早期步入量化投資領域之時，唐偉曄覺得量化模型需要一些電腦方面的技術，還特地跑去了IBM上班，為後來量化模型的開發打下了技術的基礎。“我的數學比較差，對量化投資的支持嚴重不足，這也是制約我們發展最大的瓶頸限制。所以，我們需要更多數學方面的人才。”即使在投資上取得了成功，唐偉曄依然追求著最能發揮量化投資的複合型的知識結構。

　　據業內人士介紹，在資産管理業務發達的美國，量化投資産品佔比接近30%，量化投資在國外取得了較大成功，而國內這一比例還很低，量化投資在國內仍處於起步階段。在量化投資這片“藍海”中,無論是公募還是私募要取得突破，最大的制約因素還是缺乏人才。由於方法的特殊性，從事量化投資的人需要有極強的數量知識，又要對證券市場有深刻的理解，最好還能自主地進行程序開發，這種複合型人才現階段較為缺乏。

　　近些年，一些具備人才優勢的私募在量化投資領域取得了領先地位。數據顯示，天馬資産旗下已有4隻量化産品，是量化産品較多的私募基金管理公司之一。曾任嘉實數量分析師的高衛國認為，公募和私募現階段的差別在於人才結構上。“最大的區別不在於模型，而在於公募人才多數是從基本面研究出身，真正懂得量化的人才不多。”張靖也指出，公募基金量化投資的發展主要還是受到人才的制約。“國內進行量化投資研究與實踐的投資者相當的缺乏，往往即使公募基金想開展相關業務也難以找到合適的人才。”

　　量化投資在國內發展時間不長，還不太被主流投資群體所接受，重視並支持量化投資大力發展的公募基金不多。實際上，量化投資所需要的硬體設施與金融數據國內已經基本完備，股指期貨的推出很大程度上也滿足了對衝工具的需求。相比較人的因素，工具的影響是次要的。