此次實驗堪稱 AI 自主交易的 “硬核試煉”：5 大全球頂級 AI 模型各持 1 萬美元，在無人工干預、無策略預設、無人工提示的 “三不原則” 下，獨立征戰(zhàn)納斯達克 100 成分股近一個月。

DeepSeek 憑借精準布局科技龍頭、分散投資風險、動態(tài)調倉等成熟策略，展現(xiàn)出超越多數(shù)散戶的投資能力，其穩(wěn)健表現(xiàn)與高頻交易致虧的 Gemini、交易保守仍負收益的 Qwen 形成鮮明對比，印證了 “穩(wěn)健才是交易王道”。

更值得關注的是，該項目已完全開源，遵循 MIT 協(xié)議，用戶僅需克隆倉庫、配置 API、一鍵啟動三步操作，即可擁有專屬 AI 交易員，還能體驗 “時光機”回溯測試、DIY 策略、擴展全球市場等功能。

這場實驗不僅打破 AI 靜態(tài)測試局限，更讓 “人人造 AI 股神” 成為可能，標志著中國 AI 在金融實戰(zhàn)領域邁出關鍵一步。以下，Enjoy：

來源：新智元

編輯：元宇 好困

這一局，中國AI又贏了！

繼AlphaArena在加密貨幣市場掀起AI大戰(zhàn)之后，一場更硬核的「美股版AI魷魚游戲」已經(jīng)落幕。

就在剛剛，最新戰(zhàn)報出爐，結果震撼全場：

中國的DeepSeek成為最大黑馬，收益率高達9.68%。

這意味著，通過它賺錢速度是直接買熱門美股基金（QQQ）的8倍，是第二名AI大模型的4倍！

GitHub地址：https://github.com/HKUDS/AI-Trader

Leaderboard：https://hkuds.github.io/AI-Trader/

在這個名為「AI-Trader」的開源項目中，來自港大黃超教授的研究團隊進行了一次有趣的探索——

他們給GPT、Claude、Gemini、Qwen、DeepSeek這五個全球頂級AI模型每人1萬美金，到納斯達克100成分股交易市場廝殺近一個月。

同時，為這場比賽制定了堪稱嚴苛的規(guī)則：沒有人工干預，沒有策略預設，也沒有任何人為提示。

每個AI模型，只有自己的賬戶資金和一套用來查股價、搜新聞、下單的交易工具。

至于要怎么交易，全憑AI模型的智商了。

01

這不是你見過的「AI炒股」

首先需要說明的是，這是一場真正的AI自主交易！

它不是程序員預先寫死的「偽AI交易」，也不是拿歷史數(shù)據(jù)跑出來的「炒股機器人」。

項目團隊為這個實驗定下了「三不原則」：

• 不給劇本：不告訴AI任何炒股套路；

• 不給建議：全程禁止人工「場外指導」；

• 不給作弊機會：嚴格按日期過濾數(shù)據(jù)。

設想你交給AI一萬美元和一套交易工具，然后讓它獨立操作一個月，看能否盈利。

整個過程沒有策略模板，沒有技術指標，AI只能靠自己搜索和分析信息，計算風險收益，并做出購買決策。

因此，此次DeepSeek的勝出完全是依靠模型自身的學習和推理能力。

從DeepSeek的持倉截圖可以看出，它沒有盲目追熱點或All-in單只股票，而是展現(xiàn)出了超越多數(shù)散戶的投資策略：

• 精準踩中科技龍頭：比如NVDA、AAPL、MSFT等核心標的；

• 有效分散投資風險：采用了多標的投資組合，不把雞蛋放進一個籃子里；

• 動態(tài)調倉能力：根據(jù)市場變化實時調整。

02

交易行為暴露AI「性格」

誰是老司機，誰心態(tài)崩了？

更有意思的是，交易頻率的差異也暴露出了這些參賽AI各自迥異的「性格」。

從這些「AI交易員」的性格畫像中，我們也能琢磨出來一些現(xiàn)實炒股中的門道：

