投資界AI獲悉，金融垂域大模型公司Grace Investment Machine（簡稱GIM）宣布一連完成過億元天使輪和天使+輪融資。

其中，天使+輪融資由“中國風投教父”閻焱掌舵的賽富投資基金領(lǐng)投，某千億市值互聯(lián)網(wǎng)公司CEO家辦跟投；天使輪則由Monolith礪思資本和五源資本共同投資；值觀資本后續(xù)擔任獨家財務(wù)顧問。本輪融資將用于金融大模型研發(fā)、算力基礎(chǔ)設(shè)施建設(shè)和團隊擴張。

成立于2025年7月，GIM正在做一件事：為金融行業(yè)打造一個垂直領(lǐng)域的DeepSeek——專為投資決策而生的推理大模型。印象中，這是全球首批從底層模型開始、自研金融垂域大模型的團隊之一。而他們瞄準的，是一個萬億美元級別的市場。

前五源投資人聯(lián)手港大教授

闖入萬億美元賽道

GIM的故事，始于兩位老友——徐嘉浩和劉琦。

在創(chuàng)立GIM之前，創(chuàng)始人徐嘉浩已深耕一二級市場多年。此前他曾任職于五源資本和Neumann Capital，參與地平線、晶泰科技、Pony.AI等多個科技項目投資。

GIM創(chuàng)始人徐嘉浩

讓他決定All in創(chuàng)業(yè)的，是觀察到AI推理能力提升帶來的顛覆：

2024年底OpenAI推出o1后，大模型開始展現(xiàn)復雜推理能力；隨后，DeepSeek展現(xiàn)出清晰的思維鏈拆解能力，揭示了AI在信息搜索上的廣度、深度和執(zhí)行速度；2025年四月，推理模型o3的迭代又使其推理能力有了巨大躍升，這些突破對金融投資而言，意義非凡。

“時機到了。”

與他一同開始探索的，是技術(shù)背景出身的合伙人劉琦博士。劉琦現(xiàn)任香港大學計算機系助理教授，研究方向聚焦大語言模型和多模態(tài)AI。他博士畢業(yè)于牛津大學的計算機專業(yè)，師從Phil Blunsom，先后在DeepMind和Meta FAIR擔任研究員——這些經(jīng)歷，讓他親歷了現(xiàn)代大語言模型從實驗室走向工業(yè)化的全過程。

此外，團隊集結(jié)了來自頂級對沖基金、量化基金，以及DeepMind、Meta、微軟等大模型公司的跨學科人才——同時理解AI與金融的跨學科團隊就此誕生。

隊伍組建后，GIM瞄準的方向很清晰：不做通用大模型，而是為金融行業(yè)打造垂直領(lǐng)域的推理基礎(chǔ)設(shè)施。

市場空間不容小覷。據(jù)團隊估算，全球AI金融軟件市場加上全球資產(chǎn)管理收入，構(gòu)成了一個約1500億美元的可觸達市場（SAM）。而放眼更廣，Agentic Investing若滲透全球資管規(guī)模的10%，對應(yīng)的潛在市場（TAM）高達9萬億美元。

但更大的機會在于：通用大模型在金融場景中存在天然短板。

“GPT-4可以寫財報摘要，但無法判斷‘該不該買’?！毙旒魏平忉尩?。市場上的通用模型，在做投資決策和收益預測時不夠精準。通用模型的缺陷是結(jié)構(gòu)性的——數(shù)值推理弱、時序感知差、合規(guī)黑箱、更新滯后。金融投資需要的不是“百科全書”，而是“專業(yè)基金經(jīng)理”。

于是，GIM決定從零自研金融垂域大模型。目前，團隊自研的金融時序大模型已完成從30M到1.5B再到8B參數(shù)的Scaling Law驗證，模型引入了針對金融數(shù)據(jù)的時序編碼機制和非線性門控結(jié)構(gòu)，在多頻率、多市場、多品種訓練中表現(xiàn)出顯著的遷移學習能力。

團隊近期以CogAlpha為名發(fā)表的研究成果，已被ACL 2026主會刊接收（Top 1%）。論文中提出的多智能信號挖掘框架，在CSI300全市場選股任務(wù)上綜合排名第一，超越21個基線模型（含GPT-4系列）。

這是從零開始為投資決策設(shè)計的推理系統(tǒng)。天使輪投資方Monolith創(chuàng)始合伙人曹曦曾表示，GIM團隊最打動他們的，是“團隊既有頂尖的AI研究能力，也懂金融和資產(chǎn)管理的復雜性”，大家對AI原生投資平臺這件事想得很清楚，且推進很快。

這樣的團隊組成，也讓他們具備了將回測系統(tǒng)做得更接近真實市場的基礎(chǔ)?；販y越真實，實盤就越可靠——這是量化機構(gòu)多年經(jīng)驗筑起的護城河，AI也難以輕易突破。

不過，對于整個行業(yè)而言，一個更值得關(guān)注的問題正在浮現(xiàn)：當AI已經(jīng)能夠理解市場信息，它是否能像研究員一樣發(fā)現(xiàn)新的投資規(guī)律？

開啟智能體投資時代

用AI炒股時，超七成用戶會直接要求AI告訴自己“什么值得買”——這是今年三月，JAR（Journal of Accounting Research）一篇研究中的結(jié)論。

事實上，對量化行業(yè)來說，“讓機器參與投資研究”并非新鮮概念。但在過往，系統(tǒng)仍依賴研究員定義規(guī)則與框架，隨著推理模型能力的躍升，AI開始從“信息處理工具”向“研究工具”演進——主動拆解原始數(shù)據(jù)、發(fā)現(xiàn)潛在規(guī)律。

GIM研發(fā)的多智能體框架CogAlpha，正是這一方向上的核心探索。

CogAlpha試圖實現(xiàn)的范式是讓AI自動發(fā)現(xiàn)投資信號，即尋找與未來收益表現(xiàn)存在相關(guān)性的特征或變量。

為此，團隊設(shè)計了21個專業(yè)化Agent，組成一條完整的“AI投研流水線”——每個Agent“專家”會針對自己擅長的維度，對新提出的投資信號進行審核、提出改進意見。其中，有的Agent擅長判斷當前市場風險狀態(tài)和周期情況，有的擅長分析價格與成交量之間的關(guān)系，有的擅長識別趨勢與反轉(zhuǎn)信號。只有當信號經(jīng)過多輪評估后表現(xiàn)仍然持續(xù)提升，才會進入下一環(huán)節(jié)。通過這套機制，團隊希望最大化信號的多樣性，避免開發(fā)過程過早收斂。

這套機制的核心價值在于：讓AI自動發(fā)現(xiàn)投資規(guī)律，而非依賴人類預設(shè)。

CogAlpha自進化信號挖掘流程

目前，公司處于自動化級別L3.5（L2輔助決策、L4全自動決策），預計1-2年內(nèi)實現(xiàn)端到端的全自動投資。

在徐嘉浩看來，AI原生的資管平臺未來將成為一個新的品類，“第一代是主觀投資人，如巴菲特；第二代是量化投資，如文藝復興；而第三代，則將是通過智能體重構(gòu)整個投資流程”。

這不是增量改進，這是范式革命。

通用大模型的時代正在收窄，垂域大模型的時代剛剛開始。金融賽道足夠大、商業(yè)價值突出，GIM正在緩緩推開這扇門。