当算力期货在芝商所集团（CME Group）与洲际交易所（ICE）的上市计划双双进入监管审查阶段，摩根大通的AI投资代理在20年回测中击败传统的60/40投资组合（60%股票、40%债券）——人工智能与期货市场深度融合时，AI已不再是遥远的概念，而是正在重塑期货市场格局的重要变量。本文基于国际期货业协会（FIA）、Fortune Business Insights等机构最新数据，以及高盛、摩根大通等国际投行前沿观点，聚焦全球期货市场AI应用的演进脉络与竞争逻辑，以期为国内业界提供借鉴。

　　[全球期货市场格局之变：总量收缩与结构重构并行]

　　1192.86亿手成交量背后的结构性剧变

　　2025年，全球期货与期权市场呈现出一幅极具张力的图景。据FIA 2026年1月发布的数据，2025年全球91家交易所的场内期货与期权成交量为1192.86亿手，同比下降42.24%。然而，总量回落并非市场萎缩的信号，而是结构性剧变的投影。

　　从标的资产结构看，金融类衍生品成交量仍以87.03%的份额占据主导，但商品类衍生品成交量占比持续攀升，已至12.97%。能源类衍生品成交量同比增长30.02%、金属类衍生品成交量同比增长24.46%，增长动能主要来自能源转型、地缘政治风险溢价，以及在全球供应链重构背景下的实体企业套保需求释放。

　　从地区分布看，亚太地区市场成交量虽因印度市场拖累同比下降55.63%，但仍以63.37%的市场份额居全球首位；北美地区市场成交量同比增长24.04%，全球市场占比为20.54%。印度市场监管层为抑制权益类衍生品过度投机而采取了一系列调控措施，导致印度市场成交量骤降。

　　图为FIA全球场内期货与期权成交量（2018—2025年）

　　更具标志性意义的是交易所竞争格局的变迁。按场内商品衍生品成交手数计算，2025年全球排名前三的交易所依次为郑州商品交易所、大连商品交易所和上海期货交易所。

　　算法交易：从“效率增强器”到“市场基础设施”

　　全球算法交易市场正经历持续而稳健的扩张。据Fortune Business Insights数据，2025年全球算法交易市场规模为25.3亿美元，预计将从2026年的27.2亿美元增长至2034年的43.3亿美元，复合年增长率为6.00%。其中，北美地区市场以全球占比41.90%的份额占据主导地位。

　　更值得关注的是结构性变化。在期货交易服务市场中，自动化和算法策略贡献了近61%的需求增量，超过39%的新交易服务已集成基于AI的决策工具。AI已从交易环节的“效率增强器”演化为“市场基础设施”：没有算法能力的参与者，正逐渐丧失公平竞争的基本条件。

　　与此同时，另类数据市场正在爆发式增长。据数据情报平台Neudata报告，对冲基金及其他资产管理机构2025年在另类数据上的支出达28亿美元，同比增长17%。2025年全球另类数据市场整体规模约为168.2亿美元。从信用卡消费记录到卫星图像监测港口库存，从供应链物流数据到手机信令追踪宏观需求，多模态数据正成为AI交易系统竞赛的第一道防线。

　　[国际投行视角：AI正在重新定义“Alpha”的来源]

　　高盛：AI投资周期进入“序幕的尾声”

　　高盛在其2026年五大关键投资主题中明确表示，AI市场正处于“序幕的尾声”。高盛首席交易员马克·威尔逊（MarkWilson）将当前的AI投资周期比作现代版“太空竞赛”——那些投入最多资金以“赢得”这场竞赛的企业，可能在相当长时间内面临高度不确定的投资回报率。与之相对的是，为AI建设提供支持的企业——包括算力硬件、数据中心、电力供应商、基础设施建设者，以及成功在业务中部署AI并证明生产率提升的公司，仍然具有吸引力。

　　高盛认为，“那种认为AI价值创造主要归于大语言模型，以及对一切‘沾AI概念’的资产普遍看涨的‘牛’市行情，很可能已经走到尽头”。市场对真正受益者的甄别将变得更加严格。

　　这一判断对期货市场具有深刻启示：当AI从“叙事驱动”转向“业绩验证”阶段，期货作为价格发现与风险转移的核心工具，其服务对象正从传统的产业客户和投机者，扩展至AI产业链上的算力提供商、数据中心运营商、电力企业等新型市场主体。CME Group于2026年5月宣布与市场情报公司Silicon Data合作推出全球首个锚定GPU算力租赁费率的现金结算期货，ICE亦宣布与算力交易平台Ornn合作推出以算力为标的的期货合约——期货市场本身正在成为AI产业链的有机组成部分。

　　摩根大通：AI投资代理的“超额收益”已获验证

　　摩根大通全球投资策略团队的研究更进一步。2026年7月，摩根大通研究人员公布了AI投资代理的回测结果：在覆盖过去20年的回溯测试中，表现最佳的系统年化收益率超过传统60/40投资组合0.7个百分点，同时波动率更低，并且击败了摩根大通自身基于规则的市场状态模型。8个测试AI代理投资工作流均在风险调整收益上跑赢60/40组合。

　　摩根大通策略师团队在报告中写道：“可以为AI代理设定流程，使其具备在不确定环境中的决策能力，从而相对于合理基准取得超额收益。”但该机构同时说明，这些结果基于历史模拟而非真实资金投资，不应将其视为AI能够持续跑赢市场的证明。

　　尽管有此说明，但这项研究仍预示着一个重要趋势：AI正在从“信息处理工具”向“投资决策基础设施”演进。对期货行业而言，这意味着AI不仅改变了“谁在市场交易”，更在改变“市场为何存在”。当AI能够实时处理多源异构数据、预测地缘政治冲击对大宗商品供应链的影响时，期货市场的信息效率和定价精度正在被推向新的高度。

