「PandaAI」连续完成三轮融资，L2F 光源创业者基金领投天使轮及天使 + 轮 | L2F Portfolio
近日，AI 交易基础设施公司 「PandaAI」 宣布，已连续完成种子轮、天使轮及天使 + 轮三轮融资，累计融资金额达数千万元人民币，天使轮及天使 + 轮融资由 L2F 光源创业者基金领投。
三轮融资将主要用于 AI 交易大模型、专业 QuantSkills、多智能体协作基础设施及交易 Agent 开发环境的持续研发，加快 PandaAI OS、ADE 和 A2A 技术体系建设；同时进一步拓展全球用户市场，推动 AI 交易能力在个人交易者、专业投资团队及金融机构中的规模化落地。
从人类决策到智能体协同
过去数年，人工智能在金融领域的应用，主要集中在研报检索、信息提取、代码生成、行情解读和运营提效等单点环节。
这些应用提升了局部效率，但并未改变交易研究的基本组织方式。数据、因子、策略、回测、风控与交易执行仍分散在不同工具和系统中，研究过程高度依赖个人经验，策略逻辑难以复用，失败结果也很少被系统性沉淀。
随着大模型、专业 Skills 和多智能体技术逐步成熟，AI 交易正在进入新的阶段。
下一代 AI 交易系统的核心，不再只是回答一个市场问题或生成一段策略代码，而是将交易研究组织成一套可调用、可验证、可追溯、可持续迭代的工作流。
AI 能够调用数据和专业工具，理解交易假设，完成因子研究、策略构建、回测验证和风险分析，并在明确授权与风险边界下连接仿真及实盘交易场景。
交易正在从依赖个人经验的判断过程，逐步演变为由人与 AI 共同完成的智能体协作工作流。
PandaAI 所构建的，正是支撑这一变化的新一代 AI Trading OS。
让每一个交易判断，都进入可验证的研究闭环
传统量化研究存在较高的进入门槛。
即使用户拥有成熟的市场判断，也常常因为不会编程、缺少专业数据、回测环境复杂或工具彼此割裂，难以将交易想法转化为能够被验证和执行的策略。
PandaAI 通过自然语言交互和可视化 AI 工作流，将 “交易想法 — 因子研究 — 策略生成 — 回测验证 — 风险评估 — 交易执行” 组织在同一套系统中。
用户可以通过自然语言表达市场判断，由系统调用数据、模型、代码、回测、风控和交易工具，将一项模糊的交易想法逐步转化为结构化研究流程。
自然语言生成 AI 工作流
自然语言只是 PandaAI 的交互入口，真正的核心在于其背后的 Agent 工程能力。
在 PandaAI 的可视化工作流中，复杂的交易研究会被拆解为数据获取、因子构建、代码生成、策略回测、参数调整、风险分析和交易连接等节点。用户可以查看每一步使用了什么数据、经过了什么处理、得出了什么结果，也可以随时调整、替换和复用已有流程。
相比直接由大模型给出一个难以解释的交易结论，这种工作流架构让用户能够理解结论如何形成，及时发现数据、代码或策略中的问题，并在持续验证中优化交易逻辑，为降低模型幻觉和黑箱风险提供更可靠的路径。
PandaAI 希望让交易者获得的，不只是一个能够回答问题的 AI 助手，而是一套能够与其共同研究市场、验证判断并持续沉淀交易经验的 AI 交易系统。
从单体智能到群体智能：A2A 正在重构交易研究
真实交易并不是一个单一任务。
一次完整的交易研究，通常需要经历数据获取、市场分析、交易信号形成、策略回测、组合与仓位管理、风险检查、订单执行及交易后复盘等多个环节。
依赖单一模型完成所有工作，很难同时兼顾专业深度、过程稳定性与结果可解释性。
因此，PandaAI 已经构建了面向 AI 交易研究场景的 A2A 多智能体 infra——PandaAI EVO。不同 Agent 分别承担数据处理、因子研究、策略生成、回测分析、风险评估和交易执行等任务，并通过统一工作流协同完成研究。
