「你一進來就做這種工作，做個兩三年，慢慢往上爬。」
這是華爾街幾十年來的隱性邏輯。初級分析師做苦工——整理 Excel、拼財務模型、一字一字讀財報、寫例行的產業摘要——這些無聊的任務不是懲罰，而是訓練。你在磨耐心，磨細心，更重要的是，你在用身體記住市場的節奏。
2025 年，這條學徒制的通道開始塌陷。
不是因為有更好的訓練方式出現。是因為那些苦工，AI 做得比你快，做得比你準，做得比你便宜。Bloomberg 的 ASKB 系統可以在「數分鐘內完成原本需要數小時的多步驟財務分析」。AP 通訊早在幾年前就開始用 AI 自動生成財報新聞，讓初級財經記者的崗位消失得靜悄悄。
現在我們面對的問題，不只是「有人要失業」。而是「一整條人才培育管道，正在斷掉」。
數字說的比任何人都殘酷
先看硬數據。
Accenture 2024 年的報告指出：73% 的銀行從業者工作時間，具有高度被 AI 取代的潛力。這不是說 73% 的人會被裁員，但它意味著絕大多數銀行員工，有超過一半的日常任務可以被 AI 接手。
Citigroup 的報告更直接：54% 的金融工作具有高度自動化可能——在所有主要行業中，金融業是可自動化比例最高的。超過製造業、超過法律業、超過醫療。
為什麼金融業特別脆弱？因為金融工作的核心，長期以來就是「處理結構化資訊」——財務數據、財報、宏觀指標、公司公告。這些東西，恰好是大型語言模型最擅長處理的格式。
你不需要等 AI 發展到科幻小說的水準。只需要它能看懂 Excel、讀得懂財報、寫得出分析摘要。現在的 AI 早就做到了，而且還在每六個月翻倍一次。
Bloomberg 的 AI，不需要睡覺，不需要薪水審查
Bloomberg 的 ASKB（Ask Bloomberg）系統是這場變革的縮影。
Bloomberg 終端機本身就是金融業的基礎設施，接近三萬美元一年的訂閱費讓它成為業界標配。現在，Bloomberg 把 AI 注入了這個生態系統。ASKB 可以直接接收自然語言問題——「幫我分析這家公司過去五年的現金流趨勢，對照同業」——然後在幾分鐘內完成原本一個初級分析師需要花半天甚至一整天才能拼出的工作。
這不是概念驗證。這是每天在全球數萬個交易桌上發生的事。
業界流傳著一句話，帶著冷幽默：「AI 分析師不帶情緒、不需要分潤，只要接入 Bloomberg 數據就能出報告。」
這句話殘忍，但準確。初級分析師的工作，本質上正是這樣的——處理數據、生成報告、跑模型。那些任務，現在已經有更低成本的替代方案。
AP 通訊的案例更早，也更直白。這家媒體機構早就在用 AI 自動化生成財報新聞——「某公司 Q3 財報優於預期，EPS 達 X.XX 美元」——這類標準化報導，AI 寫得比人快，而且不會出現拼寫錯誤或數字轉置。那些曾經讓初階財經記者磨練文字的例行任務，現在已經不再需要人來完成。
高盛、摩根士丹利，開始動刀了
數字是抽象的，裁員名單是具體的。
2025 年，高盛（Goldman Sachs）和摩根士丹利（Morgan Stanley）陸續進行了多輪裁員。裁員的重點對象，集中在中後台和初級分析師——也就是那些主要負責資料整理、例行報告、模型維護的職位。
高盛曾經是讓頂尖 MBA 趨之若鶩的招牌。進高盛做分析師，意味著兩年的地獄訓練，然後是比其他人提早十年積累的金融眼光。這個模式吸引了無數精英願意接受每週八十小時的工作換取履歷上的光環。
但如果那兩年的地獄訓練，現在有 AI 可以代勞，高盛為什麼要繼續雇用這麼多人？
這不是高盛一家的問題。它是整個行業在問的問題。
值得注意的是：裁員並非沒有規律。這波裁員砍的不是資深的行業研究員、不是建立了十年客戶關係的高階分析師、不是能在電視上侃侃而談市場觀點的明星投資組合經理。那些人，暫時安全。
被砍的，是在金字塔最底層的人——那些剛進來、還在學習的人。
真正的危機：學徒制的管道斷掉了
這才是最值得深思的地方，也是這件事比「一般裁員」更嚴重的原因。
金融業的人才培育，長期依賴一種隱性的學徒制度。初級分析師做苦工，在苦工中學會看財報的竅門、在重複中磨出對數字的直覺、在與資深同事的互動中慢慢理解什麼是「真正的分析」——不只是把數字排列整齊，而是知道哪個數字在什麼時候代表什麼意義。
這條成長路徑，現在正在斷裂。
如果初階工作被 AI 取代，新進人員就沒有累積經驗的機會。
你可以想像這樣的場景：十年後，那些資深分析師退休了。公司想要補充人力，但發現根本找不到有足夠經驗的人——因為過去十年，行業沒有在培育那層人才。AI 承接了所有初階任務，但 AI 不會「成長為」資深分析師。它只是更快、更便宜地做同樣的事。
