这周，一家头部券商的校招笔试题，在金融圈炸了。

题目不长：60 分钟，用 AI 完成一份 IPO 项目建议书初稿。炸的不是题目本身——是这家券商已经默认：未来投行人一定会用 AI。不会的，可能连笔试都过不了。

很多求职者看到这场笔试，第一反应可能是焦虑：" 是不是以后不会用 AI，就进不了投行了？"

但真正危险的，可能不是会不会写提示词，而是你还没有意识到：投行正在从 " 人力驱动 "，快速转向 "AI+ 人协同驱动 "。你可能还在用旧时代的方法，参加新时代的竞争。

不过，我身边有从业者已经不再慌这件事了。他们发现，用 Alice 把行业框架、IPO 逻辑拆解、风险整理、募资路径设计压缩到一小时，完全做得到。而这些活，以前几个实习生熬三天也干不完。

关键区别在于：他们不是让 Alice" 帮我写 "，而是让 Alice" 帮我拆 " ——拆行业格局、拆估值逻辑、拆风险层级、拆可比公司，自己只做最后一层判断和客户沟通。

// 这场笔试到底在考什么？ //

很多人以为，这场笔试考的是 " 你会不会用 AI"。但真正拆开看，你会发现，它其实在考另一件事：你会不会定义问题、拆解问题、组织工作流。

IPO 项目建议书，本质上从来不是 " 做 PPT"。一份真正能说服市场、客户、投资人和监管层的建议书，核心是讲清楚以下几个问题：

为什么你选的这个行业窗口期到了？这家公司凭什么值得投？增长还能持续吗？逻辑是什么？钱怎么花？风险怎么解释，而不是怎么藏？估值为什么是这个数，不是另一个数？

这些东西，才是真正决定项目质量的核心。

而 AI 时代最危险的地方就在于：如果你的认知还停留在 " 让 AI 帮我生成内容 "，最后得到的大概率只是正确但空洞的废话。因为 AI 不会自动理解，哪个风险最重要、哪段逻辑最打动投资人、哪些内容会影响监管审核、哪些地方决定估值空间。

所以这场笔试真正考的，可能根本不是 AI 技巧，而是：你能不能把一个复杂问题，快速拆成真正重要的结构。

//   投行正在从 " 拼体力 " 切到 " 管 AI"   //

以前很多人理解投行，核心关键词是：熬夜、改 PPT、找数据、做材料、拼体力。谁更能熬，谁更能卷，谁就更容易留下来。

AI 出现之后，这套逻辑被冲击的速度比想象中快得多。

做一份 IPO 建议书，过去你得翻几十篇研报、拉行业数据、拆同行业案例。现在已经有从业者用 Alice 做第一版框架——行业格局、募资逻辑、监管风险同步拆开——自己再做最后一层判断。

以前实习生花几个通宵才能完成的第一版材料，现在 AI 几分钟就能搭出框架。

这意味着，大量 " 重复劳动 " 正在被压缩。真正开始值钱的不是 " 更会做 PPT"，而是更懂商业逻辑、更会拆复杂问题、更知道投资人到底在关心什么、更能组织整个研究工作流。

AI 正在快速抹平 " 体力差 "。未来人与人的差距，可能不再是谁熬夜更狠，而是谁更会 " 管理 AI"。这其实才是很多金融人真正应该焦虑的地方。

//   把 AI 当 " 搜索引擎 " 的人，其实是一种浪费   //

现在很多人对 AI 最大的误解，是把它当成 " 高级搜索引擎 "。

比如：" 帮我写个 IPO 建议书 "" 帮我总结行业 "" 帮我生成一份材料 "。然后发现 AI 生成出来全是套话，于是得出结论："AI 也不过如此。"

