来源：中国基金报

　　【导读】公募量化“江湖 ”：从“配角”到“C位
”，人才挖角 、策略内卷、AI迭代下的进击与挑战

　　中国基金报记者 曹雯璟

　　在中国资本市场的投资版图中 ，量化投资曾长期是私募基金的“专属领地”。高频交易
、程序化下单、神秘的“黑盒 ”策略——这些标签让量化投资在公众眼中既充满诱惑又略显距离 。然而，近年来
，一场静默的变革正在公募基金行业发生：公募量化产品从“配角
”走向“C位”，发行规模创历史新高 ，爆款基金一日售罄
，多只产品不得不“闭门谢客 ”。

　　这个规模超5700亿元 、产品数量超800只的“江湖
”，正在AI技术的催化下 ，上演着一场关于策略
、人才与格局的较量
。公募量化能否走出一条不同于私募的道路？AI的深度介入又将如何改写游戏规则？

　　从“私募专属”到“国民平替 ”

　　公募量化“驶入
”快车道

　　Wind数据显示
，2025年，新成立公募量化基金达205只 ，募资总规模突破千亿元大关
，达到1092.46亿元，两项数据均创历史新高。这一数量和规模 ，较2024年分别增超141%和205.02%——这不是线性增长
，而是爆发式跃升 。

　　进入2026年，热度仍在延续
。截至5月22日 ，全市场共861只量化基金，合计规模达5759.64亿元
，较年初增超13%。发行端更显火热，本月 ，五日内两现“日光基”
，且触发末日比例配置机制 。与此同时，易方达科鑫量化选股、国金量化多因子等明星产品密集发布限购公告 ，其中最低申购限额已降至50元
。

　　“这种‘配售与限购齐飞’的景象
，在公募量化领域尚属首次。 ”沪上一位量化投资部基金经理向记者解释，过去 ，量化投资是私募的“专属领地
”
，公募量化长期处于边缘位置 。而2026年以来，公募量化产品年内平均业绩超13% ，正收益产品占比达95%
，赚钱效应吸引资金蜂拥而入
。渠道端的逻辑也发生了变化，私募量化产品热销后 ，银行理财经理积累了量化投资的知识和销售经验，进而将公募量化作为“平替”推向更广泛的客群。

　　“相比私募量化
，公募量化虽放弃了部分策略灵活性与高频超额空间，但建立了更为完善的风控体系 ，整体回撤表现更为可控 。在投资者对主动权益基金信心不断修复的背景下
，这种‘稳健+超额’的组合特征，恰好契合当前市场的风险偏好
。 ”上述人士谈道。

　　公募量化江湖“错位竞争”生态成型：

　　巨头全线布局 、特色机构单点突破

　　站在当前时点 ，公募量化“江湖
”的竞争格局已然清晰
，从整体格局看，当前头部公募量化已形成“综合巨头全线布局
、特色机构单点突破”的错位竞争生态 。比如国金、博道等机构凭借策略迭代 ，在主动量化赛道形成品牌优势；易方达 、华夏
、招商等巨头则依托指数增强矩阵占据大量市场份额。

　　此外
，中信研究数据显示，公募量化TOP5管理人规模占比从2018年的50%回落至2026年一季度末的31% ，TOP10占比降至50%附近
，中小机构凭借细分策略与渠道下沉实现突围，目前 ，TOP30管理人规模占比合计81.5%
。

　　对中小公司而言，量化投资提供了“弯道超车 ”的可能性。

　　业内人士指出
，传统投资高度依赖深厚的研究资源和广泛的信息网络，这是大机构的优势壁垒 。但量化投资的核心是模型、数据和算力 ，这意味着
，只要策略有效，中小公司可以绕过人员规模和信息差的壁垒 ，以相对有限的团队和成本
，直接在量化赛道上与头部同台竞技
。对于资源有限，但具备技术敏锐度的中小公司来说 ，量化不只是一个工具
，更是一条真正可以实现“以小博大
”的战略路径。此外，指数增强基金和主动量化选股基金尚未形成头部“通吃”格局 ，对中小基金公司而言
，仍存在较大发展空间 。

