- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI系统
【AI系统】AI轻量化与并行策略
了解 AI 计算模式对 AI 芯片设计和优化方向至关重要。本文将会接着从轻量化网络模型和大模型分布式并行两个主题来深入了解 AI 算法的发展现状，引发关于 AI 计算模式的思考。 轻量化网络模型随着神经网络应用的普及，越来越多的模型需要在特定的硬件平台部署，如移动端和嵌入式设备，这些平台普遍存在内存资源少，处理器性能不高，功耗受限等特点，所以慢慢演变出了一种轻量化的网络模型设计方向 模型轻量化方法网络模型的轻量级衡量指标有两个，一个是网络参数量、另一个是浮点运算数(Floating-point Operations, FLOPs)，也就是计算量。 现在我们将从 AI 计算模式的角度进一步分析这些轻量化设计的特点。 图片AI 计算模式思考通过上面模型网络轻量化的分类，可以看到 AI 模型网络中对卷积层的不同设计方法，这些都是芯片设计时候需要考虑支持的 AI 计算模式特性。
66810编辑于 2024-11-26 - 来自专栏企鹅号快讯
ai量化系统架构的思考
ai量化系统架构的思考 背景 现在很多群体，尤其是有点金融背景或兴趣的程序员群体，“大量”进入量化交易这个领域。 以quantopian为蓝本，做出to c的quant平台。 偏爱python，深度关注互联网趋势，人工智能，AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。
1.6K70发布于 2018-01-16 WorkBuddy,AI 办公，量化工具
WorkBuddy 高效实操教程｜日常办公 & 量化辅助实用技巧一、软件简介WorkBuddy 是轻量化智能办公工具，依托大模型能力，可一站式完成文案撰写、代码调试、数据梳理、策略整理、文档润色等工作， 适配日常办公、量化学习、文书处理等多场景，上手门槛低，实用性强。 代码调试编写适配 Python 量化代码、通达信公式、简易脚本，可排查语法报错、改写策略逻辑、注释代码含义，助力量化学习实操。3. 实操技巧文稿，投稿官方社区可赚取大额积分日常节省积分技巧同类需求统一在单轮对话完成，避免频繁新建会话简单任务优先轻量模型，高难度任务再启用高阶模型指令描述完整清晰，减少重复生成、反复修改的额外消耗五、量化学习专属辅助场景回测策略文字梳理
21210编辑于 2026-05-23AI影响就业的量化悖论
表 AI影响就业的部分量化测算结果来源：腾讯研究院根据公开材料整理，2025年7月。全世界的顶尖机构多年持续研究，成果汗牛充栋，人们仍争论不休、困惑不已。原因让人好奇。 总体来看，量化测算结果具有不可比性、片面性和静态性三大不足。首先，最终测算结果差距甚大，几乎不具可比性。 片面的预测只会带来“AI抢走工作”的恐慌，而非对技术和就业关系的正确认知。第三，人的行为是动态变化的，而量化测算是静态的切面研究。 二、三道操作难题OECD（2021）和世界银行（2025）曾指出：AI对就业的影响还不明确、无法预估。从某种意义上讲，量化AI对就业的影响是一个悖论。 即使能够解决独立性和范围界定问题，就业影响的量化研究还取决于对技术发展的准确把握，这是必备前提。然而，技术史一再表明，人们难以预判新技术的未来，众多预言沦为笑谈。
36610编辑于 2025-08-27- 来自专栏AI系统
【AI系统】低比特量化原理
AI 特点和量化优势神经网络特点低比特量化主要用在推理的场景，因此以量化和推理的视角来看，神经网络一般具有以下特点：模型参数量大：神经网络模型通常具有大量的参数，特别是在神经网络中，参数数量可能非常庞大 落地挑战与思考在实际部署时，量化技术的落地也有一些挑战，需要综合衡量是否需要使用模型量化。精度挑战量化方法的精确性：常见的量化方法如线性量化，对于数据分布的描述并不精确。 量化原理模型量化方法可以分为以下三种：量化训练 (Quant Aware Training, QAT)量化训练让模型感知量化运算对模型精度带来的影响，通过微调训练降低量化误差。 模型量化有两种映射方法，以 INT8 量化为例子：非饱和量化 非饱和量化方法计算浮点类型 Tensor 中绝对值的最大值 abs\_max ，将其映射为 127，则量化比例因子（scale）等于 abs 图片线性与非线性量化量化可以分为线性量化和非线性量化，目前主流的方法是线性量化。线性量化可以分为对称量化和非对称量化。
81310编辑于 2024-12-05 - 来自专栏AI系统
【AI系统】感知量化训练 QAT
