资管形态的重塑：从传统研究到智能体协作

资管行业的发展始终与研究方法和技术能力的演进相伴。从基本面分析与价值投资，到现代组合理论、统计模型与量化投资，新的方法不断改变人们理解市场、组织研究和配置资本的方式，也推动着资产管理机构形态的演变。

今天，人工智能与智能体技术正在打开新的可能。AI开始参与假设生成、代码编写、实验验证与反馈迭代，投资研究的组织方式也随之变化。过去需要研究员在信息、代码和实验之间反复切换的工作，可以逐步通过智能体连接起来，让更多研究想法得到检验，让实验过程与反馈得到保留。

GIM AI关注人工智能与投资研究的深度结合。其关注的核心问题是，能否将研究组织的学习能力，沉淀为一套持续运行、不断改进的系统？让智能体分工协作，提出假设、检验逻辑、记录失败，再把每次研究的经验带入下一轮探索。

战略合作与专业分工：技术研究与资管实践的连接

围绕这一共同方向，GIM AI与GIM Capital建立了战略合作关系。双方为独立运营、独立决策的关联主体，以各自的专业能力，连接技术研究与资产管理实践。

独立运营与专业互补

  • GIM Capital：运营主体为致物祥恒（宁波）投资管理有限公司，是已在中国证券投资基金业协会登记的私募证券投资基金管理人。GIM Capital承担基金管理职责，负责投资决策、风险控制、运营管理与投资者服务。
  • GIM AI：专注智能体系统与金融模型研究，作为技术研究方提供支持。

近日，GIM Capital取得阶段性进展，旗下10只私募基金在三个月内完成中国证券投资基金业协会备案，迈入产品化运行新阶段。这一进展为观察AI时代资管机构的发展提供了一个具体样本。对GIM AI而言，探索不仅在于提升模型与智能体的研究能力，也在于理解这些技术如何与资产管理中的研究流程、风险约束和组织协作相衔接。

双路径技术探索：自进化智能体与金融时序模型

作为技术研究方，GIM AI围绕自进化智能体与金融时序模型两条路径展开工作。

自进化智能体系统

在智能体研究系统方向，团队的研究工作取得了学术界与行业的双重关注：

  • CogAlpha：团队参与完成的CogAlpha论文已被ACL 2026主会接收并入选Oral报告。该研究将候选因子生成、质量检查与代码级进化组织为连续流程，为智能体如何参与投资研究提供了具体的方法示例。
  • XALPHA：进一步引入研究规划与记忆机制，尝试将外部知识和历次实验反馈用于下一轮探索，让AI从生成因子走向持续积累研究经验。

金融时序模型研究

在金融时序模型方向，GIM AI面向价格、成交和订单流等市场数据，研究模型如何学习不同时间尺度下的动态关系。这两条路径分别关注研究过程的组织与市场数据的学习，共同构成GIM AI对人工智能投资研究的技术探索。

跨界团队与资本助力

兼具前沿AI与投资背景的团队

研究背后，是一支兼具投资实践经验与前沿AI研究背景的团队。GIM AI核心团队成员曾任职于全球知名对冲基金及DeepMind、Meta、微软等机构，拥有牛津、清华、北大、新加坡国立、港大等高校教育背景，90%以上成员具有硕士及以上学历。不同领域的经验在团队中交汇，推动学术方法与投资研究问题相结合。

获得顶级机构与量化先驱支持

GIM AI的技术探索也获得了科技与投资领域的支持。GIM AI目前已完成4轮股权融资，投资方包括：

  • Monolith
  • 五源
  • IDG
  • 中金
  • 赛富
  • 文艺复兴科技联合创始人Howard Morgan管理的基金

迈向产品化运行：长期管理与系统可靠性

与此同时，对于GIM Capital而言，三个月完成10只基金备案，是产品布局的阶段性进展。此后的持续管理，需要投资、风控和运营形成日常协同，面对成本、效率与风险等实际约束，将管理责任落实到具体工作中。

技术研究与资产管理实践有着不同的工作要求，也为双方的专业交流提供了持续议题。模型如何被评估，研究依据如何被保留，系统异常如何被发现，这些问题更需要长期投入。

接下来，GIM Capital将围绕已备案产品的持续管理，推进研究流程、风险监测与运营体系建设。GIM AI则将继续深耕智能体系统与金融模型研究，重视研究过程的可复核性、系统可靠性与经验积累。技术探索与专业管理如何相互衔接，也将成为这一领域持续发展的重要课题。