AI交易正在从量化机构的认知叙事壁垒转向Agent驱动的平权工具，PandaAI通过开源、因子大赛和多层Agent架构，试图让普通个体拥有接近专业机构的研究能力，而真正的挑战在于信任共识的建立。
量化交易行业本质上是靠资金、人才和物理壁垒累积的认知叙事，而大模型能力的提升正在消磨这一叙事，PandaAI创始人李昱琦选择离开10亿私募，切入AI交易赛道。
“随着大模型能力的逐渐提升，量化交易行业的认知叙事会慢慢被消磨掉。当时就在想，还要不要继续留在这个行业。”
大众对AI交易的理解停留在荐股和简单金融公式，真实的AI交易是研究层面的全链路自动化，演进路径分为L0到L4五个阶段，目前处于L3初期。
“当下的 AI 交易才刚刚走到L3的初期。走到L4，可能只需要1-2年，但真正的挑战不是技术，而是人们对于AI交易的信任。”
PandaAI通过Qube、EVO、OS三条产品线，逐步实现从“帮人写代码”到“帮人做研究”再到“帮人管一支Agent团队”的跃迁。
面向入门用户，一句话想法转化为可验证策略，可组合多种Skills的智能Agent。
面向专业研究者的AI原生量化工作台，被称作“量化界的Claude Code”，实现因子构建、回测、风险检验的AI协作。
即将上线的A2A（Agent-to-Agent）架构，支持多个Agent分工协作，构成完整交易研究团队。
“OS的核心，不是让AI自主交易。Agent要在明确的数据范围、工具权限、风险规则和人工授权下运行。”
PandaAI通过开源QuantSkills和举办因子大赛，降低AI交易门槛，验证产品能力，并沉淀优秀研究者和策略工作流。
非科班用户（如40岁开发老兵、双非工科研究生）表现突出，与机构专业选手差距缩小。
“我们不怕抄袭，因为抄袭的速度，比不上大模型迭代的速度。”
PandaAI的技术架构分为四层，最值钱的是第三层（Agent工程与协作系统），即如何将模型、数据、工具编排成可运行的交易智能体。
PandaAI通过B端项目积累经验，最终服务于C端AI Native用户，目标是成为“量化领域的Claude Code”，缩小普通个体与专业机构的研究能力差距。
“AI 真正带来的变化，是让普通个体与专业机构之间原本巨大的研究能力差距开始缩小。”
本文通过创始人李昱琦的视角，系统梳理了AI交易从认知叙事到Agent平权的演进逻辑，并依托PandaAI的产品矩阵、技术架构和生态建设，展现了AI对量化交易行业可能带来的深层重塑。报道不仅呈现了商业故事，更试图为AI交易这一新兴领域建立分析框架（L0-L4、产品阶梯、技术壁垒等），具有较强的行业洞察力。
PandaAI的创业叙事紧扣AI时代的核心矛盾——认知壁垒与工具平权，其产品设计和生态策略（开源+因子大赛）在降低门槛的同时，也试图构建护城河（Agent编排能力）。未来成功的关键在于能否在1-2年内建立用户对AI交易的信任共识，并持续迭代Agent能力，使其在真实市场博弈中验证价值。