量化公司如何批量打造AI独角兽创始人

近日，一份Hudson River Trading（HRT）的首届实习生名单在网络上不胫而走，引发了科技与投资圈的广泛关注。名单虽仅有十人，但细看之下，每一位都是当今全球AI创业浪潮中声名显赫的领军人物。

Scale AI的Alexandr Wang、Decagon的Jesse Zhang、Cognition的Scott Wu、Hyperliquid的Jeffrey Yan……这份名单几乎汇聚了硅谷新生代AI独角兽的半壁江山，其阵容之豪华与影响力，不禁让人将其与传奇的“PayPal黑帮”相提并论。

技术浪潮的代际更迭中，核心驱动力也在变化。如果说上一代是支付革命，那么这一代的核心推动力，或许正是量化交易与人工智能的深度结合。

更值得玩味的是，Cognition创始人Scott Wu本人在相关讨论中现身，透露了一个关键背景：这群人早在进入HRT实习之前，就已因共同参加国际奥林匹克学科竞赛而彼此熟识。

除了上述几位，名单上还包括Perplexity联合创始人Johnny Ho、Pika创始人兼CEO Demi Guo，以及Cognition的另一位联合创始人Steven Hao等。

一条清晰顶尖技术人才的成长路径由此浮现：奥赛金牌 -> 顶级量化机构实习 -> 创立AI公司。原来，全球顶尖科技创业者的孵化轨迹，早已有迹可循。

难怪有网友感慨：“现在就得为我未来的孩子报名所有奥赛。这大概就是所谓的‘赢在起跑线’的终极规划吧？”

这无疑将“精英培养”和“技术创业”的逻辑诠释到了新的高度。

华尔街的硅谷黄埔军校：HRT

不得不惊叹于华尔街顶级量化机构的精准眼光。HRT这仅招收十人的首届实习生项目，竟走出了四位估值数十亿乃至上百亿美元的AI公司创始人，其余成员也均是各科技领域的翘楚。

单论这种极高的人才“投资回报率”与“点石成金”的孵化能力，恐怕连谷歌、Meta等以盛产AI人才著称的硅谷科技巨头，也要为之侧目。

Alexandr Wang：从奥赛全才到AI领袖

首先从近期备受瞩目的Alexandr Wang说起。他是典型的“奥赛全才”，在中学时期就于数学、物理、计算机三大奥林匹克竞赛中全面崭露头角。

他连续两年入围美国计算机奥林匹克竞赛决赛，2013年进入数学奥林匹克夏令营，次年成功入选美国物理国家队。

从MIT辍学创业的同一年，他加入了HRT负责核心算法开发。随后，在YC的支持下，他与Lucy Guo联合创立了数据标注与AI基础设施公司Scale AI。公司早期专注于自动驾驶数据服务，后业务迅猛扩展至多模态AI数据处理，客户涵盖OpenAI、Meta等头部企业。至2024年，Scale AI估值已突破73亿美元，Alexandr Wang也成为全球最受瞩目的年轻AI独角兽CEO之一。

去年6月，Meta完成了对Scale AI的战略投资，Alexandr Wang随即加入Meta，领导其超级智能实验室。就在几天前，他交出了首个重磅成果——原生多模态大模型Muse Spark。

作为Meta迄今最强大的模型，Muse Spark主打原生多模态能力，一经发布便引发市场强烈反响，一度推动Meta股价显著上涨。在多项第三方测评中，Muse Spark均表现卓越，助力Meta强势回归AI行业竞争的第一梯队。

Scott Wu：IOI传奇与AI软件工程师之父

Scott Wu堪称国际信息学奥林匹克（IOI）的传奇人物。他累计获得三枚IOI金牌，其中在2014年更以满分成绩位列全球第一，是IOI历史上极少数取得满分的选手之一。

他的商业洞察力同样出色。在哈佛就读期间，他便参与创办了AI驱动的社交平台Lunchclub，通过算法为专业人士匹配交流机会，并因此入选福布斯30位30岁以下精英榜。

