你在AI实验室里训练模型，研究怎样从海量数据中找出规律。隔壁的对冲基金其实也在做相似的事，只是它要回答的问题更直接：这个规律能不能变成一笔扣除成本、控制风险后仍然赚钱的交易？如今，Citadel正把招聘范围伸向Google DeepMind等AI机构。值得关注的不是一次普通扩招，而是量化基金与前沿AI实验室的人才边界正在重叠。
本文信息来自Hedgeweek对Bloomberg报道的转述，实质上只有一个独立信源。团队规模、招聘计划和人才方向主要由Citadel高管披露，带有招聘宣传色彩。
不只找会写模型的人
据Hedgeweek转述的Bloomberg报道，Citadel旗下Global Quantitative Strategies约有180名员工，覆盖金融研究和数据工程，计划未来一年以两位数的年增长率扩充团队。它仍会招聘大学毕业生，但也开始寻找AI机构的研究人员，包括Google DeepMind。
量化投资研究员的工作，是把数据变成可以检验、可以交易的模型，再检查信号经过交易成本和风险约束后是否仍然成立。AI研究者擅长的模型训练、数据处理和实验设计，可以迁移到这套流程中。Citadel想找的，也不只是能调用AI工具的人，而是能先提出投资构想，再借助先进AI系统把构想变成交易策略的人。
这点很关键。模型竞赛不是造出一个好模型就结束。同行采用同类方法、市场结构改变、数据逐渐失效，都可能让原有优势衰减。基金真正稀缺的，是能够不断提出新问题、验证新信号的人。
AI没有把研究员赶出场
Global Quantitative Strategies负责人Navneet Arora的判断是，AI正在改变团队需要的技能，而不是消除人类研究员。机器越来越能承担编码等技术流程后，人更重要的任务会转向发现投资机会，并指导自动化系统朝正确方向工作。
这仍是管理者判断，不是已经得到实证确认的行业结论。但它解释了Citadel为何同时盯住应届生、传统量化人才和AI实验室研究者：自动化越强，提出什么问题、选择什么数据、怎样判断结果是否具有交易价值，反而越重要。
扩张已经落到组织层面。Alexey Poyarkov近期从TGS Management加入Citadel，领导一个研究全球股票系统化交易策略的新团队。“系统化交易”指按照预先设定、可重复检验的规则产生交易决策，而不是主要依靠交易员的临场判断。
为什么值得关注
Citadel由Ken Griffin创立，是大型多策略对冲基金，业务横跨股票、固定收益和大宗商品。Hedgeweek转述称，其管理资产约为760亿美元，其中数十亿美元配置于量化策略。
报道还称，结合基本面股票投资与量化技术的Tactical Trading，在2026年前八个月上涨24.7%；自2008年推出以来，相关策略年化回报约20%。这些数字说明Citadel为何愿意继续投入，但24.7%来自匿名知情人士，长期回报和资产规模也没有基金文件、审计报告或计算口径佐证。
更值得看的信号，是人才竞争的范围变了。量化基金过去主要与同行争夺研究员，如今开始直接进入AI实验室的人才池。争夺对象是同一批擅长模型、数据和高性能计算的人，只是最终目标不同：实验室追求更强的通用能力，基金则要把能力压缩成可交易、可持续并能控制风险的优势。
局限与未知
- 报道只确认Citadel扩大了搜索范围，没有披露计划从AI实验室招聘多少人，也没有说明已有多少研究者入职，因此不能写成“大规模挖角已经发生”。
- Tactical Trading在原报道中既被称为“fund”，又被称为“strategy”，产品与策略口径可能混用；24.7%是否为扣费后净收益、具体截至哪一天，也不清楚。
- 供稿末句被截断，Citadel后续扩张方向并不完整，现有材料不足以判断招聘最终会集中在哪些市场或模型类型。