9月26日，北京大学物理学院第八期“物理+校友”沙龙活动在学院报告厅举行。本次活动特邀物理学院2004级本科校友、衍复投资创始人高亢作为分享嘉宾，他以“物理人的跨界之路：人工智能与量化投资”为主题，与在场师生分享了其跨界经历及对人工智能与量化投资融合发展的深刻见解。物理学院团委书记张帆、团委常务副书记范若孜出席活动，活动由物理学院校友会秘书处高子晴主持。

回首来路：人工智能的发展阶段

高亢校友首先回顾了自己的求学与职业发展路径，强调了在物理学院所接受的系统学术训练为其日后在量化投资领域的探索奠定了坚实基础。他结合个人经历，生动梳理了人工智能发展的几个关键阶段。从1990年代“深蓝”计算机依靠知识库战胜国际象棋世界冠军，到在MIT期间参与数独求解算法中对搜索策略的优化，再到自动驾驶技术突破、在线扑克不完全信息博弈的实践，高亢以丰富案例展示了AI从规则驱动到算法优化、再到场景应用的演进过程。针对2016年AlphaGo战胜围棋冠军李世石这一里程碑事件，他重点阐释了强化学习技术通过自我对弈实现智能超越的原理，指出该突破为AI后续发展提供了重要范式。

核心动力：大语言模型和机制理解

随后，高亢将视角转向当前AI发展的核心动力——大语言模型。他对比了RNN、LSTM等模型在处理长序列数据时的局限，并强调Transformer架构凭借自注意力机制实现了长期依赖建模与并行训练的革命性进步。他指出，GPT系列模型通过“预测下一词”的预训练任务展现出涌现能力，推动生成式AI进入大众视野。此外，他还介绍了“思维链”提示工程技术如何通过引导模型分步推理，提升复杂问题解决能力。他总结道，除了数学原理推导和工业界实践，目前的AI研究也呈现出类似社会学的宏观观察与实验方法，通过对“黑箱”模型行为的系统性研究来理解其内在机制

量化投资：应用及核心挑战

针对量化投资领域，高亢校友分析了该领域面临的核心挑战：金融市场数据信噪比低、预测难度大；市场环境持续演变，策略失效快；交易规则复杂且可能变动。他指出，量化投资作为高度数据驱动和技术密集的行业，必须持续追踪并应用最前沿的技术以保持竞争力。接着，他描绘了大模型如何赋能量化研究员的工作流程：从快速研读海量文献、精准定位所需数据、自动生成数据处理代码与因子测试，到策略回测与上线，大模型能极大提升研究效率，让研究员将精力集中于最具创造性的想法生成环节。高亢还结合具体应用场景，举例说明了大模型在财经文本情绪分析、另类数据处理、以及构建复杂深度学习模型等方面的潜力。同时，他也坦言，在当前阶段，AI的输出仍需专业人员的严格校验，人机协同是提升效率的关键。

就业建议

针对同学们较为关注的就业建议，高亢校友比较了科技公司与量化机构对AI人才需求的不同侧重点：科技公司更注重底层基础设施与通用技术，而量化机构则更强调个人在具体投资问题上的直接贡献和快速反馈。他建议同学们在选择职业道路时，应首要考虑自身的真实兴趣与内在驱动力，这是应对快速技术迭代和持续学习挑战的根本。他还预测，未来科研范式可能演变为科学家与AI助手协同攻关的模式，鼓励理科背景的同学积极学习并运用AI工具。

互动环节丨思维火花

最后的互动环节将现场气氛推向高潮。同学们就量化策略同质化、个人投资者应用AI的可行性、不同频率策略的发展前景、物理背景的优势体现、未来核心能力需求、职业方向选择、策略逻辑来源以及大模型回测偏差与延迟等问题踊跃提问。高亢校友学长结合自身经验与行业洞察，逐一进行了细致且富有启发性的解答。他强调了物理思维中“建模-假设-验证”的核心方法论在解决复杂金融问题中的巨大价值，并鼓励同学们打好数理基础，培养解决实际问题的能力。

活动尾声丨继往开来

活动尾声，张帆代表学院感谢高亢重返母校分享真知灼见。高亢亦在现场为同学们题写寄语：“祝物理学院的同学们能深刻把握人工智能浪潮，在AI的变革中乘风破浪！”表达了对学弟学妹们的殷切期望。活动结束后，同学们就自己关注的问题与高亢校友深入交流，高亢校友耐心解答，参会同学依依不舍，现场气氛热烈。

颁奖、自由讨论环节以及全题参会成员合影留念