量化AI的诱惑：天价应届生，告别裁员和996

「职场Bonus」（ID：ZhiChangHongLi）

「职场Bonus」（ID：ZhiChangHongLi）

“薪资可达两百万，奖金无上限。”

你会以为这是某个爱画大饼的公司的销售招聘广告，但事实上，高薪的诱惑来自今年金融业的“量化AI”岗位。

作为被今年AI新浪潮显著带火的金融职业门类，量化AI离钱很近。半个月前，来自华尔街的新闻印证了这种诱惑可能带来的后果：量化巨头Two Sigma的一名量化研究员由于通过私自修改交易模型，让自己拿到了约2350万美元（约合人民币1.7亿元）的巨额奖金，因此遭到美证交会调查。

在猎头的直观感受里，这是个顶住了金融降薪潮、互联网裁员潮“双重寒冬”的人才市场：今年不仅相关岗位明显比以前增多，招聘广告上的薪水和条件也都很香。“量化金融机器学习/AI方向，经验不限，70-100k，24薪” 、“量化策略研究员（AI方向），90k以上，18薪”、“量化算法专家（AI），100k以上，16薪”……

有求贤若渴的机构甚至给应届生也开到百万年薪。千亿级量化私募「幻方量化」给实习生的日薪达到1000元。 

「职场Bonus」（ID：ZhiChangHongLi）

高薪背后是机构对稀缺性人才的争夺。猎头Kim告诉职场Bonus，今年，基本各家耳熟能详的量化公司都在招AI方面的人才。

K线图、交易波动、财务数据……资本市场每时每刻都会涌现大量的数据，量化投资，要从中挖掘因子，建立模型，找到规律，开发投资策略，来为企业和投资者赚取超额收益。量化投资机构本身盈利相对可观，AI则相当于给量化装上了加速器：AI在多个环节，尤其是寻找非线性规律上，有着巨大的价值。

因诺资产创始人徐书楠表示，量化发展还处于红利期。中国基金报近期报道称，目前整个A股市场上40%的成交量是程序化交易。美国市场的程序化交易量占大约是80%。随着注册制的改革，国内的量化AI未来可能有巨大增长空间。

而对于已经符合标准的AI人才来说，这个行业是否适合自己，也需要仔细考虑。 

量化×AI：1年把几亿资管规模再翻100倍 ╱ 01

用数学能力打破简历歧视 ╱ 02

Quant 4.0已来，去金融还是互联网？╱ 03

适应“不确定性”和“光杆司令” ╱ 04

量化×AI：1年把几亿资管规模再翻100倍

AI在量化投资的多个环节都能产生不菲价值。而一个量化AI算法研究员的岗位JD，通常包含这两项要求：

1、运用机器学习或深度学习方法，发展复杂的交易模型，构建严谨的算法评估体系，形成对市场行为的洞察；

2、紧跟算法模型研究前沿趋势，设计开发新的神经网络结构/算法模型，以适应金融数据，不断测试复杂的投资理念。 

量化研究员Victor向职场Bonus解释称：这份工作的本质价值，是利用机器学习、深度学习等AI技术，从庞杂的市场数据中找到不平衡点，计算套利，开发能从市场上赚取超额收益的投资策略。

“量化是最容易玩到AI的：AI可以帮忙实现信息自动收集、指令下达以及持续在线等行为。”这意味着：交易员可以不再手动挑选变量，而是通过“无监督机器学习算法”，来挑选出建模最优的变量。深度强化学习和神经网络可以构建一个具有认知体系的投资组合系统。

这种价值对私募（PE）机构尤为重要——业内公认用到AI最难，抢人最激烈，也是薪资最高的量化AI岗位，基本上都是来自私募。

私募是高度市场化的金融机构。在国内谈论量化，一般都是指私募的股票和期货的量化。在私募，研究员每个策略带来的市场收益将直接变成公司资产和投资人收益。其他类型的机构，例如做保险、可转债利率债的量化，相对而言难度较低。

“量化私募投资机构在抢人方面很crazy，有时候甚至能给到八位数（千万年薪）。”猎头Flaw向职场Bonus感叹道。近几年，AI人才给机构带来的价值更为明显。“2020年，我的一个私募客户当时规模只有几亿，他们拿出几亿的资金，一下子招了20-30个这方面最顶尖的清北毕业生，后来只用了一年多的时间，就把公司资产管理规模翻了100倍。”

Flaw表示自己近几年见过类似的例子有7-8例，有的机构在不到一年内，就把资产管理规模扩大了几百倍。

而这一行落实到员工身上的薪资总包，通常由基本薪资、奖金和员工基金收益构成，部分公司会给分红。至于一个成熟的量化AI岗能达到几百万的年薪，则是很正常的事。但要注意的是，对于应届生来说，实际年薪弹性很大，范围横跨30万-200万。