本文将会介绍感知量化训练（QAT）流程，这是一种在训练期间模拟量化操作的方法，用于减少将神经网络模型从 FP32 精度量化到 INT8 时的精度损失。 QAT 通过在模型中插入伪量化节点（FakeQuant）来模拟量化误差，并在训练过程中最小化这些误差，最终得到一个适应量化环境的模型。 感知量化训练流程 传统的训练后量化将模型从 FP32 量化到 INT8 精度时会产生较大的数值精度损失。 感知量化训练（Aware Quantization Training）通过在训练期间模拟量化操作，可以最大限度地减少量化带来的精度损失。 之所以称之为“fake”量化，是因为它们对数据进行量化并立即反量化，添加了类似于在量化推理过程中可能遇到的量化噪声，以模拟训练期间量化的效果。
1.6K10编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】训练后量化与部署
动态量化的权重是离线转换阶段量化，而激活是在运行阶段才进行量化。因此动态量化是几种量化方法中性能最差的。 动态离线量化将模型中特定算子的权重从 FP32 类型量化成 INT8 等类型，该方式的量化有两种预测方式： 反量化推理方式，即是首先将 INT8/FP16 类型的权重反量化成 FP32 类型，然后再使用 FP32 浮运算运算进行推理； 量化推理方式，即是推理中动态计算量化算子输入的量化信息，基于量化的输入和权重进行 INT8 整形运算。 其核心是计算量化比例因子，使用静态量化后的模型进行预测，在此过程中量化模型的缩放因子会根据输入数据的分布进行调整。相比量化训练，静态离线量化不需要重新训练，可以快速得到量化模型。 在模型量化过程中分为权重量化和激活量化： 权重量化：即需要对网络中的权重执行量化操作。
1.4K10编辑于 2024-12-06 程序员AI量化理财入门
入门 AI 量化理财的核心是：用 Python 做数据与策略、用机器学习找规律、用回测与风控验证、小资金实盘迭代。下面按 “认知→技能→工具→策略→回测→实盘→风控” 一步步走，尽量落地、少废话。 什么是 AI 量化？量化：把交易规则写成代码，用数据执行，杜绝情绪干扰。AI 量化：用机器学习 / 深度学习自动挖掘因子、生成信号、优化策略。 量化平台（推荐国内）聚宽 JoinQuant：社区强、策略多、Python 环境、回测免费BigQuant：可视化 + AI 建模、自动因子挖掘、适合快速原型迅投 QMT / 恒生 PB：券商实盘接口， ：用聚宽 / BigQuant 复现 XGBoost 选股策略持续：社区与迭代社区：聚宽论坛、知乎量化、雪球 AI 量化话题工具：用 AI（如 Cursor、Claude）辅助写代码、调参、生成回测报告八 ：程序员做 AI 量化，优势在技术，关键在数据 + 模型 + 风控 + 迭代。
50110编辑于 2026-04-27极客AI量化交易训练营
AI量化交易训练营入门指南一、量化交易基础概念1. 什么是量化交易量化交易(Quantitative Trading)是指利用数学模型、统计学方法和计算机技术，通过系统化的方式进行金融市场的分析和交易决策。2. 量化交易与传统交易的区别比较维度量化交易传统交易决策依据数据驱动经验直觉执行方式自动化人工操作交易频率高频/中频/低频通常低频情绪影响无情绪干扰易受情绪影响二、AI在量化交易中的应用1. Q: 个人做量化交易需要多少启动资金？A: 取决于交易品种和策略，美股/加密货币几千美元可起步，A股需要更高资金门槛。Q: AI策略比传统量化策略表现更好吗？ A: 不一定，AI策略在特定市场条件下可能表现优异，但也存在过拟合风险，需要谨慎验证。
23010编辑于 2026-04-27- 来自专栏量化投资与机器学习
九坤王琛：量化+AI，未来可期！
量化的核心发展方向，包括信息、算法、执行三个方面。 ? 图片来自：数库科技 王琛表示，在人工智能兴起之前，量化领域已经做到了一定高度。但进入数字化时代之后，这三个方向都被AI和大数据冲击。 AI如何预测股票？ 数据！关键是找到那些影响股价的信息对应的数据。 首先是数据。什么叫量化所希望的数据，或者什么叫好的数据？数据最重要的是对股价要有一定的影响才能称之为好的数据。 在2018年之后，整个市场开始逐渐进入AI算法的时代，不管从因子挖掘、组合管理，还是风险优化等方面，进一步提升了整个量化投资的收益。 到2019年之后，整个量化行业的规模快速增长，这是推动整个行业发展非常重要的动力。到2020年，我们认为量化行业已经到了大数据+AI算法的阶段。 整体来看，在量化行业突破7000亿的体量之后，大数据+AI算法在未来的发展趋势势不可挡，我们认为未来量化行业的主要增长来源也是来自于此。 量化数据分类和规模 ?
