7 月底，一场私人聚会上的对话被搬到了 X 上，在硅谷和华尔街之间争论了一个多星期。
Google 工程师 Patrick Toulme 转述，两位来自纽约顶级量化基金的工程师告诉他，他们所有代码坚持手写，最新大模型生成的代码“质量很差”，他们“真的很反感”智能体编程（Agentic Coding）。Toulme 随后补了一句判断：“我开始相信，使用前沿大模型的能力本身存在一种技能差距（Skill Gap），不是每个人都有。”
这话听起来不该出自 2026 年的华尔街。过去半年，华尔街拥抱 AI 的速度快得反常：截至今年 2 月，Morgan Stanley 的内部平台已改写约 1600 万行遗留代码；Goldman Sachs 从 2025 年年中起部署自主编程 AI Devin，从数百个实例起步、计划视用例扩展至数千个；Jane Street 的工程团队，干脆自己训练写代码的模型。
帖子迅速升温，评论区变成一场小型行业辩论。一边认为，AI 编程正在改变软件生产方式，不愿使用 AI 的工程师，正在重复历史上那些拒绝新技术的人；另一边认为，在量化交易这样的环境里，代码不是普通文本，而是直接连接资金、风险和收益的基础设施。一个看似合理但隐藏错误的代码，带来的不是一次页面崩溃，而是真实的资金损失。
有意思的是，把两边的发言放在一起看，他们争的并不是同一件事。硅谷一方在回答“AI 能不能写代码”——这个问题的答案每个月都在变好；量化工程师真正在回答的是另一个问题：在一个错误以真金白银计价、核心代码从未出现在任何训练数据里的行业，把代码交给 AI 的前提是什么？
前一个问题关于 AI，答案属于所有人；后一个问题，答案只能由量化行业自己给出。
01 / 为什么顶级量化机构对 AI Coding 更谨慎？
要理解华尔街的谨慎，先要理解他们的代码环境与普通软件工程有何不同。
原帖评论区里，Meta 机器学习工程师 Harris 的回复获得了最多认同，他给出了三条结构性的解释。第一，量化公司是极端离群值。大量量化代码高度优化，常用小众语言（例如 Jane Street 的 OCaml），使用专有 API 与库，而且极度封闭。大多数模型在训练中几乎不可能见过这类代码——这比典型的 Web 应用难得多。
第二，量化公司的标准极高。微小的性能回退真的会损失数百万美元。LLM 可能 99% 的时候都写对，但真正要命的是那 1%。你很难靠 vibe coding 达到最顶尖百分位的优化。第三，样本量只有 2，太小，得不出可靠结论。
这三条几乎点齐了问题的骨架。大多数大模型学习代码，依赖的是公开互联网：GitHub 项目、开源软件、技术文档、开发者讨论。但顶级量化机构的核心系统，恰恰属于最不公开的一类代码。
最极端的实例是 Jane Street：这家顶级量化交易公司全栈使用 OCaml——一种小众函数式语言——写所有系统；按其工程团队在公开演讲中的说法，公司内部的 OCaml 代码量，可能超过全网公开的 OCaml 代码总和。这意味着市面上任何大模型，都几乎没见过它的代码世界。模型擅长的是“见过大量类似问题之后的模式生成”，而量化机构最核心的代码，往往正是模型没见过的那部分。
评论区一条不太起眼、却把这件事说得最透的回复，来自一位有小众技术栈经验的工程师 Jef（@Arrigi）：“我恰好有一些与‘几乎没有公开文档’的东西打交道的经验——LLM 在这类东西上确实表现不佳。而那些天天使用‘数据集里出现过无数次’的技术的人，感受不到这一点。”
换句话说，“AI 好不好用”的答案，很大程度上取决于你的代码在不在模型的世界地图上。争论双方的体验都是真实的，只是他们站在地图的两端。
另一条同样被大多数转述忽略的回复，来自工程师 Kevin Rajan（@_kvnloo），他点出了技术之外的第三层原因：“量化公司在完全不同的量级上运作，他们领先了太久，系统已经优化到了极致。另外，‘把思考外包出去’这个想法，对一个 quant 来说大概本能地就令人反感。”