开出高薪背后的雇主实力，离不开近年来量化私募的可观盈利。

私募排排网最新数据显示，今年前三季度收益Top10的私募中，量化私募占了7席。百亿元级量化私募，今年以来表现尤为出色：有28家量化私募前三季度收益率平均值为5.75%，远超私募整体均值1.44%。其中， 信弘天禾、宽德私募、稳博投资、衍复投资、因诺资产 的收益率今年以来均在9%以上。

实现盈利印证后，企业自然考虑逐步加大相关投入。

艾瑞咨询发布的《2023年中国金融科技行业洞察报告》中指出，50.3%受访的金融机构计划加大对决策智能的智能化应用的投入，其中73.5%对此高度重视——根据量化私募相当一部分盈利来自于指数增强产品的特点，这个数字恐将只增不减。 

用数学能力打破简历歧视

“投递简历的互联网人才很多，但基本都卡在了背景上。”这是昱辰宽客猎头Leon的日常烦恼。

除了对量化研究经历有一定成果上的要求，不少量化AI岗对背景资质严苛的择优规则，几乎让普通求职者望而却步：“计算机、数学、物理专业背景，清华/北大/藤校硕士以上学历（博士优先）；在计算机顶会或者顶刊有论文发表；奥赛经历、ACM、kaggle等国际赛事获奖者……”为了抢到全球顶尖的人才，企业主还会直接到藤校进行秘密招聘。

仿佛世界上最优秀的人才能做量化AI。

“毫无疑问，量化行业是我在中国见过的学历要求最顶尖的行业，”猎头Flaw的语气听上去相当肯定。他手中的候选人里，有来自全球奥林匹克数学竞赛中国队的第一、第三名，以及某物理竞赛中国队的第二名。“你想想，人家为什么愿意把钱给你，而不是给别的人去做？当然是你的策略要比别人好，要能在资本市场上竞争得过别人，能创造巨大的利润。”

国内的量化公司人数普遍不多，而这种“要全中国最顶尖”的过高标准，大大缩小了可选择的人才范围。Flaw称自己的客户涵盖了八成以上的百亿级私募，但一个岗位平均每月能收到大致符合的简历也就只有80份，最后能过筛的仅2-3份；而到了面试环节，考察的维度包含了代码能力、论文情况、交流能力和数学统计能力。

难道不是清北博士，不是QS前20，没获过奖，没发表过顶刊论文，就和这个高薪岗位有缘无份了吗？

——其实也不尽然，真实的求职市场上仍有不少例外。

Flaw列举了几类典型例子：有的人在校期间做的是保密性质的研究项目，不允许发表论文，更不会出现在顶刊；有的人可能在校成绩一般，但由于在量化相关的实习中做出了非常优秀的历史业绩，也能被雇主看中。“不能绝对地用学历或者论文情况去衡量，因为最后还是要看综合能力和行业适应力。”

而综合能力中，数学思维乃重中之重：数学是全球所有量化机构都青睐有加的专业，企业主们也愿意为数学能力强的人打破规则。在量化交易行业已发展较成熟的美国，相当一部分数学Phd会选择从事量化。

这是因为，量化交易是一种利用数学模型和计算机技术来进行投资决策的方法。开发能够盈利的投资策略，是每个量化人的核心竞争力，且背后依赖的就是数据分析和数理统计推理的能力——而这些，都是数学人的强项。

Flaw最近刚好有一位这样的候选人。“他才23岁，几乎不会编程，但是数学非常强，他只要写几个脚本，告诉别人怎么做，就能够在利润方面超过很多人。”

● 雇主有钱+自身优秀+创造巨大价值=高薪

Quant 4.0时代已来，去金融还是互联网？

在互联网行业，今年AIGC人才招聘的大年。对比之下，金融行业对AI人才的总需求量并不算高。猎聘大数据研究院发布的《AIGC及其产业链人才需求大数据报告2023》显示，2023年1-8月，AIGC人才在各行业需求中，IT/互联网/游戏行业新发职位数量断层第一，为62.23%，同比增长305.36%；而金融行业新发职位数量位列第四，为3.13%。

在初级岗位的正常薪资上，二者也不分伯仲。甚至对于无法在量化AI拿到较高薪资的人，互联网科技企业可能会给出更为优厚的待遇。对比之下，量化行业准入门槛似乎还比互联网高出不少。

