AI 交易的演变
华尔街交易领域长期以来一直由拥有专有 AI 系统的精英公司统治——这些公司利用巨额资源秘密开发昂贵的算法。这些机构传统上通过利用其雄厚的财力、专业人才和先进的计算基础设施来保持其优势。最近的一项行业分析显示，开发复杂的 AI 交易模型需要 50 万美元到 100 多万美元的投资，这还不包括持续的人才保留和基础设施维护费用。
AI 在交易中的整合可以追溯到 20 世纪 80 年代，当时公司最初采用简单的基于规则的系统进行自动交易。真正的变革发生在 20 世纪 90 年代末和 21 世纪初，机器学习算法推动了那个时代的量化交易策略。Renaissance Technologies 和 D.E. Shaw 等知名公司率先使用复杂的 AI 模型来识别市场模式并以无与伦比的速度执行交易。到 21 世纪 10 年代，AI 驱动的高频交易 (HFT) 已成为市场运作的基本组成部分，最大的公司投入数亿美元用于计算基础设施和人才，以维持其竞争优势。
据估计，算法高频交易约占华尔街交易量的一半。
DeepSeek 和类似的开源 AI 计划正在通过其协作开发方法颠覆这种传统模式。这些平台不是将算法保密，而是利用全球开发者社区的集体智慧，不断改进和增强技术。
然而，采用这项技术并不像简单地下载开源代码那么简单。虽然这些新工具减少了某些进入壁垒，但它们并不能自动创造一个公平的竞争环境。传统的交易系统已深深植根于市场运作中，并得到了多年实际验证的支持。开源替代方案的挑战不仅在于匹配现有系统的先进功能，还在于证明它们能够在实时交易的苛刻参数内可靠地运行。
此外，采用开源 AI 系统的公司仍然必须建立适当的操作框架，确保合规性，并构建必要的基础设施以有效地部署这些工具。因此，虽然开源 AI 有可能降低复杂交易技术的成本，但在不久的将来，你不太可能像下载开源笔记应用程序一样轻松地下载开源 AI 交易平台。
成本和可及性
开源 AI 最吸引人的方面之一是它有可能显著降低前期成本。传统的专有系统需要大量的许可费用和定制软件投资。例如，Citadel LLC 与 Alphabet Inc. 的持续合作利用超过一百万个虚拟处理器将复杂的计算时间从几小时缩短到几秒钟，但这需要大量的持续基础设施投资。
DeepSeek 的开源方法形成了鲜明对比。它的 V3 和 R1 模型可以免费访问，并且它在 MIT 许可下运行，这意味着它可以被修改和用于商业活动。虽然软件本身可能是免费的，但正如 Mamaysky 强调的那样，其有效实施需要在以下领域进行大量投资：
- **计算基础设施和硬件：**强大的计算能力对于处理 AI 驱动交易的密集处理需求至关重要。
- **高质量市场数据采集：**访问实时、准确的市场数据对于训练和部署有效的交易模型至关重要。
- **安全措施和合规系统：**严格的安全协议和合规系统对于保护敏感数据和遵守监管要求是必要的。
- **持续维护和更新：**持续维护和更新对于确保系统的最佳性能和适应不断变化的市场条件至关重要。
- **部署和优化的专业知识：**需要熟练的专业人员来部署、配置和优化 AI 模型以用于特定的交易策略。
虽然您可以随时访问 DeepSeek 的最新模型并免费下载代码，但在 HFT 环境中成功部署它需要的远不止这些。
透明度和问责制
开源 AI 的一个经常被提及的优点是其固有的透明度。由于源代码可供公众审查，利益相关者可以审计算法，验证其决策过程，并对其进行修改以符合法规或满足特定要求。一个典型的例子是 International Business Machines Corporation 的 AI Fairness 360，这是一套开源工具，旨在审计和减轻 AI 模型中的偏差。此外，Meta 的 Lllama 3 和 3.1 模型的架构细节和训练数据都是公开的。这允许开发人员评估其是否符合版权、法规和道德标准。这种开放程度与专有系统的“黑匣子”性质形成对比，专有系统的内部运作是隐藏的，有时会导致不透明的决策，甚至系统的创建者也可能难以理解。
然而，将所有专有交易系统描绘成不可穿透的黑匣子是不准确的。在监管压力（例如欧盟的 AI 法案和不断发展的美国指导方针）和内部风险管理要求的推动下，大型金融机构在提高其 AI 模型透明度方面取得了重大进展。核心区别在于，虽然专有系统在内部开发其透明度工具，但开源模型受益于社区驱动的审计和验证，通常会加速问题解决过程。
创新差距
DeepSeek 的 R1 模型突破引起了行业领导者的关注——甚至 OpenAI 的 Sam Altman 也在 2025 年初承认在开源模型方面“站在了历史的错误一边”，暗示了行业对协作开发的看法可能发生范式转变。
然而，Mamaysky 断言，实现向开源 AI 过渡的真正挑战在于三个关键领域：扩展硬件基础设施、获取高质量的金融数据以及调整通用模型以适应特定的交易应用。因此，他认为资源充足的公司的优势不会很快消失。“在我看来，开源 AI 本身并不会对[竞争对手]构成风险。收入模式是数据中心、数据、训练和流程的稳健性，”他说。
AI 竞赛因地缘政治因素而变得更加复杂。前谷歌首席执行官 Eric Schmidt 警告说，美国和欧洲必须加强对开发开源 AI 模型的关注，否则就有可能在这个领域将阵地让给中国。这表明，金融 AI 的未来可能不仅取决于技术能力，还取决于有关交易技术如何开发和传播的更广泛的战略决策。
DeepSeek 等开源 AI 平台的出现标志着金融技术的潜在转型，但它们目前并未对华尔街的既定等级制度构成迫在眉睫的威胁。虽然这些工具显著降低了软件许可成本并提高了透明度，但 Mamaysky 警告说，“对于这些公司来说，模型是否开源可能不是一个首要问题”。
一个混合的未来更可预见，结合了开源和专有系统。因此，相关的问题不是开源 AI 是否会取代传统的华尔街系统，而是它将如何融入其现有框架。
开源运动正在改变许多领域软件的构建和共享方式。在金融领域，潜在的影响是，新的工具和协作平台将使小型公司和个人投资者更容易使用 AI 驱动的交易策略。
AI 在金融领域的未来很可能是开源和封闭的专有系统的混合体。最大的问题是这些不同的方法如何能够很好地协同工作，让老牌公司利用社区驱动的创新的优势，同时保持使他们能够长期保持领先地位的专业优势。
AI 在金融领域的发展轨迹不仅仅是一个技术问题；这是一个战略问题，与监管环境、地缘政治动态以及金融市场本身的结构密切相关。未来几年将揭示这些力量如何相互作用，塑造交易和投资的未来。
开源 AI 在交易中的兴起是一个至关重要的发展。观察它如何改变华尔街并使每个人更容易获得先进的交易工具将是一件有趣的事情。这个故事仍在展开，它的最后一章尚未写就。协作与竞争、透明度与专有优势的融合将决定开源 AI 对金融世界的最终影响。