来源：环球市场播报
长期以来，华尔街量化公司一直是全球顶尖科学人才最赚钱的就业去处之一。AI热潮如今为这些数学家和物理学家带来了另一批财力雄厚的雇主，也迫使金融业一些最为低调神秘的公司越来越公开地展开人才争夺。
以伦敦量化交易公司G-Research负责高校合作的Charles Martinez为例。他本人拥有物理学博士学位，经常参加世界各地的AI会议，探访的大学从波士顿到北极圈不一而足，他还举办用数学题取代常识问答的酒吧知识竞赛。其招聘宣传的核心大致是：与其构建模型预测AI系统的下一个词元，不如来预测金融市场的下一步走势，即便这意味着要默默无闻地工作。
Martinez说：“你在OpenAI工作的朋友会说，‘好吧，我做了这个，又做了那个’，而你只能说，‘嗯，我也做了些东西，但不能告诉你。’”
量化金融当然不缺钱。据一家招聘公司称，机器学习及相关领域博士毕业生入职第一年的薪酬通常在45万至65万美元之间，最高可达80万美元。但AI实验室和初创公司为同一批研究人员提供的是另一种吸引力：声望、曝光度，以及在某些情况下通过持有快速成长的科技公司股份获得巨额财富的可能。
面对竞争，一些量化公司开始进一步深入学术界。Qube Research & Technologies推出QRT Labs项目，资助70多名博士和博士后研究人员。Jump Trading资助学术奖学金。阿布扎比投资局启动了面向博士的量化研究驻留项目；巴黎的Capital Fund Management则运营一家机器学习实验室，其设计在一定程度上类似大学研究团队。
这些投入未必是为了立即产生交易信号。资助大学研究可以提高公司在潜在应聘者中的知名度，内部实验室则有助于吸引科学家，让他们有空间从事更长期的研究，而这些研究最终可能改善交易模型。
G-Research也在进行类似押注。今年夏季，该公司宣布投资欧洲学习与智能系统实验室（European Laboratory for Learning and Intelligent Systems），为其中36名研究人员提供资金。拥有约1，000名员工的G-Research还资助英国八所大学的43名博士生。
Martinez强调，公司并不期待这些获得资助的研究人员最终加入G-Research，也不要求他们从事可应用于金融领域的研究。回报主要体现在声誉上，即提高公司在潜在应聘者中的知名度，并让品牌产生一种他所谓的“温暖亲切感”。即使竞争激烈，他仍认为G-Research有能力与AI实验室正面竞争。
他在G-Research伦敦总部表示，该公司的量化部门“管理团队的方式就像大学管理博士研究团队一样”，而且“我们拥有全球最强大的计算资源之一。所以无论你想测试什么，都可以去做。”
XTX Markets、摩根大通、Hudson River Trading、Optiver和CFM等公司也设有专门的AI实验室，不过各自的任务有所不同。
总部位于巴黎、管理约350亿美元资产的量化对冲基金CFM由一名物理学教授联合创立。该公司建立了一个实验室，旨在保留学术研究的部分自由。为了领导该实验室，公司聘请了一名纽约大学数学教授，他目前也在巴黎授课。这名教授与两名全职研究人员以及一批轮换加入的博士后共同工作。
CFM首席产品官Laurent Laloux表示：“他们没有构建alpha模型的压力。从完全融入学术体系、参与并推动研究、论文发表和学术会议，同时把优秀研究成果带回公司内部的意义上说，他们拥有完全的学术自由。”
长期以来，量化从业者一直是华尔街最具学术气质的一群人。许多量化模型源于学术研究，相关工作也经常运用科学博士项目中培养的统计和工程技能。随着系统化投资公司越来越多地使用机器学习，这种联系进一步加深，而机器学习领域的许多突破本身就来自大学。
Laloux表示，在CFM，实验室为研究人员提供时间和空间“进行这种更长期的思考，以确保我们能够掌握学术界最前沿的发展，并了解如何将其应用于系统化投资”。
人才流动
NeurIPS和ICML等领先机器学习会议如今随处可见量化公司的展位。这些公司派发纪念品、举办派对，并向学生介绍金融基础知识。今年12月NeurIPS会议的最高级别赞助商中，近一半是金融公司。
HRT、XTX和Jane Street等公司还运营着配备大量GPU的自有数据中心，这对顶尖人才也是一大吸引力。
招聘公司Maven Partnership专门负责AI业务的合伙人Tom Chambers表示：“这不仅仅是薪酬问题，还要看公司在算力和基础设施方面投入的决心。”
人才竞争也体现在人员流动上。以长期运营AI实验室著称的HRT已有数名员工跳槽至OpenAI，Two Sigma的量化人才有些转投Anthropic。
人才偶尔也会反向流动。例如，一些Google DeepMind科学家加入了Jump和城堡证券。
在老牌高频交易公司Jump，首席技术官Alex Davies表示，公司一直与学术界保持合作，但为了吸引年轻研究人员，近年来决定更加公开地宣传这些合作。这些年轻研究人员更倾向于自己调查潜在雇主，而不是通过招聘人员求职。
这位在Jump工作15年的资深员工表示：“人才竞争之激烈是我从业以来前所未见的。AI实验室显然是目前最大的竞争对手。”
从一个方面来看，Jump也开始越来越像这些AI实验室。部分员工使用“技术人员”（member of technical staff）这一职称。这一刻意模糊的称谓由OpenAI和Anthropic推广开来。Davies表示，他喜欢这一称呼，因为它消除了研究人员与工程师之间传统的区分，而随着AI辅助编程兴起，这条界线已经越来越模糊。
量化公司和AI实验室都会训练机器学习模型进行预测。但Davies认为，对于喜欢解决高难度问题的研究人员而言，金融市场有一种特殊吸引力。
Davies说：“如果你的问题是完美翻译语言，人们不会故意把语言变得更难来迷惑机器人。但即使你完美解决了金融市场的预测问题，一旦把它投入使用，市场本身就会随之发生变化，于是你又不再算是解决了这个问题。”