2024年，他创立Cognition公司，并于次年3月发布了震撼业界的全球首个AI软件工程师Devin。

与GitHub Copilot等编程助手不同，Devin被设计为能够自主规划并执行复杂软件工程任务，完成从代码编写、调试到部署的全流程操作。在SWE-bench等权威基准测试中，Devin表现断层领先，能独立解决相当比例的GitHub真实问题，能力远超同期其他模型。

Devin一举将Cognition推至资本风口。公司成立不到一年，估值便飙升至102亿美元。近期，通过对Windsurf的战略收购，其年化收入已突破1亿美元大关。

Jeffrey Yan：深耕AI与金融的交叉领域

与Alexandr Wang和Scott Wu全面转向AI应用不同，Jeffrey Yan选择在AI与金融的交叉领域深度耕耘。他在18岁便获得国际物理奥赛金牌，并在青少年奥赛夏令营中结识了Scott Wu。

据他回忆，HRT的首期实习生项目发生在他大三冬季，当时的HRT已是全球顶尖的量化交易公司。在这个为期三周的竞赛式项目中，他和Scott Wu几乎包揽了每轮的前两名。从哈佛硕士毕业后，Jeffrey Yan曾全职加入HRT，负责美股算法交易开发。

他选择量化交易，是因为视其为现实世界中最纯粹的智力博弈：判断的正误，市场会给出即时且残酷的答案。全球最聪明的大脑在此竞争，共同塑造着高效流动的市场。

而他最终选择创业，是希望运用AI技术创造更根本的价值，革新金融基础设施。他创立的去中心化交易平台Hyperliquid，自2024年以来累计交易量已超4万亿美元，占据该细分市场37%的份额，也被认为是全球人均利润最高的初创公司之一。

Jesse Zhang：横跨创业与投资的双栖明星

Jesse Zhang不仅是硅谷活跃的AI创业者，也是一位眼光独到的天使投资人。高中时期，他两次入选美国数学奥林匹克训练营，并进入美国物理国家队，2015年还入围了素有“少年诺贝尔奖”之称的英特尔科学天才奖决赛。

他用三年时间读完哈佛本科，先后在HRT和谷歌实习与工作。2017年，他创立游戏社交公司Lowkey，该公司于2024年被《宝可梦GO》开发商Niantic收购。

同年，他再度创业，成立AI客服智能体公司Decagon，短短三年估值便达45亿美元。与此同时，他的投资履历同样耀眼，连续投资了Pika、Cursor、Cognition等超过30家明星AI初创公司，并于2026年入选福布斯AI领域30位30岁以下精英榜单。

Johnny Ho：从IOI满分到AI搜索领军者

Johnny Ho是与Scott Wu齐名的IOI大神，同样三次获得IOI金牌，并在2012年取得满分，位列全球第一。

哈佛毕业后，他在华尔街顶级高频交易公司Tower Research Capital工作多年，担任量化交易员，负责开发高频交易模型与策略。

2024年，他与Aravind Srinivas等人共同创立AI搜索公司Perplexity，并担任首席战略官。Perplexity如今已是全球AI搜索领域的领军企业，月活跃用户过亿。去年底完成E轮融资后，公司估值约200亿美元，截至今年4月，其年化收入已突破5亿美元。

今年2月，Perplexity推出了旗舰产品Perplexity Computer，支持调用多种主流模型，不仅能回答问题，更能像人类一样操作电脑，自主执行涵盖办公、研究、创作等场景的复杂任务。

Demi Guo：跨学科背景的AI视频生成先锋

Demi Guo出生于杭州，年少移居美国，并于2015年摘得IOI银牌。在哈佛完成本科、硕士学业，并于斯坦福攻读博士期间，她的实习经历遍布Quora、微软、HRT、谷歌、Meta、Epic等顶尖科技公司，也曾在美国红杉资本、创新工场等知名风投机构担任实习生。