量化研究者的职业身份，建立在“自己想清楚”之上——策略要自己推导，代码要自己验证，亏损要自己复盘。让 AI 代写代码，在工程上是效率问题，在文化上却接近身份问题。
其次是错误成本。普通软件的一个 bug，可能导致页面打不开；金融系统里一个错误的交易逻辑、风险参数或执行路径，可能直接造成巨额损失——而且这类错误往往看起来非常合理，识别它需要最资深的判断力。Harris 说的“99% 对不重要，1% 才要命”，正是所有高责任场景的共同心态。
因此，量化机构真正关心的不是“AI 能不能写出代码”，而是：我是否有能力验证它写出的代码？这也是很多高责任场景对 AI 保持怀疑的共同根源。
02 / AI 最大的瓶颈，不是生成，而是验证
支持 AI Coding 的一方，看到的是生成能力。评论区里另一条高赞回复来自一位资深工程师 braai engineer。他认为，超高智商人群通常是 AI 的晚期采用者：他们很早试过，当时 AI 写代码不如他们；他们注意到幻觉，于是低估了它；但他们也低估了二阶加速效应——今天可以更快地做出一个次优的东西，而明天的模型会把它改得比亲手写的好 2—10 倍。如今，他领域里所有当初观望的聪明人，都开始把 AI 纳入工作流。
他甚至描述了自己的新工作方式：“我已经不读代码了。我让模型给我画数据模型 ERD 和时序图，基于这些通常就能发现 bug。如果我对数据模型和时序图满意，现在错误已经很少了。就算有错那又怎样？很容易修。”
“就算有错，那又怎样？”这恰好暴露了争论双方真正的分界线。在他的场景里，错误廉价、修复迅速，验证可以放松；而在量化机构的场景里，Harris 已经说了，“那 1% 才要命”。同一个 AI，两种错误成本，两种理性选择。
生成能力本身没有争议：今天的大模型可以快速生成代码模块、重构已有代码、理解陌生代码库。但反对者关注的是另一面：生成之后怎么办？谁来检查？谁来承担责任？
生成越快，验证压力越大。生成的边际成本在趋近于零，验证的边际成本没有降。剪刀差越拉越大，争论的音量就越来越高。
这个瓶颈并非 coding 独有。前 OpenAI 核心科学家 Jason Wei 把它总结成一条更普遍的规律，他称之为验证者定律（Verifier's Law）：训练 AI 解决一个任务的难易程度，与该任务的可验证性成正比。所有可解且易验证的任务，终将被 AI 解决。
一个任务好不好验证，看五条：是否有客观标准、能否快速检验、能否大规模同时检验、检验结果是否可靠、多个答案能否分出高下。数独五条全中，所以 AI 进步飞快；一篇论证的事实核查几乎全不中，所以 AI 至今挣扎。深度学习十年的历史，几乎就是“凡是能被快速客观打分的事情，最后都被做掉了”。
这条定律已经有极端的例证。Jason Wei 举的例子是 Google 的 AlphaEvolve——在数学构造这类答案可以被机器瞬间判定的问题上，AI 用“猜测—检验”的循环做无情的优化，已经拿下多项人类未解的难题。快与慢的分界，不在模型，在验证。
把这条定律带回 coding 争论，就能看清双方分歧的真正位置：生成能力在验证者定律的快车道上，验证能力本身却不在。验证依赖领域经验、隐性约束和责任判断——恰恰是最难被打分、也最难自动化的部分。
如果验证只能依赖人，还会出现一个结构性矛盾：AI 生成能力越强，人需要检查的内容越多。更深一层，AI 最容易替代的是初级工程师的工作，而阅读别人代码、排查错误、理解系统为什么失败——这些看似低效的初级任务，过去正是培养验证能力的过程。生产能力快速增长，判断能力的培养管道却在收窄。
但验证者定律里还有一条常被忽略的推论：可验证性不是任务的天性，它可以被工程手段改造。逐行读代码判断对错很慢；但如果有覆盖充分的测试体系，任何一份答案都能被瞬间批改。考题没变，是有人把考卷改成了机器可判的形式。
