打造扑克人工智能的 DeepMind 三人组现在正为量化对冲基金赚钱

在创建出如今能在市场上移动数十亿美元的算法之前，EquiLibre Technologies的三位创始人都从未在金融领域工作过。然而，从2025年到现在，他们的AI从未出现过一个亏损月份：零亏损月份的记录，正如首席执行官Martin Schmid所说的那样。人们普遍认为，要在华尔街取胜，需要人脉、内幕消息和狼性思维；然而，EquiLibre却来自完全不同的领域——学术研究和在线扑克游戏。颠覆游戏规则的论点是这样的：打败大市场所需的技能不再是金融界鲨鱼的技能，而是能够教会机器如何自主学习的科学家的技能。它被称为强化学习：系统积累经验、犯错、获得奖励并进行调整——与人类智能完全相同，但速度惊人。这三个人是谁？Martin Schmid、Rudolf Kadlec和Matej Moravcik：他们三人都是加拿大埃德蒙顿DeepMind办事处的访问博士，当时他们创建了DeepStack，这是第一个能够击败无限制扑克（德州扑克）冠军的AI。他们三人都不想在金融领域发展事业，至少在开始时是这样：施密德明确表示，“我这样做不是为了提高市场效率。我这样做是因为我们喜欢创造还不存在的东西。” 离开DeepMind后，他们与一群朋友和同事一起回到布拉格，其中许多人是Google的捷克侨民，并创立了EquiLibre。他们决定留在那里，远离硅谷，因为用施密德的话说，“在这里更容易留住人才：不会每两个月就有一家新的性感初创企业试图把他们抢走。” 如今，他们只有25个人，但他们管理的算法与Tower Research Capital合作，在标准普尔500指数和纳斯达克进行交易，每日交易量惊人。EquiLibre的故事也是一个时机问题：当他们开始时，强化学习还被怀疑——现在它已成为标准，以至于即使是全球量化交易巨头之一的Jane Street也声称将其与高级语言模型和数万个GPU结合使用。但EquiLibre的资源要有限得多，因此他们把所有精力都集中在效率上：Schmid说：“我们必须用更少的资源做更多的事情。” 矛盾之处在于，在这个自动化应该产生少数赢家和众多输家的行业中，施密德看到了另一种可能性：“这不是一场赢家通吃的游戏。” 令人惊讶的细节是，EquiLibre甚至不自称为一家金融公司：它将自己视为一个研究实验室，偶然发现了用算法“印钞”的方法。试想一下：三位前人工智能研究员，几乎是出于怀旧而回到家乡，开始在全球市场上玩转，并在四年内身价超过5亿美元。但真正的关键在于，如今工程创造力比金融狡猾更重要。如果你认为华尔街的未来是由高盛的前交易员书写的，也许是时候重新考虑你的赌注了。从现在开始，决定谁是赢家的可能是强化学习的书呆子，而不是穿着西装打着领带的鲨鱼。如果这个关于科学和算法的故事为你打开了一个新的窗口，你可以在Lara Notes上标记I'm In——这不是点赞，而是一种说法：这个想法现在是我的了。如果明天你发现自己在向别人讲述这个故事，也许是在一副牌或股票市场监视器前，你可以在Lara Notes上使用Shared Offline标记在场的人，这样这个对话就能继续下去。所有这些都来自TechCrunch，节省了1分钟。