這是一個延遲爆炸的定時炸彈。今天看起來是效率提升，十年後可能是行業出現結構性斷層——大量資深位置空缺，卻沒有人能填。
當然，有人會說：行業會適應。訓練方式會改變，學徒制度會演化，學校課程會調整。也許是的。但這些調整需要時間，而 AI 的替代速度，是按月計算的。
資深分析師：暫時安全，但補充管道已斷
現在的資深分析師，處境是什麼？
說實話：暫時還好。
資深分析師的價值，不只是「分析能力」——任何 AI 都能分析數據。他們的價值在於判斷、在於框架、在於客戶信任、在於那種無法被量化的「市場感」。知道什麼時候該無視數據、什麼時候要懷疑模型、什麼時候要打電話給老朋友問一個不在任何報告裡的問題——這些，AI 目前做不到。
但「暫時安全」是一個很脆弱的狀態。
首先，AI 的能力邊界每年都在擴大。今天做不到的，不代表三年後做不到。
其次，更深遠的問題是：即使資深分析師今天仍不可替代，他們的位置，五年後誰來接？那條培育管道已經在縮窄。
這就像一棵老樹。樹幹還在，看起來健康。但樹根已經在失去養分，新芽不再長出來。那棵樹還能撐多久？
灰色地帶：AI 沒有帶走的，是什麼？
這個問題值得認真回答，因為它決定了誰能在這場浪潮中留下來。
AI 可以處理結構化資訊，可以執行定義清晰的分析任務，可以在有限的模式空間內給出答案。但它做不到幾件事：
第一：跨界信息整合。 真正的分析師不只看財報。他們看地緣政治、看產業鏈上下游、看監管動向、看競爭對手的人事變動——這些資訊分散在各種非結構化的場域，需要人去建立連結。AI 現在也能做一部分，但深層的「為什麼這件事在這個時間點很重要」的判斷，仍然需要人的積累。
第二：客戶關係與信任。 大型機構投資者不只是買分析報告。他們買的是「我信任這個人的判斷，當有問題我知道可以打給誰」。這種信任不能被 AI 複製。
第三：極端情境下的判斷。 市場崩盤、黑天鵝事件、歷史上沒有前例的場景——當模型的訓練數據失效時，需要有人站出來說「現在的情況不一樣，舊的框架不管用」。這需要的不是計算能力，而是勇氣和判斷力。
問題是：這些「AI 做不到的事」，全部集中在資深層級。初階層級的工作——標準化的分析、例行的報告、模型的維護——這些，AI 都能做。
下一個問題：你要往哪裡去？
如果你現在正在考慮進入金融分析領域，或者已經在初階位置，這篇文章可能讓你感到不安。那是合理的反應。
但我不認為答案是「放棄這條路」。
我認為答案是正視遊戲規則改變了。
學徒制的問題不只出現在金融業。程式設計、法律、醫療、廣告——所有依賴「做苦工磨練基本功」的行業，都正在面對類似的挑戰。AI 把那層苦工的商業價值打掉了，但苦工對人的訓練價值，某種程度上仍然存在——只是再也沒有公司要為此付你薪水了。
這意味著，現在的年輕人需要用不同的方式建立判斷力：主動做、主動學、主動暴露在真實決策情境中，而不是等著「給你機會做初階工作」。那個等待，現在可能等不到了。
同時，懂得與 AI 協作的人才，會比純粹依賴人工的人才更有競爭力。能夠把 AI 的分析能力加上人的判斷框架，這個組合，在目前的時間點，比任何一方單獨都更強。
問題不是「AI vs. 人類」，而是「懂 AI 的人 vs. 不懂 AI 的人」。
結語：華爾街最殘酷的，不是裁員
這波裁員是可見的，能被計算的，能上財經新聞的。高盛裁員三千人——這個數字讓人不安，但它是一個事件，有開始有結束。
比裁員更殘酷的，是靜悄悄發生的另一件事：華爾街不再以同樣的規模招募初階人才。
這不是聲明，不是政策，不是任何人決定要這樣做。它只是悄悄地在每一個用 AI 替代初級分析任務的決策中，一點一點成真。
高盛不需要公告「我們將停止培育年輕分析師」。他們只需要每次職缺出現時，選擇讓 AI 接手，而不是雇一個人。
三年後，五年後，你會發現初階崗位越來越少，想進入這個行業的人越來越找不到入口，而那些還留著的資深位置，有一天要找接班人卻發現沒有人選。
這是結構性的斷裂，比任何一輪裁員都更難修復。
華爾街最殘酷的不是裁員，而是不再招人。
一見生財，2026-03-09
本文為「AI 財富地圖：誰在賺、誰在死、誰在灰色地帶」系列第 13 集。
資料來源：Accenture 2024 Banking AI Report、Citigroup AI in Finance Report、Bloomberg ASKB 系統發布資訊、Fortune「Junior Analysts Wall Street AI」（2025.06）
載入留言中...