投资界获悉，AI 交易基础设施公司 PandaAI 宣布已连续完成种子轮、天使轮及天使 + 轮三轮融资，累计融资金额达数千万元人民币，其中天使轮及天使 + 轮由 L2F 光源创业者基金领投。

据悉，三轮融资将主要用于 AI 交易大模型、专业 QuantSkills、多智能体协作基础设施及交易 Agent 开发环境的持续研发，加快 PandaAI OS、EVO 和 A2A 技术体系建设；同时进一步拓展全球用户市场，推动 AI 交易能力在个人交易者、专业投资团队及金融机构中的规模化落地。

PandaAI，外界可能陌生，其身后的掌舵者——是量化财经科普 IP" 量化李不白 " 的创建者李昱琦，他本硕毕业于哥伦比亚大学，是国内新一代量化投资人与 AI 交易实践者。

99 后创始人

要重新定义 AI 交易

1999 年出生的李昱琦，具有哥伦比亚大学金融工程本科及硕士背景。他早在 20 岁时就开始量化私募创业，现仍担任一家量化私募合伙人，参与管理规模超 10 亿元。

此外，李昱琦还在 23 岁那年，开设了量化财经科普 IP" 量化李不白 "，全网粉丝超过 20 万，持续通过内容、课程与行业分享推动量化投资知识普及。直至 2024 年，他一手创立了 PandaAI。

团队中，联合创始人兼 CTO 刘炳君曾任恒生电子、埃森哲系统架构师，并参与中国首个线上证券开户系统的核心开发，拥有金融系统架构、交易基础设施和大型工程落地经验；其他核心成员覆盖量化研究、人工智能、金融数据、交易系统和产品工程等方向，形成了从论文研究、模型研发，到产品交付和真实交易场景应用的完整闭环。

李昱琦直言，最初的创业初衷很朴素：大模型出现后，他第一反应是交易者是否可以有一套完全不同的工具。一开始，他和团队尝试用 Coding Agent 帮交易者写策略、写代码、做回测，但后来发现会写代码，并不等于会交易。" 我意识到，值得做的不是又一个工具，而是把整条交易研究链路重新组织起来。"

众所周知，传统量化研究存在较高的进入门槛。即使用户拥有成熟的市场判断，也常常因为不会编程、缺少专业数据、回测环境复杂或工具彼此割裂，难以将交易想法转化为能够被验证和执行的策略。

而大模型正在改变其中很多能力的成本曲线。因此李昱琦将 PandaAI 定位于构建 AI 时代新的 Trading Infrastructure。" 我们希望把一个交易想法从产生，到数据调用、因子挖掘、策略构建、回测验证、Agent 协作，再到最终交易执行，逐渐组织成一个完整的 AI Workflow。"

于是，PandaAI 打造了一套可以用自然语言交互、可视化的 AI 工作流。将 " 交易想法—因子研究—策略生成—回测验证—风险评估—交易执行 " 组织在同一套系统中。用户可以通过自然语言表达市场判断，由系统调用数据、模型、代码、回测、风控和交易工具，将一项模糊的交易想法逐步转化为结构化研究流程。

在 PandaAI 的 AI 工作流中，复杂的交易研究会被拆解为数据获取、因子构建、代码生成、策略回测、参数调整、风险分析和交易连接等节点。用户可以查看每一步使用了什么数据、经过了什么处理、得出了什么结果，也可以随时调整、替换和复用已有流程。

这正是 PandaAI 背后核心的 Agent 工程能力。目前，PandaAI 已经构建了面向 AI 交易场景的 A2A 多智能体产品—— PandaAI EVO。不同 Agent 分别承担数据处理、因子研究、策略生成、回测分析、风险评估和交易执行等任务，并通过统一工作流协同完成研究。

这种 Agent-to-Agent 协作，让 AI 交易不再只是由单一模型回答问题，而是像一支专业团队一样，通过分工、验证和反馈，共同完成完整的交易研究。在这一过程中，多个 Agent 能够基于彼此的反馈不断修正推理路径，实现思考能力层面的自进化，让 AI 的交易研究能力随着协作持续成长。

李昱琦认为，金融行业过去的品牌往往非常严肃、传统，他们希望 PandaAI 从第一天开始就代表另外一种东西：年轻、技术驱动。" 现在回头看，‘ PandaAI ’这一名字某种程度上，也和我们今天做的事情比较一致——希望用一种新的技术范式，重新进入一个非常古老的行业。"

两个月，融资三轮

已积累 10 万用户

商业化，如今成为每一家 AI 公司的灵魂拷问。

据介绍，围绕不同用户的交易研究方式，PandaAI 已形成 OS、EVO、QUBE 等核心产品，并由 QuantSkills 提供统一的专业能力支持，覆盖一站式研究、自然语言策略开发、深度投研及多智能体协作等不同需求。

截至目前，PandaAI 已经积累海内外超过 10 万名用户，并与多家券商、期货公司、基金及专业金融机构推进 AI 交易能力的产业化合作。

其中，在个人用户场景中，PandaAI 帮助研究者和交易者完成数据分析、因子挖掘、策略生成、回测验证和交易复盘，降低搭建完整量化研究环境的技术门槛。

而在专业交易场景中，成熟交易员和研究团队可以将自身的研究框架、交易逻辑和专业经验，沉淀为可调用、可复用的 Agent 与 QuantSkills，使个人经验逐步转化为团队能够持续积累的系统能力。

此外，在机构场景中，PandaAI 可以与金融机构既有的数据、投研、风控及交易系统结合，提供 AI 交易模型、可视化工作流、多智能体协作、数据服务和私有化部署能力，推动 AI 从外围效率工具进入真实业务流程。

与此同时，围绕 AI 交易人才和开发者生态，PandaAI 还持续举办因子大赛、高校 Workshop、量化黑客松及全球 AI 交易赛事。这些赛事不仅是用户增长渠道，也构成了 PandaAI 验证产品能力、发现优秀研究者、沉淀因子与策略工作流的重要场景。

回顾 PandaAI 的融资历程，李昱琦表示，公司是在 2025 年下半年，第一次正式开启外部融资，并在此后的 2 个月内连续完成种子轮、天使轮和天使 + 轮三轮融资。

多轮融资交流下来，李昱琦深刻感受到，每一轮投资人关注的重点都在发生变化。" 某种意义上，PandaAI 的三轮融资对应了三个阶段：从证明 AI 可以进入交易，到证明 AI 可以重构交易 Workflow，再到讨论 AI Trading 是否会产生新的基础设施层机会。"

正如 L2F 光源创业者基金管理合伙人吉星所言，AI 对交易最深刻的改变，不是替人给出一个 " 买什么 " 的答案，而是重构 Alpha 的生产方式——将交易者的经验与判断转化为可验证、可复用、可持续迭代的研究工作流。"PandaAI 最打动我们的，是团队没有停留在行情问答或代码生成，而是从因子研究切入，逐步打通数据、模型、回测、风控与执行，并在真实反馈中沉淀工作流数据，构建面向个人交易者、专业团队与金融机构的新一代 AI Trading OS。"

展望未来，李昱琦的判断是，当 intelligence 的成本持续下降，交易能力会逐渐从少数机构内部的封闭能力，变成一种可以被调用、组合和持续进化的基础能力。

" 到那时，市场可能不会再简单地区分人在交易还是 AI 在交易，真正重要的问题会变成：谁能够更好地组织 intelligence。我们希望 PandaAI 最终成为承载这些 intelligence 的基础设施。"

文章来源：投资界原创 ｜ 作者：刘博

原文地址：https://news.pedaily.cn/202608/567741.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。】