12月3日，由全球数字经济大会组委会主办、中国信息通信研究院承办的2024全球数字经济大会 云·AI·计算创新发展大会（2024 Cloud AI Compute Ignite）在北京举行。大会发布了“2024年AI Cloud典型案例”，聚宽投资与阿里云的合作项目“基于云原生AI技术的聚宽智能投研平台实践”案例入选“AI Cloud Native典型案例”。
算力
在算力方面，聚宽智能投研平台基于阿里云ECI、ECS平台，搭建了一套固定节点加弹性节点的算力池，既满足了日常研究的最低需求，又能够灵活应对研究员临时增加的算力需求，从而节约了成本。
存储
在存储方面，聚宽智能投研平台根据数据的使用频次、大小、文件数量等因素，分别使用NAS与OSS进行存储。这种分类存储的方式在一定程度上缓解了数据端的IO压力，提高了数据的读写效率。
调度
在调度方面，聚宽智能投研平台引入了不同的调度组件，以应对不同类型的任务。对于基础任务，平台通过封装K8S Indexed Job，实现了云端的分布式运算。对于GPU类型任务，平台引入了GPU共享调度能力，将显卡池统一管理分配，提高了显卡的利用率。对于数据密集型任务，平台通过Fluid的能力，构筑了数据缓存中间层，进一步提高了数据读取速度，并缓解了数据源的IO压力。
监控
在监控方面，聚宽智能投研平台使用了Prometheus和SLS等监控工具，对集群、任务的稳定性、资源利用率、事件消息等信息进行实时监控，在系统维护、代码优化、成本节约等方面都起到了重要的指导作用。
通过AI Cloud在投研平台中的应用，聚宽智能投研平台在量化研究流程中的效率、人力、资源成本等方面都得到了显著优化。原本需要一周以上时间才能完成的因子挖掘、模型训练、结果验证等一整套流程，现在缩短到了一至两天。这不仅提高了研究员的工作效率，还使他们能够更加集中精力于构思新因子。
基于“统一平台+任务驱动+快速迭代”的整体投研理念，聚宽智能投研平台提升了各个环节的高效协同，并通过“任务驱动”和“快速迭代”的协作模式，持续优化策略和精进模型，使投研成果持续积累，力争形成强大的复利效应。
基金有风险，投资须谨慎。基金管理人依照恪尽职守、诚实信用、谨慎勤勉的原则管理和运用基金财产，本文涉及的内容仅供参考，不构成本公司任何业务的宣传推介材料、投资建议或保证，也不作为任何法律文件。