在 PandaAI EVO 实现 A2A 智能体协作
例如，一个 Agent 提出交易假设后，其他 Agent 可以调用历史数据进行验证；策略形成后，回测和风控 Agent 会进一步检查收益表现、极端行情下的稳定性和潜在风险，再根据结果进行调整和优化。
这种 Agent-to-Agent 协作，让 AI 交易不再只是由单一模型回答问题，而是像一支专业团队一样，通过分工、验证和反馈，共同完成完整的交易研究。
PandaAI 所研究的 Agent Evolution，也并非让 AI 在缺少约束的情况下自主交易，而是让 Agent 在明确的数据范围、工具权限、风险规则和人工授权下，根据回测结果、市场变化和执行反馈不断修正研究路径。
当这种反馈持续发生，系统积累的就不再只是行情数据，还包括交易研究过程中产生的工作流数据：用户如何提出假设、哪些因子被采用或放弃、参数如何调整、策略为何失效，以及仿真和实盘结果如何反向影响研究逻辑。
这些围绕真实交易流程产生的数据，将成为 AI 交易系统持续进化的重要基础。
AI Trading OS：让数据、模型与 Agent 进入交易闭环
围绕不同用户的交易研究方式，PandaAI 已形成 OS、ADE、QUBE 和 A2A 等核心产品，并由 QuantSkills 提供统一的专业能力支持，覆盖一站式研究、自然语言策略开发、深度投研及多智能体协作等不同需求。
围绕 AI 交易工作流，PandaAI 已经形成由四个层次构成的产品与技术架构。
第一层是数据与研究底座。
平台整合海内外多个市场的行情、财务及宏观特色数据，为市场研究、策略验证和 Agent 调用提供基础支持。
第二层是模型与专业能力。
以 PandaAI 自研的 CQ、TQ 模型为核心，同时支持接入外部通用大模型，结合金融数据和专业工具，帮助用户完成需求理解、代码生成、因子挖掘、策略分析和研究解释。
PandaAI QUBE 对话式投研助手
第三层是 Agent 工程与协作系统。
平台将模型、数据和工具组织成可调用、可编排、可协作的交易智能体，并通过 ADE 开发环境和 A2A 架构，支持多个 Agent 共同完成数据分析、策略研究、回测和风控任务。
PandaAI EVO - 满足 agent 深度投研需求
第四层是交易连接。
通过券商、期货公司及交易系统接口，在用户授权和风控规则下连接仿真及实盘交易场景，形成从交易想法、策略验证到执行反馈的完整闭环。
实盘交易
这一架构使 PandaAI 能够同时服务个人量化研究者、专业交易团队和金融机构，并逐步将 AI 能力嵌入真实的投研和交易流程。
研究不是终点，真实市场才是答案
PandaAI 创始人兼 CEO 李昱琦长期关注 AI 如何理解市场、验证交易逻辑，并在不断变化的环境中持续学习。
围绕这一方向，PandaAI 团队已经发布两篇 AI 交易领域研究论文。
其中一项研究聚焦如何让 AI 同时理解市场变化、交易规则与风险约束，将交易想法逐步转化为可验证、可执行的研究方案；另一项研究进一步探索 Agent-to-Agent Self-Evolution，即多个 AI 智能体如何通过持续协作、交叉验证与反馈学习，形成更加适应真实市场环境的交易认知。
两篇论文并未停留在理论研究阶段。PandaAI 团队正将其中关于量化专用模型、多智能体协作、因子挖掘和自适应进化的方法，逐步应用到 CQ 模型、ADE 开发环境、A2A 架构及 AI 工作流中，让研究成果真正进入用户可使用、机构可接入的产品体系。
李昱琦认为，AI 交易的发展不会停留在行情问答、代码生成或单点分析。其演进路径将从完成单一任务，逐步走向参与标准化研究流程、管理复杂交易工作流、持续迭代策略逻辑，并在明确授权和风险约束下承接更加完整的研究与执行任务。
