档案库 · 金融科技 · 产品决策 · 2024–2026
PandaAI押注大语言模型让量化研究平民化：10万用户，三轮融资
前量化基金合伙人李昱琦打造AI原生交易研究（Qube、EVO、OS）；10万+用户，2026年6月上线期货实盘客户端。
PandaAI
做的是什么生意
PandaAI builds AI-native trading research infrastructure for Chinese retail and professional quants: Qube turns a spoken idea into inspectable factor and backtest steps, EVO is an AI-native quant workbench, and an upcoming OS orchestrates multiple agents; it also runs factor competitions and open-sources QuantSkills.
起因
Li Yuqi, born in 1999, studied financial engineering at Columbia, became the youngest champion of a live futures paper-trading contest, and rose to partner at a quant private fund managing more than ¥1 billion. In 2024 he concluded that the industry's edge was largely a 'cognitive narrative' built on proprietary data, low-latency channels and large research teams — and that large language models would erode that narrative. Watching Cursor multiply programming speed without making users better researchers convinced him the bottleneck was judgment, not tooling, so he left to found PandaAI around 2024 and build AI that takes research, not returns, as its product.
经过
PandaAI designed a three-tier product ladder: Qube for entry users (one sentence becomes data fetching, factor construction and backtests that users can inspect and reuse), EVO, which peers call the 'Claude Code of quant', as an AI-native workbench for professionals, and OS, an upcoming Agent-to-Agent environment where multiple agents iterate factors and portfolios under human-set risk rules. Underneath sits a four-layer stack: market and macro data, a self-developed CQ2 model plus DeepSeek and Doubao integrations, an ADE/A2A agent engineering layer, and live trading connections — futures desks were fully connected and a live futures client shipped in June 2026. The same month PandaAI open-sourced its first QuantSkills library and agent clusters and published research papers (CQ2, A2A Self-Evolution, AlphaSchema). By August 2026 the 70-plus-person company had 100,000+ users, had run three factor competitions drawing more than 30,000 participants, and closed seed, angel and angel+ rounds totaling tens of millions of RMB, with angel rounds led by L2F光源创业者基金; it counts brokerages, futures firms and funds as institutional partners.
还没有结局，它还在跑。
背景
PandaAI是一家中国AI交易研究公司，由哥伦比亚大学背景的量化专家李昱琦于2024年前后创立，曾任管理超10亿元资产的私募合伙人。其论点是大语言模型将消除散户和专业量化团队之间的研究差距，因此公司出售代理式研究基础设施，而非交易信号或收益承诺。
创始赌注来自两个观察。李认为量化基金的优势是建立在专有数据、低延迟渠道和庞大研究团队之上的叙事——所有这些都是大语言模型会削弱的东西——而且Cursor证明更好的工具并不会让用户成为更好的研究员。他的对策是从Qube（一句话即可转化为可检查的因子和回测流程）到EVO（AI原生专业工作台）再到OS（一个代理间环境，代理在人类设定的风险规则下进行因子迭代和组合研究）的阶梯。
截至2026年8月，公司拥有70多名员工，国内外用户超10万，海外版TQX注册用户2万，集中在东南亚和中东。2026年6月上线实盘期货客户端，开源首个QuantSkills库和代理集群，并发表关于CQ2模型和A2A自进化架构的研究。三届因子竞赛吸引超3000人参赛，其中获奖者包括非专业量化人士——这证明了创始人关于AI缩小判断差距的说法。
商业路径是先做B2B——券商、期货公司和基金——以积累经验和数据语料，然后再做消费者市场。融资三轮，总额数千万元人民币，2026年8月宣布，天使轮由L2F光源创业者基金领投。未解决的风险是信任：社交媒体仍将AI交易描绘成一个骗局类别，李本人也将产品边界框定为人类判断——代理做研究，人做决策并承担风险。
这件事要成立，得有什么
- 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。
可借鉴之处
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。
后续进展
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。
资料来源
发现哪里写错了？告诉我们。
轮到你了
你刚读完一家。说说你在做什么，看看谁在赌同一件事。
免费账号 · 3 次免费提问 · 不用绑卡