2024年，她与Chenlin Meng、Karli Chen共同创立AI视频生成公司Pika。三年时间，Pika已迅速成长为行业第一梯队，全球用户规模超过1600万，并获得了Quora创始人Adam D‘Angelo、GitHub前CEO Nat Friedman等明星投资人的支持。

Steven Hao：从Scale AI到Cognition的联合创始人

Steven Hao同样出身于IOI金牌。在MIT就读期间，他曾在Jane Street和D. E. Shaw这两家全球顶级的量化交易公司实习。

2018年，他正式加入Alexandr Wang的Scale AI担任软件工程师。工作四年后，他选择辞职创业，与Scott Wu共同创立了Cognition。

事实上，Cognition的另一位联合创始人Walden Yan也是IOI金牌得主。公司成员绝大多数拥有顶尖竞赛背景，因此被网友戏称为“IOI金牌梦之队”——一个仅十人左右的团队，却拥有数十枚IOI金牌。

……

以上列举的，仅仅是这份传奇名单上的部分代表。完整的名单还有多长，我们尚未可知。但一个清晰的人才培养模式已高频次地显现：奥赛竞技背景、顶级量化实习经历、最终投身AI创业。

其中，量化交易的训练与实践，正成为这批硅谷新生代科技领袖身上最鲜明且共通的标签之一。

AI创业者的新摇篮：为何量化成为关键一站？

谈及量化交易与AI的深度融合，国内的幻方量化是一个重要参照。作为头部量化机构，它率先将系统的量化思维与大规模工程实践，成体系地带入国内AI行业视野，也让许多人首次意识到，顶尖的AI人才与量化人才，在底层思维与能力上高度同源。

这种同源性首先体现在底层逻辑上。两者的核心都是在海量、高噪声的数据中寻找稳健、可复现的确定性模式或规律，本质上都是在不确定性中追求确定性。

其次，技术栈高度重合。从早期的统计模型，到后来的RNN/LSTM，再到如今的Transformer，两边共享着同一套序列建模的技术演进路径——量化分析的是金融时间序列，而AI处理的是文本、语音或图像的Token序列。在数据处理、特征工程、监督学习与强化学习的应用范式上，双方都需要应对大规模数据中的噪声与过拟合问题。

此外，顶级量化私募和头部AI实验室一样，都是算力消耗巨头。它们同样遵循Scaling Laws（规模定律），需要长期维护和管理超大规模GPU集群，对系统工程能力要求极高。

正因如此，它们在人才争夺战中自然瞄准了同一批人：奥赛金牌得主、顶尖名校毕业生、拥有极强数学和编程能力的工程师。AI公司常从量化机构挖掘算法与工程人才，量化巨头也热衷于以高薪吸引顶级的AI研发人员。

AI与量化之间的行业壁垒正在迅速消融，顶尖量化机构的训练经历，俨然已成为孵化AI创业核心领导力的一条“黄金路径”。

不过，这一趋势在国内尚处早期。国内有量化背景的AI创业者吗？有，但并非主流。绝大多数国内AI创业者遵循的是一条更“产业实践”的路径：先拥有扎实的学术背景，然后进入头部科技大厂，在成熟的工业体系中深耕AI核心技术，积累足够的产业经验与资源后再出来创业。

这套路径下的创始人，往往更擅长产品落地、工程化和商业闭环，创业的容错率也相对较高。两种路径并无绝对高下，只是在不同的市场环境与生态背景下，选择了最适配的发展模式。

无论如何，我们正在亲眼见证一代由量化思维淬炼出的AI技术领袖的崛起。他们的成长轨迹，为我们理解技术演进、商业创新与顶尖人才培养之间的深层互动，提供了全新的视角。

据说，19岁的Alexandr Wang曾立下豪言，他们这群人要成为下一个“PayPal黑帮”。

如今，从这份HRT实习生名单所展现的统治力来看，这个目标正以惊人的速度照进现实。