PandaAI押注LLM代理讓量化研究民主化；10萬用戶、三輪融資

PandaAI為中國散戶與專業量化人士打造AI原生交易研究基礎設施：Qube把口述想法轉化為可檢視的因子與回測步驟，EVO是AI原生量化工作台，即將推出的OS則負責編排多個代理；該公司亦舉辦因子競賽，並開源QuantSkills。

LLM將侵蝕量化基金的研究護城河，因此代理式研究工具——因子挖掘、回測、A2A編排——可成為新的量化基礎設施。

Li Yuqi生於1999年，在哥倫比亞大學攻讀金融工程，曾成為一場期貨模擬交易競賽最年輕的冠軍，並升至一家管理逾10億元人民幣的量化私募基金合夥人。2024年，他得出結論：行業的優勢很大程度上是建立在專有數據、低延遲通道與大型研究團隊之上的「認知敘事」，而大型語言模型將侵蝕這一敘事。看到Cursor成倍提升編程速度卻未讓使用者成為更好的研究者，他確信瓶頸在於判斷力而非工具，於是離開並於2024年前後創立PandaAI，打造以研究而非收益為產品的AI。

PandaAI設計了三層產品階梯：面向入門用戶的Qube（一句話即可轉化為數據抓取、因子構建與回測，使用者可檢視並重複使用）、被同行稱為「量化版Claude Code」的專業人士AI原生工作台EVO，以及即將推出、多個代理在人類設定的風險規則下迭代因子與投資組合的Agent-to-Agent環境OS。底層是四層技術棧：市場與宏觀數據、自研CQ2模型加上DeepSeek與豆包整合、ADE/A2A代理工程層，以及實盤交易連接——期貨席位已全面接通，實盤期貨客戶於2026年6月上線。同月，PandaAI開源其首個QuantSkills庫與代理集群，並發表研究論文（CQ2、A2A Self-Evolution、AlphaSchema）。截至2026年8月，這家70多人的公司已有逾10萬用戶，舉辦過三場因子競賽、吸引逾3萬人參與，並完成種子輪、天使輪與天使+輪融資，合計數千萬元人民幣，天使輪由L2F光源創業者基金領投；其機構合作夥伴包括券商、期貨公司與基金。

量化基金的護城河——專有數據、低延遲通道、百人團隊——正是LLM最快商品化的資產。

更好的編程工具並未造就更好的研究者，這把真正的缺口定位在判斷力與研究流程，而非執行。

AI原生、人類在環的技術棧避開了自主「AI選股」的騙局類別，契合監管機構與使用者所能接受的範圍。

開源QuantSkills把顯而易見的反對意見（因子會外洩）轉化為特色：代理是個性化的，因此護城河轉移到編排框架。

舉辦因子競賽與發表論文，把持懷疑態度的散戶使用者轉化為貢獻者、可招募對象，以及新方法論社群的核心。

在零和市場中，賣能力而非收益：PandaAI開源其因子，並押注護城河在於代理框架——任何人都能複製因子，卻無法複製編排技術棧。

截至2026-09-02，PandaAI已投入運營：三輪融資合計數千萬元人民幣於2026年8月完成（天使輪由L2F光源創業者基金領投），實盤期貨客戶於2026年6月上線，QuantSkills於同月開源，擁有逾10萬用戶、70多名員工及機構合作夥伴。Li將AI交易定位於五個階段中早期的L3，正邁向L4——由代理進行研究、人類保留風險決策；OS層仍待推出。未解問題：對一個與騙局掛鉤的類別的信任、代理質量與專業團隊的對比，以及監管機構在自主交易工具規模化時如何對待它們。