从大奖章基金到AI原生资管：GIM完成三轮融资

AI原生资产管理公司GIM近日完成A轮数千万美元融资，由弘毅投资旗下金涌投资和B Capital联合领投，IDG资本跟投。本轮领投方之一B Capital的全球主席Howard Morgan，同时是量化投资巨头文艺复兴科技的联合创始人。

这是GIM自去年7月成立以来半年内完成的第三轮融资——此前天使轮由MONOLITH和五源资本共同投资，天使+轮赛富投资基金领投。

MONOLITH作为GIM最早的机构投资人之一，本轮继续跟投。

GIM创始人徐嘉浩在Neumann Capital和五源资本做了十多年科技投资，是国内少有的跨阶段、跨市场的复合背景投资人。

他想创业的转折发生在2025年初——OpenAI的o系列推理模型快速迭代，DeepSeek把思维链摊开给所有人看。基于公开信息做分析推理这件事，AI已经能做了，而且在速度和覆盖面上超过大多数分析师。因此，他判断投资行业会出现一套新方法论，把主观投资和量化投资统一起来。

全球合伙人Howard Morgan先生（右三）与GIM 创始人徐嘉浩（右二）

GIM联合创始人刘琦是牛津博士和港大助理教授，有着丰富大模型预训练和多模态研究背景，曾在DeepMind和Meta FAIR从事研究。

公司团队现在大约25人，核心成员分别来自国际前沿大模型实验室、头部量化机构和顶尖高校的AI研究团队，顾问团队里也有多位资深量化和资管行业人士坐镇。

要理解GIM在做什么，得先回到它试图解决的问题本身。

传统投资分两条路：主观投资靠人的经验和判断，量化投资靠数学模型分析价格和交易数据。GIM认为，随着大模型推理能力的跃升，这两条路正在被同一种新能力打通——AI已经具备接近人类分析师的语义理解和推理能力，同时又保留了量化模型处理海量数据的效率。

GIM想做的，是把这两种能力揉进一个系统里，让AI不只是辅助人做决策，而是逐步接管从研究到交易执行的整条链路。

具体拆成两条技术路径。

第一条是自研金融时序大模型。 这不是拿ChatGPT这类通用大模型微调就用——团队试过，效果不理想，后来全部推倒重新训练。逻辑类似于生物领域的AlphaFold——用市场逐笔成交数据从头训练一个专属模型，让它直接学会预测不同时间窗口的资产收益率、提取复杂的市场特征。

目前，模型规模在8B参数，从30M到8B的过程里，scaling law的效果很明确，是一条清晰的上升曲线。**这条路的终局，是让AI具备不依赖人工设定规则、自己理解市场运行规律的能力。**当然，这条路目前还在早期，卡点主要是数据量级，金融时序数据的体量远小于互联网文本，需要通过混合频率和跨品种扩大合成数据的规模。

第二条是CogAlpha多智能体系统，这条已经跑到实盘，是目前进展最实的部分。核心思路不是让大模型直接拍板买卖，而是让它自己写代码去搜索市场规律——这些规律就是量化投资的"因子"，只是不再由人工凭经验手写，而是由AI自动生成、自动验证、自动淘汰，每个信号要经过几百轮自我优化才能稳定下来。

目前来看，效率提升非常直接：GIM团队去年10月需要两周才能产出一个新因子，现在一天能产出几十到上百个。

这套方法论对应的核心论文《Cognitive Alpha Mining via LLM-Driven Code-Based Evolution》已被NLP顶级会议ACL 2026主会收录并获Oral推荐——论文提出了一套由多个agent分工协作、覆盖市场结构、风险特征、量价关系等不同维度的信号挖掘框架，在覆盖中美港三地市场的多个数据集上，效果超过了包括GPT-4系列在内的21个基线模型。

目前全球范围内，能从底层模型层面系统性探索AI投资研究、并获学术界认可的团队，GIM是少数之一。

GIM把自己的技术演进类比成自动驾驶的分级路径：从L2的"副驾驶"（帮人整理信息、提供洞察，类似今天Perplexity、DeepSeek这类工具的角色），到L3的"高级副驾驶"（模拟资深分析师的深度分析能力，辅助决策），再到L4的"完全自动驾驶"——**由AI独立完成投研分析、信号生成和组合管理，全程不需要人工干预。**GIM给自己的定位，直接对标这条路径的终点：L4。

换句话说，公司的终局目标不是做一个"更好用的投研工具"，而是想成为AI时代的资产管理基础设施——用AI Agent取代传统意义上的基金经理，把过去依赖人的判断力、精力和经验的整个投资决策链路，变成一套可以持续学习、自我迭代的自动化系统。

公司内部把这个方向称为"第三代投资范式"：第一代是巴菲特式的主观投资，第二代是文艺复兴式的量化投资，第三代则是AI agent主导研究、决策和执行全流程的新范式。

MIT教授Andrew Lo去年梳理过一份"百年投资创新史"：从1920年代的投机交易，到格雷厄姆和巴菲特的价值投资，到马科维茨的现代投资组合理论，到有效市场假说和被动投资的兴起，到大卫·肖和西蒙斯定义的量化投资，再到ETF和高频交易——这个行业大约每隔十几年就会经历一次范式跃迁。

GIM的理想是续写这条时间线的下一格。

支撑这个判断的有一组现实数据：过去三年（2021年-2025年），国内ETF（交易型开放式指数基金）规模呈现爆发式增长，从2021年的1.4万亿元快速增长至2025年的6万亿元大关，年均复合增长率极高。海外市场，头部资管BlackRock的管理规模突破14万亿美元，且每年增速保持双位数。美国逾70%的股票交易已经通过自动化系统完成。

资金正在从用脚投票，依赖人的主观判断，转向更系统化、更自动化的投资方式。

本轮的重要投资方，业界传奇Howard Morgan也正是资管行业的活化石。1982年，他和西蒙斯共同创立了文艺复兴科技，并在此后七年里担任公司首任总裁，是这家后来缔造出投资史上最惊人业绩纪录（大奖章基金三十余年年化回报超过40%）的对冲基金最早的核心操盘者之一。后来他又联合创办了早期投资机构First Round Capital，投出过Uber、Roblox、LinkedIn等公司，如今掌舵管理规模超过60亿美元的B Capital。

他的加入是一个值得注意的信号——**一个曾经亲手搭建过上一代量化范式操作系统的人，选择在此时押注下一代。**这笔投资的意义不止于资金本身，更在于它表明：AI原生资产管理这个方向已经进入了顶级量化从业者的观察视野。

GIM首批AI驱动的资管产品已完成基金业协会备案并开放募集，公司也已在中国香港设立4/9号牌（证券交易顾问及资产管理）主体。团队计划把现有的量价信号能力逐步向财报、新闻这类基本面信息扩展，最终目标是把数据、模型、agent、产品四层做成一条完全自研、彼此复用的闭环。

一家公司，成立不到一年，半年内完成三轮融资，同期收获ACL Oral论文并跑通实盘，对于GIM来说是一个好的开始。但真正的检验才刚刚开始，期待接下来公司将方法论的边界从量价数据推向真正的基本面判断，持续跑出稳定的超额收益。