量化交易的 AI Native 演进：从调 API 到 Agent 自主迭代

很多人说自己在”用 AI 做量化”，但大多数停留在问 ChatGPT 写个策略脚本的阶段。这不是 AI Native，甚至不算 AI Enable——这只是 AI Token。

我定义了量化交易研发的三个演进阶段，核心区分不是”用没用 AI”，而是 AI 在系统中的角色。

三阶段定义

阶段	核心资源	AI 的角色	一句话
AI Token	Token（API 调用）	工具	我在调用 AI
AI Enable	Workflow（工作流）	助手	我与 AI 协同完成工作
AI Native	Intelligence（智能）	核心能力	AI 是系统的大脑，人定边界

关键不是技术升级，而是核心生产要素的变化：从消耗 Token，到重构工作流，再到重构整个系统。

第一阶段：AI Token

想到策略
  ↓
问 ChatGPT / Claude
  ↓
复制代码
  ↓
手动跑回测
  ↓
手动改参数

特点：

买 API、买会员
哪里不会问哪里
AI 是一个高级搜索引擎
核心资源是 Token——谁的额度多，谁就能多问一点

大部分”AI 量化”还在这个阶段。看起来用了 AI，本质上和 StackOverflow 复制粘贴没区别。

第二阶段：AI Enable

AI 融入研发工作流，不再是聊天，而是参与每个环节：

需求（交易想法）
  ↓
AI 分析市场结构
  ↓
AI 生成 MRD / 设计文档
  ↓
Claude Code 实现策略
  ↓
Codex Review
  ↓
AI 自动生成测试
  ↓
Shadow 验证
  ↓
Dry Run
  ↓
线上部署
  ↓
AI 分析收益、Sharpe、回撤
  ↓
AI 提出下一轮优化

这是我现在的状态。AI 参与了需求、设计、实现、验证、复盘的完整闭环。

和 AI Token 的本质区别：AI 不是点状调用，而是贯穿整个研发流程。Review、测试、文档、CI/CD 都有 AI 参与。

但最终决策者还是人。策略上不上线，仓位开多大，风控线画在哪——都是人拍板。

第三阶段：AI Native

到了这里，变化不是效率，而是系统架构：

Market Data
    ↓
Market Structure Agent    ← 感知市场结构
    ↓
Hypothesis Agent          ← 提出交易假设
    ↓
Strategy Agent            ← 生成策略代码
    ↓
Backtest Agent            ← 自动回测验证
    ↓
Risk Agent                ← 风控评估
    ↓
Deploy Agent              ← 自动部署上线
    ↓
Online Learning Agent     ← 持续学习优化
    ↓
    └──→ 发现新假设 → 循环

人只负责三件事：

定义目标——Sharpe、最大回撤、收益率
设置边界——最大仓位、禁止的品种、风控红线
审批重大决策——新策略上线、大幅加仓

AI 自己完成发现→验证→淘汰→优化的完整循环。不是辅助，是系统的大脑。

为什么叫 Native

Native 的意思是第一性原则就是 AI。

对比一下：

AI Enabled 的交易系统：

人写策略 → AI 帮忙优化参数 → 人决定上线

去掉 AI，系统还能跑。AI 是插件。

AI Native 的交易系统：

AI 发现机会 → AI 生成策略 → AI 回测 → AI 部署 → AI 监控 → AI 迭代

去掉 AI，系统什么都没有。AI 就是产品本身。

这和 Agent 框架设计中讨论的理念一致——Agent 不是调用一个 API，而是一个自主决策+执行系统。

从 Enable 到 Native 的关键跃迁

我现在在 AI Enable 阶段，离 AI Native 还差三个核心能力：

1. Agent 化

现在：人提出假设 → AI 实现。

未来：AI 自主提出假设。Market Structure Agent 持续分析市场数据，发现”最近3天小盘币波动率异常放大”，自动生成对应策略。

2. 持续学习

现在：策略跑完人看报告 → 手动调整。

未来：Online Learning Agent 自动分析每笔交易的 PnL，识别策略退化信号，自动微调参数或触发策略下线。

3. 自动闭环

现在：发现问题 → 人分析 → 人修复。

未来：Monitor Agent 发现回撤异常 → Risk Agent 评估是系统故障还是策略失效 → 自动降仓或切换备用策略 → 事后生成分析报告。

一句话总结

AI Token = 会用 AI。AI Enable = 会组织 AI。AI Native = 会构建以 AI 为核心的系统。

大部分团队还在 AI Token 阶段讨论”要不要用 AI”，少数团队在 AI Enable 阶段用 AI 提效，真正的竞争壁垒在 AI Native——当你的系统能自主演化时，速度、广度和迭代密度都不是人力能比的。

对于量化交易，这条路的终点是：人定义规则和边界，AI 在边界内自主进化。