九坤创始团队成立创新研究院：破圈还是回归核心？

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

12月31日深夜，至知创新研究院正式发布了新一代开源代码大模型IQuest-Coder-V1。该模型在自主性软件工程、竞赛编程等关键维度上表现出色，成为了当前开源界的新标杆。

这个不常出现在公众视野中的研究团队，在2025年以“Ubiquant AI”名义发表了多项高质量成果，涵盖大语言模型、代码智能、医疗垂域模型、人工智能与数学等多个方向。在刚刚过去的人工智能领域全球核心学术会议2025 NeurIPS上，一篇与耶鲁大学等团队合著的E2Former模型相关工作，更是被选为会议焦点（Spotlight）论文。

据了解，至知创新研究院由九坤投资创始团队发起设立，是独立于量化投研体系的全新平台。2012年成立的九坤投资，其名号或许比“至知”更为人所熟知，因其与DeepSeek背后的幻方同为中国量化“四大天王”之一，业内一度还有“北九坤，南幻方”的说法。

AI领域的闯入者？

头部量化私募正纷纷加码人工智能。尤其是2025年DeepSeek的“出圈”，让公众得以窥见量化基因在AI领域的巨大潜力。量化人开始站在更大的舞台上崭露头角。

只因为他们天生擅长在困难的场景中，寻求技术突破，并用技术解决问题。

例如，至知创新研究院团队在11月曾推出一个面向全模态医学视觉推理的多模态大模型Fleming-VL。它解决的，正是一个非常细分却又非常实际的痛点：在医学影像AI技术不断突破的今天，人们仍面临一个根本性挑战——如何让模型同时理解2D影像、3D扫描与手术视频？

在开源医学数据中，X光和CT极为丰富，而超声、皮肤镜、眼底图像与手术视频几乎是数据荒漠。研究人员从零构建了一套系统性数据采集与合成管线，首次构建了覆盖9大医学模态、200万高质量样本的多模态医学视觉问答与视频理解数据集。最终推出的Fleming-VL模型，能够在X光片、CT/MRI三维体数据、超声图像乃至手术视频上进行精准识别、推理与报告生成，并支持诊断、问答、总结多个任务，真正实现了“一模通三维”的医学理解。

这或许也体现出至知创新研究院在AI“大厂”之外所具备的独特技术价值。在某些方面，垂域场景出身的玩家，或许不如大厂更善于追求标准化、性价比、对终端用户友好等特性，但前者更擅长用工程化的体系来挖掘复杂规律，甚至敢于用暂时低性价比的方式攻克技术细节，追求极致。

至知创新研究院网页显示，其定位为一个加速AI应用落地的研究型组织，致力于为前沿AI技术研究做出原创性贡献，加速AI在更多垂直领域的应用。

从投资场景回归技术本源

过去数年，九坤持续拥抱AI，成立内部的AI Lab、Data Lab和智能算法实验室，持续拓展数据的来源和类型，将前沿的AI技术应用在量化投资的各个环节，同时加强多元资产和不同特征的市场研究。创始人王琛博士曾公开表示：“我们一直坚信金融投资领域，是AI技术应用的重要试验场景，并为此做了大量的前瞻性的探索和布局。”

量化投资和近年大热的大模型技术本就颇有交集。例如可引入强化学习优化投资策略，将自然语言处理用于多元化的数据分析。同时，复杂的市场数据与交易需求，促使量化机构要着力构建高性能计算能力。

理论上来说，量化投资的技术体系可以为AI大模型的应用提供宝贵的经验和技术支持，经过调整后也能适配金融、医疗、智能制造等行业的实时数据分析需求。海内外不乏有来自科研领域的人才或团队投身量化，或是出身量化领域的人才或团队在其他科学领域取得创新成果。例如，量化对冲基金D.E.Shaw的创始人大卫·E·肖于2001年创立了D.E.Shaw Research，专注于计算生物化学研究，旨在通过高性能计算技术推动癌症等疾病的治疗。

这背后的逻辑，远不止“投优则扩”这么简单。本质上，这不是“破圈”，而是一种回归。

量化方法本就源于严谨的科研传统，其核心是结合科学实证和技术手段预测复杂系统的行为。量化投资每天面对的金融市场极其复杂、充满细节。这需要技术团队在工程实现上追求极致性能，例如，构建低延迟、高吞吐的系统，用于提升特定任务的整体效率；在数据能力上，则专注于高信噪比的环境下，处理多元化数据、榨取数据价值。

让技术有意义

最近，至知创新研究院相关团队提出推理模型Universal Reasoning Model（URM），在权威推理基准ARC-AGI上创造了新的纪录，还揭示了复杂推理的本质可能更接近基于循环归纳偏差的非线性表征能力，而非传统的堆叠深度、参数的范式。这为未来构建更强大推理能力的AI提供了重要的架构启示。

同在12月，与耶鲁大学等团队合作推出的E2Former，则是一个刷新分子模型新SOTA的等价Transformer，通过将抽象的数学理论与实际的计算挑战相结合，找到了一条提升分子模拟效率的新路径。

研究院相关负责人表示：“从量化出发，是我们‘让技术有意义’的一次深度验证。我们成立至知创新研究院，正是希望将这种技术能力延伸至更广阔、更多元的产业场景中，让技术在真实世界中持续释放价值。”