Anthropic最近的一份失业报告，让金融从业者脊背发凉。
报告里，金融岗位替代率高达94%，位列所有职业第2，但目前实际替代率只有28%，未来空间巨大。幸运的是，有30%的职业几乎不受影响，金融从业者还能考虑洗碗工、管道工等再就业机会。
在行业待久了，总会感到焦虑——金融人士活在一个“被比较”的世界，销量考评和业绩排名日日压顶，只要不学习就会产生一种不安。
好比春节假期结束后，金融中登回到工位还在和Chatbot一问一答，隔壁桌的小登同事，已经养了8只龙虾，就原油涨跌激情Argue。
金融行业从不拒绝效率，从人工手势报单到程序化交易，从线下银行销售到互联网代销，莫不如此。但这一次，AI替代的不是低效的金融工具，而是工具背后低效的人。毕竟，金融行业成本最高的就是人，资管公司的利润背后，比的是如何用更少的人管好更多的钱。
于是，各家私募开始拥抱先进产能：蝶威资产线上开课，教人如何驯化7*24小时自助工作的“数字研究员”；鸣熙资本用Manus自动生成红利指增的宣传单页，排版直追杂志时代的高级感。甚至客户也都多长了好几个心眼子，理财经理这边刚推介完网红私募，自己转头就去问豆包该不该买。
私募行业正逐渐步入底特律变人时刻，投研、运营、销售，这条成熟链条上的每一环，替代都已经开始发生。
在运营成本居高不下、Alpha越来越难获取的竞争环境下，人效比是私募老板们每天睡前挖空心思都想优化的指标。
在私募产业链里，研究员薪水普遍不低。据募立方数据，股票量化研究员年薪通常在80万-150万元，主观研究员薪资略低一些，但不时也会看到令人震撼的激励——年初某百亿主观研究员，因为推了英伟达，年终奖拿了2000多万。
私募若能跑通依靠AI投研，省下的是上千万的成本，如果它能24小时工作，降低时薪的同时，还获得了更大的产出，什么差旅、加班、车费和餐补，这些原本都要从老板到手的Carry里扣走的钱，AI 一分不要。
在资管领域，所有科技进步本质就两个词：提高效率，降低成本。私募老板从不在乎，AI是否真的能像人类一样思考，只在乎活儿能不能干完。
对此，霍华德·马克斯算了一笔经济账，如果能产出一个年薪20万美元研究助理的分析成果，那么对于支付薪酬的人来说，是真正思考还是仅仅进行模式匹配并不重要，关键在于工作成果能否足够可靠从而具备使用价值。
春节回来，8家券商金工团队集体发布“养龙虾”教程，亲手加速人类研究员被替代的进程，他们亲测OpenClaw，能够像人类一样主动产出研究成果。
进门APP上，开源金工的一场名为“OpenClaw:从入门到精通”的路演播放了4839次；东北徐建华安利了能让投研效率飙升10倍的20个skill；方正曹春晓用龙虾复现了PB-ROE 策略、杯柄形态选股策略、全自动因子挖掘与回测。
细思极恐，这相当于同时OTA了巴菲特、欧奈尔和西蒙斯的技能包。
爱学习的交易员
卖方卖力科普，买方学的也很积极。北京某私募怕主力机被污染，给投研每人发了一台新电脑，还给了5万元token的补助，专门用来养龙虾[1]。
雪球资管杨鑫斌培养了两个龙虾研究员，他表示每天与AI对话比与人对话要多得多，自主培养的AI Agent两天干的活比一个成熟的量化研究员半年的效率可能还要更高，甚至潜力还更大。
沁源投资 Paul Wu 逐渐将AI安插进各个部门，他感受到AI在一些工作角色上完成闭环，能够独立迭代运转。他预见，不久的将来，公司的开支会变成采购和维护一个苹果分析师智能体，再往后也许是一个投资组合顾问Paul。
过往，许多私募存在投研转化的磨损——研究员觉得基金经理不行，基金经理觉得研究员没用。OpenClaw的出现，让私募老板第一次看到了一种全新的可能——既不必忍受与平庸研究员反复磨合内耗，也不必担心核心研究员被同行高薪挖角。
从特性上看，龙虾满足了基金经理对研究员的所有美好想象：全天候干活，不休假不摸鱼；长期记忆沉淀，关键数据脱口而出；绝对忠诚服从，不会带着核心策略另立山头；持续自我迭代，不会像老登研究员一样沉迷于自己的路径依赖然后被时代淘汰。
如果未来硅基Token成本远低于碳基薪酬，私募霸总们如何才能拒绝一个听话好用、还能调教养成的AI研究员呢？
主观私募还在掂量Token成本是否划算，量化大厂凭借自建算力基础设施，早已将Token成本压缩至极低水平。但面对这股热潮，他们倒是淡定得反常。
