AI炒股終于殺到了大A，又一匹國產黑馬沖出重圍

AI大模型競賽從枯燥的榜單，跑進真實、不可預測的金融市場。

11月4日，一場AI主導的A股炒股競賽正式上線。在港大AI-Trader項目中，中國AI大模型MiniMax-M2殺入最新上線的A股實盤交易，依據A股歷史回測數據，M2擊敗一眾全球知名大模型領跑。此前項目中的大模型，已在私密貨幣和美股市場實現自主盈利的AI交易。

（來自AI-Trader）

這個名為“AI-Trader”的開源項目由香港大學黃超教授的研究團隊發起，目的是將金融市場作為優質訓練環境，探索AI真正的自主交易能力。具體的比賽方式是：將不同的AI模型直接送入A股和美股模擬實盤交易。

每個AI模型，只有自己的賬戶資金和一套用來查股價、搜新聞、下單的交易工具。通過項目的實時業績儀表盤，可直觀查看收益率、持倉分布等關鍵指標。這些主流大模型獨立完成市場分析、決策制定和交易執行，全程無人類插手。

這不是第一個「AI實時炒股比賽」。就在半個月前，美國人工智能實驗室 Nof1 也曾發起一場 Alpha Arena 實盤交易大賽。首季競賽邀請六款主流大模型進行同臺競技，阿里千問Qwen奪得冠軍。

有業內人士曾指出，AI選股的優點是在很大程度上可以減少人性對投資的影響。投資是人性，而技術是比較中性的。人類的理性是有限的，處理數據的能力是有限的，AI處理數據的能力遠遠超過人類。

當AI模型能夠在真實市場環境中，獨立完成策略分析到交易執行的閉環，這意味著AI已經擁有了某種生產力。AI正被系統性地訓練以掌握高端金融領域的專業技能。據報道，OpenAI正在秘密推進的“水星計劃”(Project Mercury)，聘請了超過100名來自摩根大通、高盛等頂尖投行的前分析師，幫助其訓練其AI系統如何構建專業的財務模型。這些前銀行家以每小時150美元的薪酬，為AI提供高質量的訓練數據，涵蓋IPO、重組等各類復雜交易場景，目標是讓AI取代投行初級分析師那些耗時耗力的繁重工作。

一個有趣的現象是，在這類AI實時炒股比賽中獲勝的，都是來自中國的模型。這意味著，原先由硅谷主導的全球AI格局已不知不覺發生了變化。

被譽為全球AI行業“年度風向標”的《State of AI Report 2025》，率先將“中國AI體系”從“外圍追趕者”提升為“平行競爭者”，并明確指出：“在2025年，中國不再是追趕者——它正在開源AI和商業化部署方面設定節奏。”從年初的Deepseek起，中國企業正以驚人的“性價比”和開源策略快速突圍。

今年1月，DeepSeek—R1以百萬美元成本實現百億級效果，顛覆了國際社會對AI研發“高投入、長周期”的固有認知，打破了美國對AI話語權的壟斷，引領全球開源生態發展。此后幾個月，中國開源大模型在國際上接連激起千層浪。

Alpha Arena 實盤交易的領跑者Qwen是另一個來自中國的重磅開源玩家。開頭AI-Trader項目A股領跑者MiniMax-M2，則來自剛剛開源新模型的一家中國AI創業公司MiniMax。

10月末，國產AI公司MiniMax發布全模態“全家桶”，正式推出開源新一代文本大模型MiniMax-M2。M2迅速在權威榜單Artificial Analysis中總分中取得全球前五、開源第一。在最新出爐另外一項重要榜單 LLM Arena中，獲得Web Dev（網頁開發能力項）開源第一，全榜第四。

除了優異的能力外，價格和速度上，M2還以另一知名大模型不到8%的價格和快一倍的速度，迅速引起硅谷熱議。Artificial Analysis在自己的社媒賬號評論道，“MiniMax-02的發布延續了中國人工智能實驗室在開源領域的領導地位，DeepSeek于 2024 年底啟動了這一進程，而 DeepSeek 的后續發布、阿里巴巴、Z-AI 和 Moonshot AI 也延續了這一領先地位”；頭部開源平臺HuggingFace的聯合創始人Thomas Wolf表示驚嘆，“哇——這是目前在人工智能分析中排名第五的模型——現已開源”。

據外媒報道，MiniMax公司ARR早已邁過1億美金門檻。公司最快將于年底前登陸港股上市，成為2025年最受期待的AI大模型股票之一。

（來自HuggingFace的聯合創始人的評論截圖）

當前，AI大模型開發平臺正加速技術普惠化，市場規模2025年預計將突破23.7億元，政策支持與開源生態推動金融、醫療等垂直領域深度落地。中商產業研究院分析師預測，2025年中國AI大模型市場規模將達到23.7億元，2030年達到250億元。AI通過自動化復雜和耗時的任務，將顯著提升生產力，金融行業便是這一趨勢的突出例證。

產業側，AI在金融領域的應用也大布邁向成果交付。硅谷AI專家Allie K. Miller在社交媒體上發布的一個演示引起了金融圈的熱議。她僅用一句指令，讓一個尚在內測的ChatGPT“智能體模式”(Agent Mode)為英偉達公司建立一份DCF估值模型。系統在37分鐘后便自動完成了抓取財報數據、計算加權平均資本成本（WACC）與現金流，并最終生成了一份包含敏感性分析的完整Excel文件。這項傳統上需要投行分析師花費2到3天才能完成的建模工作，被AI壓縮到了半小時以內。

（來自硅谷AI專家Allie K. Miller社交媒體演示截圖）

人工智能在金融領域的角色，正從一個提升效率的輔助工具，轉變為能夠獨立參與市場交易的核心角色。這不僅預示著金融專業人士的工作模式將迎來根本性變革——從執行者轉向策略制定與價值判斷者，更標志著全球的競爭焦點，已從理論性能的比拼，全面轉向真實世界中創造價值能力的較量。