“量化投资的核心在于持续、高效地从海量数据中发现和验证Alpha。在AI驱动的量化研究环境下，数据处理效率已经成为影响策略研发与迭代速度的重要因素。焱融全闪存储为我们的因子研究、模型训练和并行回测提供了稳定的数据支撑，有效缓解了数据访问带来的性能瓶颈。随着策略复杂度和数据规模的持续增长，我们也对未来投研体系的扩展能力更有信心。”
—— 大岩资本 技术负责人
在 AI 全面渗透金融领域的当下，量化投资早已演变为一场围绕数据、算力、速度展开的综合竞赛。海量行情数据、多元另类数据持续涌入，多因子模型迭代加速、高频策略密集回测、GPU 算力大规模应用，让底层存储从辅助工具变成决定量化机构核心竞争力的关键底座。作为扎根深圳的老牌头部量化私募，深圳嘉石大岩资本管理有限公司深耕量化领域十余载，凭借成熟的多因子模型、专业投研团队与国际化合规体系，在行业内稳居第一梯队。随着业务扩张与 AI 模型深度迭代，原有传统存储架构逐渐暴露出诸多短板，成为制约策略迭代、算力释放与业绩提升的隐形瓶颈。最终，大岩资本选择焱融追光 F9000X 全闪存储一体机，搭建高性能数据底座，打通量化投研全流程的数据动脉，实现算力与存力的协同跃升。
深耕量化十余载，高速发展背后的存储困境
大岩资本 2013 年 6 月成立于深圳，是国内量化领域的长跑型机构，核心团队平均从业年限超 9 年，超八成投研人员毕业于清北复交、美国常青藤等名校。成立至今，公司累计斩获 30 余项行业重磅奖项，其中包含 5 座金牛奖，同时也是国内首家通过 ISAE3402 国际鉴证标准的私募基金，业务布局覆盖深圳、上海、香港等多地，为全球投资者提供资产管理服务。
在量化策略研发上，大岩资本始终保持高频迭代节奏，先后在 2017 年、2022 年完成量化模型全方位升级，2026 年再度优化模型细节，在不改变底层因子数量的前提下强化 Alpha 捕捉能力。目前公司搭建起包含 4000 余个高夏普因子的庞大因子库，形成数据输入→因子挖掘→Alpha 生成→组合优化与风险控制→算法交易五大核心业务体系，业务覆盖市场中性、指数增强、量化选股、高频交易等多元策略，兼顾中低频量化与 AI 模型研发。
量化投资的本质是在海量数据中挖掘规律、博取超额收益，而 AI 技术的落地，让数据流转速度直接等同于 Alpha 收益。大岩资本完整的量化业务链路，对存储的带宽、IOPS、延迟、并发能力均提出极致要求，原有传统存储架构，已无法匹配高速发展的业务需求，三大核心痛点全面凸显。
1、数据吞吐不足，AI 因子挖掘与模型训练效率受阻
量化业务以数据为根基，每日需处理实时行情、基本面、舆情、交易行为等海量异构数据，实时行情数据每秒以百万级体量产生。传统存储持续写入能力薄弱，频繁出现数据积压、丢失问题，源头数据采集环节就埋下隐患。
在核心的因子挖掘与 AI 模型训练阶段，团队需要加载 TB 级历史数据集与 GB 级特征文件，传统存储带宽不足，导致数据加载耗时漫长，直接拉长深度学习、遗传算法等因子挖掘周期。同时，模型训练过程中会频繁生成 Checkpoint 文件，这类操作对高速写入能力要求极高，原有架构无法支撑数百 GB/s 的写入速度，进一步拖慢模型迭代节奏，让顶尖投研团队的研发效率大打折扣。
2、并发读写性能不足，多策略并行回测效率受限
策略回测是量化策略上线前的 “试金石”，多策略模型框架，会同步对数十套策略、不同投资周期进行并行回测，批量调取历史时序数据验证策略有效性。传统存储并发读写性能薄弱，大量回测任务同时运行时，出现任务排队、系统卡顿等问题，新策略落地周期大幅延长。
此外，回测过程需要反复随机读取历史盘口、逐笔成交、快照等高频数据，传统架构随机访问延迟偏高，面对海量时间切片数据，批量读取效率低下。对于高频类依赖短期价量数据的策略而言，读写延迟直接影响策略精度与交易胜率，成为业务发展的一大桎梏。
3、网络传输受限，高端 GPU 算力陷入 “空转” 困境
为支撑 AI 模型训练与大规模并行计算，大岩资本部署了多组 GPU 集群，但原有传输带宽有限。在多机多卡并行加载数据时，网络拥塞问题频发，集群整体带宽被严重拉低，昂贵的 GPU 算力长期处于闲置 “空转” 状态。算力无法充分释放，不仅造成硬件资源浪费，也让公司硬件扩容的价值无法落地，业务规模化扩张遭遇硬性阻碍。
