量化創投能打敗人類眼光嗎？QuantumLight 5 億美元基金押注 AI 選股

有關 Fund II 的報道指其募集超額完成，但 QuantumLight 尚未公開完整的外部出資人名單或基金配置條款。 因此，最穩妥的結論是：至少有部分投資人願意把更多資金投入由機器學習主導的創投策略，尤其是在這套模式與知名金融科技創辦人及鮮明的營運方法結合之下。

但這支基金沒有證明的事情同樣重要。基金規模變大，不代表已取得更高的風險調整後回報。它顯示的是募資動能，以及投資人願意支持這項理念；並未證明 Aleph 比經驗豐富的人類投資人更會挑選公司，也未證明扣除虧損、管理費與績效分成後，這套策略能帶來更高的淨回報。

它與傳統創投有何不同？

傳統創投通常把市場研究與合夥人判斷結合，並參考創辦人推薦、業界關係及過往經驗。QuantumLight 則試圖把決策重心移向結構化資料。

這種方式的潛在優勢包括：

• 更廣泛的篩選範圍： 軟體能處理遠多於單一合夥人手動檢視的公司與創辦人資料。
• 降低人脈依賴： 系統化流程或許能找出不在投資人既有社交與專業圈內的公司。
• 決策更容易重複： 量化框架有助於以相近標準評估不同機會。
• 加快初步選案： AI 輔助篩選可先從大量案源中縮小範圍，再交由人員進行深入盡職調查。

風險也相當明顯。歷史資料可能承載過去募資市場的偏見；模型可能過度重視容易測量的訊號，卻忽略創辦人獨特的洞察、市場時機，或沒有先例可循的突破性創新。如果越來越多投資人使用相似資料，系統化找案原本具備的優勢也可能逐漸縮小。

QuantumLight 並不是孤立的案例，而是創投業轉向軟體輔助的大趨勢一部分。從交易來源、承銷評估到投資組合分析，AI 工具正逐步進入創投流程；專門提供 AI 原生找案服務的公司出現，也顯示資料基礎設施本身正被視為一種投資能力。

回報問題，現在還沒有答案

QuantumLight 的策略仍太新，無法作出明確的績效判斷。公司所稱的「由演算法推薦的投資」描述的是流程，而不是一份公開、完整的已實現退出紀錄與基金淨回報。

若要嚴格評估這套模式，必須將其投資與合適的傳統創投基準比較，同時納入進場估值、後續加碼決策、失敗投資、流動性，以及退出時機等因素。這些結果通常需要多年才會成熟，成長期科技投資尤其如此。

這正是「有趣的投資實驗」與「已被證明的資產管理策略」之間的差別。QuantumLight 最終可能證明，模型能找出人類投資人一再錯過的機會；也可能證明，資料驅動的選案最適合補足人類判斷，而非完全取代人類。就目前證據而言，答案仍未揭曉。

為什麼 Storonsky 的雙重角色受到關注？

Storonsky 的參與，為 QuantumLight 帶來創辦人信用與實際營運經驗，也可能提供強大的資源。但這同時帶來治理問題：當同一位企業家一邊領導 Revolut，一邊共同創辦並支持一家快速擴張的創投公司時，責任分配、利益衝突與管理時間應如何處理？

隨著 Revolut 擴大受監管的銀行業務，這個問題變得更重要。2026 年 8 月，Revolut 在法國取得銀行牌照，相關批准涉及法國審慎監管與處置局（ACPR）及歐洲中央銀行。路透社形容這是公司拓展歐洲業務的重要一步，並指出 Storonsky 過去曾將這項進展與爭取美國銀行牌照的可能性連結起來。

目前可取得的公開報道，並未證實 Revolut 已正式決定或提交美國上市計畫；同樣也沒有證據顯示 Revolut 與 QuantumLight 之間已發生利益衝突。只是，當受監管業務擴張、外部投資活動及未來可能的公開市場路徑同時存在時，兩家公司之間清楚的職責分工、透明的利益衝突處理程序，以及可問責的領導架構，就顯得格外重要。

結論：這是一場高調但尚未結案的測試

QuantumLight 的 5 億美元 Fund II 是一項值得注意的市場訊號：投資人對其量化式創投方法的興趣，足以支持一支規模為首支基金兩倍的投資工具。Aleph 的存在，也代表創投業最明確嘗試之一——把選案從以關係為主，推向由軟體主導。

但募資不是績效。QuantumLight 的模式仍是一項實驗，真正有決定性的證據，必須來自更長時間累積的已實現投資結果。現階段，QuantumLight 最適合被理解為一場高知名度的測試：機器學習能否讓新創投資更廣、更快，而且更穩定地成功，而不是 AI 已經取代創投家的證明。