夜雨聆风
Sageark能帮助留学生顺利进入顶尖公司，
并承诺“无Offer就退款”
最近，一份叫《2028全球智能危机》的报告在全网刷屏。
发布这份报告的是美国研究机构 Citrini Research，他们以"2028年6月"的视角，推演了一个反乌托邦式的经济场景：AI大规模替代白领岗位，大批工人失业，消费崩塌，最终引发系统性金融危机。
报告一出，华尔街多个板块股价应声下跌。
很多人看完之后开始焦虑：我会不会是下一个被AI替代的人？
这是一个好问题。
AI替代的，是这类工作
50000份简历，录取190人。这是 Millennium Management 2025 年暑期实习的真实数据。
《2028全球智能危机》里有一个核心逻辑：AI主要冲击的，是高度可标准化的白领工作——那些依托信息差、流程重复、产出可模板化的岗位。
传统金融里，这类岗位非常多。
比如 IB analyst 每天的 day 1 工作：financial modeling、deck 制作、行业研究整理、数据清洗……
这些工作可标准化程度极高，JPMorgan、Morgan Stanley 等大型投行已经开始在内部部署 AI 工具，用于 research summary、document drafting、数据处理等高重复性工作。
Citigroup 的报告更是直接写明：金融行业超过一半的岗位具备高度自动化潜力，是所有行业里比例最高的。
多项美国劳动力市场研究已经发现，那些日常工作能被AI接管的初级白领岗位，招聘正在萎缩。岗位清单包括：会计、运营分析、财务建模、数据清洗……和 IB analyst 的 day 1 job description 高度重叠。
同一份报告，另一种情况
斯坦福的研究把 AI 的影响分成两类：替代型和增强型。
替代型岗位的逻辑是：AI 直接接管可标准化的执行任务，人的位置消失。增强型岗位的逻辑是：AI 帮人处理信息、跑模型、筛数据，但最终的判断还是人来做。
分水岭只有一个：你的核心工作，是"执行"还是"判断"。
而量化研究员做的就是判断。
判断哪个因子在当前市场环境下有 alpha，判断模型的泛化边界在哪里，判断如何在 live trading 里部署一个 ML 策略而不出问题……
这些判断，AI 暂时做不了——它需要有人来设计问题、定义目标、解读结果、承担后果。
量化研究员就是驾驭 AI 的那个人。
AI 越强，这类人越值钱。
量化和 AI Engineer，其实是同一类人
这是很多人没想清楚的一件事。
2026 年，Citadel、Jane Street、Two Sigma 招 QR 的技能要求大概是：Python、统计建模、机器学习、production 级别的 ML 部署经验，加上对金融市场微观结构的理解……
你再去看 Google DeepMind 或者顶级 AI lab 的 Research Scientist JD——
80% 的核心要求是重叠的。
这意味着什么？
具备这套技能的人，同时持有两张门票。
一张进量化基金，另一张进顶级 AI 机构。不是二选一，是两边都在争着要你。
其他金融方向几乎找不到这种对应物。做 IB 的技能，不会帮你拿到 AI Engineer 的 offer。但做量化的技能会。
我们把这个逻辑叫「双赛道溢价法」：不要让自己只能去一种地方，要构建一套技能，让两个增长最快的市场同时在抢你。
两张门票，值多少钱
数字说话。
量化这边，根据 CQF 薪资报告，北美 QR 早期职业 base $175K，associate 级别 TC 上限 $325K，director 级别 TC $800K+。
AI Engineer 那边，顶级大厂 L5-L6 的 TC 在 $300K-$600K 区间，顶级 AI lab 的 Research Scientist 还能更高。
同一套技能，打两个市场，两条曲线都往上走。
《2028全球智能危机》描述的场景里，大批白领的收入溢价在消失。但有一类人反而越来越值钱——那就是懂得用 AI 和机器学习模型来赚钱的人。
进入量化
那为什么还有这么多人不往量化走？
答案是信息差。
量化求职的筛选逻辑和 IB、咨询完全不同。IB 筛的是背景、实习、表达、人脉；
量化筛的是数学直觉、代码能力、解决开放性问题的思维方式。背景暂时不够亮眼的人，在量化面前反而有机会靠技术能力反超，因为门槛在能力，不在学校名字。
但 QR、QT、QD 三个方向定位各不相同，OA 怎么过、tech interview 考什么、简历的技术模块怎么呈现——很多人不是没能力，是根本不知道规则长什么样。
如果你在考虑量化方向，或者正在做方向选择——评论区回复「量化」，我们把整理好的量化求职路径图发给你，包括岗位的核心差异、技能准备优先级、各轮面试的考察逻辑。
SageArk带你稳进顶尖量化
SageArk特有的量化技术课程由业界大佬联合研发。该课程使学员掌握所有关键的编程能力、高等数学和统计、随机分析、金融工程以及数据库和机器学习等方向的核心考核要点。
我们擅长利用新的行业录取Insights，并结合Technical Training，培养学员在数据处理（Data Processing）、衍生品定价（Derivative Pricing）、风险管理（Risk Management）和投资策略（Investment Strategy）等方面的专业金融和数据处理技能。
Quant面试要求候选人具有良好的数学直觉和对算法的理解。但大多数独立准备的学生由于缺乏专业指导，在这方面训练不足。
在SageArk，我们的导师利用专属题库对学员进行大量专题训练，配合真实案例的讲解，帮助学员提升量化知识储备和数感。这种能力的提升依赖于导师的个性化和循序渐进的指导，确保学员能够得到针对性的学习和进步。
一方面学员在较短的时间内能够精准解答有关编程、概率统计等技术问题，另一方面学生也会因在对算法，投资策略和市场的直觉与敏感度在面试过程中将其他Candidate远远甩在身后。
在SageArk，我们会通过传授Behavioral 面试核心原理与机制、个人特质答题法、关键面试故事准备原理等一系列能够完美解答所有Behavior面试等方法，并加以实践练习，帮助学员通过所有Behavioral面试。
SageArk真正厉害的地方在于，我们能将所有的综合竞争力培养和Behavioral面试结合起来，帮助学员塑造成极具竞争力的Professional Image，并在面试中完美的展现出来。