PandaAI 希望推动 AI 交易从 “模型能力竞争” 进入 “系统能力竞争”：决定产品价值的不只是模型参数，而是谁能够更好地组织数据、模型、工具、Agent、风险规则和交易反馈。
从 10 万用户出发，构建 AI Trading 生态飞轮
截至目前，PandaAI 已经积累海内外超过10 万名用户，并与多家券商、期货公司、基金及专业金融机构推进 AI 交易能力的产业化合作。
在个人用户场景中，PandaAI 帮助研究者和交易者完成数据分析、因子挖掘、策略生成、回测验证和交易复盘，降低搭建完整量化研究环境的技术门槛。
在专业交易场景中，成熟交易员和研究团队可以将自身的研究框架、交易逻辑和专业经验，沉淀为可调用、可复用的 Agent 与 QuantSkills，使个人经验逐步转化为团队能够持续积累的系统能力。
PandaAI 旗下开源社区 quantskills
在机构场景中，PandaAI 可以与金融机构既有的数据、投研、风控及交易系统结合，提供 AI 交易模型、可视化工作流、多智能体协作、数据服务和私有化部署能力，推动 AI 从外围效率工具进入真实业务流程。
围绕 AI 交易人才和开发者生态，PandaAI 还持续举办因子大赛、高校 Workshop、量化黑客松及全球 AI 交易赛事。其中，第三届因子大赛报名人数超过 1.2 万人次，累计提交因子超过 8000 个。
第三届因子大赛颁奖礼现场
这些赛事不仅是用户增长渠道，也构成了 PandaAI 验证产品能力、发现优秀研究者、沉淀因子与策略工作流的重要场景。
当市场认知、前沿研究与金融工程汇聚于同一支团队
PandaAI 并不是一支只研究模型的 AI 团队，也不是一家单纯依赖交易经验的金融科技公司。
创始人兼 CEO 李昱琦兼具交易实践、量化研究与 AI 产品经验，长期探索人工智能如何形成可验证的市场认知，并负责推动 AI 交易方向研究与产品定义。
联合创始人兼 CTO 刘炳君曾任恒生电子、埃森哲系统架构师，并参与中国首个线上证券开户系统的核心开发，拥有金融系统架构、交易基础设施和大型工程落地经验，负责将研究成果转化为稳定、可落地的金融产品和系统。
团队核心成员覆盖量化研究、人工智能、金融数据、交易系统和产品工程等方向，形成了从论文研究、模型研发，到产品交付和真实交易场景应用的完整闭环。论文提出方法，模型验证能力，工程系统完成落地，真实市场检验结果。
PandaAI 联合创始人兼 CTO 刘炳君表示：“未来，AI 将重新定义人们理解市场和参与交易的方式。PandaAI 希望让用户直接表达交易想法，由 AI 协助完成研究、验证、风控与执行。我们要做的，不只是生成下一段策略代码，而是构建人与 AI 共同研究市场、验证判断并持续进化的新一代交易方式。”
L2F 光源创业者基金管理合伙人吉星表示：“热烈祝贺 PandaAI 连续完成三轮融资！这既是公司的重要里程碑，也充分体现了市场对昱琦带领创始团队的高度认可。L2F 很荣幸在公司早期阶段连续领投天使轮及天使 + 轮，陪伴团队一路成长。我们始终相信，AI 对交易最深刻的改变，不是替人给出一个‘买什么’的答案，而是重构 Alpha 的生产方式 —— 将交易者的经验与判断转化为可验证、可复用、可持续迭代的研究工作流。金融市场低信噪比、强非平稳，模型能力并不等于交易能力。PandaAI 最打动我们的，是团队没有停留在行情问答或代码生成，而是从因子研究切入，逐步打通数据、模型、回测、风控与执行，并在真实反馈中沉淀工作流数据，构建面向个人交易者、专业团队与金融机构的新一代 AI Trading OS。期待 PandaAI 继续将前沿研究转化为真实产品与产业价值，L2F 也将继续做团队长期而坚定的同行者。”
