如果要给 Lunartulip Lab 找一个起点，那一定不是某个刻意的商业决定，而是一条沿着能力边界自然延伸的线——从股票基本面投研出发，被 AI 打开量化的维度，再到用 Agent 重构整套投研系统。

Trading like PM，thinking like Fund，这是这个 Lab 从第一天起就没有偏离过的坐标。

走到今天，它在与市场的反复交流中，自然生长出两类对外合作的雏形：面向机构的 AI 投资 Agent 咨询，以及面向少数长期伙伴的二级市场资金实践。这篇文章，是这条成长线的一个阶段性说明。

起点：在买方磨出来的那套内功

在很长一段时间里，我的工作世界非常聚焦：股票投研、自有资金组合管理、主观多头策略。

这是在二级私募买方工作留给我的底色——进门就接触真实资金账户，所有判断最终都要被市场用涨跌来验证，没有纸上谈兵的余地。

几年下来，基本面分析和主动管理的股票策略对我而言已经相当得心应手。但正是在这种驾轻就熟里，我开始对量化产生好奇——那是另一套理解市场的语言，一套我从未系统学过、却直觉上感到与基本面投研并不割裂的东西。

这个好奇心一直搁着，直到 AI 出现。

转折：AI 把量化能力“带”出来了

AI 于我而言，第一个意义不是效率工具，而是能力放大器。

从跑通 Qlib 的第一个 demo 开始，我系统地用 AI 探索量化的一切：因子逻辑、策略框架、回测体系、机器学习模型在选股信号中的应用。出乎意料的顺畅。

事后想来不难理解——股票这个品种，底层的市场逻辑、行业理解、估值框架，在基本面和量化之间高度打通。主观研究给了我对“什么是好公司、好时机”的直觉，量化只是把这套直觉翻译成了可回测、可迭代的系统语言。

六个月时间，一个原本完全不会编程的人，写出了第一个可以复刻自己选股审美和择时特点的量化策略，写出了基于机器学习的 Qlib 选股信号，搭出了帮自己在业绩期第一时间产出买方机构视角分析的财报 Agent 助手。

量化策略开发的能力，就这样被 AI 加速带了出来。

想把走通的路径分享出来，于是有了这个公众号和两篇量化文章。没想到引发的共鸣远超预期——来交流的人告诉我，他们也在做类似的事，只是各自卡在不同的节点上。

生长：一套正在成形的 Quantamental 投研系统

回头看，这一轮的能力扩展并非线性的，而是在 AI 介入下同时向几个方向延伸，最终汇聚成一件事：

用碳基 PM 的判断力 + 硅基数字员工的执行力，构建一套 AI-Native 的量化基本面投研系统。

第一层，是量化与基本面的双向融合。

不再把主观投研和量化策略视为两套平行系统，而是让它们互相喂养：基本面判断生成因子假设，量化回测验证并修正假设，机器学习模型从历史数据中挖掘基本面研究未能覆盖的规律。

这套 Quantamental 的方法论，是整个投研体系的核心骨架，也是它区别于纯工程出身的量化开发者的根本所在。

第二层，是用 Agent 重构投研流程本身。

围绕这套方法论，我陆续搭建了自己的 AI 投研基础设施：负责公司深度研究的 Helios、负责因子与组合追踪的 AlphaMap、负责信息流处理的 Infosystem。

它不是把现成工具拼凑在一起，而是从投研的底层需求出发，重新定义每个环节由什么来做、怎么做——一份机构级 AI Infra 的 Lean and Mean 版本。

第三层，是系统本身的自我进化机制。

一套好的投研系统，不应该只是“执行”，而应该有反馈、有学习、有修正。

如何把这种迭代机制嵌入到 AI 驱动的投研系统里，让它像一个优秀投资人一样随认知和市场变化持续进化，是这个 Lab 一直在探索的核心命题。

实践：账户说话，不是 PPT

一个从入行就接触实盘资金的人，对“还没上实盘”这个状态很难共情。对我来说，投研的终点天然就是资金验证，没有资金账户的投研是不完整的。

我全职管理一只自有资金组合，运作方式、风格约束和风控框架，各方面尽力参考机构级标准。

这不是为了显得专业，而是 trading like PM 这件事本身对我而言没有退路——用机构的方式思考和管理资金，是这套系统能持续生长的前提。

选择以小账户实践，不是刻意低调，而是因为合作方需要感知的是能力，而不是规模。规模是结果，能力才是起点。

现在：Lab 正式对外开放两类合作

在公众号交流沉淀的过程中，逐渐浮现出两类清晰的合作需求。它们不是事先规划好的产品线，而是市场告诉我的——“这里有真实需求，你的能力刚好对得上。”

第一类：AI 投资 Agent 咨询与 Workshop

面向投研机构、资产管理团队，以及有投研需求的企业。

核心是帮助团队搭建兼顾基本面和量化双向融合的 AI 投研系统：从信息处理、因子生成、策略回测，到组合监控与复盘，用 AI Agent 的方式重构整套流程，而不只是给现有流程加几个 AI 工具。

合作形式灵活：项目制的系统搭建咨询、针对团队的深度 Workshop，或持续的顾问陪跑。

适合的合作方包括：正在探索 AI 转型的中小型私募、公募团队，家办投研部门，希望为内部投研提效的产业资本。

这不是通用 AI 培训课，也不是卖工具订阅；这是从投研实践出发、有真实系统可以参照的能力迁移。

第二类：二级市场研究与资金实践合作

这一类合作的边界更窄，也更长期。

Lab 不对外募集资金、不代客理财、不承诺收益。

但我在认真寻找少量真正有共同视角的长期伙伴——对二级市场有长期耐心、对 Quantamental 这套投研路径有共鸣、希望以某种深度形式参与到这套系统的资金实践中的合作方。

不急于规模，也不打算为了合规负担过早套上私募的完整框架——那是规模到了自然该走的路，但现在更重要的是把系统在真实资金环境下跑得更深、更扎实。

找到对的伙伴，比找到更多伙伴重要得多。

结语：Lab 是怎么生长出来的

Lunartulip Lab 不是咨询公司，不是投顾平台，也还不是正式私募。

它更接近我心目中一种相对理想的模式：一人小基金 + AI 投研实验室 + 少量高质量合作。

它的价值，在我看来会远好于传统意义上的公募、私募产品销售——不是因为后者不好，而是因为这个模式让投研本身保持在最重要的位置，不被销售逻辑和合规负担过早稀释。

主观投研的积累是根，Quantamental 方法论的构建是第一次生长，AI 投研基础设施的搭建是第二次生长，而现在对外开放的两类合作，是这棵树开始真正接触外部阳光的时刻。

每一步都长在同一条根上，这是这个 Lab 最重要的事。

如果你在看这篇文章，某一段话让你觉得“这说的是我的问题”，或者“这和我在想的事有共鸣”——欢迎来聊。

不是所有的交流都会变成合作，但每一次真实的对话，都是这个 Lab 继续生长的养分。

Lunartulip Lab 现接受两类合作咨询，可通过公众号私信联系。