AI 冲击：57.2% 的岗位暴露度，被重构的投研规则改变的序幕，在 ChatGPT 诞生的那一刻就已经拉开。2023 年，刚开始有分析师用 ChatGPT 写简单的公司公告点评，那时候大家还在调侃 “以后终于不用熬夜写例行研报了”；2024 年，金融专属大模型遍地开花，已经能完整搭建财务模型、生成标准化深度研报；2025 年，多智能体投研系统出现，能自动完成从数据获取、分析、研报生成到风险预警的全流程，完全不需要人工干预。潮水漫过来的速度，比所有人想象的都要快。Anthropic 在 2026 年发布的《金融行业 AI 替代风险报告》里，给出了一个让整个行业震动的数字： 投资分析师岗位的 AI 实际暴露度，高达 57.2% 。换句话说，这个岗位超过一半的工作内容，完全可以被 AI 替代，而且做得更快、更准、成本更低。这场冲击，不是零散地替代某一项工作，而是从底层重构了整个投研行业的工作流程，精准地吃掉了分析师们 70% 以上的基础工作量。最先被彻底替代的，是 基础数据提取与处理工作 。这是分析师助理和初级分析师最核心的工作，也是整个投研流程的起点。过去，一个初级分析师 70% 的工作时间，都花在了 “扒数据” 上：从上市公司几百页的财报、公告里，抠出营收、利润、毛利率等核心财务数据；从行业协会、统计局的报告里，整理行业增速、产能、渗透率等数据；从海量的新闻、舆情里，筛选出和公司相关的重要信息。而现在，AI 只需要几秒钟，就能完成这些工作。Claude 3 Opus 能一次性处理上千页的财报文件，100% 准确地提取出所有核心数据，自动整理成标准化的分析表格；国内的万得 AI、同花顺 i 问财，能实现 “一句话调出全行业十年的财务数据，一键生成对比图表”。高盛内部的测算数据显示，AI 让数据处理环节的工作时间，从原来的人均 3 天，压缩到了 5 分钟，准确率还远高于人工。紧接着被颠覆的，是 标准化财务建模与常规分析工作 。DCF 估值、可比公司分析、盈利预测模型，这些曾经是分析师的核心技能，现在成了 AI 的基础功能。你只需要输入上市公司代码，AI 就能一键生成完整的估值模型，自动调整参数，做敏感性分析，甚至能标注出模型里的潜在风险点；针对行业的常规趋势分析，AI 能结合过去十年的行业数据、宏观经济数据，自动生成逻辑完整的分析报告，覆盖供需格局、竞争格局、政策影响等所有常规维度。2025 年，国内某头部券商就已经实现了：上市公司发布财报或公告后，AI 能在 10 分钟内生成符合监管要求的公告点评研报，分析师只需要做最后的审核签字。目前，国内超过 80% 的券商，都已经用 AI 完成了日常公告点评、行业周报这类标准化研报的撰写。最让行业感到恐慌的，是 基础岗位的大规模收缩 。AI 让一个资深分析师，带着 1 个助理，就能完成原来 5-6 个人的工作量，机构不再需要庞大的初级分析师团队。华尔街的裁员潮最先到来：高盛 2025-2026 年，投行与研究部门累计裁员超 3000 人，其中 60% 是初级分析师与助理；摩根士丹利研究部裁员 22%，直接关闭了 5 个非核心行业的研究小组；摩根大通资产管理部门，分析师团队规模缩减了 28%，用省下的成本，投入了超 20 亿美元到 AI 投研系统的研发中。国内的情况同样严峻：2026 年 Q1，券商分析师岗位的招聘量同比下降 42%，很多券商的研究所，已经不再招聘应届毕业生做分析师助理，只招有 3 年以上产业经验、能做深度调研的资深分析师。曾经挤破头的券商研究所校招，现在成了千军万马过独木桥，录取率不足 1%。更本质的冲击，是 分析师职业门槛的彻底重构 。过去，你需要懂财务、懂建模、懂行业规则，经过多年的训练，才能成为一名合格的分析师；现在，哪怕是一个没有任何金融基础的普通人，用 AI 也能生成一份看起来专业、逻辑严谨的研报。分析师们用十几年时间积累的标准化技能，一夜之间，变得不再稀缺。资本市场用最冷酷的方式宣告： 只会做数据搬运、标准化分析的分析师，已经没有存在的价值了。
Part.03