　　国际监管机构的适应性进化

　　在技术狂奔的同时，国际监管框架快速迭代。

　　美国商品期货交易委员会（CFTC）于2024年12月发布员工指导意见，明确要求所有受CFTC监管的实体评估AI使用风险并更新相关政策。CFTC表示，AI系统不得便利市场操纵、内幕交易或其他被禁止的活动。2025年，CFTC任命了首位“首席人工智能官”。CFTC委员克里斯汀·约翰逊在2025年5月的讲话中明确表示，“AI已不再是投机性的，它已经投入运营”。CFTC将AI视为监管科技（SupTech）架构中的基础性要素，用于检测欺诈模式和实时市场操纵。

　　英国金融行为监管局（FCA）则采取了不同的路径。FCA明确表示“不计划为AI引入额外的法规”，而是依赖现有框架。其监管方式是“基于原则、以结果为导向”。FCA于2025年推出了AI实时测试（AILiveTesting）计划，允许企业在监管机构监督下测试生成式AI工具。FCA表示，“支持创新……但不能以牺牲监督为代价”。英国政府还为AI应用制定了跨部门原则：安全、稳健与可靠，适当的透明度与可解释性，公平性，问责与治理。

　　此外，在欧盟MiFID II框架下，算法交易和高频交易已被纳入全面监管体系。欧美监管路径的差异——美国的“现有规则适用”原则、英国的“原则导向+沙盒测试”、欧盟的“全面规则框架”，为全球监管提供了多元参考。

　　[AI竞争的实质：从“模型竞赛”到“系统战争”]

　　全球AI交易的竞争已进入“系统能力竞争”阶段，而非单纯的模型参数比拼。决定胜负的关键在于数据生态、算力基础设施、算法迭代速度三者的协同。

　　数据生态：多模态数据的竞赛

　　境外头部机构已建立起覆盖全球的多模态数据网络——从卫星图像监测港口库存到供应链物流追踪商品流向，再到信用卡消费、手机信令等另类数据预测宏观需求。CME的TCA（交易成本分析）工具之所以强大，就在于其整合了全市场匿名交易数据——包括订单簿深度变化、大单拆分模式、撤单频率等微观结构信息。据CQF Institute2025年调查，83%的量化机构已在开发或使用AI工具，其中54%的量化机构每天使用。

　　算力基础设施：云原生成为主流

　　在2025年全球算法交易支出中，54.47%的支出投向云端部署。AWS金融服务已认证超过150家交易合作伙伴。弹性计算能力使策略回测可在数百台服务器上并行运行，大幅缩短策略上市周期。然而，效率提升的背后是巨额投入。CME机柜月租金为1.5万美元，仅是冰山一角。完整的AI交易系统需要数据、算力、人才“三位一体”的持续投入。

　　算法迭代：生成式AI重塑研究范式

　　生成式AI正在改变量化研究的底层逻辑：从手工科研转向智能实验系统，从人工灵感走向结构自动发现，从相关性分析走向因果链路推断。PandaAI等初创公司探索“多智能体协作进化”，让多个AI智能体通过交叉验证与反馈学习，形成适应真实市场环境的交易认知。

　　[AI交易工具的演进脉络：从规则化到智能体]

　　回顾AI在期货交易中的迭代路径，可以清晰划分为三个阶段：

　　规则化算法交易（2010年前）：基于预设条件执行，如TWAP、VWAP拆单算法，核心是解决“如何更好地执行人工决策”。

　　机器学习驱动（2010—2023年）：利用随机森林、XGBoost、LightGBM及深度学习进行因子挖掘与收益预测。据Invesco 2025年调查，62%的量化机构认为AI在未来10年将与传统分析同等重要，41%的量化机构已使用自然语言处理进行情绪分析。

　　大模型与智能体时代（2024年至今）：以ChatGPT为代表的生成式AI正在改变量化研究范式。2025年，全球证券机构中已有超过61%的头部机构将大模型嵌入核心投研流程，智能投顾模块在北美渗透率达44%。2026年一季度，全球量化基金AI渗透率达68%。

　　[他山之石，可以攻玉]

　　回望全球经验，境外市场AI交易能力的提升并非一日之功，而是建立在数十年数据积累、算力投入、监管磨合的基础之上。中国期货市场AI应用起步虽晚，但增速惊人，量化交易占全市场成交比例已在20%~30%。然而，当CME与ICE竞相推出算力期货、高盛断言AI普涨时代终结、CFTC将AI视为监管科技的基础性要素时，这些国际动向或许提醒我们审慎思考以下问题：

　　第一，数据生态的差距是否在扩大？境外机构已建立起覆盖卫星影像、供应链物流、信用卡消费等多模态数据的采集网络，而国内量化机构的数据来源仍以传统价量、基本面为主。缺乏高质量、多维度的本土数据资产，AI模型的训练是否将长期依赖外部输入？这既是效率问题，也是安全问题。

　　第二，算力基础设施的公平性如何保障？交易所共置机房、高速行情接口、云算力资源，这些资源若集中于大型机构，中小机构与实体企业的套保参与度可能下降。技术门槛的抬高是否会改变市场参与者的结构？

　　第三，AI+金融的复合型人才从何而来？当境外投行已构建成熟的量化研究员培养体系，我们是否具备足够的耐心和资源去“养”出一支本土AI交易团队？

　　第四，期货市场本身是否正在被AI“重新定义”？当算力本身成为可交易的期货标的、AI投资代理开始自主进行资产配置时，期货市场的功能边界、服务对象和运行逻辑，是否正在发生比我们想象中更为深远的变化？（作者单位：华源期货）