MaxQuant

传统金融交易往往存在门槛高、透明度低、资产跨度窄等痛点，散户与初学者往往需要掌握一定的代码和数据工程基础，才能完成策略的设计与执行，而在面对复杂的新闻与行情解读时，即便是有经验的投资者，也常因信息差而偏离最佳路径。MaxQuant 团队认为，这些结构性问题压缩了交易的空间，在限制创造力的同时，也影响着盈利的上限。

为此，MaxQuant 决定借助 Agentic AI 技术弥合交易的不对称性，探索更加开放及高效的量化交易模式，实现更广阔范围内的金融普惠，打造普通人也能轻松上手的量化交易服务。然而，Agentic AI 有着环境碎片化的特点，不同 Agent 的运行环境、上下文、依赖与调用协议各异，如果自行开发，可能会消耗大量时间用于编排、容错与监控。另一方面，金融交易通常波动剧烈，系统必须在具备高峰弹性的同时，符合金融场景的合规与可追溯要求，这对系统架构提出了严峻挑战。

最重要的是，市面上缺乏适合金融交易场景的 Agentic AI 基础设施：很多方案偏重模型本身却忽视工程层面的可扩展性，或是提供算力资源却难以支撑 Multi-Agent（多 Agent）的编排与运行。同时，Agentic AI 基础设施演进节奏相当快，对 MaxQuant 这样的初创团队来说，如果把大量精力投入到底层环境搭建以及后续的跟踪升级与维护，就需要专业团队与大量人力资源投入，势必会延误产品迭代节奏，无法在“快鱼吃慢鱼”的竞争环境中崭露头角。因此，团队迫切需要能够高效支撑 Multi-Agent 的弹性、合规的 Agentic AI 基础架构。

自 Amazon Bedrock 推出以来，MaxQuant 就持续关注它的发展与更新。2025 年亚马逊云科技纽约峰会上，Amazon Bedrock AgentCore 正式发布，MaxQuant 立刻意识到它的运行时（Rumtime）能力能够与现有产品及业务实现有机融合，解决 Multi-Agent 编排与上下文统一等工程难题。同时，亚马逊云科技也能满足 MaxQuant 对于金融场景中高弹性、高合规等方面的需求。于是，MaxQuant 积极与亚马逊云科技的架构师、工程师建立起紧密沟通，并决定将全部业务迁移至亚马逊云科技上运行，打造 Agentic AI 驱动的新一代智能投研与交易决策系统。

Amazon Bedrock AgentCore 提供一整套部署并高效运行 AI Agents 的能力，帮助开发者打通 AI Agents 从概念验证到生产部署之间的关键环节，快速安全地大规模部署和运行 AI Agents。AgentCore 现已支持提供覆盖运行时、记忆、身份验证、网关、代码解释器、浏览器工具、可视仪表盘七大核心 AI Agents 服务。

MaxQuant 最初在量化交易业务中尝试使用 AgentCore 运行时能力，将其应用于基础的数据解析与策略回测等环节。相比传统架构，AgentCore 运行时无需长期维护底层环境，能够更灵活地支持高频场景下的计算需求。随着合作的不断深入，MaxQuant 逐步将更多复杂逻辑，包括在交易前生成更细粒度的客户画像，或是在交易中对多策略组合进行自动优化等，逐步迁移到 AgentCore 的其他子模块上，通过高效完成数据读取、特征提取、模型调用、策略评估等环节的协作执行，实现了从分析到执行的自动化闭环，研发主线得以回归到策略与体验本身。同时，团队也无需为每次 Agent 扩展承担额外的编排成本，系统的可维护性与可扩展性显著提升。

在将复杂的多步推理与策略优化交由 AgentCore 执行的同时，MaxQuant 也将缓存刷新、批量数据清理、日志处理、状态同步等轻量化逻辑封装为 Amazon Lambda 函数，并通过 Amazon EventBridge 进行触发。这种将任务逻辑按轻重解耦的方式，使 AgentCore 能够专注于高价值业务处理，更好地释放 Agentic AI 体系价值。