技术玩家：改写投研全流程的 AI 革命这场行业重构的背后，是全球科技巨头与金融机构，用三年时间，完成了对投研全链路的 AI 改造。这些改写了分析师生存规则的技术，恰恰也是由另一群金融与科技从业者创造的。这是一场充满宿命感的博弈 —— 一部分分析师与工程师，写出了能替代更多分析师的工具，最终让整个行业的底层逻辑，发生了天翻地覆的改变。我们梳理了当下对投研行业影响最深的核心玩家与技术，它们不是实验室里的概念，而是正在每天改变全球数十万分析师工作方式的现实：海外核心玩家：华尔街的 AI 军备竞赛Anthropic核心产品：Claude 3 系列金融专属大模型核心能力：针对长文本金融文档做了专项优化，能一次性处理上千页的财报、监管文件、招股书，精准提取核心数据，完成合规的财务分析、风险识别，支持多语种、跨市场的投研分析。行业影响：华尔街超过 60% 的头部投行与资管机构，都在使用 Claude 完成基础投研工作，它直接替代了初级分析师 70% 以上的日常工作，让投研团队的人效提升了 3 倍以上。高盛核心产品：Marquee AI 平台、投研多智能体系统核心能力：自研的金融大模型，打通了高盛全量的金融数据库，能自动完成从数据获取、清洗、建模、分析、研报生成到投资风险预警的全流程。多智能体系统能模拟不同风格的分析师，完成交叉验证、多维度分析，甚至能自动生成路演材料。行业影响：高盛内部数据显示，这套系统让其投研团队的人效提升了 4 倍，也是其研究部门大规模裁员的核心底气。目前，这套系统已经向其机构客户开放，重构了整个华尔街的投研服务模式。摩根大通核心产品：COIN 智能分析系统、IndexGPT 投研大模型核心能力：从最早的合同智能分析，升级为全场景投研系统，能处理全品类的金融数据，自动生成投资决策建议，针对二级市场投资、一级市场投行项目，做全流程的风险识别与价值分析。IndexGPT 更是能实现 “一句话定制投资指数，一键完成全市场标的筛选与分析”。行业影响：已经在摩根大通全球的资产管理、投行部门全面应用，替代了其全球分析师团队 60% 以上的重复性工作，让其资管产品的调仓效率提升了 10 倍。国内核心玩家：本土化的投研 AI 重构阿里巴巴通义千问核心产品：通义金融大模型、FinRpt 研报生成体系核心能力：针对国内资本市场的监管规则、研报规范做了深度优化，能生成完全符合国内要求的各类研报，覆盖全行业、全品类的上市公司，支持产业链深度分析、盈利预测、估值建模全流程。同时打通了阿里云的海量产业数据，能实现跨行业、跨产业链的交叉分析。行业影响：国内超过 30 家券商、上百家基金公司与私募机构，都在使用这套系统，80% 的标准化研报都由 AI 完成，分析师只需要做深度解读与审核。百度文心一言核心产品：文心金融大模型、多模态投研系统核心能力：主打多模态投研分析，能结合产业链数据、宏观经济数据、上市公司舆情数据、线下调研数据，做全维度的行业趋势预判，甚至能通过卫星影像、线下客流数据，预判上市公司的经营情况，实现 “非公开数据” 的分析与预判。行业影响：已经在国内大量私募机构落地，成为分析师做产业深度研究、拐点预判的核心工具，打破了 AI 只能处理公开数据的局限。万得（Wind）核心产品：Wind AI 投研助手核心能力：依托国内最全的金融数据库，实现了 “一句话找数据，一句话生成研报，一键搭建估值模型”，深度嵌入了分析师的日常工作流。分析师不需要再切换多个软件找数据、做分析，所有工作都能在 AI 助手的辅助下完成。行业影响：国内超过 90% 的金融机构都在使用万得，其 AI 功能的普及，直接让国内分析师的基础工作效率提升了 5 倍以上，也让基础分析师的需求大幅收缩。这些技术的迭代，有一个非常清晰的核心逻辑： AI 不是要替代分析师，而是要重构分析师的工作内容，把人从重复性的、标准化的劳动里解放出来，让人去做 AI 做不了的、更有价值的事情。整个投研的流程，被彻底改写了。过去的流程是：数据获取→数据清洗→建模分析→研报撰写→路演输出，每个环节都需要大量的人工；而现在，AI 接管了前四个环节的大部分工作，人的核心价值，只剩下了最后的 深度产业验证、拐点预判、投资决策，以及人与人之间的信任链接 。
