香港、北京和深圳2026年6月9日 /美通社/ -- 金融垂域 AI 大模型公司 GIM（Grace Investment Machine）近期完成天使+輪融資，由賽富投資基金（SAIF Partners）領(lǐng)投，某千億市值互聯(lián)網(wǎng)公司 CEO 家族辦公室跟投。此前，GIM 天使輪由 Monolith 礪思資本和五源資本共同投資。至此，公司已完成過億元人民幣天使輪和天使+輪融資。

GIM 成立于2025年7月，致力于打造一套專為投資研究與投資決策設(shè)計的 AI-native 推理系統(tǒng)。公司關(guān)注的，不是將通用模型簡單移植到金融場景，而是從底層能力開始，重新定義 AI 在研究、判斷與決策中的角色。

跨學科創(chuàng)始團隊

GIM 由徐嘉浩和劉琦博士聯(lián)合創(chuàng)立。在創(chuàng)辦 GIM 之前，徐嘉浩長期深耕一二級市場，曾任職于五源資本和 Neumann Capital，參與過地平線、晶泰科技、Pony.ai 等科技項目投資。過去幾年，推理模型的能力躍遷讓他越來越清楚地意識到，AI 在投資里的角色不會只停留在信息工具層，而會逐步進入決策本身。

劉琦博士現(xiàn)任香港大學計算機系助理教授，研究方向聚焦大語言模型和多模態(tài) AI，博士畢業(yè)于牛津大學，師從 Phil Blunsom，并曾在 DeepMind 和 Meta FAIR 從事研究工作。

GIM 的團隊同時集結(jié)了來自知名對沖基金、量化基金、DeepMind、Meta、微軟等機構(gòu)的跨學科成員。公司的目標方向明確：不做通用大模型，而是為資管行業(yè)打造垂直領(lǐng)域的推理基礎(chǔ)設(shè)施。

1500億美元可觸達市場，通用模型的斷點即機會 

從市場規(guī)模來看，全球金融 AI 軟件市場與資產(chǎn)管理服務(wù)的收入合計，對應(yīng)約1500億美元的可觸達空間；如果金融大模型真正進入資管體系，它所撬動的還將是一個9萬億美元的更大市場。

但更大的機會不在數(shù)字本身，而在通用模型的能力斷點。通用模型可以完成財報摘要，卻無法真正回答"該不該買"。問題不在金融知識不夠，而在它缺少處理投資研究的關(guān)鍵能力：數(shù)值推理、時序感知、合規(guī)約束和動態(tài)更新。金融行業(yè)真正需要的，從來不是一個會復(fù)述信息的系統(tǒng)，而是一個能夠組織研究、形成判斷、持續(xù)校準的系統(tǒng)。

CogAlpha 多智能體框架與自研金融時序大模型

2026年3月，JAR（Journal of Accounting Research）的一篇研究指出，當用戶用 AI 問股票時，超過七成的人會直接要求模型告訴自己"什么值得買"。隨著推理模型能力躍升，AI 開始從信息處理工具走向研究工具 —— 不再只是整理材料、響應(yīng)指令，而是開始主動拆解原始數(shù)據(jù)、發(fā)現(xiàn)潛在規(guī)律。

GIM 圍繞這一方向的核心探索，是多智能體框架 CogAlpha。CogAlpha 設(shè)計了21個專業(yè)化 Agent，組成一條完整的 AI 投研流水線：有的負責判斷市場風險狀態(tài)和所處周期，有的負責分析價格與成交量之間的關(guān)系，有的負責識別趨勢與反轉(zhuǎn)信號。每一個新提出的投資信號，都會在這條流水線中被反復(fù)審核、質(zhì)疑、修改和評估；只有在多輪評估后表現(xiàn)仍然持續(xù)提升，才會進入下一環(huán)節(jié)。

沿著這條路線，GIM 進一步?jīng)Q定從零自研金融垂域大模型。目前，該自研金融時序大模型已完成從 30M 到 1.5B 再到 8B 參數(shù)的 Scaling Law 驗證。模型在結(jié)構(gòu)上引入了針對金融數(shù)據(jù)的時序編碼機制和非線性門控結(jié)構(gòu)，并在多頻率、多市場、多品種訓練中展現(xiàn)出明顯的遷移學習能力。

近期，CogAlpha 研究成果已被 ACL 2026 主會高分收錄。