北大经济学院“金工首席谈”系列讲座第44讲 | 梁举：AI Native时代的一人投研团队
2026年4月9日，北京大学经济学院和北京大学金融工程实验室在经济学院107会议室联合举办“金工首席谈”系列讲座第四十四讲。本次讲座邀请宽邦科技创始人梁举作为演讲嘉宾，以“AI Native时代的一人投研团队”为题，为北京大学师生带来主题分享。讲座由北京大学金融工程实验室黎新平博士主持。
梁举作专题报告
讲座伊始，梁举立足人工智能技术演进的时代视角，系统梳理了近年来大模型与智能体的发展脉络。他指出，从2022至2023年的大语言模型爆发阶段，到2024至2025年的AI Agent落地阶段，再到渐行渐近的Agentic AI阶段，人工智能正经历跨越式演进——其角色已从被动的“辅助工具”，跃升为能深度参与复杂任务执行的“数字同事”。这一技术范式的跃迁，正倒逼传统投研组织架构解构与重塑，驱动投研活动全面迈入“AI Native”的新纪元。
围绕“投资研究的组织形态跃迁”，梁举阐述了投研体系的三次演进历程：第一阶段是依赖人脑直觉与个体经验的主观投资历程；第二阶段是依托规则、统计模型和流程化分工的量化投资历程；第三阶段则是人与智能体协同的AI Native投研历程。他指出，AI Native投研并不只是简单地“用AI写代码、跑回测”，而是意味着投研流程、工具接口、组织方式乃至决策逻辑的整体重构。
在谈到这一范式转换的底层驱动力时，梁举指出，其核心在于数据、模型与算力条件的同步成熟。一方面，投研所依赖的数据已从传统结构化数据扩展到文本、图像、视频等非结构化数据；另一方面，大模型的泛化能力显著增强，能够在不同场景下完成理解、生成、分析和执行任务。此外，纵然当前算力成本仍然较高，但随着未来token成本持续下降，AI在投研领域中的应用深度和广度都将进一步提升到新的维度。
梁举特别强调，量化投研的本质是一项系统性工程，而非单点式地编写程序和回测策略。围绕“Agentic Engineering”，他进一步介绍了这一新范式下的四个关键层级：提示词工程、上下文工程、工具调度工程以及协同工程。其中，上下文工程与协同工程尤为重要，因为智能体要真正融入投研流程，不仅需要具备能力，还需要在有限上下文中获得正确的信息输入，并能与其他智能体以及人类研究员形成高效协作。
在具体实践层面，梁举展示了“一人投研团队”的核心运转逻辑：即由一名研究者与一群高度专业化的AI同事共同完成研究任务。人在这一框架中的职责，更多是提出问题、定义目标、进行关键判断和结果复核；而数据接入、清洗、因子挖掘、策略验证、代码生成与调试等执行性工作，则可以更多交由AI Agent完成。他认为，未来投研团队的竞争，不再只是比拼谁拥有更多研究员，而是比拼谁能更高效地组织人与AI之间的协作。
讲座中，梁举还介绍了AI在量化投研中的若干应用场景。例如，基于多模态能力，系统可以根据文本、图片乃至视频内容复现策略逻辑和研究报告；依托专门构建的平台与命令行接口，AI可以直接调用数据、因子、回测等模块，真正以“使用者”而非“被使用对象”的身份参与投研工作流。他还以Agentic工作流为例，说明了从目标定义、异构数据接入与清洗、因子验证，到最终评估复盘的完整闭环，展示了AI Agent在实际研究流程中的协同潜力。
针对“有了AI之后，人类工作负荷是否会更轻松”这一问题，梁举给出了颇具现实感的回答：人类工作负荷未必会更轻松，甚至可能不降反增。究其原因，在当前技术萌芽期，人类仍需投入大量精力与Agent沟通、分配任务、监督过程、检查结果。此外，AI并不会自动替代人的思考，反而会非线性地放大管理者的认知深度、判断准度与决策张力。因此，这场变革的核心逻辑在于：竞争壁垒已从“会不会使用AI”跃升为“会不会管理AI”。
对于“模型更重要还是Agent更重要”的讨论，梁举认为，两者都不可或缺。底层模型决定了系统能力的上限，而Agent则通过工具调用、记忆管理、任务拆解等机制，将模型能力真正转化为可落地的工作流。在复杂任务中，任务拆解能力和技能模块的设计同样关键，否则即使底层模型能力很强，也很难稳定完成系统性投研任务。
最后，在谈及私募机构未来的核心竞争力时，梁举指出，当数据与技术红利被彻底抹平，真正拉开差距的，是团队的组织协作效率、管理者的认知洞见力，以及AI与业务决策链条的深度融合度。未来，AI必将像水电一样，成为行业触手可及的底层标配；但恰恰是在这道无差别的技术基座之上，人与机构之间在认知维度与组织效能上的鸿沟，反而会被进一步放大。
讲座结束后，黎新平博士对梁举的精彩分享表示感谢，并代表北京大学金融工程实验室向嘉宾赠送纪念品。本次讲座不仅为同学们深度剖析了AI重塑投研的全景路径，更打破了固有的思维框架，启发大家在金融研究、量化投资及组织协同的未来演进中，去探寻更具前瞻性的答案。
黎新平为主讲人颁发讲座纪念牌
主讲人简介
梁举，宽邦科技（BigQuant）创始人兼CEO，人工智能技术专家。2007年毕业于北京大学，拥有计算机软件与文物保护双学士学位。曾任职于微软亚洲研究院，深度参与Bing搜索引擎核心算法研发，有丰富的大规模机器学习、搜索算法与智能系统经验。
2016年创立BigQuant，推动AI技术在量化投资与金融投研场景中的落地应用。BigQuant 提供企业级AI平台、量化投资大数据、AI投研工具、成长体系与社区服务，在服务数十万量化投资者以及众多头部金融机构。同时持续推动中国量化行业白皮书、峰会及高校量化赛事、孵化器等生态建设，关注AI Native投研、智能体协同与下一代量化研究范式。
北京大学金融工程实验室简介
北京大学金融工程实验室是依托北京大学经济学院搭建的研究和教学平台，致力于推动量化投资、金融工程、大数据金融以及金融科技方面的学术研究与实践应用，实现学术界与金融业界良好的互动交流。
实验室聚焦于运用数学建模、统计分析、计算金融、大数据以及机器学习方法进行量化金融的研究，以数理化方法探讨金融市场的规律。实验室的目标不仅仅是推动金融工程等学术领域的前沿研究，同时也推动量化金融技术在教学、投资实践、金融监管以及金融政策等方面的实际应用。实验室课题研究包括：量化基本面、金融科技及AI、市场交易行为、高频数据、风险预警与管理。
供稿：北京大学金融工程实验室
美编：初夏
原标题：《北大经济学院“金工首席谈”系列讲座第44讲 | 梁举：AI Native时代的一人投研团队》