Part.04
生存指南：人机协同时代，分析师的破局路径面对这场席卷全行业的冲击，很多分析师陷入了焦虑：这个职业是不是要消失了？我多年积累的经验，是不是变得一文不值了？我未来该往哪里走？答案非常明确： 投资分析师这个职业永远不会消失，但只会做标准化数据分析、研报撰写的分析师，一定会被彻底淘汰。AI 时代，分析师的核心价值，已经从 “会处理数据、会写研报”，变成了 “会驾驭 AI 做深度研究，能找到 AI 找不到的信息，能预判 AI 算不出的行业拐点”。我们结合行业趋势与真实的转型案例，给不同阶段的从业者，整理了分层、可落地的生存指南：1. 入行 1-3 年的基础分析师 / 分析师助理：从 “数据搬运工” 到 “AI 投研的校验者与深度解读者”对于初级从业者来说，最大的误区，要么是拒绝使用 AI，坚持用传统方式工作，和 AI 比效率；要么是完全依赖 AI，自己连模型的逻辑、数据的对错都看不懂，最终彻底失去核心竞争力。正确的破局路径，只有两步：第一步：把 AI 变成你的 “超级外脑”，形成自己的人机协同工作流。熟练掌握主流的 AI 投研工具，学会用 AI 完成数据提取、模型搭建、研报初稿撰写这些重复性工作，把 70% 以上的时间省下来。你要做的，不是和 AI 比谁写的研报更快，而是做 AI 的 “指挥官”，告诉 AI 该分析什么、从什么角度分析、重点关注哪些风险点，让 AI 成为你提升效率的工具，而不是替代你的对手。第二步：筑牢底层能力，打造 AI 替代不了的核心壁垒。首先是财务与合规能力，AI 能生成模型和研报，但你要能看懂模型里的逻辑漏洞，能发现 AI 数据里的错误，能把控研报的合规风险，这是分析师的底线；其次是产业认知能力，不要再只盯着财报里的数字，沉下去了解行业的真实运作逻辑，比如你研究消费行业，就要懂渠道、懂供应链、懂终端动销，这些是 AI 学不到的；最后是信息甄别能力，AI 能给你海量的信息，但你要能分辨哪些是真的，哪些是假的，哪些是影响行业的核心信息，哪些是噪音。2. 入行 3-8 年的资深分析师：从 “研报生产者” 到 “投资价值的发现者”对于资深分析师来说，最大的陷阱，是陷入 “内卷式研报生产”，沉迷于写更多的研报、搭更复杂的模型，却忽略了行业规则的变化。AI 时代，资深分析师的核心价值，从来不是 “比 AI 写的研报更好”，而是 AI 做不了的事情。核心的转型方向有三个：深耕细分赛道，做跨领域的深度交叉研究放弃标准化的、常规的行业周报、公司点评，把这些工作完全交给 AI，聚焦你最擅长的细分赛道，做深做透。尤其是跨行业、跨产业链的交叉研究，比如 AI + 工业机器人、新能源 + 出海、消费 + 供应链数字化，这些需要全局视野、深度产业理解的复杂分析，是 AI 永远无法完成的。你的核心价值，是找到市场看不到的产业交叉机会，预判行业的重大拐点。绑定产业资源，建立自己的独家信息网络AI 能拿到的，都是公开数据，而资本市场真正有价值的，永远是公开数据之外的信息。你要花更多的时间，跑产业链、跑上市公司、跑上下游渠道，和企业家、产业专家、一线从业者做朋友，建立自己的独家信息网络。你能比市场更早、更准地拿到行业的真实信息，预判行业的变化，这才是你不可替代的核心竞争力。从 “服务机构” 到 “创造价值”，打造自己的定价权不要再只盯着给公募、券商做服务，赚分仓佣金，要跳出研究所的框架，寻找更广阔的价值空间。你可以转型去私募机构做投资，把你的研究能力，直接转化为投资收益；你可以服务产业资本，帮上市公司做战略规划、产业并购；你也可以打造自己的个人 IP，给更广泛的投资者提供深度的、有差异化的研究内容，建立自己的行业话语权。3. 想入行的新人 / 在校学生：打破 “唯学历论”，打造 “AI + 产业 + 金融” 的复合能力对于想入行的新人来说，AI 时代，行业的准入门槛已经彻底变了。过去，名校金融学历、CPA、CFA 证书，是入行的敲门砖；现在，这些标准化的知识，AI 比你懂得多得多，只靠这些，你已经很难敲开行业的大门了。