2026 年 5 月 5 日晚，Anthropic 推出 10 款金融 AI 智能体，FactSet 盘中一度跌超 8%。

大多数报道关注的是：Anthropic 又发新品了。股价波动了。

但我觉得，这次最值得注意的，不是产品本身，而是它揭示出来的一个进程—— AI 替代白领这件事，已经走到哪一步了？

读者的第一反应可能是：" 不就是让 AI 帮忙做报告吗，我还是有工作的。"

其实，不是这样的。

我争取用一篇文章，帮你把这件事讲清楚。

为什么偏偏是 FactSet 跌了，而不是高盛？

资本市场给出了一个精确的信号。

Anthropic 发布金融 AI 智能体后，跌的是 FactSet（-8%）、晨星（-3%）、标普全球、穆迪。涨的或无明显波动的，是摩根大通、高盛这样的大型投行。

这个分化，揭示了 AI 替代的第一条规律：

AI 不是在打击某个 " 行业 "，它打击的是产业链中 " 信息加工中间层 " 的岗位。

FactSet 和晨星做的事，是把原始金融数据整合、清洗、格式化，打包卖给分析师和基金经理用。这个工作，本质上是 " 信息加工中间层 " 的工作——你的价值，来自于你处理信息的效率，而不是信息本身。

而 Anthropic 的金融智能体，直接做的就是这件事：整合数据、生成模型、输出报告。它不是一个让分析师用来提效的工具，它是一个可以跳过分析师、直接交付结果的系统。

高盛和摩根大通为什么没跌？因为这些机构是 AI 的买家。他们买了这套系统，就能裁掉一批中台分析师，边际成本下降，利润率上升——这是利好，不是利空。

可带走框架：白领替代的「岗位价值链攻击模型」

AI 优先攻击的岗位，有三个共同特征：

• 重复性高：同样的操作每天 / 每周重复

• 信息加工为主：价值来自 " 整合 " 而非 " 创造 "

• 输出可格式化：最终产出是标准化的报告、分析、表格

如果你的工作同时满足这三条，那么你的岗位正处于 AI 替代的正面射程内。

替代不是突然发生的，它有三个阶段

这是理解 AI 替代最重要的一个认知工具。

很多人觉得 AI 替代是一个 " 某一天突然发生的事件 " ——某个行业突然被 AI 颠覆，大量人失业。但真实的替代路径，更像是一场慢速侵蚀：从边缘开始，逐渐往核心推进，让人在不知不觉中失去了议价空间。

第一阶段：替代流程中的 " 执行动作 "

这是替代的起点。AI 先学会做你工作中最机械的那些步骤：数据格式转换、数字核对、把信息从一个系统复制到另一个系统。

在金融领域，这已经完成了。过去五年，各大金融机构都在用 RPA（机器人流程自动化）工具处理交易确认、账单核对、数据录入等工作。这一步，悄无声息地发生了，很少有人为此写文章。

第二阶段：替代 " 分析和报告 " 环节

这是 Anthropic 这次发布的智能体所在的阶段。

整合数据、构建财务模型、生成分析报告、撰写演示材料——这些工作，过去被认为需要人类判断力，现在正在被 AI 系统性地接管。

这个阶段不仅仅发生在金融行业。法律行业的合同审阅、医疗行业的影像初筛、咨询行业的基础研究，都正在经历同样的过程。

这个阶段的特点是：不是某一个人失业，而是某一类岗位的薪资议价空间开始快速收缩。你的工作还在，但招人的价格，降下来了。

第三阶段：替代 " 决策辅助 " 环节

这是下一步。

AI 开始进入的区域，是那些需要 " 综合判断 " 的工作——投资决策建议、风险评估结论、战略规划草案。这个阶段还没有全面来临，但信号已经出现。Anthropic 这次发布的金融智能体里，有一条功能是 " 在检测到合规风险时，自动触发审查流程 " ——这已经不只是 " 执行 "，而是在做判断了。

这三个阶段之间的时间差，正在缩短。

第一阶段（执行动作替代）到第二阶段（分析报告替代）大约经历了 10 年。第二阶段到第三阶段（决策辅助替代），很可能只需要 5 年。

为什么每次替代来临时，" 上一批人 " 都觉得自己安全了？

这是一个有意思的心理规律。

2008 年前后，工厂流水线工人开始大规模被工业机器人替代，当时很多人觉得 " 好在我是做脑力工作的，我是安全的 "。

2016 年前后，RPA 软件开始替代大量数据录入、表格处理类文员工作，当时很多人觉得 " 好在我做的是分析类工作，需要判断力的，我是安全的 "。

2026 年，Anthropic 推出金融分析 AI 智能体，当时很多人觉得 " 好在我做的是客户关系和创意类工作，AI 做不到，我是安全的 "。

你注意到这个规律了吗？每一波被替代的人，在被替代之前，都觉得自己是 " 下一批安全者 "。

真实的情况是：AI 替代不是在某一条边界上突然停下来的。它是一条不断向上移动的线，每次移动都把 " 上一批安全者 " 卷进去。

类比一下——

这就像潮水上涨。第一波浪打上来时，站在礁石上的人说：" 没事，我比沙滩高，浪打不到我。" 等潮水涨到礁石脚下，他们说：" 没事，我在礁石顶上，浪打不到顶。" 等浪终于到了礁石顶 ……

岗位替代的逻辑，与此一致。

哪些岗位短期内相对安全？

说 " 哪些会被替代 "，不如说清楚 " 哪些东西 AI 还做不到 "。

截至目前，AI 在以下几类工作上，仍然有明显的局限性：

客户信任关系建立。 AI 可以生成一份很专业的财务报告，但无法在三年的沟通中建立起一个高净值客户对你个人的信任。真实的人际信任，还不是 AI 能复制的。

非标准化的跨边界协调。一个大型并购项目，需要法律、财务、监管、投关、公关同时跨部门协作，随时处理意外情况。这种 " 无剧本的多方协调 "，AI 目前做不好。

反直觉的创新判断。那种 " 所有数据指向 A，但我有直觉这次应该 B" 的决策，仍然需要人类的经验积累和风险承担意愿。

但有一个重要的警告：这些安全区，每一个都在缩窄。AI 的客户服务能力在提升，AI 的多任务协调能力在提升，AI 的反直觉分析能力也在提升。

安全区不是固定的，它在移动。

中国金融行业，会更快还是更慢？

中国金融市场有一个特殊性：数据合规要求高，金融机构的 IT 更新周期长，监管对 AI 应用的要求更审慎。

这导致中国金融行业的 AI 替代进程，整体上比华尔街慢了约 2-3 年。

但 " 慢 " 不等于 " 不来 "。

事实上，中国头部证券公司和基金公司，目前都在加速部署内部 AI 工具。一旦内部工具成熟，对万得（Wind）、同花顺等数据服务商的依赖就会大幅下降——这条路径和 FactSet 正在经历的，是完全一样的逻辑。

中国金融数据服务行业，正在用 1-2 年的时间缓冲，来面对一件终将到来的事。

这不是悲观，这是提示：利用这个时间窗口，往安全区迁移。