作者：遠川投資評論

Anthropic最近的失業報告，讓金融從業人員脊背發涼。

報告裡，金融職缺替代率高達94%，名列所有職業第2，但目前實際替代率只有28%，未來空間龐大。幸運的是，有30%的職業幾乎不受影響，金融從業人員還能考慮洗碗工、水管工等再就業機會。

在業界待久了，總是會感到焦慮——金融人士活在一個「被比較」的世界，銷量考評和業績排名日日壓頂，只要不學習就會產生一種不安。

好比春節假期結束後，金融中登回到工位還在和Chatbot一問一答，隔壁桌的小登同事，已經養了8隻龍蝦，就原油漲跌激情Argue。

金融業從不拒絕效率，從人工手勢報到程序化交易，從線下銀行銷售到網路代銷，莫不如此。但這一次，AI取代的不是低效率的金融工具，而是工具背後低效率的人。畢竟，金融業成本最高的就是人，資管公司的利潤背後，比的是如何用更少的人管好更多的錢。

於是，各家私募開始擁抱先進產能：蝶威資產線上開課，教人如何馴化7*24小時自助工作的「數位研究員」；鳴熙資本用Manus自動生成紅利指增的宣傳單頁，排版直追雜誌時代的高級感。連客戶也都多長了好幾個心眼子，理財經理這邊剛推介完網紅私募，自己轉頭就去問豆包該不該買。

私募產業正逐漸步入底特律變人時刻，投研、營運、銷售，這條成熟鏈上的每一環，替代都已經開始發生。

薪資VS Token成本

在營運成本居高不下、Alpha越來越難取得的競爭環境下，人效比是私募老闆們每天睡前挖空思都想優化的指標。

在私募產業鏈裡，研究員薪水普遍不低。根據募集立方數據，股票量化研究員年薪通常在80萬-150萬元，主觀研究員薪資略低一些，但不時也會看到令人震撼的激勵——年初某百億主觀研究員，因為推了英偉達，年終獎拿了2000多萬。

私募若能跑通依靠AI投研，省下的是上千萬的成本，如果它能24小時工作，降低時薪的同時，還獲得了更大的產出，什麼差旅、加班、車費和餐補，這些原本都要從老闆到手的Carry裡扣走的錢，AI 一分不要。

在資管領域，所有科技進步本質就兩個字：提高效率，降低成本。私募老闆從不在乎，AI是否真的能像人類一樣思考，只在乎活兒能不能完成。

對此，霍華德·馬克斯算了一筆經濟賬，如果能產出一個年薪20萬美元研究助理的分析成果，那麼對於支付薪酬的人來說，是真正思考還是僅僅進行模式匹配並不重要，關鍵在於工作成果能否足夠可靠從而具備使用價值。

春節回來，8家券商金工團隊集體發布「養龍蝦」教程，親手加速人類研究員被替代的進程，他們親測OpenClaw，能夠像人類一樣主動產出研究成果。

進門APP上，開源金工的一場名為「OpenClaw:從入門到精通」的路演播放了4839次；東北徐建華安利了能讓投研效率飆升10倍的20個skill；方正春曉用龍蝦復現了PB-ROE 策略、自動數柄形態選股策略、自動因子登測股。

細思極恐，這相當於同時OTA了巴菲特、歐奈爾和西蒙斯的技能包。

愛學習的交易員

賣方賣力科普，買方學的也很正面。北京某私募怕主力機被污染，給投研每人發了一台新電腦，還給了5萬元token的補助，專門用來養龍蝦[1]。

雪球資管楊鑫斌培養了兩個龍蝦研究員，他表示每天與AI對話比與人對話要多得多，自主培養的AI Agent兩天干的活比一個成熟的量化研究員半年的效率可能還要更高，甚至潛力還更大。

沁源投資Paul Wu 逐漸將AI安插進各部門，他感受到AI在一些工作角色上完成閉環，能夠獨立迭代運轉。他預見，在不久的將來，公司的開支會變成採購和維護一個蘋果分析師智能體，再往後也許是一個投資組合顧問Paul。

過往，許多私募有投研轉化的磨損──研究員覺得基金經理不行，基金經理覺得研究員沒用。 OpenClaw的出現，讓私募老闆第一次看到了一種全新的可能——既不必忍受與平庸研究員反覆磨合內耗，也不必擔心核心研究員被同行高薪挖角。

從特性上看，龍蝦滿足了基金經理對研究員的所有美好想像：全天候幹活，不休假不摸魚；長期記憶沉澱，關鍵數據脫口而出；絕對忠誠服從，不會帶著核心策略另立山頭；持續自我迭代，不會像老登研究員一樣沉迷於自己的路徑依賴然後被時代淘汰。