　　头部挖角 、中小突围

　　量化人才“争夺战 ”进入新阶段

　　随着公募量化迎来发展“蓝海
”，量化人才“争夺战”正在打响
。

　　不少公募机构开始从私募领域引入量化人才。比如 ，为补全在量价因子等方面的短板，中欧基金引入头部私募机构投资经理宋婷；此后
，为攻克短周期预测的难题，中欧又引入了在深度学习端到端模型上拥有深厚经验的杨柳 。

　　私募量化人才为何选择公募？中欧基金量化投资总监曲径向记者表示 ，一是硬件算力支撑
。公募量化在算力资源
、IT系统建设上持续加大投入。二是高水平同僚的协作氛围 。顶尖研究员不想成为流水线上的“螺丝钉 ”
，他们在中欧能获得开放、平等的交流和成长空间
。三是公募量化的“蓝海
”机遇。目前公募量化规模相对私募仍较小，且尚未形成像私募那样的绝对龙头 ，这为追求职业成就感的人才提供了巨大发展空间 。

　　公募机构间的“人才虹吸”同样引发市场关注。今年春节前后
，华宝基金昔日千亿元级ETF“一姐 ”胡洁火速加入天弘基金；随后，另一名量化人才齐震也完成从华宝到天弘的从业机构变更 ，原方正证券量化与投资交易组组长董旭恒此前也被纳入天弘麾下
。

　　当头部机构在争夺顶尖人才时
，另一类故事正在中小基金公司上演。

　　西部利得基金量化团队讲了一个“差异化发展
”的故事 。团队奠基人盛丰衍2016年加入公司后开始搭建量化业务，目前 ，团队已确立“七分量化 、三分主观”的核心打法
。在该体系下
，团队已储备60余套经实战检验的中低频策略，以应对各类市场风格。

　　在团队协作机制上 ，量化团队越来越强调“背景互补 ” 。“在招人时会尽量保证成员背景差异化，但进入团队后
，研究方向并不会被强制限定
。更多还是结合个人兴趣和擅长领域，自主开展研究。不过 ，无论研究方向如何
，每个人开发的因子和策略，最终都会进入统一的回测与评价体系 ，并纳入绩效考核 。”西部利得基金谈道
。

　　鑫元基金量化团队提供了一个“草根逆袭
”的样本。2022年
，团队组建时，量化投资部副总经理余力给团队设计的架构是“一老带数新” 。这支团队的特点是“快 ”——如果在卖方研报中看到一个有价值的想法 ，团队从提取数据、编写程序到完成回测
，最快不超过3天
。不到4年时间团队管理的量化公募产品规模就已超过40亿元，并发行了首只ETF。

　　工具迭代驱动进化

　　公募量化的“AI新战场
”

　　公募量化的进化史 ，本质上是工具迭代的历史 。一位指数及量化投资部负责人回忆
，其2009年入行时，量化投资思路主要是找几十个多因子 ，汇总得分，再放到优化器里形成持仓。从2010年到2014年
，这套方法持续带来了不错的回报
。

　　但随着算力成本下降
、数据获取门槛降低，量化策略的失效速度大幅加快。“一个策略可以维持较长时间的时代一去不复返 。2024年9月那波短暂而急促的行情 ，很多量化策略还没来得及适应指数
，行情就结束了
。”他谈道。

　　应对这种变化的“武器 ”，是AI 。

　　目前 ，AI应用已渗透至全链条
。据汇添富基金经理王星星介绍
，现阶段AI在量化投资中的应用，主要可以分为两大维度。其一 ，有效拓宽整体Alpha来源 。传统量化研究多依托线性思维
，难以识别市场隐性错误定价
。各类AI模型通过引入非线性分析逻辑，能够挖掘人工难以发现的市场规律 ，同时高效处理文本等大量非结构化数据
，进一步丰富超额收益来源。其二，大幅提升整体投研运转效率 。依托大模型赋能 ，在策略编写、代码优化 、基础研究等常规工作上，有效精简重复工作量
，释放研究员投研精力
。

