erodiriam essa narrativa. Observar o Cursor multiplicar a velocidade de programação sem tornar os usuários melhores pesquisadores o convenceu de que o gargalo era o julgamento, não as ferramentas, então ele saiu para fundar a PandaAI por volta de 2024 e construir uma IA que tem a pesquisa, não os retornos, como produto.

A PandaAI desenhou uma escada de produtos em três níveis: o Qube para usuários iniciantes (uma frase se torna busca de dados, construção de fatores e backtests que os usuários podem inspecionar e reutilizar), o EVO, que os pares chamam de 'Claude Code dos quants', como bancada de trabalho nativa de IA para profissionais, e o OS, um ambiente Agent-to-Agent futuro em que múltiplos agentes iteram fatores e carteiras sob regras de risco definidas por humanos. Por baixo há uma pilha de quatro camadas: dados de mercado e macroeconômicos, um modelo CQ2 próprio mais integrações com DeepSeek e Doubao, uma camada de engenharia de agentes ADE/A2A e conexões de trading ao vivo — as mesas de futuros foram totalmente conectadas e um cliente de futuros em produção foi lançado em junho de 2026. No mesmo mês, a PandaAI abriu o código de sua primeira biblioteca QuantSkills e de clusters de agentes e publicou artigos de pesquisa (CQ2, A2A Self-Evolution, AlphaSchema). Em agosto de 2026, a empresa de mais de 70 pessoas tinha mais de 100.000 usuários, havia realizado três competições de fatores atraindo mais de 30.000 participantes e fechado rodadas seed, anjo e anjo+ totalizando dezenas de milhões de RMB, com as rodadas anjo lideradas pela L2F光源创业者基金; ela conta com corretoras, firmas de futuros e fundos como parceiros institucionais.

Os fossos dos fundos quantitativos — dados proprietários, canais de baixa latência, equipes de cem pessoas — são exatamente os ativos que os LLMs commoditizam mais rápido.

Ferramentas de programação melhores não formaram pesquisadores melhores, o que localizou a lacuna real no julgamento e no processo de pesquisa, e não na execução.

Uma pilha nativa de IA com o humano no circuito evita a categoria de golpe da 'seleção autônoma de ações por IA' e se encaixa no que reguladores e usuários aceitarão.

Abrir o código do QuantSkills transforma a objeção óbvia (os fatores vazam) em um recurso: os agentes são personalizados, então o fosso se desloca para o harness de orquestração.

Realizar competições de fatores e publicar artigos converte usuários de varejo céticos em colaboradores, recrutáveis e no núcleo de uma nova comunidade de metodologia.

Em um mercado de soma zero, venda capacidade, não retornos: a PandaAI abre o código de seus fatores e aposta que o fosso é o harness de agentes — qualquer um pode copiar um fator, não uma pilha de orquestração.

Em 2026-09-02, a PandaAI está em operação: três rodadas totalizando dezenas de milhões de RMB fechadas em agosto de 2026 (anjos liderados pela L2F光源创业者基金), o cliente de futuros em produção lançado em junho de 2026, o QuantSkills aberto no mesmo mês, com mais de 100.000 usuários, mais de 70 funcionários e parceiros institucionais. Li situa o trading com IA no início do L3 de cinco estágios, rumo ao L4, em que agentes pesquisam e humanos mantêm as decisões de risco; a camada OS ainda estava por vir. Questões em aberto: a confiança em uma categoria ligada a golpes, a qualidade dos agentes frente a equipes profissionais e como os reguladores tratam ferramentas de trading autônomas à medida que elas escalam.