MetaStar｜专访乾象AI Platform负责人：量化开发里没有预设答案

前章：一个很酷的geek

JH，前Facebook（Meta）工程师，CMU王牌计算数据科学硕士（MCDS），Metabit Trading AI Platform负责人。除此之外，他还有更多标签：“Metabit 第一任IT桌面支持”，“澳门国际帆船赛冠军队队员”，“滑雪、帆船和骑行爱好者”......作为乾象早期创始团队成员之一，来听听他在量化中成长的故事。

“在量化做开发，也可以很酷！”

“在量化做工程师不能预设答案”

Metabit Trading：最初了解量化行业的契机是什么？对量化最初的印象是什么？在实际加入Metabit Trading之后是否有新的感悟？

JH：我可能算是国内对量化行业认知较早的一批人。小时候听闻家里有亲戚从事金融行业，其中一位叔叔恰好在海外做量化投资，这在一定程度上让我开始对金融市场产生兴趣。大学阶段，我逐渐了解到计算机科学更丰富的内涵，绝不仅仅是“编程”那么简单，还有许多引人入胜、值得探索的领域。当时感觉量化是金融与计算机的完美结合，选择它的话，相当于两个人生目标都能在同一份工作里实现。

Metabit Trading：作为Metabit Trading AI Platform的负责人，能否简单介绍一下团队的日常工作/业务内容？

JH：我们团队主要负责解决量化交易和机器学习相关的工程挑战，可以分为两大模块——特征处理和模型相关的技术架构。特征处理方面，我们研发了一个批流一体、针对金融数据持续计算的计算引擎；模型方面，我们覆盖了从离线到在线，解决金融行业里机器学习任务的训练效率提升等问题。

简单来说，可以把我们做的事情拆解为三部分：一是支持策略研究的多样化与高效性；二是高性能地支持在线交易场景；三是将研究和在线交易高效联合，确保研究成果能够以最快速度投入实际交易环境中。

Metabit Trading：国内外量化机构都在积极拥抱AI技术，Metabit Trading如何在业务中应用 AI 技术？目前取得了哪些技术突破？

JH：AI 技术从很早开始就是我们策略中非常核心的一部分，让 AI 模型的研究可以高效迭代，是公司的核心竞争力之一。作为工程团队，我们工作的核心是通过利用好 GPU 算力，优化 AI 模型的训练和推理，从而解锁更复杂的模型研究，实现更多样化的策略设计，让研究不会卡在资源、性能、效率这些瓶颈上。

另外，我们也很重视优化 AI 模型的上线流程，这能够使我们获得更高的策略迭代能力，从而在量化交易的市场上保持很强的竞争力。举个例子，我们做了很多工作提升离在线计算的一致性，一些计算离在线可以使用完全相同的计算引擎表达和计算，从而简化策略上线时的结果验证，极大地提升了研究的上线效率。

Metabit Trading：在你看来，相比互联网企业或科技公司，在量化机构做一名工程师需要具备哪些特殊的专业技能和品质？

JH：对此，我最重要的体会是，在量化行业中做工程师不能预设答案。互联网公司面临的问题通常比较接近，例如“搜广推”的这一套技术栈，在大部分互联网公司都适用，因此体现到技术层面上很多解决方案也是比较接近的。

然而，在量化领域，每家公司都有自己独特的业务需求，策略形态各异，且行业内的信息交流相对较少，就不存在一个普遍适用的标准答案，甚至一些在互联网公司被验证过的成熟解决方案，在量化领域也并不适用。比如，在实时交易时，由于我们没有用户流量的概念，故而大部分场景对吞吐没有很强的需求，但是我们会更多地关注延迟的控制。此外，量化产品架构是事件驱动而不是用户请求驱动，这也会深刻影响我们如何组织管理服务。

因此，在量化行业中，我们要求工程师不能只会复刻某个“见过的东西”，更要具备深刻的技术理解力，能够灵活应对各种业务场景，并做出正确的技术判断。

那些在乾象的时光与成长

Metabit Trading：是什么原因让你决定放弃Facebook工程师的工作，加入彼时只有几个人的Metabit Trading初创团队？在Facebook的工作经验和技能有哪些可以被迁移到后来在量化行业的工作中？

JH：首先，客观来说，2018年的乾象虽然只有几个人，但却表现出了强劲的盈利能力和成长性，所以在当时的情境下，我们的团队并非传统意义里的“初创”，大家对它的预期非常积极，这也是我坚定加入的最重要原因。