　　“目前业内应用程度并不一致，有些公司约70%以上的超额因子来源于AI学习 ，我们在因子挖掘上的AI占比并不高。我们更倾向于让因子保持较强的可解释性
，而将AI更多用于端到端生成交易信号和策略 。
”沪上一位量化基金经理谈道。

　　在他看来，AI并非一劳永逸的投资工具 ，搭好AI量化框架只是基础
，持续迭代才是关键
。当下AI量化的突破点，并不在单一的模型升级 ，而是集中在三个核心方向：一是将学术端的新算法结合金融市场的特性落地应用
，而非单纯套用；二是针对市场变化迭代现有模型的细节，让模型更贴合市场实际；三是从更细分的维度挖掘高质量增量数据 ，包括财务附注
、专利、调研纪要等
，从数据源头寻找差异化机会。

　　多位量化基金经理还强调，团队并不盲目迷信“大模型” 。“金融领域并不一定需要特别大的模型 ，模型越大，有时候反而越容易过拟合
。 ”他们认为
，量化基金经理更重要的工作，是将对金融市场的理解融入模型框架 ，对传统模型进行适配和改造
，使其更加适应市场。

　　“整个行业会越来越‘内卷’
”

　　公募量化未来要“两边学习”

　　当前公募量化正经历资金与业绩的“高光时刻 ”，但繁华之下 ，未来的道路并非坦途 。它面临着来自策略有效性 、监管合规
、AI技术应用以及行业竞争等多方面的严峻挑战
。

　　北京一家大型基金公司表示
，一是策略容量逼近天花板。公募量化在业绩和规模上存在“不可能三角
”——规模增长会摊薄超额收益，这是行业当前最核心的硬约束 。简单来说 ，当资金体量太大时
，很多有效的交易策略会因为冲击成本过高而失效
。

　　二是策略同质化与模型失效加速。当大家都用相似的多因子模型时，交易会变得拥挤 ，导致超额收益被快速“填平” 。尤其在AI赋能下
，一个因子被发现后失效的速度越来越快，维持有效性的难度会加大
。

　　三是市场风格切换的适应性考验。量化模型容易在结构分化的市场（如少数权重股暴涨）中“掉队 ” ，模型的“黑箱”特性也加大了风险溯源和调整的难度 。

　　王星星也坦言，现阶段行业面临不小压力。随着全市场量化产品不断增多
，整体管理规模膨胀，行业同质化严重 ，存量阿尔法持续衰减；同时A股市场信息流转变快
，板块风格轮动愈发频繁
。后续想要长足发展，需要不断打磨因子体系 ，持续迭代更新策略
，以此维系稳定超额表现。

　　“未来，整个行业会越来越‘内卷’ 。
”沪上一位量化基金经理表示 ，公募量化既无法像主观投资那样深入细致地了解公司基本面
，也难以实现私募量化那样的高换手率策略，这确实是它的局限性
。但它的优势在于 ，两者之间可以相互学习和借鉴。

　　“向私募学习
，意味着公募量化需要使用与私募类似的数据，比如高频数据 。但难点在于 ，在保持较低换手率的前提下，如何尽可能提升超额收益
，使收益水平更接近私募
。向主观投资学习，则要借鉴其对赔率的判断逻辑。主观投资最强的能力在于能够捕捉到短期爆发力较强的牛股 ，而这些股票大多有基本面支撑 。公募量化可以通过分析师数据、多样化模型等手段
，更好地捕捉高赔率股票的主升浪机会，从而实现与主观投资的有效结合
。”他谈道。

　　虽然面临挑战 ，但对于公募量化而言
，未来行业发展机遇十分清晰 。王星星认为，一方面 ，公募量化普遍持仓分散
，整体换手偏低，对应的策略容量优势显著；另一方面 ，量化产品整体风格均衡 、行业分散
，行情适配性更强，在整个权益资管赛道当中具备天然优势 ，行业发展潜力充足
。