Numerai 正在组建一个团队，使其对冲基金能够自我改进

Why it matters

Numerai has opened alpha generation to outside models. Craib's hiring push moves AI into risk and portfolio infrastructure, where errors can affect hundreds of millions of dollars.

Richard Craib (@richardcraib)，Numerai 的创始人兼首席执行官，表示他正在组建一个新团队，将前沿 AI 应用于对冲基金的内部研究和风控系统，他在 8 月 4 日在 X 上的两条推文串中写道。

Craib 将目标描述为“自我改进的对冲基金”。Numerai 已经将数以千计的机器学习模型的预测结果结合在一起，Craib 说 AI 越来越多地在构建这些模型。他现在希望 Numerai 将相同的工具用于留在资产管理公司内部的工作，并指出风险模型开发是 AI 可以加速研究的一个领域。

这轮招聘推动扩展了 Craib 过去十年间构建的架构。这位受康奈尔大学训练的数学家曾在一家管理 150 亿美元资产的资产管理公司担任数据科学家，之后于 2015 年创立了 Numerai，详情见 Foresight Institute 发布的传记说明。他最初的赌注是，通过分发经混淆处理的金融数据并支付外部研究者有用模型的报酬，对冲基金可以从更广泛的预测人才库中获益。

From outside models to internal systems

Numerai 向参与者提供一个匿名化的数据集，代表股票、量化特征和未来收益目标。研究者提交在该数据上训练的模型的预测。参与者可以在其提交上质押 Numerai 的 NMR 代币，当他们的模型表现良好时获得额外代币，表现不佳时则损失质押。

根据该平台的文档，只有被质押的预测才会进入 Numerai 的 Stake-Weighted Meta Model。该集成模型为对冲基金的交易流程提供输入。该结构旨在奖励能提供有用且差异化预测的模型，而不是仅在历史回测中表现良好的模型。

Numerai 在 2026 年致力于降低 AI 代理参与该循环的技术门槛。Numerai MCP 将包括 Codex CLI、Claude Code 和 Cursor 在内的编码代理连接到 Numerai 的系统。代理可以通过该接口创建模型、上传预测、运行诊断并检索性能数据。

Numerai 在 3 月表示，在推出 MCP 和代理技能后的第一个月内，已有超过 2,000 个大型语言模型与其 API 交互。到 5 月，Numerai 报告了数万次代理会话。这两个数字均为公司自行报告的使用量统计，并未显示有多少模型进入了基金的元模型或产生了有用的实时预测。

Craib 最新的举措针对的是 Numerai 一直自行控制的那一层。投资组合构建、风险约束以及将一组股票预测转换为交易的系统，与在比赛中运行实验的后果不同。一个表现较差的贡献模型可能会失去其质押或获得较少权重；一个有缺陷的内部风险模型则可能扭曲整个基金的敞口。

Numerai 已在其 2 月的会议上指出了这一扩张方向，当时它推出了 Numerai Risk，这是一个预测残差波动率的计划比赛。这些预测旨在与回报预测并列，并为一个单独的风险元模型提供输入。Craib 的帖子表明，Numerai 还希望前沿模型直接参与构建此类系统背后的研究流程。

More capital raises the cost of mistakes

这一时点与附着在 Numerai 模型上的资本数量快速增加相吻合。7 月 15 日，Numerai 表示其管理的资金大约为 7 亿美元，上年至 2025 年底约为 5.6 亿美元，并在 30 个市场每月交易额超过 10 亿美元。Numerai 还表示平台上已有超过 110 万个 NMR 被质押。上述运营数据来自 Numerai，自公告中未经过独立审计。

在 2025 年 8 月，Numerai 表示 JPMorgan Asset Management 投资了其对冲基金并保留了最多 5 亿美元的容量。容量代表配置方可能提供的金额，而不是已实际投放到基金的资本。三个月后，Numerai 以 5 亿美元的估值完成了 3,000 万美元的 C 轮融资。Numerai 表示大学捐赠基金主导了此次融资，Union Square Ventures、Shine Capital 和 Paul Tudor Jones 参与其中。

当前的Numerai 招聘页面 列出了一项位于旧金山的定量研究工程师职位，薪资范围为 30 万至 35 万美元，并提供最多 0.2% 的股权。Craib 的推文串描述了更广泛的团队任务：使用前沿模型缩短基金内部研究、测试、风险分析与部署之间的周期。

这比为外部比赛参与者生成代码要更难。Numerai 必须证明，AI 构建的内部系统能在不削弱风险控制、不模糊问责以及不让自动化研究循环放大相同错误假设的情况下改善基金运作。随着管理规模达到数亿美元，这些系统带来的反馈将体现在真实的投资组合回报上。