1.3K50发布于 2021-07-29 程序员AI量化理财体系课
然而，站在2026年的节点展望未来，程序员与AI的关系正在发生本质的重构。未来的量化理财体系，不再仅仅是程序员编写代码让AI执行策略，而是进入了一个“人机协同、共生进化”的新纪元。 二、数据维度的爆炸：从结构化到全感官感知过去的量化模型主要依赖价格、成交量、财务报表等结构化数据。而在未来，AI将赋予量化体系“全感官感知”能力。 三、策略生成的进化：从“人工编写”到“生态演化”传统量化策略往往依赖于人类专家的特定假设（如“均线金叉买入”）。但在未来，基于生成式AI和强化学习的“策略自动演化”将成为主流。 人类提供方向和边界，AI负责探索可能性的边疆。四、风险控制的升维：动态防御与反脆弱在市场极端行情下，传统的风控模型往往因为基于历史统计分布而失效。未来的AI量化体系将具备“动态防御”和“反脆弱”特性。 结语人机协同投资时代，不是AI取代程序员，而是“会用AI的程序员”取代“不会用AI的程序员”。未来的量化理财体系，将是一场人类智慧与机器算力的宏大共舞。
52010编辑于 2026-03-04- 来自专栏MixLab科技+设计实验室
量化交易×AI音乐 | 数学之美 I.
Yuiant：当初从智能交通转做量化交易，主要是觉得⾃⼰很缺投资的思维。 我⼀个很早就财富⾃由的表哥告诉我，男⼈在30〜40 岁要形成⾃⼰的财富结构，不能单靠⼯资作为主要收⼊，所以我选择了量化投资。 钱的话，我⽼婆觉得够花就⾏了，虽然她永远都觉得不够，哈哈哈~ 春芳：量化交易，未来如此可观，短期内是不会有创业变动的想法的吧？ Yuiant：量化交易⾥有⼀万种亏钱的⽅法，唯独没有⼀种永远赚钱的⽅法。 于是开始⼊坑AI作曲了。⽬前还在调研，研究阶段，离创业还有⼀段距离。 ? （price - portfolio变化图 自Yuiant） 春芳：智能投顾，量化交易，是压力很大的工作吧？ 春芳：你认为，量化交易×AI音乐共性是什么？ Yuiant：用理性捕捉人性。 春芳：对现阶段的自己还满意吗？ Yuiant：我对自己还不太满意，还没做出点什么能改变世界。 AI|池志炜 连续创业者|栾添昊 AI测肤×生物|吴亮 AI改变设计|志荣 中西医结合|黄继斌 contact@ibrandup.cn
90820发布于 2019-07-09 - 来自专栏韩曙亮的移动开发专栏
【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )
文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;
4.7K00编辑于 2023-03-28 - 来自专栏Reinvent Data Science
用 AI 识别基因，从向量化 DNA 序列开始
而向量化数据则能够进一步提高计算速度，并适用于大数据分析与机器学习。 转换后的短序列可以更好地进行数据读取、特征提取、向量化。 向量化 向量化 DNA 序列的过程其实是将其当作普通文本，一条被 kmer 拆分后的序列就像是一个句子，拆成的单个短序列是一个单词，碱基则对应字符。 应用拓展 随着基因大数据的发展和完善，向量化后的 DNA 序列数据能够更好地参与科学研究与实践应用。如果能够结合生物学的专业知识，便可以更合理地向量化 DNA 序列、计算距离、解读结果。 Milvus 目前是 LF AI & Data 基金会的毕业项目，能够管理大量非结构化数据集。我们的技术在新药发现、计算机视觉、推荐引擎、聊天机器人等方面具有广泛的应用。
1.7K21发布于 2021-08-20 - 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。
53810编辑于 2024-08-21 - 来自专栏图像处理与模式识别研究所
图像量化