新人的核心破局路径，是打造差异化的复合能力：优先补充产业经验，而不是只盯着金融证书金融只是工具，研究的本质是产业。如果你想做高端制造行业的分析师，有制造业的从业、研发经验，比你有 CFA 证书有用得多；如果你想做消费行业分析师，有消费品牌的渠道、运营经验，比你名校金融学历的竞争力更强。AI 时代，有产业背景的分析师，远比只有金融学历的分析师，更有竞争力。把 AI 工具使用能力，变成入行的必备技能熟练掌握主流的 AI 投研工具，学会用 AI 搭建模型、处理数据、生成研报框架，这已经不是加分项，而是入行的必备技能。你要在面试的时候，就能展示出自己成熟的 AI 投研工作流，证明你能用 AI，完成比同龄人更高效率、更高质量的研究工作。重点学习投资决策的底层逻辑，而不是标准化的分析流程AI 能给你完整的分析报告，能给你投资建议，但它不能为投资决策负责。你要学会的，是如何在海量的信息里，找到核心的矛盾；如何在不确定的市场里，做出正确的投资决策；如何识别风险、控制风险。这些底层的决策能力，才是金融行业永恒的核心价值。
Part.05
突围之路：AI 能处理数据，但读不懂产业的真相周明被券商裁掉的时候，一度陷入了彻底的自我怀疑。他在家消沉了半个月，把自己过去 5 年写的几百份研报，全部翻了一遍。他发现，这些研报里，80% 的内容，都是标准化的数据对比、模型分析、常规趋势判断，这些内容，AI 都能写得比他更好。而真正有价值的，是他当年跑了几十家工厂写出来的预制菜行业产能报告，是他提前半年预判到的行业拐点，这些内容，都来自于他一线的产业调研，来自于他对行业的深度理解，而不是财报里的数字。他突然想明白了： 我输给的不是 AI，而是那个只会坐在办公室里扒财报、写研报的自己。AI 能替代我的手，但替代不了我的脚，更替代不了我对产业的理解。他没有再海投券商的简历，而是决定，去做 AI 做不了的事情。他花了两个月时间，跑了山东、河南、广东的 20 多家预制菜工厂，30 多家上下游供应商，还有上百家终端餐饮门店与商超渠道。他和工厂老板聊产能利用率，和经销商聊库存周转，和门店老板聊动销情况，和厨师聊产品的口味优化，拿到了大量的一手数据 —— 这些数据，从来不会出现在上市公司的财报里，AI 更是不可能获取到。他结合 AI 工具，把这些一手调研数据，整理成了行业深度报告。报告里没有华丽的估值模型，没有复杂的数据分析，全是真实的产业现状，全是他对行业未来拐点的判断：行业产能严重过剩，价格战已经打响，中小厂商会大规模出清，有供应链壁垒、渠道壁垒的头部企业，会迎来集中度的快速提升。这份报告，先是在行业社群里传开，然后被多家私募机构看到。其中一家头部百亿私募，直接给他发了 offer，邀请他担任消费行业的首席研究员，年薪比他在券商的时候，翻了整整一倍。现在的周明，80% 的时间都在跑产业链、做调研、和企业家聊天，剩下 20% 的时间，用 AI 处理数据、搭建分析框架、整理研究内容。他再也不用熬通宵写标准化的研报，所有的精力，都放在了挖掘产业真相、预判行业拐点上。他说：“原来我以为，分析师的价值，是把数据整理成漂亮的研报。现在我才明白，分析师的价值，是走到产业里，找到数据背后的真相，看到市场看不到的东西。AI 永远只能基于已有的数据做分析，而真正的投资机会，永远在数据之外。”周明的故事，不是个例。在 AI 重构的投研行业里，越来越多的分析师，正在从办公室里的 “数据搬运工”，变成产业里的 “价值发现者”。资本市场的博弈，从来都不是数据与数据的博弈，而是人性与认知的博弈。AI 能处理所有的公开数据，能生成最严谨的分析报告，但它永远无法完全读懂市场的贪婪与恐惧，无法预判产业里的黑天鹅与拐点，更无法替代人与人之间的信任链接与深度认知。它淘汰的，从来都是那些只会重复劳动、停止思考的人；而留给那些愿意走进产业、深度思考、持续进化的人的，是更广阔的天地。下一章，我们将走进一个被 AI 冲击最彻底的行业，一个全球千万从业者正在被 AI 批量替代的岗位 —— 客服，看看那些每天在对话里解决问题的人，如何在 AI 的浪潮里，完成自己的职业重构与生存突围。
夜雨聆风
