DeepMind poker AI 團隊轉打量化交易，5 億美元估值背後有咩料

先講發生咩事

TechCrunch 報道，布拉格 AI lab EquiLibre Technologies 完成由 Creandum 領投、金額未公開嘅 Series A，估值超過 5 億美元。公司由 Martin Schmid、Rudolf Kadlec 同 Matej Moravcik 三位前 DeepMind 研究員創辦；Schmid 同 Moravcik 係 DeepStack 作者，Kadlec 亦有 DeepMind game-playing AI 研究背景，三人唔係傳統金融人。EquiLibre 話佢哋嘅模型每日喺 S&P 500 同 Nasdaq 做到數十億美元交易量，合作方係 Tower Research Capital；公司亦聲稱由 2025 年喺 crypto 市場推出起，每個月整體都賺錢。不過呢個係公司自己講法，暫時未見外界審計回報。

圖片：EquiLibre Technologies

點解 poker AI 扯到交易

DeepStack 當年係第一個喺 heads-up no-limit Texas hold'em 贏過職業玩家嘅 AI，靠 recursive reasoning、decomposition 同 self-play 學出「直覺」，研究入面打咗 44,000 hands。poker 最難嗰下唔止牌大牌細；你永遠睇唔晒對手手牌，仲要估對手點諗你。市場都似呢種局：你睇到成交、order book、新聞同價格，但睇唔到所有倉位、意圖同下一秒流動性。強化學習喺呢度吸引，因為 reward 好直接：策略最後賺定蝕。

圖片：EquiLibre Technologies

市場會還手

不過 poker 枱規則固定，金融市場變數多好多。Jane Street 自己公開講，市場數據大部分係 noise，結構又會因疫情、選舉、監管同情緒轉；仲麻煩係，你下單本身都會改變之後見到嘅數據。呢點係 EquiLibre 敘事最要小心嘅地方：poker AI 證明佢哋識處理資訊唔完整，未證明任何市場環境都食得開。所謂 zero negative months，如果冇風險、倉位、費用、容量同 drawdown 細節，只可以當作一個早期訊號。

VC 追嘅唔只估值

VC 追呢類案，原因唔難明。通用大模型成本高，差異又好快俾追上；金融呢啲垂直場景，模型只要真係帶到 edge，錢同 feedback loop 會快好多。EquiLibre 仲揀布拉格，TechCrunch 引述 Schmid 話，當地冇三兩個月一間搶眼 AI 新公司搶人，留人反而容易。呢個角度幾實際：AI 人才由大廠出嚟，未必一定去做 chatbot，反而會去有資料、有 reward、有錢計嘅行業。

對 fintech 團隊有咩啟發

對香港做 fintech、data science、資產管理技術嘅人，呢單新聞最貼地嘅啟發係：咪將 AI 炒股當 app 功能，模型能力要連埋交易成本、延遲、風控、資金容量同監察工具一齊設計。強化學習最迷人嘅位係自我學習，但最危險都係佢會為咗 reward 搵捷徑。喺真市場，reward 寫得唔好，模型可以用一個好醜嘅方法贏紙面分數，最後輸喺流動性、滑價或者風險限制。

下一步睇咩

EquiLibre 而家最值得追嘅有兩件實事，估值反而排後：佢哋個系統喺更多市場、更多週期入面仲控唔控到風險，同埋用少啲 GPU 榨多啲性能嘅路線係咪真係可以頂住 Jane Street 呢類大行嘅算力差距。DeepMind 履歷可以幫公司吸引投資人，但交易成績最後都要睇新 regime、流動性同對手反應。

參考來源

• TechCrunch — The DeepMind trio who built a poker AI are now making money for quant hedge funds — original report
• EquiLibre Technologies — The Next Generation of Algorithmic Trading — 確認 EquiLibre 官方定位、創辦人履歷、技術方向同顧問名單。
• Ex-DeepMind Trio Bring Algos, AI Poker Prowess to Tower Research — 補 Tower Research Capital 同 EquiLibre 合作脈絡。
• DeepStack: Expert-Level Artificial Intelligence in No-Limit Poker — 補 DeepStack 技術背景、作者同 44,000 hands 測試資料。
• Media Release: DeepStack AI for Poker — 補 DeepStack 喺資訊唔完整遊戲入面點解重要。
• Machine Learning :: Jane Street — 對照大型量化行公開講深度學習、RL、GPU 同市場 regime 難題。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。