AI 轉型勢在必行！從企業到量化交易的 GenAI 應用落地全面加速

生成式 AI（GenAI）正在改變市場的運作方式，無論是企業內部流程、客戶互動，還是高頻交易決策，AI 的應用已不再只是概念，而是競爭力的關鍵。DeepSeek 的橫空出世，不僅在 GenAI 界投下震撼彈，其母公司幻方量化的背景，更引發人們開始討論 GenAI 應用在量化交易領域的可行性與展望。

Kronos Research、AWS、Nurie AI、聯發創新基地、國泰世華與台灣大等業界領袖在 2 月 21 日 AI Summit 中，揭示了 AI 如何從企業應用擴展至量化交易，並對未來市場帶來重大影響。

Table of Contents

Toggle

這次 AI Summit 由 Kronos Research 與 Nurie AI 共同主辦，傳遞出的趨勢莫過於 AI 已成世人關注的焦點。儘管 AI 仍處於早期階段，但 AI 轉型勢在必行，創新的 AI／GenAI 應用陸續就緒，進而帶來全新商機。

從一般企業應用到量化交易都可以看到 GenAI 全面應用的身影。當前企業客服中心、內部知識庫與聊天機器人，早已開始運用檢索增強生成（RAG）與 LLM結合，讓模型更全面地理解並回答問題。金機構也正在使用 GenAI 來改善提升顧客體驗、生產力與創新。

量化交易公司 Kronos Research 正積極運用 GenAI 來提升市場研究與交易策略。其核心技術之一是價格預測模型，透過 AI 訓練超過 3,000 至 6,000 個市場特徵，預測不同時間範圍內的價格變動。此外，Kronos 也利用 GenAI 優化程式碼審查（Code Review）與交易策略研發流程，加速決策效率。

▲ Kronos Research 資深 IT 基礎設施經理 Kyle Tsai 表示，團隊決定 GenAI 的首要應用場景就是程式碼審查，並且利用 RAG 進行高效率且全面性的程式碼分析。（Source：Kronos Research）

另一個值得注意的趨勢是，在地端投資 AI 基礎設施的效益，遠遠趕不上昂貴 GPU 晶片迭代的速度，因此企業花大錢建置相關基礎設施並不合適。AWS 解決方案架構師團隊主管廖偉凱表示，透過雲端可以更多元地選擇各種業界領先的基礎模型，不論何種規模的企業皆可無礙地使用各種先進模型與 GenAI 服務，這也是促進 GenAI 應用無所不在的重要因素，更是讓企業 AI 轉型之旅全面加速的關鍵基礎。

隨著 GenAI 的廣泛應用，為企業與交易市場帶來影響與變革，但究竟是造成短期的影響，還是長期的變革？如前文所述，從一般企業應用到量化交易無不使用 GenAI 來提升效率，許多企業多年來致力推動數位轉型與永續轉型，如今更藉由 AI 轉型來全面優化兩大轉型的實施成效。

OpenAI 將 GenAI 最終通往通用人工智慧（AGI）之旅分為 5 個階段：聊天機器人（Chabots）、推論者（Reasoners）、代理人（Agents）、創新者（Innovators）及組織者（Organizers），目前業界正準備進入代理人階段，藉此在市場上獲得競爭優勢。企業因此投入更多資源與資金，追求最先進的 AI／GenAI 模型與技術來解決更複雜的問題，取得主導市場的領先地位。

對於運用人工智慧維運（AIOps）技術來降低營運成本、簡化 IT 營運並提升客戶體驗的 Nurie AI 團隊來說，他們也正在透過 GenAI 來更進一步地提升 AIOps 效率，這正顯示出 GenAI 正在推動企業營運的長期變革。

隨著科技巨頭紛紛推出自家 AI 代理，例如 Google Project Mariner、Anthropic Computer Use 及 OpenAI Deep Research，聯發創新基地資深研究經理陳宜昌表示，2025 年甚至被視為 AI 代理開展的關鍵年度。企業也將因代理式工作流程（Agentic Workflow）而迎來升級，所謂代理式工作流程是指，AI 能從現有資源，根據情況採取行動並輔助完成任務。

在量化交易的世界裡，策略與模型的創新效率決定勝負。Kronos Research 正透過 GenAI 技術加速交易模式的革新，從程式碼自動化、量化研究，到價格預測，AI 已成為市場決策的核心推動力。隨著 AI 代理（AI Agent）與 LLM 技術的進步，金融市場將迎來新一波智能化革命，未來或將演變為完全由 AI Agent 驅動的投資與交易，改變傳統市場運作方式。

前不久 DeepSeek RI 的推出實現了以更少資料、更低成本也能開發出高效能 AI 的可能性。過去被少數科技巨頭壟斷的局面因此被打破，即使中小型企業也能基於現有的 LLM 訓練架構進行分層優化，使訓練與推理更高效、更具經濟效益，這為今後 LLM 的發展帶來典範移轉的影響。

台灣大資訊長蔡祈岩分享到，今後企業不僅能在第一階段將預訓練模型放大，還能在第二階段，透過強化學習（Reinforcement learning, RL）加上思考鏈（Chain-of-thought），讓模型的「推理」能力更上一層樓。