首先，頻繁交易≠高收益。

Gemini在短期內(nèi)進行了高頻交易，瘋狂下單73次，因缺乏風險控制導致虧損2.73%，呈現(xiàn)出典型的高頻波動型策略失效特征。

這像極了那種每天盯盤八小時，一有波動就慌忙操作的散戶，最后心態(tài)崩了就直接清倉走人。

第二，太佛系了也不行。

Qwen只交易了22次，結果還是拿了負收益。

第三，只有穩(wěn)健才是王道。

DeepSeek和Claude的交易次數(shù)都在50次左右，理性穩(wěn)健，該出手時就出手。

它們一個大賺9.68%，一個小賺2.17%——這才是成熟交易員該有的節(jié)奏。

這場實驗不僅測出了AI的「智商」，還測出了它們的「情商」和「心態(tài)」，而這恰恰也是金融市場最考驗人的地方。

03

完全開源

一鍵就能讓AI幫你炒股

更炸裂的是AI-Trader完全開源，MIT協(xié)議、代碼全公開。

只需下面三步就可以輕松上手：

• 克隆倉庫：只要一行命令就可以；

• 配置API：Alpha Vantage、Jina、OpenAI等，大部分都有免費額度；

• 一鍵啟動：python main.py，然后就可以坐等AI開始交易。

此外，項目還支持可插拔的擴展：

• 時光機模式：回到2024年科技股暴跌期，看你的AI能不能成功抄底；

• DIY專屬AI交易員：如果覺得GPT太保守，還可以自定義一個激進派的Agent；

• 擴展到全球市場：A股、港股……理論上都可以接入。

04

想訓練好一個AI

最好的方法是將它扔進股市

多年來，我們一直采用靜態(tài)基準來衡量AI。

比如通過ImageNet測圖像識別，MMLU測知識問答等。

但這些測試都有一個致命缺陷：它們都發(fā)生在一個可預測、可以隨時按暫停鍵的「實驗室環(huán)境」中。

為了打破這一慣例，10年前，DeepMind引入了游戲場景來進行AI測試。

不是讓AI去做MMLU選擇題，而是讓它在《星際爭霸》里與職業(yè)選手對戰(zhàn)，或者在圍棋中與世界冠軍競爭。

DeepMind之所以這樣做，是因為游戲提供了傳統(tǒng)測試中所沒有的三個挑戰(zhàn)：

• 動態(tài)環(huán)境：每一局都不一樣，對手也會學習、會反擊；

• 即時反饋：走錯一步棋，就可能立即輸?shù)舯荣悾?/p>

• 開放策略：沒有標準答案，只有輸贏。

于是我們看到了AlphaGo、AlphaStar，也看到了AI從「會答題」進化到「能博弈」。

從靜態(tài)基準測試到游戲測試，難度是提升了，但仍然不夠。

如果說游戲測試是AI的「新手局」，金融市場才是滿級玩家們要挑戰(zhàn)的終極BOSS。

原因很簡單：市場是一個比游戲更好的訓練場。

游戲再復雜，它的規(guī)則也是固定的。

相比規(guī)則固定的游戲，金融市場的復雜性在于其參與者與規(guī)則的動態(tài)共演。

它是一個由無數(shù)人（包括智能體）共同組成的一個持續(xù)進化的復雜系統(tǒng)，它有博弈、欺騙、陷阱、絞殺，也會波動、反應、懲罰、獎勵。

所以，市場才是AI的終極試金石。

一個AI的智能不僅取決于它讀取信息的速度，更取決于它能夠承認錯誤、及時止損的自我反省與學習能力。

這才是真正的智能，也只有通過股市中真金白銀的搏殺才能檢驗出來。

正因如此，市場才是終極的世界建模引擎。

想要訓練一個真正能在現(xiàn)實世界運行的AI，最好的辦法把它扔進股市，它必須在這里學會：

• 從嘈雜的信息海洋中捕捉有效信號；

