PandaAI押注大语言模型让量化研究平民化：10万用户，三轮融资

PandaAI为中国散户和专业量化人士构建AI原生交易研究基础设施：Qube将口语化想法转化为可检查的因子和回测步骤，EVO是AI原生量化工作台，即将推出的OS编排多个代理；它还举办因子竞赛并开源QuantSkills。

大语言模型将侵蚀量化基金的研究护城河，因此代理式研究工具——因子挖掘、回测、A2A编排——可能成为新的量化基础设施。

李昱琦1999年出生，哥伦比亚大学金融工程专业，成为模拟期货实盘比赛最年轻冠军，后升任量化私募合伙人，管理超10亿元资金。2024年，他得出结论：行业优势很大程度上是建立在专有数据、低延迟渠道和庞大研究团队之上的“认知叙事”，而大语言模型将削弱这种叙事。观察Cursor成倍提高编程速度却没有让用户成为更好的研究员，让他确信瓶颈在于判断而非工具，于是他离开并于2024年前后创立PandaAI，打造以研究而非收益为产品的AI。

PandaAI设计了三级产品阶梯：面向入门用户的Qube（一句话即可转化为数据抓取、因子构建和回测，用户可检查并复用）；被同行称为“量化领域的Claude Code”的EVO，作为专业人士的AI原生工作台；以及即将推出的OS，这是一个代理间环境，多个代理在人类设定的风险规则下迭代因子和投资组合。底层是四层架构：市场和宏观数据、自研CQ2模型外加DeepSeek和豆包集成、ADE/A2A代理工程层、实盘交易连接——期货柜台全面接通，实盘期货客户端于2026年6月上线。同月，PandaAI开源了首个QuantSkills库和代理集群，并发表研究论文（CQ2、A2A自进化、AlphaSchema）。截至2026年8月，这家70多人的公司拥有10万+用户，举办了三届因子竞赛，吸引3万多人参赛，并完成种子、天使和天使+三轮融资，总额数千万元人民币，天使轮由L2F光源创业者基金领投；其机构伙伴包括券商、期货公司和基金。

量化基金的护城河——专有数据、低延迟渠道、百人团队——正是大语言模型商品化最快的资产。

更好的编程工具并没有培养出更好的研究员，这暴露了真正的差距在于判断和研究过程而非执行。

AI原生、人类在环的架构避开了自主“AI选股”的骗局类别，也符合监管和用户的接受度。

开源QuantSkills将明显的反对意见（因子泄露）转化为特色：代理是个人化的，因此护城河转移到编排工具链。

举办因子竞赛和发表论文将怀疑的散户转化为贡献者、可招募对象和新方法论社区的核心。

在零和市场，卖能力而不是卖回报：PandaAI开源其因子，并押注护城河在于代理工具链——任何人都能复制因子，但无法复制编排栈。

截至2026-09-02，PandaAI已上线：2026年8月完成三轮融资，总额数千万元（天使轮由L2F光源创业者基金领投）；期货实盘客户端于2026年6月上线；同月开源QuantSkills；目前拥有10万+用户、70+员工和机构伙伴。李将AI交易定位在五个阶段的早期L3，正走向L4——“代理研究，人类保留风险决策”；OS层仍在建设中。未决问题包括：与骗局相关的信任问题、代理质量与专业团队的比较，以及监管机构对自主交易工具规模化的态度。