以数据效率为核心，大岩资本开启存储架构升级
面对全链路的存储瓶颈，大岩资本启动全面技术选型，综合考量产品性能、行业落地经验、技术适配性与长期扩展性，最终选定焱融追光 F9000X 全闪存储一体机作为全新数据底座。
此次选型并非偶然，一方面，焱融科技深耕大湾区金融量化赛道多年，拥有大量成熟落地案例，深度理解量化私募的业务逻辑与存储需求，行业口碑与实战能力得到市场验证；另一方面，焱融 F9000X 在 MLPerf Storage 国际权威评测中持续领跑全球，硬核性能获得国际认可，双重优势让大岩资本坚定合作信心。
本次落地项目采用F9000X 全闪存储集群，搭配 400G NVIDIA InfiniBand 高速网络，搭载焱融自研 YRCloudFile 高性能分布式文件系统，整体采用全 NVMe SSD 架构，原生兼容 RDMA、Multi-Channel 多网卡聚合、NVIDIA GPUDirect Storage（GDS）等前沿技术，深度适配 GPU 集群高并发、低延迟的处理场景，针对性破解量化投研全流程痛点，构建面向 AI 量化的专属高性能存储集群。
从因子挖掘到策略回测，F9000X加速Alpha生产全流程
焱融全闪存储解决方案上线后，从数据采集、因子挖掘、策略回测，到组合风控、实盘交易，全面优化大岩资本量化业务全流程，各项性能指标实现跨越式提升，彻底摆脱传统架构的性能束缚。
焱融全闪存储一体机F9000X量化投研场景架构图
1、超高带宽，加速 AI 因子挖掘，释放 GPU 算力潜能
针对海量数据读写与模型加载慢的痛点，F9000X 三节点集群最高可实现480GB/s 聚合带宽，可将 TB 级大规模训练数据集的加载时长压缩至秒级。高速带宽完美适配线性 / 非线性机器学习模型、深度学习、遗传算法等多种因子挖掘模式，大幅缩短 AI 多因子模型训练周期。
同时，高速写入能力完美承接模型训练过程中高频 Checkpoint 操作，彻底解决文件写入卡顿问题，模型迭代效率显著提升。强大的数据吞吐能力，让 GPU 集群始终处于满负荷运转状态，硬件算力价值充分发挥，为大岩资本持续挖掘纯 Alpha 收益筑牢根基。
2、高并发低延迟，提速策略回测，强化策略迭代能力
量化策略的生命力在于持续迭代，F9000X 三节点集群可输出高达 750 万 IOPS 的极致并发能力，搭配独立元数据架构，完美应对多策略、多周期并行回测场景。大批量历史时序数据、高频 Tick 数据、逐笔成交数据可被快速调取，回测任务不再排队拥堵，策略有效性动态监测、因子组合调整效率成倍提升。
方案具备微秒级访问延迟，高度匹配 A 股高频交易、日内套利等策略对数据实时性的严苛要求，保障高频交易信号精准捕捉，提升策略整体胜率，让多因子、事件驱动、混合型等各类高频策略稳定运行。
3、高速网络 + 前沿技术，打通实盘交易 “最后一公里”
项目搭配 400G NVIDIA InfiniBand 高速网络，相比原有 10Gb 以太网，整体网络带宽提升 40 倍，延迟降低 80%，从网络层面根除传输拥塞问题。同时，方案原生支持 NVIDIA GDS 技术，可绕过 CPU 实现数据直传 GPU，大幅降低端到端 I/O 延迟。
在组合优化、风险控制与算法交易环节，低延迟、高可靠的数据传输能力，保障实盘交易指令快速响应，满足 A 股市场日内交易、高频调仓的严苛要求。此外，整套存储架构具备高稳定性与合规性，可实现金融数据长期归档、合规留存，契合私募基金监管要求，兼顾性能与合规两大核心需求。
量化赛道的竞争日趋激烈，数据流转、算力调度、底层存力三者相辅相成。作为深耕金融量化领域的高性能存储服务商，焱融科技依托 F9000X 等旗舰产品，持续为量化私募打造 “高带宽、高并发、低延迟、高可靠” 的数据底座。未来，焱融将继续携手大岩资本等行业头部机构，以技术创新驱动量化行业升级，在海量数据中提炼纯粹规律，助力资管机构行稳致远，为海内外投资者创造持续稳健的超额收益。