这件事已经有人在做。Jane Street 没有停留在“模型没见过 OCaml”的结论上，它自己训练写代码的模型，把关键一环压在验证端：用每 20 秒一次的工作区快照捕捉真实的错误修复过程来构造训练数据，让强化学习中的每段代码必须通过解析、类型检查和已有测试才算数。Goldman Sachs 部署自主编程 AI 的同时，把对工程师的角色预期改写成“描述问题、监督 agent”；Morgan Stanley 那 1600 万行遗留代码的改写，靠的也是先把几十年的旧系统解构成结构图纸，让改写结果可以被逐项核对。
所以，“华尔街拒绝 AI 写代码”是个不完整的画像。同一条街上，没有验证体系的团队在理性地拒绝，建成验证体系的团队在大规模地采用。
03 / 为什么量化可能是最早解决验证问题的领域？
有趣的是，量化投资可能恰好是少数更容易改造可验证性的领域。原因在于：它拥有一个天然的反馈机制。
软件工程中，一个方案是否优秀，标准复杂而模糊——用户体验、可维护性、架构设计、安全性，很多维度无法立即量化，最终要靠人的品味裁决。但量化研究存在一套运转了几十年的评价循环：研究假设、代码实现、历史回测、样本外验证、真实市场反馈。
市场本身就是裁判。它不看代码写得优不优雅，只看预测成不成立。用验证者定律的五条判据逐一对照——客观、快速、可规模化、低噪声、可排序——量化研究几乎条条命中。
这意味着，在量化领域，AI 生成的代码可以不完全依赖人逐行检查，而是交给自动化验证系统裁决。于是真正重要的问题发生了变化。不是“AI 能不能写一个因子”，而是“AI 能不能持续提出假设，并且有一套淘汰错误假设的机制”。
这也是近年 AI-native 投资研究探索的方向：下一代系统的核心不是让 AI 生成更多研究，而是建立“生成 → 验证 → 淘汰 → 记忆 → 再生成”的闭环——事前检查研究假设与代码逻辑是否互相咬合，用滚动样本外检验淘汰大多数候选，再把失败路径写入记忆，让下一轮探索从更高的起点开始。AI 的价值不只是提高生产速度，而是让研究经验第一次能够被系统性地积累。
在这条流水线上，人没有消失，但位置变了：不再逐行给代码签字，而是设计验证规则、审计验证过程、在规则之外的模糊地带做判断。
当然，需要说明边界：市场反馈这样的铁面裁判，大多数行业并没有。在验证仍然依赖人眼的地方，那两位纽约工程师的谨慎，今天依然是对的。
但方向感是清楚的。生成能力还会继续变强——而且它正在变成一种公共品：任何机构花同样的钱，调用的是同一批模型。量化行业对这种东西有个现成的判断：人人都能买到的能力，不产生超额收益。
真正稀缺的是另一样东西。回测框架、样本外检验、每天开盘就给出判决的市场反馈——这套验证体系没法采购，也没法照抄，只能在自己的领域里一层层建。它决定了同样的生成能力，在你手里能兑现多少。用这个行业自己的语言说：生成能力正在变成 beta，验证体系才是新的 alpha。
这也解释了这场争论为什么注定不会有公开的赢家：alpha 的第一法则是不外传。下一次 X 上再吵起来时，真正的信号不是谁的论点更响，而是哪些机构已经安静地退出了争论。
参考来源
Patrick Toulme 于 X 平台的原帖及评论区讨论（@PatrickToulme、@harris_p10、@Arrigi、@_kvnloo、@BraaiEngineer）。
METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（RCT，2025 年 7 月；2026 年 2 月后续更新）。
Jason Wei, Asymmetry of Verification and Verifier's Law, 2025。
John Crepezzi, AI Engineering at Jane Street，AI Engineer 大会公开演讲。
CNBC 对 Goldman Sachs CIO Marco Argenti 的采访，2025 年 7 月。
American Banker 对 Morgan Stanley 技术负责人 Michael Pizzi 的报道，2026 年 6 月（数据口径为截至 2026 年 2 月）。