界面新闻记者 |
近期，伴随着“养龙虾炒股”（ 即使用开源 AI 智能体 OpenClaw，业内俗称 “龙虾”，进行投资辅助 ）爆火，新一轮的AI炒股浪潮席卷而来，站在私募的视角下，以OpenClaw为代表的AI智能体热潮究竟意味着什么？
过去的一年多里，很多投资者都曾尝试使用ChatGPT、DeepSeek、豆包等大语言模型（LLM）来辅助炒股，当OpenClaw开始走红以后，很多投资者在第一时间提出疑问：相较于更早出现的各类AI大模型，OpenClaw有何不同？
谈及二者之间的差异，知名量化私募远和资产合伙人王小傲在接受界面新闻采访时，从底层逻辑方面进行了拆解：“我们认为，从ChatGPT到OpenClaw的演进，本质上并非市场需求的突变，而是AI能力供给端的质变。早期的大语言模型（LLM）主要作为翻译或代码补全的辅助工具，而现在的智能体让大模型具备了授权框架内自主执行复杂任务的能力。这种从‘被动响应’到‘自主执行’的跨越，极大地丰富了AI在复杂场景下的生产力表现。”
王小傲解释称：“如果说大语言模型（LLM）赋予了AI‘大脑’，那么智能体则为其装上了‘手’和‘脚’，结合多模态能力更赋予了它‘眼’和‘耳’。”
在优美利投资总经理贺金龙看来，大模型可以说是“军师”（出思路、写代码、做分析），偏重于辅助决策；OpenClaw重在执行。比如可以用豆包/DeepSeek写选股逻辑、生成回测代码、解读财报、做复盘、给投资思路，用OpenClaw自动盯盘、交易信号提示、策略执行辅助和复盘。
止于至善投资总经理何理则对界面新闻表示，OpenClaw是一个Agent（智能体），而DeepSeek是一个大模型，使用的体验会有较大的差异。最明显的是，OpenClaw可以使用各种Skills去进行“工作”， 并且可在设定框架下持续迭代优化，具备任务层面的自主性，更像是一位“数字同事”。而大模型更像是一个具备搜索和处理引擎的“数字大脑”。过去更多是“AI给意见”，现在开始变成“AI可以在授权范围内完成一部分工作”，这是一种生产力从“辅助思考”到“授权协同执行”的跨越。
以OpenClaw为代表的AI智能体有望带来投研效率的提升，是很多私募人士的共识。
“很多工作任务AI可以帮着做了，甚至是授权范围内代替做了，这样每个同事都会有一个更大的杠杆，部分任务原本要几个小时，在AI帮助下可能只需要几分钟，这会让团队的核心竞争力彻底向‘提出好问题、具备深刻商业洞察的能力、体系化能力等’转移，带来公司的快速发展。” 何理对界面新闻分析称。
由于本身就是机器学习的重度用户，且在算力方面有着不错的积累，还无需像公募、券商那样经历层层审批，决策流程相对简化，就国内而言，量化私募普遍走在AI投资实践的前列。
据私募排排网统计，截至2026年3月11日，至少有17家百亿量化私募明确在AI领域有所布局。
当下爆火的以OpenClaw为代表的AI智能体和量化投资之间又有着怎样微妙的关系？
王小傲对界面新闻分析称：“AI智能体与量化投资的相似之处在于，两者都遵循‘训练（养成）-推理（执行）’的范式，都需要通过不断沉淀打磨可复用的技能（Skill），并在特定环境中通过反馈机制优化表现。但二者也有一个关键区别，即智能体可以沉淀链路和逻辑极其复杂的技能，拥有丰富的交互模式；而量化所构建的技能更加纯粹，如因子、模型或交易策略，执行层面也仅限于单一的交易动作。此外，智能体的‘养成’门槛正在降低，普通人可通过自然语言构建复杂逻辑，但量化策略的‘养成’仍需深厚的专业壁垒。”
私募排排网也曾撰文指出，尽管底层逻辑相似，但量化模型与OpenClaw在技术原理、功能定位和应用场景等方面存在根本性差异。
资料来源：私募排排网
面对OpenClaw引领的AI智能体热潮，量化私募们也在做出自己的选择。