“OpenClaw对于量化技术圈而言，不过是一个类似玩具的半成品”，某上海头部量化人士告诉我。它的意义在于为主观机构和散户降低技术门槛，为大模型公司前期巨额基础设施投入提供明确的成本回收路径，但对量化投资这样严肃的生产环境意义不大。
另一位头部量化人士表达更为直白，龙虾在金融圈搞得像一场传销。OpenClaw具有随机性、非系统性，安全性低等特点，会对整个量化系统带来巨大的不确定性。
OpenClaw在量化圈不是先进生产力，讯兔科技崔予淳认为没必要焦虑：
龙虾在Agent优化、工具调用（涉及投研浏览器、写作、数据分析等工具）能力甚至显著弱于Manus、Kimi等Agent。对于一个非编程背景的研究员来说，需要5-10个小时去部署、启动，大部分任务无法得到60分以上的结果。
当散户的龙虾运用China Stock Analysis Skill选股，仿佛打开新世界的大门，量化已搭建Multi-Agent（多智能体）平台，凭借更丰富的Agent武器库，对龙虾形成碾压。然而，这套强大系统的运转，未必需要更多的人类。
传统量化投研系统通常采用流水线架构：数据清洗→因子计算→模型预测→组合优化。步入AI时代后，部分机构开始像海外顶级量化Man Group那样，简化为角色分工→工具调用→工作流设计。标准化、重复性的工作，逐渐由AI Agent取而代之，再也不需要那么多研究员在因子血汗工厂里被异化了。
例如喜岳投资的Apollo AI多智能体系统，AI Agent嵌入到投研、数据、交易、运营各个环节，创始人周欣形容，就像多了七八百个AI员工。
前有量化“无人工厂”般的科幻式碾压，后有散户借助OpenClaw 降低信息差，处于效率中间地带的主观基金经理处境颇为尴尬——看着研究员辛苦产出的信息，上被量化降维打击，下被散户步步紧逼，不可避免陷入AI FOMO的着急。
春节期间，我翻阅一家深圳头部主观管理人的年报，他感慨基金经理对研究员有着过高的期待：
基金经理希望研究员能对市场保持敏感，及时提示机会，及时给出领先同行的研究和判断，甚至需要时刻保持在“核心圈”。能做到这种程度的研究员，为什么还需要基金经理？自己单干炒股就可以发家，为什么还要给基金经理服务？
于是，他降低了预期——研究员只负责研究具体的标的和问题，既不需要去发现机会，也不需要给出投资建议，这些都是他作为基金经理份内的工作。
反过来想，主观基金经理需要的，如果仅仅是一个不打入产业一线核心圈，只靠案头分析来跟踪标的的人，那这样的研究员，下一步岂不是就要被AI Agent替代？
身处A股市场，这两年的时间，感觉像是被按了加速键。
尤其上半年，事情特别多。去年春节Deepseek发布，清明假期懂王暴力加税，再到今年春节全民养虾，正月还没过完，中东就开始打仗了。金融人的大脑一直处于过载状态，已经想不起来，上一个不用学习的假期是什么时候了。至少作为小编，人脑算力已经不够用了。
印象里，两年前和基金经理交流写文章，总能听到他们很开心地用一句尴尬的句子，形容自己的工作状态——“每天都是跳着踢踏舞去上班。”但这两年交流时，他们会没有笑容地谈起团队组织的“迭代”、投资理念的“迭代”，行业认知的“迭代”。
AI 发展那么快，同业进步那么快，似乎也唯有迭代，才不会被淘汰。
行业还是太焦虑了。
AI不解人性，它预判不了散户扎堆的A股市场里，此时此刻交易的究竟是三阶导还是五阶导；AI难以共情，它无法理解为什么有人被两桶油套了这么多年，却依然持有至今，只为等那一天解套；AI无法担责，它不会因为亏了 30% 被投资者堵在门口，也不需要憋道歉信反思灵魂、检讨自我。
如果未来AI取代所有基金经理和研究员，那市场有效假说就成立了，不会有所谓的Alpha了，也几乎不会再出现下一个巴菲特了。
所以真正的问题是，未来资管行业，当AI接管了扒数据、跑模型和写报告，人类还剩下什么？剩下的，恰恰是对投资这件事的热爱，对不确定性的直觉，以及被骂研究的还不如AI，仍然选择留下来的理由。
我们无法改变AI占比不断提升的趋势，但我们可以改变忙于应对、疲于追赶的内耗心态。
就像《底特律：变人》这款游戏里，玩家最终要做的选择，不是消灭 AI，也不是臣服于它，而是决定人与AI各自该扮演什么角色。
本文来自微信公众号 “远川投资评论”（ID：caituandzd），作者：沈晖，36氪经授权发布。
发布时间：2026-03-17 16:06
立即订购
在线咨询
返回顶部