Od pokera do zysków: Jak byli pracownicy DeepMind rewolucjonizują trading

Byli badacze DeepMind przechodzą od pokonywania profesjonalnych graczy w pokera do zarządzania miliardami w wolumenie rynkowym. Ich startup z siedzibą w Pradze, EquiLibre Technologies, osiągnął oszałamiającą wycenę na poziomie 500 milionów dolarów, stosując uczenie przez wzmacnianie (reinforcement learning) w świecie wysokich stawek finansów ilościowych.

Przeniesienie strategii pokerowej na Wall Street

Kluczową innowacją napędzającą EquiLibre jest przeniesienie uczenia przez wzmacnianie (RL) z gier o niepełnej informacji do złożoności rynku akcji. Założycielska trójka — CEO Martin Schmid, CTO Rudolf Kadlec i CSO Matej Moravcik — zdobyła wcześniej sławę dzięki opracowaniu DeepStack, pierwszego AI, które pokonało profesjonalnych graczy w Texas Hold'em bez limitu.

Logika ta stanowi naturalną ewolucję: zarówno poker, jak i trading polegają na podejmowaniu optymalnych decyzji w warunkach niepewności, przy czym wyniki są jasne i mierzalne. Jak zauważa Schmid, „punktacja” w tradingu jest niezwykle prosta — ostateczną nagrodą jest zysk kapitałowy. Wykorzystując RL, w którym modele uczą się poprzez systemy sprzężeń zwrotnych opartych na zachętach, EquiLibre wyszło poza świat gier, aby realizować transakcje na indeksach S&P 500 i Nasdaq.

Ogromna skala i sprawdzona wydajność

EquiLibre nie ogranicza się jedynie do przeprowadzania symulacji; firma aktywnie uczestniczy w globalnych rynkach. Dzięki partnerstwu z firmą ilościową Tower Research Capital, algorytmy startupu zarządzają miliardami dolarów dziennego wolumenu obrotu.

Historia sukcesów startupu jest szczególnie godna uwagi ze względu na swoją powtarzalność. Po początkowym wdrożeniu na rynkach kryptowalut w 2025 roku, firma rozszerzyła działalność na tradycyjne akcje, deklarując „idealną passę bez ani jednego stratnego miesiąca od momentu powstania”. Taki poziom stabilności jest ogromną atrakcją dla funduszy venture capital, takich jak Creandum, który niedawno poprowadził rundę serii A, będącą największą pojedynczą inwestycją tej firmy do tej pory.

Wyścig o moc obliczeniową i talenty

Choć EquiLibre z sukcesem osiągnęło wycenę na poziomie 500 milionów dolarów, mierzy się z intensywną konkurencją ze strony uznanych gigantów tradingu, takich jak Jane Street, który wykorzystuje dziesiątki tysięcy wysokiej klasy procesorów GPU i łączy RL z dużymi modelami językowymi (LLM).

Aby konkurować, EquiLibre koncentruje się na podejściu „najpierw laboratorium” (lab-first), zamiast na tradycyjnym podejściu finansowym. Ich strategia opiera się na dwóch filarach:

• Wydajność zamiast siły brute force: Zamiast polegać na ogromnych klastrach GPU, zespół dąży do zasady „wycisnąć więcej z mniej”, optymalizując algorytmy, aby uzyskać wyższą wydajność z ograniczonych zasobów obliczeniowych.
• Strategiczna infrastruktura: Firma planuje zbudować jeden z największych klastrów obliczeniowych w Europie Środkowo-Wschodniej (CEE), aby zwiększyć swoje możliwości badawcze.

Decydując się na siedzibę w Pradze, założyciele skorzystali również z potencjału wyspecjalizowanej czeskiej diaspory pracującej w takich firmach jak Google, co pozwoliło im zbudować zespół 25 wysokiej klasy ekspertów poza hiperkonkurencyjnym ekosystemem San Francisco.

Kluczowe wnioski

• Ewolucja algorytmiczna: EquiLibre z sukcesem przenosi techniki uczenia przez wzmacnianie stosowane w profesjonalnym pokerze (DeepStack) do zarządzania miliardami dolarów dziennego wolumenu na rynkach S&P 500 i Nasdaq.
• Eksplozywna wycena: Po udanej rundzie serii A prowadzonej przez Creandum, startup osiągnął wycenę 500 milionów dolarów, napędzaną raportowaną passą „zero stratnych miesięcy”.
• Wydajność jako fosa: Stawiając czoła gigantom posiadającym ogromne przewagi sprzętowe, EquiLibre koncentruje się na wydajności algorytmicznej i budowie znaczącej infrastruktury obliczeniowej w regionie CEE.