from skimage import data from matplotlib import pyplot as plt image=data.coffee()#原始图像 ratio=128#设置量化比率 range(image.shape[2]):#图片通道数 image[i][j][k]=int(image[i][j][k]/ratio)*ratio#对图像中的每个像素进行量化 本文的图像量化过程是将256级的彩色图像量化到2级的彩色图像。 量化等级越多，量化比率越低，所得图像层次越丰富，灰度分辨率越高，图像质量好，但数据量大；量化等级越少，量化比率越高，图像层次欠丰富，灰度分辨率低，可能会出现假轮廓，图像质量变差，但数据量较小。 图像量化的作用是在一定主观保真图像质量的前提下，丢掉对视觉影响不大的信息，以获得较高的压缩比。
80920编辑于 2022-05-28 Python 量化
Python 量化是指利用 Python 编程语言以及相关的库和工具来进行金融市场数据分析、策略开发和交易执行的过程。 Python 由于其简洁、易学、强大的生态系统和丰富的金融库而成为量化交易的首选编程语言之一。 量化交易在金融领域得到广泛应用，它允许交易者通过系统性的方法来制定和执行交易策略，提高交易效率和决策的科学性。 量化主要是通过数学和统计学的方法，利用计算机技术对金融市场进行量化分析，从而制定和执行交易策略。 更多 Python 量化内容可以查看：Python 量化交易。 实例应用 接下来我们先看一个 Python 量化简单的应用实例，可以使用移动平均策略，使用雅虎金融数据来实现。 该策略的基本思想是通过比较短期和长期移动平均线来生成买入和卖出信号。
43210编辑于 2025-12-16- 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.7K20编辑于 2022-09-06 - 来自专栏算法码上来
【白话模型量化系列一】矩阵乘法量化
然后整数矩阵 的数值范围其实就是有符号整数的表示范围 ， ，为了实现的简单，我们只量化到 ，这样就和 一样关于零点左右对称了。 如果我们强行还按照 的范围来量化relu结果 的话会怎么样呢？这样会导致整数区间 永远不会有数字，因为根本没有负数浮点数的存在。这样就白白浪费了127个整数，就会导致量化的精度大大受损。 总结 如果矩阵乘法两个输入的范围都是关于零点对称的，那么计算公式为： 「量化：」 「反量化：」 如果矩阵乘法其中一个输入是relu的结果，那么计算公式为： 「量化：」 「反量化：」 当然还有很多其他情况 此外为了减小量化的损失，还需要在模型结构中插入伪量化节点，然后进行量化感知训练（QAT）。接着还需要将finetune后的模型存储为int8格式。然后还需要开发加载int8模型的推理加速库代码。 网上关于量化的优秀教程非常多，我不会讲太多理论上的量化知识，只会从实践的角度来白话一下我们在Transformer模型量化过程中做的一些尝试。
1.4K20发布于 2021-12-02 - 来自专栏早起Python
微软首个AI量化投资开源平台Qlib上手体验！
近日，微软亚洲研究院正式发布了业内首个AI量化投资开源平台Qlib，发布一个月以来已经在GitHub收获2.3k+star！ ? 更多的宣传点，本文不再过多介绍，下面将从用户使用的角度讲解如何安装配置Qlib并构建一个量化交易模型。 本文的分享就到此为止，其实自发布以来关于Qlib的评价目前也褒贬不一，但AI量化注定是趋势，大家可以自己上手体验一下方能做出对比与选择！ //github.com/microsoft/qlib [2] Qlib docs: https://qlib.readthedocs.io/en/latest/index.html [3] 微软也搞AI 量化平台？
14.1K44发布于 2020-12-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号