• 綜合財報、技術指標、輿情分析做出多維決策；

• 隨著市場變化不斷調整策略；

• 知道及時止損。

這衡量的是AI在不確定性環(huán)境中生存的能力，這才是新時代的圖靈測試。

05

AI戰(zhàn)場

早已不只在聊天框里了

如果說過去十年，DeepMind用游戲證明了AI可以戰(zhàn)勝人類，那么接下來的十年，金融市場將證明「AI可以在真實世界中創(chuàng)造價值」。

它拓展了我們探索AGI的邊界，打開了AI通往真實世界的通路。

想象一下，當AI能在復雜的市場環(huán)境下生存，今天能夠炒股，明天就可以做醫(yī)療診斷、法律分析、科研決策，去解決更多現(xiàn)實場景中的問題。

另外一個方面，市場也為AI提供了開放式學習的環(huán)境，近乎無限的數(shù)據(jù)和即時反饋，這是實驗室中永遠也無法模擬出來的。

當硅谷還在爭論「AI會不會搶了基金經(jīng)理飯碗」時，中國的DeepSeek已經(jīng)用真金白銀的9.68%收益率給出了答案——不是會不會，而是已經(jīng)在發(fā)生了。

DeepSeek的勝利，象征著一種范式轉變：

未來的華爾街，可能不再屬于那些時刻盯盤的交易員，而是屬于那些能秒讀千份財報、精準捕捉市場情緒、永不情緒化的AI大腦。

而引領這場金融AI革命浪潮的，正是來自中國的DeepSeek。

從AI聊天（ChatGPT vs Kimi、DeepSeek），到深度研究（OpenAI DeepResearch vs Qwen DeepResearch），再到現(xiàn)在的AI炒股——每一個新戰(zhàn)場打開，我們都能看到中國AI的身影在快速逼近，甚至反超。

AI的戰(zhàn)場早就不只在聊天框里了。

而如今，中國AI正在開啟這個未來。

06

作者介紹

范天宇

范天宇（2002年生），香港大學博士二年級學生，研究方向為檢索增強生成（RAG）與大語言模型智能體。

學術成果發(fā)表在ICLR會議，并主導開源項目MiniRAG（GitHub 1.5k星），在學術與產(chǎn)業(yè)界獲得廣泛應用與關注。

蔣楊欽

蔣楊欽（1999年生），香港大學博士四年級學生，研究方向涵蓋大模型智能體、圖學習與推薦系統(tǒng)。

研究成果入選KDD 2022最有影響力論文榜單，并獲得ACM MM 2024 Best Paper Honorable Mention Award。

楊雨豪

楊雨豪（2000年生），香港大學博士四年級學生，谷歌學術引用1800+。主要研究方向為大模型智能體、圖學習與推薦系統(tǒng)。

成果多次入選頂級會議最有影響力論文榜單（KDD 2022/2023、WWW 2023、SIGIR 2022）。開源多模態(tài)GUI智能體Aria-UI在學界與業(yè)界獲得關注。

黃超

黃超，香港大學博士生導師，研究方向大語言模型、智能體與圖機器學習，Google Scholar引用1.3萬+。

團隊推出LightRAG、RAG-Anything、DeepCode、AutoAgent、AI-Researcher、MiniRAG、VideoRAG等開源項目，累計6萬余GitHub星標、50次登上GitHub Trending。

曾獲2024前沿科學獎，并入選2025 AI100青年先鋒與AI 2000全球最具影響力學者。

多項成果在KDD、WWW、SIGIR、AAAI等頂會被評為最具影響力研究之一，并于ACM MM、WWW、WSDM等獲得最佳論文提名。

參考資料：

https://github.com/HKUDS/AI-Trader