打造扑克人工智能的DeepMind三人组现在正在为量化对冲基金赚钱

三名前DeepMind研究人员创造了在扑克牌游戏中击败人类的人工智能，现在他们将同样的技术应用于股票交易——而且他们的赌注似乎得到了回报。据TechCrunch获悉，他们位于布拉格的人工智能实验室EquiLibre Technologies在筹集了一笔未公开金额的A轮融资后，目前估值为5亿美元。

该轮融资由Creandum牵头，尽管风投公司也拒绝透露该轮融资的规模，但副总裁Cameron Sellers证实，这是该公司“一次性对一家公司进行的最大单笔投资”，他告诉TechCrunch。扑克和华尔街之间的共同点是，它们都非常适合强化学习，这是一种通过奖励激励自我学习模型的人工智能训练技术。 EquiLibreCEOMartin Schmid表示，“交易和市场的好处在于评分非常简单：经纪人赚了多少钱？”

这不仅仅是游戏币。 EquiLibre与量化公司Tower Research Capital合作，其算法在标准普尔500指数和纳斯达克指数中的每日交易量已达数十亿美元。该初创公司声称，自2025年在加密货币市场推出以来，其代理商一直表现良好，现在又在证券交易所上市，“自成立以来保持了零负月的完美记录”，这意味着他们每个月的投资总体上都在增长。

通过将人工智能应用于量化对冲基金，这家初创公司处于自动化普遍存在的领域，如果成功，改进可以迅速转化为现金。塞勒斯说，这使得这家初创公司对Creandum很有吸引力。“金融市场潜在的潜在总交易市场是地球上最大的交易市场之一，多年来有无数基金产生了大量利润，这使得大多数风险投资支持的成功看起来很小，”塞勒斯说。但他指出，EquiLibre明确将自己定义为“首先是实验室，而不是金融公司。”施密德和他的两位创始人——CTO鲁道夫·卡德莱克（Rudolf Kadlec）和首席战略官马特吉·莫拉夫西克（Matej Moravcik）——没有金融背景，这也不是他们的动力，他告诉TechCrunch。 “我这样做不是因为我对提高市场效率感到兴奋。我这样做是因为我们都对建造以前从未建造过的新事物感到兴奋，而且建造起来很有趣，”施密德说。

DeepMind校友对前沿人工智能的展望也是VC们热衷的领域。最近的另一个此类例子是Ineffable Intelligence，该公司最近筹集了11亿美元。其中大多数都位于英国，但也有明显的例外，包括EquiLibre。

就EquiLibre的创始三人组而言，他们正在加拿大艾伯塔省埃德蒙顿（Alphabet于2023年关闭）的Google旗下公司的第一个国际人工智能研究办公室拜访博士生。在那里，他们开发了DeepStack，这是第一个在无限注扑克（也称为德州扑克）中击败职业玩家的人工智能程序。他们还与现在成为该初创公司备受瞩目的顾问委员会成员的教授合作，其中包括Rich Sutton，他因其在强化学习方面的工作而于2024年获得图灵奖。为了建立他们的初创公司，EquiLibre的创始人决定搬回自己的祖国捷克。 “我们在这里有很多合作过的人，并且在Google和其他地方有大量捷克侨民，”施密德说。 “这些是我们的朋友，所以我们告诉他们，“嘿，伙计们，我们要搬回布拉格，你们想加入我们吗？”这帮助EquiLibre在2022年建立了最初的团队，目前的员工人数达到25人；但据Schmid的说法，这种地点的选择不断带来红利。与旧金山相比，“留住优秀人才要容易得多，因为每两个月就不会出现新的性感AI事物。”

这并不是说EquiLibre是镇上唯一一家热门的人工智能初创公司。BottleCap AI也位于同一栋大楼内。

尽管如此，这仍然是该地区人才方面最著名的人工智能公司之一。接下来，它计划扩展其计算基础设施，预计将成为中欧和东欧 (CEE) 最大的计算集群之一。

虽然该初创公司也拒绝透露迄今为止的融资总额，但Schmid表示，该公司此前已筹集了另外两轮融资，种子期前的支持者包括专注于中东欧的风险投资公司Credo，该公司也支持了ElevenLabs和UiPath。据Dealroom数据，EquiLibre的1000万美元种子轮融资由Blossom Capital领投，估值为1.4亿美元。

卖家证实，A轮融资5亿美元的估值是一个巨大的飞跃。但这也是在强化学习（RL）（包括交易领域）的风向发生有利变化之后发生的。 “当我们开始时，人们持怀疑态度，”施密德说。但现在RL已成为标准。 “因为我们四年前就开始了，所以我们相信我们处于领先地位。”

尽管如此，这家初创公司仍然存在被竞争对手超越的风险。例如，贸易巨头Jane Street表示，它已经将RL与法学硕士一起使用，“或者我们训练良好模型所需的任何其他内容。”施密德表示，该公司还声称自己拥有“数以万计的高端GPU”，而EquiLibre正在寻求从更少的芯片中挤出更多的计算能力，并“从更少的资源中获得更多的资源”。

考虑到Jane Street的盈利能力，EquiLibre必须打好牌才能实现其被称为“交易中的人工智能实验室”的目标。但这不是扑克，可能没有输家。施密德表示：“这不是一个赢家通吃的市场。”