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。

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。

[ 1 ] " 养虾 " 热烧到私募，投研每人一台电脑 +5 万元补助，有人一天花掉几百美元，每日经济新闻