2026年7月25日，上海中心大厦。陆家嘴金融沙龙秘书处与BigQuant、华泰证券、金融阶、INGRAM、阿里云等机构联合主办的人工智能与全球投资生态对话暨第五届中国量化投资白皮书研讨会当天汇集了平行论坛、机构展示、学术交流与私募路演。在面向产业界与学术界听众的演讲中，上海交通大学量化金融研究中心主任Samuel Drapeau带来了一场题为"人机共研：从人工智能到端到端仿真世界"的报告，核心只有一句话：让AI在模拟市场中学会交易，而不是在真实市场里试错。

量化交易领域的常识是：回测好不代表实盘好。一笔订单会改变流动性，部分成交会改变持仓，时序上的先后会改变信息优势，而其他交易者也会做出反应。这些相互作用无法在静态的数据集里复现。Drapeau在台上反复强调这一点——金融AI必须作为市场参与者来评估，而不是被当作一个面对固定靶的预测模型。

为了解决这一问题，QFRC团队构建了FastBox的下一版本：一个可控的多智能体强化学习环境。撮合引擎、数据回放与智能体运行时构成了系统的底层；在此基础上，不同的交易策略以智能体的身份进入同一个订单簿，它们彼此感知、互相博弈。市场的流动性、策略拥挤和价格冲击由此自然涌现，而不是由某个预设公式人工施加。Drapeau也坦率地展示了平台当前的进度——Rust执行核心与Python研究层、订单生命周期、风控反馈已经就位，而多智能体调度、学习型市场生成等模块仍在集成之中。

FastBox并非一人之力：林一青、Mathieu Laurière、Paul Weng以及外部合作者Ariel Neufeld分别参与了平台架构、金融统计、不确定性建模、随机控制与平均场博弈等方向的研究。Drapeau在结尾时总结道，金融AI进入真实资金之前，必须形成可复现、可供人工审阅的证据。"金融AI进入真实市场，应依靠证据，而非寄望。"