但真正会用 AI 的人，已经不是这样工作了。他们已经开始把 Alice 当成一个真正的 " 项目助手 "。

你可以让你的这个助手，帮你拆行业、拆估值逻辑、拆募资路径、拆监管风险、自动整理同行案例、自动生成项目框架、自动搭建研究逻辑链。这已经不是 " 聊天 " 了，而是在组织一整套金融工作流。

问 Alice：

如果一家新能源企业准备 IPO，投资人最关注的三个风险点是什么？

Alice 给出的第一句话就很接近真实项目里的风险框架思路：" 现在新能源 IPO 最大的风险，并不是单一业绩问题，而是：盈利、增长、估值三条线开始同时承压。"

它随后把风险直接拆成了三层：第一层是盈利可持续性风险，比如行业产能周期、原材料价格波动；第二层是增长确定性风险，比如海外政策依赖、技术路线迭代；第三层则是财务健康度风险，包括现金流压力和同行业估值下移。

更重要的是，它不是只停留在 " 列风险 "。它会进一步往下拆：

如果行业正处于产能出清阶段，企业 IPO 时点刚好落在 " 价格底部 "，利润表可能会被明显压缩；而一旦市场开始担心技术路线被替代，企业估值逻辑甚至会从 " 成长股 "，重新切回 " 周期股 "。

这个分析深度，已经非常接近真实 IPO 项目的讨论水平了。

再往下推一步。

问 Alice：

请基于近三年同行业 IPO 案例，设计一版募资逻辑框架。

这一次，Alice 没有直接开始 " 写方案 "。它先做的，其实是判断：现在市场到底还愿意为哪种新能源故事买单。

它会直接指出，2023 年之后，很多新能源企业 IPO 最大的变化，是市场已经不再愿意为 " 单纯扩产 " 支付高估值了。

现在真正容易获得高估值的方向，开始变成：海外产能布局、储能系统、下一代电池技术、光储融合，以及能够绑定全球化需求的新应用场景。而那些仍停留在传统产能扩张逻辑里的项目，估值会明显承压。

还有一个细节，Alice 甚至会进一步拆：为什么同样都是新能源企业，有些项目可以讲 " 成长股逻辑 "，有些却只能被按 " 周期股逻辑 " 定价。

因为真正决定估值的，很多时候已经不是 " 是不是新能源 "，而是：你的增长逻辑，到底是不是市场现在愿意相信的东西。

到这里 Alice 的价值已经不是 " 生成内容 " 了。

它是在帮你把行业、估值、风险、监管、市场偏好，快速组织成一套能用于判断的研究框架。

以前这类框架，往往需要有经验的研究组反复讨论才能搭起来，现在 Alice 至少可以先帮你把第一版问题清单和研究路径搭出来。

// AI 淘汰的是 " 旧工作方式 " //

很多人现在最焦虑的问题是："AI 会不会替代金融人？" 事实上，AI 真正淘汰的，可能不是人，而是过去那套靠熬夜、堆时间、拼体力的低效工作方式。

因为未来大量基础工作，一定会被 AI 快速接管。但真正高价值的部分，比如商业理解、风险判断、行业洞察、结构设计、工作流组织能力，反而会变得更重要。

这也是为什么，我觉得这场笔试真正可怕的地方，并不是 "AI 参与了招聘 "。而是它提前暴露了一件事：金融行业的游戏规则，可能已经开始变了。

Alice 真正改变的不仅是效率，它正在让越来越多普通金融从业者，第一次拥有接近顶级机构的研究能力。

未来真正危险的，可能不是 AI 替代你，而是：当别人已经开始用 Alice 重构自己的工作流时，你还在用旧时代的方法拼体力。

如果你也想试试 Alice，可以直接访问 ：alice.wind.com.cn

不要先问 " 帮我写一份 IPO 建议书 "，可以先问：" 请帮我把一家新能源企业 IPO 项目，拆成行业窗口、估值逻辑、募资路径、监管风险和投资人关注点五个模块。"

你会更直观地看到，AI 真正有用的地方，不是替你写完，而是先帮你把问题拆对。