第二，我更倾向于在工作中扮演一个关键角色。其实，日常在与职位候选人交流时，我也常常聊到这一点，在大型企业工作时，随着工作链条延长，个人与公司的最终收益之间的关联会愈发不明显，有时跨越五、六层才能间接影响到公司利润，个体的工作成果在整个组织中的影响力往往显得微不足道。但量化行业的公司都具备两个属性，一是公司规模精简，工作传导链条短；二是公司业务目标明确——“做好策略、拿高收益”，每个人的业务都和公司收益强相关，自身工作价值能得到更直观的体现。

当然，以上的论证绝不是说大公司不好，相反，我们认为大公司有很多值得学习和借鉴的体系，比如发布流程、质量监控等等，都展现出高度的自动化和专业化。不过，此处强调的“借鉴”并非盲目复制。最初，我们也照搬过一些硅谷的面试流程，但后来发现还是会“水土不服”，因为硅谷大公司通常有大量“head count”能够等待候选人自行匹配合适的岗位，但我们的情况则不然，为了确保招聘到最符合岗位需求的候选人，我们必须在面试中加入定制化的环节。

所以，我们需要深入领会和学习大公司体系背后的原则，进而在自己的工作中灵活运用，必要时做一些本土化创新。

Metabit Trading：回顾Metabit Trading创业初期，有没有特别难忘的工作经历或故事可以分享？

JH：创业初期很多故事都确实难忘（笑），对我来说，比较特殊的一段经历是在正式开始全职创业的前夕。当时我们已经开始做交易了，但大家还身处美国，和国内的交易时间有一定的时差错位：早晨是美国开盘时间，大家在公司上班没有任何问题；夜晚是国内开盘时间，但大家需要睡觉休息，所以响应变化确实不太方便。

那段日子，我们时常感到“提心吊胆”，但这也激发了大家去寻找解决方案，倒逼我们加入自动化检测功能，在写代码时加入一些防御性设置等等。这段经历对公司后续的运营风格也产生了深远影响，使我们更加坚信自动化和流程的价值。

Metabit Trading：作为Metabit Trading最受欢迎的manager之一，能否分享下你的团队管理经验和感悟？

JH：谢谢大家的肯定（腼腆笑），我觉得自己的管理其实还有很多需要改进的地方，我也在不断地学习和提升。如果总结我在团队管理方面的思考，可能有以下两方面心得：

第一是秉持真诚、开放的态度。我知道自己并非无所不能，所以在面对力所不及的情况时，我更倾向于坦诚面对，并且希望团队成员们也都能理解和接受这一事实。塑造一个无所不能的manager形象，不会带来太多实质性的益处，反而导致不必要的误解和压力。我的风格是与团队保持坦诚、开放的沟通，大家共同面对一些事情，尽可能帮团队成员解决他们在职场中的一些问题。

第二与行业属性有关，因为量化本身就是人才密度非常高的行业，大家都很优秀，从这个角度来说，manager要做的事反而并不复杂：一是确保团队成员能够高效工作，避免被不必要的因素干扰；二是让每个人充分展现自身价值。其实，我认为manager更多时候是在做一种“匹配”的工作，让每个人在正确的位置发挥所长，为公司创造真正的价值。

Metabit Trading：如果同事的实际工作表现不如面试预期，你会怎么办？

JH：实际工作表现低于面试预期这种情况在我们团队还真没发生过。日常工作中，我会努力为团队成员寻找适合的项目和合作方向，提供必要的资源，让他们能置身于恰当的位置，专注于自己擅长的领域，在工作中持续提升业务水平和个人能力。需要明确的是，个体成长和发展的首要责任人仍是自己，manager主要起到引导和匹配的作用。

彩蛋-平行世界的JH在哪里？

Metabit Trading：业余时间的爱好是什么？如果有平行世界，你希望自己从事什么职业？（如果仅凭爱好选择，最想要从事的职业是什么？）

JH：业余时间我喜欢去运动，这一点让我自己也挺意外的。大概就是从加入我司这个知名“体校”后，我在同事们的熏陶带领下，逐渐挖掘出了自己对运动的兴趣，开始尝试帆船、滑雪、骑行等，希望未来能再拓展一些更有挑战性的运动项目。

此外，我对语言学也蛮有兴趣。业余时间我会热衷于研究不同语言的语法结构、词根起源，以及社会文化、历史变迁对语言发展的影响等等，目前我也在自学几门感兴趣的外语。

如果平行世界可以有两个的话，那么在一个世界里，我可能会成为一名滑雪教练，或是从事其他运动相关的职业；在另一个世界里，我可能会选择做一名语言学家，深入研究古汉语的起源。