如果未來矽基Token成本遠低於碳基薪酬，私募霸總們如何才能拒絕一個聽話好用、還能調教養成的AI研究員呢？

替代不止因為龍蝦

主觀私募仍在掂量Token成本是否划算，量化大廠憑藉自建算力基礎設施，早已將Token成本壓縮至極低水準。但面對這股熱潮，他們倒是淡定得反常。

“OpenClaw對於量化技術圈而言，不過是一個類似玩具的半成品”，某上海頭部量化人士告訴我。它的意義在於為主觀機構和散戶降低技術門檻，為大模型公司前期巨額基礎設施投入提供明確的成本回收路徑，但對量化投資這樣嚴肅的生產環境意義不大。

另一位頭部量化人士表達較為直白，龍蝦在金融圈搞得像一場傳銷。 OpenClaw具有隨機性、非系統性，且安全性低等特點，會對整個量化系統帶來巨大的不確定性。

OpenClaw在量化圈不是先進生產力，訊兔科技崔予淳認為沒必要焦慮：

龍蝦在Agent優化、工具呼叫（涉及投研瀏覽器、寫作、數據分析等工具）能力甚至顯著弱於Manus、Kimi等Agent。對於一個非程式設計背景的研究員來說，需要5-10小時去部署、啟動，大部分任務無法得到60分以上的結果。

當散戶的龍蝦運用China Stock Analysis Skill選股，彷彿打開新世界的大門，量化已搭建Multi-Agent（多智能體）平台，憑藉更豐富的Agent武器庫，對龍蝦形成碾壓。然而，這套強大系統的運轉，未必需要更多的人類。

傳統量化投研系統通常採用管線架構：資料清洗→因子運算→模型預測→組合最佳化。步入AI時代後，部分機構開始像海外頂級量化Man Group一樣，簡化為角色分工→工具調用→工作流程設計。標準化、重複性的工作，逐漸由AI Agent取而代之，再也不需要那麼多研究員在因子血汗工廠裡被異化了。

例如喜公投資的Apollo AI多智能體系統，AI Agent嵌入到投資研究、數據、交易、營運各環節，創辦人周欣形容，就像多了七、八百個AI員工。

前有量化「無人工廠」般的科幻式碾壓，後有散戶借助OpenClaw 降低信息差，處於效率中間地帶的主觀基金經理處境頗為尷尬——看著研究員辛苦產出的信息，上被量化降維打擊，下被散戶步步緊逼，不可避免陷入AI FOMO的著急。

春節期間，我翻閱深圳頭部主觀管理人的年報，他感慨基金經理人對研究員有著過高的期待：

基金經理人希望研究員能對市場保持敏感，及時提示機會，及時給出領先同行的研究和判斷，甚至需要時刻保持在「核心圈」。能做到這種程度的研究員，為什麼還需要基金經理人？自己單乾炒股就可以發家，為什麼還要給基金經理人服務？

於是，他降低了預期──研究員只負責研究具體的標的和問題，既不需要去發現機會，也不需要給出投資建議，這些都是他作為基金經理份內的工作。

反過來想，主觀基金經理人需要的，如果只是一個不打入產業一線核心圈，只靠案頭分析來追蹤標的的人，那這樣的研究員，下一步豈不是就要被AI Agent替代？

尾聲

身處A股市場，這兩年的時間，感覺像是被按了加速鍵。

尤其上半年，事情特別多。去年春節Deepseek發布，清明假期懂王暴力加稅，再到今年春節全民養蝦，正月還沒過完，中東就開始打仗了。金融人的大腦一直處於過載狀態，已經想不起來，上一個不用學習的假期是什麼時候了。至少身為小編，人腦算力已經不夠用了。

印象裡，兩年前和基金經理人交流寫文章，總能聽到他們很開心地用一句尷尬的句子，形容自己的工作狀態——“每天都是跳著踢踏舞去上班。”但這兩年交流時，他們會沒有笑容地談起團隊組織的“迭代”、投資理念的“迭代”，行業認知的“迭代”。

AI 發展那麼快，同業進步那麼快，似乎只有迭代，才不會被淘汰。

行業還是太焦慮了。

AI不解人性，它預判不了散戶扎堆的A股市場裡，此時此刻交易的究竟是三階導還是五階導；AI難以共情，它無法理解為什麼有人被兩桶油套了這麼多年，卻依然持有至今，只為等那一天解套；AI無法擔責，它不會因為虧了30% 被投資者堵住在門口，靈魂也被忽略。

如果未來AI取代所有基金經理人和研究員，那麼市場有效假說就成立了，不會有所謂的Alpha了，也幾乎不會再出現下一個巴菲特了。

所以真正的問題是，未來資管產業，當AI接手了扒數據、跑模型和寫報告，人類還剩下什麼？剩下的，正是對投資這件事的熱愛，對不確定性的直覺，以及被罵研究的不如AI，仍然選擇留下來的理由。

我們無法改變AI佔比不斷提升的趨勢，但我們可以改變忙於應對、疲於追趕的內耗心態。

就像《底特律：變人》這款遊戲裡，玩家最終要做的選擇，不是消滅AI，也不是臣服於它，而是決定人與AI各自該扮演什麼角色。