当AI开始写财报,华尔街分析师正在失业,还是进化?

导语：摩根士丹利的AI研报系统已覆盖80%的初稿撰写，高盛的"David Solomon"项目让初级分析师裁员传闻四起。当AI开始读财报，人类分析师的护城河还剩多宽？

一、凌晨四点的华尔街，灯还亮着，但写字的人变了

2024年财报季，摩根士丹利纽约总部的一个场景正在复制到全球：

凌晨4:30，苹果财报发布后17秒，AI系统已完成数据抓取、同业对比、估值模型更新，生成一份12页的初步分析报告。5:15，资深分析师走进办公室，他的工作不是"写报告"，而是判断AI遗漏了什么——库克在电话会议里那句"中国市场充满挑战"的语气，是否比字面意思更沉重？

这不是科幻。据《金融时报》披露，摩根士丹利的"Research 2.0"系统已覆盖80%的研报初稿，高盛、JP摩根的类似项目也在加速推进。华尔街的人力资源文件里，"Equity Research Associate"（股票研究助理）的招聘名额，过去两年缩水了30%。

但故事还有另一面：同一时期，明星分析师的薪酬包上涨了40%。

冰火两重天的背后，是一场关于"价值发现"的重新定义。

二、AI的"舒适区"与"天花板"：一份实测对比

我们让当前主流的金融AI工具（基于GPT-4架构的垂直模型）与一位从业8年的TMT分析师，同时处理特斯拉2024年Q4财报。结果耐人寻味：

结论清晰：AI是超级效率工具，但在语境解读、反共识判断、跨周期逻辑上，仍显笨拙。

三、分析师的"大分流"：谁在消失，谁在崛起？

行业正在经历残酷的角色分层：

? 正在萎缩的赛道

• 数据搬运工：财报数据整理、历史财务模型维护

• 模板撰写者：基于固定框架的季报点评、业绩快报

• 初级覆盖员：对成熟公司的常规跟踪

这些工作的共同特征：有明确输入输出规则，可被结构化——正是AI的甜点。

? 正在崛起的稀缺物种

未来的明星分析师，核心竞争力不再是"知道多少"，而是"洞察多深"——在AI穷尽已知信息的废墟上，建立人类的认知高地。

四、国内映射：券商研究所的"人海战术"困境

对比华尔街，中国券商研究所的AI转型更具戏剧性。

现状是冰火两重天：

• 头部机构：中信、华泰、中金已部署自研AI投研平台，2024年研报产出量增长200%，但署名分析师人数反降15%。一份深度报告的"人天"成本，从两周压缩到三天。

• 腰部及以下：仍在用Excel+Wind的传统模式，研究员日均工作12小时，70%时间消耗在数据清洗——这正是AI已解决的问题。

更深层的问题是商业模式错位：国内卖方研究的收入来自派点分佣，本质是"服务量"而非"研究质量"的竞赛。这导致一个悖论——AI提升了效率，但机构不敢大规模裁员，因为派点需要"人头"来刷存在感。

变革的窗口期正在收窄。当买方机构（公募基金、保险资管）开始直接用AI筛选研报，"注水报告"的派点价值将归零。

五、生存指南：未来5年，分析师的三项新技能

如果你正在或计划进入这个行业，以下能力将是护城河：

1. "反AI"的提问力

AI擅长回答"是什么"，但市场愿意为"为什么重要"和"接下来可能发生什么"付费。训练自己提出AI无法自动生成的问题——例如："如果这项政策的执行者是反对者，落地路径会如何变形？"

2. 跨模态的信息嗅觉

文字财报只是信息冰山的一角。学会解读管理层微表情、供应链物流轨迹、社交媒体情绪曲线——这些是AI尚未完全征服的领地。

3. 叙事的风险定价

最终，分析师的工作是为不确定性定价。AI可以计算概率，但人类更擅长判断"这个故事市场会不会买单"——这是艺术，不是算法。

结语：第11年的隐喻

有一个隐喻在华尔街流传：

"AI可以读遍一家公司过去10年的财报，但人类分析师的价值在于——读出第11年的隐喻。"

那个隐喻可能藏在CEO突然更换的领带颜色里，在行业老兵退休信的措辞中，在竞争对手沉默的季度里。

AI不会杀死分析师，但会杀死不进化的分析师。当机器接管了"知道"，人类的溢价只能来自"理解"与"相信"——这正是金融市场的本质，也是它永远无法被完全算法化的原因。

互动话题：你更信任AI生成的研报，还是署名分析师的报告？欢迎在评论区分享你的经历。

本文部分信息参考摩根士丹利技术披露文件及《金融时报》报道，数据截至2026年3月。