揭秘哈德逊河交易公司的AI“烧钱”狂欢与算力之战
当AI接管高频交易：从算力饥渴到“代币贫富差距”
场景切入
本期Odd Lots播客在纽约城市酒庄（City Winery）进行现场录制。主播Joe Weisenthal和Tracy Alloway邀请到了老朋友Iain Dunning，探讨七个月后，这家顶级量化做市商如何在交易业务中深入部署AI技术。
背景
在量化交易领域，AI正从单纯的辅助工具演变为核心生产力。从争夺数据中心、电力，到应对员工每日激增的API Token消耗，顶级交易公司正在经历一场前所未有的技术与资本竞速。
01AI狂热与高频交易的“黑盒化”
Iain坦言，AI的进步速度让人产生一种“指数级增长的狂乱感”。目前，HRT正在利用大模型生成实验思路并进行代码编写。随着AI在极短时间维度的价格预测上展现出惊人能力，量化交易正逐渐放弃传统的“人类直觉逻辑”（如寻找股票上涨背后的经济学故事），转而完全依赖深度回测和数据模式。只要AI发现的规律能稳定盈利，即便无法解释其内在逻辑，交易员也乐于接受这种“黑盒”。
然而，要支撑这种级别的AI预测，纯粹的算法模型远远不够，真正的瓶颈在于基础设施。
交易的终局，或许不再是人类智力的比拼，而是对不可解释模型风险管理能力的较量。
02算力之荒：比芯片更稀缺的是数据中心与电力
尽管顶级机构能够买到英伟达的最强GPU，但真正的挑战在于“去哪找地方插上电”。Iain指出，市场极度缺乏现成的数据中心空间和电力供应。为了获取算力，HRT不得不与各大云服务商签订长期且复杂的租赁协议，甚至需要考虑房东的信用违约风险。此外，HRT内部员工的AI Token日均消耗已达100至200美元，极个别员工甚至高达每天1000美元。这种因为算力资源充沛（“代币富裕”）带来的生产力跃升，正在拉开行业内的贫富差距。
在算力军备竞赛重塑公司资产负债表的同时，它也在悄然改变着量化机构的人才筛选标准。
算力已经从IT支出转变为决定核心竞争力的战略投资，未来的金融市场或许真的需要一种“算力期货”来对冲资源短缺的风险。
03招聘范式的转移：当“理论家”遇上AI程序员
AI的介入改变了华尔街对“天才工程师”的定义。过去，量化研究员必须兼具数学天赋和强大的代码实现能力。如今，随着大模型能够高效完成代码落地，HRT开始倾向于进行“开卷面试”，允许候选人使用AI辅助。这意味着公司可以雇佣更多纯粹的“理论家”和创意构想者。同时，能够清晰、准确描述需求并引导AI的“提示词工程”能力（或者说优秀的文字表达能力）在量化领域的价值正在迅速飙升。
从代码生成到策略构思，AI正在彻底重塑人类与市场的交互界面。
在AI时代，提出好问题的能力，已经比亲自写出好代码更加昂贵。
对于在金融、科技或任何高度竞争行业中的从业者，这一期播客揭示了AI浪潮下的生存法则：
1. 拥抱工具带来的杠杆效应：不要将AI视为替代品，而应将其作为生产力放大器。主动争取和利用AI工具（提升你的“代币额度”），以实现产出的指数级跃升。 2. 提升需求表达与逻辑构建能力：当AI接管了具体的执行与编程工作，人类的核心竞争力将转移至“清晰描述问题”和“提出创新理论”上。 3. 关注基础设施的稀缺性：在评估任何科技创新时，除了关注软件模型，必须将算力、能源和物理设施的瓶颈纳入战略规划。
无论是交易市场还是职业发展，赢家往往是那些最先适应新武器并能为其提供充足“弹药”的人。
—— 雷磊 | 你的业务陪跑教练