来源：市场资讯
（来源：网易科技）
当整个硅谷都在为通用人工智能（AGI）和万亿参数的通用大模型疯狂时，华尔街最神秘、最赚钱的量化巨头 Jane Street（简街资本）却在悄悄开辟另一条极其奢华的算力战线。
近日，知名科技播客主持人 Dwarkesh Patel 罕见获准实地探访了 Jane Street 位于德克萨斯州的核心数据中心。在这场与 Jane Street 技术团队共同负责人 Yaron Minsky 以及物理工程团队负责人 Dan Pavatova 的深度对话中，这家刚刚砸下60亿美元算力巨额订单的华尔街“造王商”，首次解密了他们如何在高频交易的“纳秒世界”与大模型的“重算力时代”之间构筑起无法复制的绝对壁垒。
核心观点：
外界对高频量化交易一直存在一种刻板印象：机器必须紧挨着交易所（服务器托管 Colo），每一笔交易都必须在纳秒级内完成，而动辄需要巨大计算延迟的 AI 大模型似乎与之格格不入。
对此，Yaron Minsky 明确指出：“量化交易不存在单一的时间跨度，而是存在一个完整的谱系。”
100纳秒内的“极限硬件生存”
在百纳秒级别的极限速度下，决定胜负的甚至不是编程语言（无论是 OCaml、Rust 还是 C++），而是纯粹的硬件逻辑：
微秒到小时级的“AI主战场”
随着决策时间窗口放宽到几微秒、几百微秒、毫秒甚至数小时，更大、更聪明的 AI 模型便有了用武之地。
砸下60亿美元算力：为何不走硅谷的 Scaling Law？
不久前，Jane Street 与算力云巨头 CoreWeave 签署了一项高达60亿美元的计算协议。针对这笔惊人的投入，Yaron 阐述了华尔街与硅谷 AI 实验室（如 OpenAI 等）在 Scaling Law（规模定律）上的本质区别。
拒绝“大一统”，拥抱“定制化”
传统 AI 实验室追求训练一个完全通用的、能做所有事情的单一模型。而 Jane Street 的价值则来自于模型架构的极大多样性与疯狂的实验数量。研究人员需要极快的迭代时间，去针对千奇百怪的数据源尝试截然不同的全新模型设计。
独特的“字节与浮点运算比率（Bytes to Flop Ratio）”
金融领域的 AI 训练有着独特的底层动力学：
算力战局的隐形瓶颈：从芯片到发电机与变压器
当硅谷还在为英伟达最新的 GPU 芯片大打出手时，负责物理工程的 Dan Pavatova 透露，真正的战场已经转移到了物理基础设施上。
商业决策击败纯工程完美主义
“发电机是目前你能买到的交货周期（Lead Time）最长的设备之一，” Dan 表示。为了打破这个瓶颈，Jane Street 展现出了极其狼性的华尔街思维：
物理极限的逼近：1兆瓦机架与800V直流电
随着算力密度的疯狂飙升，未来的技术方案正在发生剧变：
被迫放弃的“x86捷径”
多年来，Jane Street 运营技术组织的一个诀窍是“走捷径”：假装世界上只有 x86_64 一种 CPU 架构，并且只维护一个大型研究数据中心和一个存储集群。但现在，随着算力需求全球化分布（无法在单一地点引入足够恐怖的电力），以及英伟达全新 ARM 架构产品的推出，这一捷径已被彻底打破。计算和存储调度的交织、以及对 ARM 架构的支持，让系统复杂度变高了几个数量级。
四、 AGI时代，人类认知为何依然是“终极护城河”？
当被问及“一旦 AGI（通用人工智能）实现，是否会立刻让 Jane Street 失业”这一激进问题时，Yaron 给出了一个非常清醒且深刻的回答。
交易是“AGI完全（AGI-complete）”问题
Yaron 认为，交易本质上和“NP完全”问题一样，是一个“AGI完全”问题。这意味着世界上发生的任何风吹草动（政治、天灾、科技变革）最终都会汇入并影响交易背景。
无法被电子化取代的“人际修辞”与相变
全面扩招：简街正在寻找哪些人？
随着 GPU 规模在短期内计划从几万张疯狂飙升至几十万张，Jane Street 正在全球范围内展开前所未有的人才搜猎，机器学习和交易如今是一项“全方位的团队运动”：
热门跟贴