同时，借助 Amazon EventBridge，MaxQuant 能够灵活捕获来自不同系统的事件并触发相应的 Amazon Lambda 函数，实现跨模块的自动化协作。基于事件驱动型架构，Amazon Lambda 具备天然的弹性与隔离性，在高并发场景下可以按需扩缩轻量任务，从而避免主流程阻塞。拓展性方面，研发团队在新增功能或需求时，只需新增一个函数即可无缝接入既有流程，实现“改一处、全局可用”，显著降低了运维负担、提升了系统的敏捷性。

MaxQuant 是一家年轻的创业公司，亚马逊云科技不仅为 MaxQuant 提供了“AgentCore × 无服务器 × 事件驱动架构”的技术底座，还带来了成长路径上的多方助力：

・ 在技术层面，亚马逊云科技解决方案架构师团队为 MaxQuant 提供了持续的指导，帮助其在 AgentCore 与无服务器 x 事件驱动架构结合的探索中避免早期风险，使研发团队能够更专注于量化交易的业务逻辑与产品体验。

・ 在资源层面，亚马逊云科技为初创企业提供的创业加速器支持计划为 MaxQuant 提供了宝贵的云资源额度，提升了快速试错与功能迭代的节奏。

・ 在拓展层面，亚马逊云科技为 MaxQuant 连接了更多合作伙伴提供潜在的合作机会，并积极提供进入亚马逊云科技 Marketplace 的路径指导，帮助 MaxQuant 获取更大范围内接触潜在客户与投资人的机会，提升触达效率。

同时，凭借亚马逊云科技全球合规与基础设施布局，MaxQuant 在国际化拓展过程中能够以更低的技术门槛、更高的专业度赢得客户信任。这些支持不仅让 MaxQuant 在早期就具备了稳定的技术与背书，也帮助其在研发与业务之间形成良性循环，加速了整体成长。

在亚马逊云科技提供的 AgentCore 等产品及服务帮助下，MaxQuant 成功将业务核心模块的开发周期从 4 周缩短至 1 周，整体开发时间从预计的 12 个月缩短至 1 个月全面上线，实现了量化交易中数据解析、策略回测、客户画像、策略组合优化等服务的高效构建与应用。

大幅加速产品落地的基础上，AI 能力的引入还带来了成本的节约：使用 AgentCore 后，MaxQuant 原本预计 8-10 人的团队减少到 2-3 人，人力成本节约达 300 万美元；由于使用按需付费模式服务，MaxQuant 无需自行购置 GPU 硬件，基础设施支出降低了 80%。

结合亚马逊云科技引领业界的安全合规实践，MaxQuant 在提升研发与交付效率、大幅降低支出的同时，也为金融行业客户带来了更高的安全性与信任感。在近期的 MaxQuant 伦敦线下集会中，多位量化交易员、策略师均对这套系统表现出浓厚兴趣，侧面反映出该方案的技术突破与巨大价值。

当前获得认可的同时，面对 Multi-Agent 体系在金融场景中的应用前景，MaxQuant 也给出了自己的思考。张维桐表示：“Agentic Trader 将成为首批实现完全自治运行的智能体，具备超越人类的执行效率、覆盖广度与处理速度，能够在跨境、跨机构、跨资产的体系中无缝协作。人类将从繁琐的操作以及注意力中解放，转而承担价值观设定与治理监督的角色。MaxQuant 验证的不仅是 Agentic 策略收益率，更是智能体在复杂社会制度与实时合规环境下的稳健性与自主性。我们期待与更多像亚马逊云科技这样的同道者携手，共同迎接崭新的金融智能生态。”

未来，MaxQuant 希望继续携手亚马逊云科技，进一步深化 AgentCore 服务应用，持续在金融场景下探索多智能体系统的差异化应用路径，在单标分析基础上推出面向股票、期权及 RWA（真实世界资产）等新兴数字资产的跨资产组合与对冲管理，继续朝着“打造基于 AI Agent 框架的一站式量化交易服务”愿景迈进。