有的决定“谨慎尝鲜”。比如，远和资产正积极将智能体技术融入工作流，探究智能体技术在自动化研究流程、非核心模块开发、多维数据分析等场景的迁移应用，包括：构建基于Agent的自动研究框架，尝试实现从数据清洗、因子挖掘到报告生成的全流程自动化；利用智能体辅助代码生成与测试，释放研究人员精力聚焦于核心策略逻辑；探索利用多模态智能体处理新闻情绪、宏观研报等另类数据，捕捉传统模型难以识别的非线性信号等。
有的直击AI痛点。比如，星阔投资在近日发布的文章中点评称：“第一批养龙虾的人已经开始抓瞎了。更多人发现，自己本想靠它提高效率，结果每天花两小时调试它，比以前更累了。对于量化投资，这只龙虾能做的，恰恰是投资里最不值钱的那部分。真正的Alpha，从来都在龙虾游不进去的地方。所以，别焦虑了。该吃吃该喝喝，让那些急着养虾的人先养着。等这阵狂热过去，你会发现：真正能穿越周期的，永远是人，不是工具。”
在最初的“养龙虾”高潮过后，AI智能体可能存在的种种风险也开始被更多关注到。
3月8日，工信部网络安全威胁和漏洞信息共享平台发布预警，指出OpenClaw部分实例在默认或不当配置下存在高危安全风险；3月10日，国家互联网应急中心发布安全风险提示，直指该工具默认配置脆弱、权限过高带来的网络与数据隐患； 后续行业内相关风险提示也陆续发布 。
对于直接涉及“真金白银”的投资领域来说，这种风险更加值得重视和警惕。
“OpenClaw可能带来安全、执行、决策、成本、合规等五大类风险”，贺金龙对界面新闻分析称，“最容易亏大钱的风险点一个是AI幻觉/逻辑错误，即大模型生成策略有幻觉、数据偏差、逻辑错误；另一个是过拟合/回测陷阱，即历史表现好，实盘失效，只适合过去，不适应未来等。另外，现阶段Token费用高昂，持续调用大模型，月耗可达数万元。OpenClaw是效率工具，不是印钞机。安全+风控+人工审核是前提，小步快跑、持续优化才是正道。”
潜在的各种风险也使得很多量化私募选择暂时观望。据媒体报道，多家百亿量化私募均表示，考虑到安全性和技术的成熟性，并没有直接在投研中使用“龙虾”。
有意“尝鲜”的量化私募也普遍较为谨慎。比如，止于至善投资目前还在做模拟盘测试，暂时的设想是由AI隔离测试提投资建议，公司人工执行。
远和资产目前也处于实验性研究与小规模试点阶段，据合伙人王小傲介绍，该公司在推进智能体落地过程中，将始终保持“开放而理性”的态度，将重点攻克安全性与准确性、数据隐私与合规、模型适配性等多方面的挑战。比如公司建立了严格的沙箱测试与人工复核机制，确保智能体输出在可控范围内，同时严防核心策略逻辑与敏感数据泄露，构建私有化部署环境，还针对金融时序数据的特殊性，持续优化智能体的提示工程（Prompt Engineering）与微调策略，避免“幻觉”干扰决策。
尽管目前OpenClaw争议与风险并存，但展望未来，受访人士普遍对AI投资的应用前景持乐观态度。
陶山私募投资总监张春兵对界面新闻表示：“业内普遍认为，AI在投资领域的应用前景广，AI可能将承担起投资研究中数据、执行、监控等基础性和重复性工作，而逻辑、判断、决策等创造性工作仍由管理层主导。”
贺金龙也认为，OpenClaw现在的能力和安全性尚不足以谈对私募有多大影响，但趋势已经形成，假以时日，终会让量化私募进入AI Agent时代，从“人主导流程、AI辅助”转向“AI高效执行辅助、人聚焦创新”，重构投研、交易、风控、组织与竞争壁垒。未来3-5年，AI将重塑投资全流程，从工具变成核心生产力；机构拼AI能力，个人享普惠红利；风控+合规+人工审核是底线，人机协同是终局。
“AI正在彻底改变原本的投资领域工作流程，其冲击之大并没有被大部分人所认知”，止于至善投资总经理何理预测，“还会有一种AI原生投资的出现，区别于现在的趋势投资、价值投资，属于第三类投资类型，趋势投资赚的是短期预测的钱，价值投资赚的是企业成长的钱，而AI原生投资赚的是AI能力的钱，如果说2023年是大模型的元年，人工智能时代的开始，那么2026年很明显是AI Agent的元年，人工智能时代正在加速发展。”
