AI大模型竞赛从枯燥的榜单，跑进真实、不可预测的金融市场。
11月4日，一场AI主导的A股炒股竞赛正式上线。在港大AI-Trader项目中，中国AI大模型MiniMax-M2杀入最新上线的A股实盘交易，依据A股历史回测数据，M2击败一众全球知名大模型领跑。此前项目中的大模型，已在私密货币和美股市场实现自主盈利的AI交易。
这个名为“AI-Trader”的开源项目由香港大学黄超教授的研究团队发起，目的是将金融市场作为优质训练环境，探索AI真正的自主交易能力。具体的比赛方式是：将不同的AI模型直接送入A股和美股模拟实盘交易。
每个AI模型，只有自己的账户资金和一套用来查股价、搜新闻、下单的交易工具。通过项目的实时业绩仪表盘，可直观查看收益率、持仓分布等关键指标。这些主流大模型独立完成市场分析、决策制定和交易执行，全程无人类插手。
这不是第一个「AI实时炒股比赛」。就在半个月前，美国人工智能实验室 Nof1 也曾发起一场 Alpha Arena 实盘交易大赛。首季竞赛邀请六款主流大模型进行同台竞技，阿里千问Qwen夺得冠军。
有业内人士曾指出，AI选股的优点是在很大程度上可以减少人性对投资的影响。投资是人性，而技术是比较中性的。人类的理性是有限的，处理数据的能力是有限的，AI处理数据的能力远远超过人类。
当AI模型能够在真实市场环境中，独立完成策略分析到交易执行的闭环，这意味着AI已经拥有了某种生产力。AI正被系统性地训练以掌握高端金融领域的专业技能。据报道，OpenAI正在秘密推进的“水星计划”(Project Mercury)，聘请了超过100名来自摩根大通、高盛等顶尖投行的前分析师，帮助其训练其AI系统如何构建专业的财务模型。这些前银行家以每小时150美元的薪酬，为AI提供高质量的训练数据，涵盖IPO、重组等各类复杂交易场景，目标是让AI取代投行初级分析师那些耗时耗力的繁重工作。
一个有趣的现象是，在这类AI实时炒股比赛中获胜的，都是来自中国的模型。这意味着，原先由硅谷主导的全球AI格局已不知不觉发生了变化。
被誉为全球AI行业“年度风向标”的《State of AI Report 2025》，率先将“中国AI体系”从“外围追赶者”提升为“平行竞争者”，并明确指出：“在2025年，中国不再是追赶者——它正在开源AI和商业化部署方面设定节奏。”从年初的Deepseek起，中国企业正以惊人的“性价比”和开源策略快速突围。
今年1月，DeepSeek—R1以百万美元成本实现百亿级效果，颠覆了国际社会对AI研发“高投入、长周期”的固有认知，打破了美国对AI话语权的垄断，引领全球开源生态发展。此后几个月，中国开源大模型在国际上接连激起千层浪。
Alpha Arena 实盘交易的领跑者Qwen是另一个来自中国的重磅开源玩家。开头AI-Trader项目A股领跑者MiniMax-M2，则来自刚刚开源新模型的另外一家中国AI创业公司MiniMax。
10月末，国产AI公司MiniMax发布全模态“全家桶”，正式推出开源新一代文本大模型MiniMax-M2。M2迅速在权威榜单Artificial Analysis中总分中取得全球前五、开源第一。在最新出炉另外一项重要榜单 LLM Arena中，获得Web Dev（网页开发能力项）开源第一，全榜第四。
除了优异的能力外，价格和速度上，M2还以另一知名大模型不到8%的价格和快一倍的速度，迅速引起硅谷热议。Artificial Analysis在自己的社媒账号评论道，“MiniMax-02的发布延续了中国人工智能实验室在开源领域的领导地位，DeepSeek于 2024 年底启动了这一进程，而 DeepSeek 的后续发布、阿里巴巴、Z-AI 和 Moonshot AI 也延续了这一领先地位”；头部开源平台HuggingFace的联合创始人Thomas Wolf表示惊叹，“哇——这是目前在人工智能分析中排名第五的模型——现已开源”。
据外媒报道，MiniMax公司ARR早已迈过1亿美金门槛。此外，有外媒消息称，公司最快将于年底前登陆港股上市，成为2025年最受期待的AI大模型股票之一。
（来自HuggingFace的联合创始人的评论截图）
当前，AI大模型开发平台正加速技术普惠化，市场规模2025年预计将突破23.7亿元，政策支持与开源生态推动金融、医疗等垂直领域深度落地。中商产业研究院分析师预测，2025年中国AI大模型市场规模将达到23.7亿元，2030年达到250亿元。AI通过自动化复杂和耗时的任务，将显著提升生产力，金融行业便是这一趋势的突出例证。
产业侧，AI在金融领域的应用也大布迈向成果交付。硅谷AI专家Allie K. Miller在社交媒体上发布的一个演示引起了金融圈的热议。她仅用一句指令，让一个尚在内测的ChatGPT“智能体模式”(Agent Mode)为英伟达公司建立一份DCF估值模型。系统在37分钟后便自动完成了抓取财报数据、计算加权平均资本成本（WACC）与现金流，并最终生成了一份包含敏感性分析的完整Excel文件。这项传统上需要投行分析师花费2到3天才能完成的建模工作，被AI压缩到了半小时以内。
（来自硅谷AI专家Allie K. Miller社交媒体演示截图）
人工智能在金融领域的角色，正从一个提升效率的辅助工具，转变为能够独立参与市场交易的核心角色。这不仅预示着金融专业人士的工作模式将迎来根本性变革——从执行者转向策略制定与价值判断者，更标志着全球的竞争焦点，已从理论性能的比拼，全面转向真实世界中创造价值能力的较量。
