投资界 AI 获悉，金融垂域大模型公司 Grace Investment Machine（简称 GIM）宣布一连完成过亿元天使轮和天使 + 轮融资。

其中，天使 + 轮融资由 " 中国风投教父 " 阎焱掌舵的赛富投资基金领投，某千亿市值互联网公司 CEO 家办跟投；天使轮则由 Monolith 砺思资本和五源资本共同投资；值观资本后续担任独家财务顾问。本轮融资将用于金融大模型研发、算力基础设施建设和团队扩张。

成立于 2025 年 7 月，GIM 正在做一件事：为金融行业打造一个垂直领域的 DeepSeek ——专为投资决策而生的推理大模型。印象中，这是全球首批从底层模型开始、自研金融垂域大模型的团队之一。而他们瞄准的，是一个万亿美元级别的市场。

前五源投资人联手港大教授

闯入万亿美元赛道

GIM 的故事，始于两位老友——徐嘉浩和刘琦。

在创立 GIM 之前，创始人徐嘉浩已深耕一二级市场多年。此前他曾任职于五源资本和 Neumann Capital，参与地平线、晶泰科技、Pony.AI 等多个科技项目投资。

GIM 创始人徐嘉浩

让他决定 All in 创业的，是观察到 AI 推理能力提升带来的颠覆：

2024 年底 OpenAI 推出 o1 后，大模型开始展现复杂推理能力；随后，DeepSeek 展现出清晰的思维链拆解能力，揭示了 AI 在信息搜索上的广度、深度和执行速度；2025 年四月，推理模型 o3 的迭代又使其推理能力有了巨大跃升，这些突破对金融投资而言，意义非凡。

" 时机到了。"

与他一同开始探索的，是技术背景出身的合伙人刘琦博士。刘琦现任香港大学计算机系助理教授，研究方向聚焦大语言模型和多模态 AI。他博士毕业于牛津大学的计算机专业，师从 Phil Blunsom，先后在 DeepMind 和 Meta FAIR 担任研究员——这些经历，让他亲历了现代大语言模型从实验室走向工业化的全过程。

此外，团队集结了来自顶级对冲基金、量化基金，以及 DeepMind、Meta、微软等大模型公司的跨学科人才——同时理解 AI 与金融的跨学科团队就此诞生。

队伍组建后，GIM 瞄准的方向很清晰：不做通用大模型，而是为金融行业打造垂直领域的推理基础设施。

市场空间不容小觑。据团队估算，全球 AI 金融软件市场加上全球资产管理收入，构成了一个约 1500 亿美元的可触达市场（SAM）。而放眼更广，Agentic Investing 若渗透全球资管规模的 10%，对应的潜在市场（TAM）高达 9 万亿美元。

但更大的机会在于：通用大模型在金融场景中存在天然短板。

"GPT-4 可以写财报摘要，但无法判断‘该不该买’。" 徐嘉浩解释道。市场上的通用模型，在做投资决策和收益预测时不够精准。通用模型的缺陷是结构性的——数值推理弱、时序感知差、合规黑箱、更新滞后。金融投资需要的不是 " 百科全书 "，而是 " 专业基金经理 "。

于是，GIM 决定从零自研金融垂域大模型。目前，团队自研的金融时序大模型已完成从 30M 到 1.5B 再到 8B 参数的 Scaling Law 验证，模型引入了针对金融数据的时序编码机制和非线性门控结构，在多频率、多市场、多品种训练中表现出显著的迁移学习能力。

团队近期以 CogAlpha 为名发表的研究成果，已被 ACL 2026 主会刊接收（Top 1%）。论文中提出的多智能信号挖掘框架，在 CSI300 全市场选股任务上综合排名第一，超越 21 个基线模型（含 GPT-4 系列）。

这是从零开始为投资决策设计的推理系统。天使轮投资方 Monolith 创始合伙人曹曦曾表示，GIM 团队最打动他们的，是 " 团队既有顶尖的 AI 研究能力，也懂金融和资产管理的复杂性 "，大家对 AI 原生投资平台这件事想得很清楚，且推进很快。

这样的团队组成，也让他们具备了将回测系统做得更接近真实市场的基础。回测越真实，实盘就越可靠——这是量化机构多年经验筑起的护城河，AI 也难以轻易突破。

不过，对于整个行业而言，一个更值得关注的问题正在浮现：当 AI 已经能够理解市场信息，它是否能像研究员一样发现新的投资规律？

开启智能体投资时代

用 AI 炒股时，超七成用户会直接要求 AI 告诉自己 " 什么值得买 " ——这是今年三月，JAR（Journal of Accounting Research）一篇研究中的结论。

事实上，对量化行业来说，" 让机器参与投资研究 " 并非新鲜概念。但在过往，系统仍依赖研究员定义规则与框架，随着推理模型能力的跃升，AI 开始从 " 信息处理工具 " 向 " 研究工具 " 演进——主动拆解原始数据、发现潜在规律。

GIM 研发的多智能体框架 CogAlpha，正是这一方向上的核心探索。

CogAlpha 试图实现的范式是让 AI 自动发现投资信号，即寻找与未来收益表现存在相关性的特征或变量。

为此，团队设计了 21 个专业化 Agent，组成一条完整的 "AI 投研流水线 " ——每个 Agent" 专家 " 会针对自己擅长的维度，对新提出的投资信号进行审核、提出改进意见。其中，有的 Agent 擅长判断当前市场风险状态和周期情况，有的擅长分析价格与成交量之间的关系，有的擅长识别趋势与反转信号。只有当信号经过多轮评估后表现仍然持续提升，才会进入下一环节。通过这套机制，团队希望最大化信号的多样性，避免开发过程过早收敛。

这套机制的核心价值在于：让 AI 自动发现投资规律，而非依赖人类预设。

CogAlpha 自进化信号挖掘流程

目前，公司处于自动化级别 L3.5（L2 辅助决策、L4 全自动决策），预计 1-2 年内实现端到端的全自动投资。

在徐嘉浩看来，AI 原生的资管平台未来将成为一个新的品类，" 第一代是主观投资人，如巴菲特；第二代是量化投资，如文艺复兴；而第三代，则将是通过智能体重构整个投资流程 "。

这不是增量改进，这是范式革命。

通用大模型的时代正在收窄，垂域大模型的时代刚刚开始。金融赛道足够大、商业价值突出，GIM 正在缓缓推开这扇门。

本文来源投资界，作者：赵之齐，原文：https://news.pedaily.cn/202606/564923.shtml

【本文为投资界原创，网页转载须在文首注明来源投资界（微信公众号 ID：PEdaily2012）及作者。微信转载请在原文评论区联系授权，违者必究。免责声明：本文不构成任何投资建议。市场有风险，投资需谨慎。】