#JaneStreet70亿押注CoreWeave 一年賺 205 億美元的量化巨頭，轉頭花 70 億買 GPU——它在造什麼？

4月15號，一條消息在金融圈和 AI 圈同時炸了鍋：Jane Street 跟 CoreWeave 簽了 70 億美元的大單——60 億算力租約，外加 10 億直接入股。你可能對 Jane Street 這個名字不熟。沒關係，記住一個數字就行：這家公司 2024 年淨交易收入 205 億美元，佔了整個美國股票市場交易量的 10% 以上。高盛的交易部門在它面前都不算什麼。它不是對沖基金，而是全球最大的做市商之一——你買賣股票的時候，對面坐的可能就是它。
一個做交易的公司，花 70 億買 GPU 時間。這個手筆比很多 AI 實驗室還大。Meta 跟 CoreWeave 簽的 210 億大單好理解，Meta 要訓練 LLaMA，它需要算力。

但 Jane Street 呢？它在造什麼？
三周三個大單，CoreWeave 成了算力界的軍火商
先說 CoreWeave 是誰。
這家公司去年剛上市（NASDAQ: CRWV），做的就是一件事：買大量 NVIDIA GPU，搭數據中心，以雲服務的形式租出去。你可以把它理解成「GPU 軍火商」。
過去三周，它連簽了三個客戶：
• 4月9日：Meta，210 億美元（到 2032 年）
• 4月10日：Anthropic，多年度協議（金額未披露）
• 4月15日：Jane Street，60 億雲服務 + 10 億股權三個客戶，來自三個完全不同的行業：社交媒體/AI 研究、AI 模型公司、量化交易。GPU 算力正在變成一種跨行業的基礎設施，就像電一樣——誰都需要，但未必需要自己建發電廠。
Jane Street 合同裡還有一個細節值得注意：它獲得了 NVIDIA 下一代 Vera Rubin 計算平台的優先使用權。Vera Rubin 今年3月 GTC 大會剛發布，定位是推理、規劃和 Agent 級別的 AI 計算，預計 2027 年大規模部署。Jane Street 願意在這個平台還沒量產的時候就開始砸錢——說明它對 AI 算力的需求不是"未來再說"，而是"現在就要，越多越好"。
量化交易的暗線：從數學公式到大模型量化交易的技術演進，外行不太關注，但它正在經歷一次質變。
最早期的量化（2000 年代），核心是統計套利和均值回歸，跑在 CPU 集群上就行。
到了高頻交易時代（2010 年代），拼的是延遲——誰快誰賺錢，FPGA 和微波通信成了標配。2020 年代，機器學習開始滲透：深度學習做預測，NLP 從新聞和社交媒體裡挖信號，強化學習自動生成策略。但這些都還是「輔助工具」。
真正的變化發生在最近兩年：量化交易正在從「用 AI 輔助策略」變成「AI 原生的交易範式」。什麼意思？以前的流程是：人想策略 → 用 AI 優化參數 → 執行。新的方向是：大模型直接從海量市場數據中發現人根本想不到的模式，然後自主決策。不是 AI 幫你交易，是 AI 在交易。這種範式需要的算力，跟訓練一個大語言模型差不多。Jane Street 的 60 億美元，大概就是奔著這個去的。有個細節很有意思：Jane Street 的交易員不用 C++，用的是一種叫 Mojo 的程式語言——設計理念是"Pythonic 風格但 C 級速度"。這家公司從工具鏈上就在為 AI 時代做準備。S&P 的警告：沒人想談的系統性風險Jane Street 花 70 億買算力這件事，還有一個很少有人提到的暗面。S&P Global Ratings 4月份剛發了一份報告：美國銀行對對沖基金和高頻交易公司的總敞口已經達到數萬億美元，槓桿率創歷史新高。報告用了個很重的詞——"內生脆弱性"（endogenous fragility），直白點說就是：系統從內部開始不穩了。Jane Street 2024 年收入 205 億美元，比很多大型銀行還多。當這樣的巨頭把核心交易邏輯交給 AI 模型，幾個風險同時放大：
第一，AI 模型的"黑天鵝"。傳統量化策略的邏輯是人寫的，出了問題至少能追溯原因。大模型是個黑箱，在極端行情下可能產生完全不可預測的行為。2020年原油期貨跌到負值的時候，傳統量化模型都失靈了——如果當時是 AI 在自主交易，後果會怎樣？
第二，算力集中化。CoreWeave 一家公司同時服務 Meta、Anthropic、Jane Street。如果它的數據中心出故障——網絡攻擊、自然災害、或者單純的技術故障——影響的不僅是 AI 服務，還有全球金融市場。
第三，“同向交易”共振。 如果多家量化公司使用相似的 AI 架構（比如都基於 Transformer），它們可能在市場波動時做出趨同的決策。這不是理論推演——2024年8月日元套利交易平倉引發的全球市場閃崩，就已經有人指出量化資金的同向行為是放大器。

值得思考的問題
第一，70 億美元對 Jane Street 來說不是什么大數字。它一年賺 205 億，拿出三分之一買算力，說明它認為 AI 原生交易的未來收入會遠超這個投入。這種級別的下注，不是試探，是 all in。
第二，GPU 算力正在成為金融基礎設施。以前量化公司拼的是延遲和算法，现在加上了算力。沒有足夠 GPU 的量化公司，就像沒有足夠伺服器的互聯網公司——根本沒法上牌桌。
第三，監管的步伐遠遠落後於現實。Jane Street 去年剛被印度證券監管機構調查衍生品交易——那還是傳統策略的問題。當 AI 自主交易成為主流，誰來審計一個每天執行數十億筆交易的 AI 模型？目前的監管框架根本沒準備好。

散戶和主觀投資者面臨的不是一個更公平的市場，而是一個越來越不公平的市場。AI 量化交易的優勢不只是速度——它看到的數據維度、發現的模式、執行的精度，都不是人類大腦能匹敵的。Jane Street 花 70 億買的不是算力，買的是對市場的認知碾壓。
這不只是 Jane Street 的事。同一天，香港 AI 量化平台 AlphaNet 完成了 1000 萬美元種子輪。貝佐斯的 AI 實驗室在從 Citadel 挖人。OpenAI 剛收購了一家個人理財公司。AI 和金融的交叉點，正在變成這十年最擁擠的賽道。
區別在於，Jane Street 已經不是在起跑線上了——它已經在跑了。