12月17日（上周日），DolphinDB 粉丝节深圳站圆满举办，近60位粉丝来到现场，共同参与了以量化实践为主题的活动。行情数据中心建设、因子策略研发、投研到交易的流批一体….粉丝及用户们在轻松愉快的氛围中与 DolphinDB 创始人、行业技术大咖及头部机构嘉宾们面对面畅聊量化。
在分享环节，DolphinDB 创始人、CEO 周小华博士进行了“融合数据存储、批计算和流计算的现代数据栈”主题演讲。他全面解析了 DolphinDB 的核心特性、应用场景及技术路线。
DolphinDB 具备较为完善的常用因子库与计算函数库，有助于复杂金融逻辑的库内实现；Python Parser 的上线，方便用户用 Python 语法实现计算逻辑，并在 DolphinDB 的计算框架上高效运行；嵌入式交易型内存数据库 Swordfish，能够提供高性能、稳定可靠的实时数据处理和存储服务；AI Dataloader 将 DolphinDB 中的原始数据直接对接到 PyTorch 等工具中，省去了数据转换与落地的成本；正在研发的 CPU-GPU 异构计算平台，可以让 DolphinDB 脚本无缝切换到 GPU 进行并行计算，性能提升一个数量级。
来自某券商自营策略研发团队的嘉宾分享了基于 DolphinDB 让策略高效实盘上线的心得。“在策略框架明确后，使用DolphinDB上线一个新的策略仅需要两周的时间。” 他强调了 DolphinDB 在逻辑表达方面的强大能力，相较于其他语言，使用 DolphinDB 只需要一个 SQL 语句就能完成繁琐的计算任务，无需编写大量代码。他还对比了 Python 与 DolphinDB 的计算性能：“之前我用 Python 处理高频行情数据，每秒写入1000笔数据时，会出现延迟。后面转用 DolphinDB，高频行情的数据落库性能有了数量级的提升。”
最后一位嘉宾是某券商金创部的资深策略研发，他介绍了券商自营场景如何通过 DolphinDB 实现批流一体。为了实现批流一体的目标，首要步骤是解耦 IT 部门与业务部门的职责。IT 部门主要负责保障数据、算力、交易接口、结果输出、运维保障、工具开发和高性能开发；而业务部门主要职责包括调数据、写算法、出指令以及存储结果。其次，应当拓展数据获取方式，提升全部门的数字化水平。DolphinDB 通过 Python 接口提供数据，降低了数据类工作的压力，帮助开发资源集中在关键领域。他还提倡建立平台，共享并复用清算、估值、绩效评估等算法。借助 DolphinDB，行情类和算法类轻量级任务的开发周期显著缩短，数字化水平得到进一步提升。
现场互动环节，粉丝们与 DolphinDB 技术人员深入互动，产生了新的视角和思考方式。
关注我们，与技术专家面对面
期待在下一场粉丝节见到你~