对于同时符合两者招聘条件的AI人才来说，如何站在人生岔路做选择，要听从的还是“兴趣”——这也是职场Bonus访谈多名相关招聘人士和从业人员后得出的结论。

「职场Bonus」（ID：ZhiChangHongLi）

“到了这个层次，很多人是没法用金钱打动的。”Flaw认识的多数优质候选人都有自己的热爱和理想，“有的人喜欢金融，有的人喜欢自动驾驶、互联网，他们会优先选择自己感兴趣的行业。”

事实上，比起当下大多被人工智能悄然改变的行业，金融作为非实体经济行业，无法创造看得见、摸得着的实业价值。对于很多想要用科技改变世界、成为下一个的乔布斯、埃隆马斯克的有志青年来说，金融很难勾起他们的兴趣。

“去互联网能干实事儿。”石先生是AI领域的创业者，此前曾是阿里的算法工程师，他对金融行业就兴致缺缺，“如果说同样是搞计算机的情况下，我去汽车企业或者互联网企业，未来很可能看到自己做的东西切实改变了人们的生活。但是去金融好像挺难实现的。”

然而另一位在互联网AI岗位实习过的海外名校毕业生则认为：互联网的个人发挥空间也有限，工作内容多数是沿着已有的理论道路去做修补；而量化能够把数据研究方法运用在时刻变化的金融市场中，是一件很酷的事情，她也最终因此选择了量化研究员的岗位。

对比互联网的996，量化AI工作很大的一个亮点，是更方便实现work-life balance。

由于从业者要跟踪实盘数据，因此节假日基本不加班，甚至非交易日直接放假。比如去年十一，因为节后两天是非交易日，很多量化公司直接放9天假，今年十一更是不调休，只在交易日上班。

薪资方面，虽然对于应届生初级岗位，两者薪资差距不大；但是未来涨薪路线上，量化AI或许更胜一筹。

猎头受访者们向职场Bonus透露：经过4-5年的发展，量化的薪资水平会比互联网高得多。量化AI研究员们在市场上摸爬滚打几年之后，有了自己的策略经验，管理的资产规模扩大，获得的超额收益稳健增长，进而拿到的奖金或分红也就相当多。

这一点已经是不少互联网AI人才，想要转型量化AI的主要原因。

Flaw曾有一位候选人，毕业后在互联网大厂做了2年的机器学习，转行进入量化行业后只用了1年，就做到了年薪400-500万——而他今年只有31岁。另一位受访者，量化研究员Victor也向职场Bonus认同了这种涨薪速度带来的跳槽偏好。

但猎头受访者们也特别提示了这其中存在的“幸存者偏差”：能够转型量化的互联网人，在原行业薪资都不低。如果转型做量化，在初期开发不出能够获取超额收益的投资策略，就只能拿基本薪资和员工基金收益，薪资可能要比原本在互联网的总包要低。

适应“不确定性”和“光杆司令”

对于从互联网转型的人来说，除了前期薪资低的风险，思维的转变才是最需要跨越的大山。这一点也是Flaw在挖人时最大的担忧。

“我们找到的人，技术上都是没什么问题的。但如果他的态度过于理想化，没能改掉自己在互联网那边的思维和工作习惯，就会导致最后没能通过试用期。”每当企业主因此将候选人退回时，Flaw倍感挫折，却也无话可说。

这种思维转变的关键，主要在于对量化本质的理解。

“管它黑马白马，能跑起来的就是好马。”互联网的程序很多时候是添砖加瓦，核心不会变；而量化程序的推翻重来，则是再平常不过。研究员们需要不断大幅迭代自己做出来的算法、模型，以适应瞬息万变的资本市场。原本的策略基本在两个月后就会被完全推翻。

听上去似乎挺容易理解，但这两种思维模式之间转变的难度，往往出乎很多候选人的预料。

“如果是让他短期之内去克服一下，基本没有问题。但你让他长期去做，思维没转变过来的话，就没办法通过这么严峻的考验。”Flaw说道，“学习能力方面，人选如果想转型去做量化，必须要把自己的思维拉回到当年高考、做毕设时候的高度。”

已经成功转型做量化的Victor对于思维差距的本质认识更为深刻，他认为两者的差异在于：单纯的计算机程序，是一种确定性的关系。而量化策略带有数学推导的概率结果，本质上属于“不确定事件”，结果可能与预期相背离，要时刻有推翻重来的心理准备。

除此之外，量化AI的工作模式也需要转型者去主动适应。

对比起美国量化一百年的历史，量化行业在我国发展历史短短十余年，量化AI也不过几年的光景。目前量化AI在国内发展仍处于初期阶段，企业体量小，最大的机构也不超过300人。正因如此，大部分机构里的量化AI团队人数少、甚至有单兵作战的情况。

这与互联网企业动辄一个部门里一个领导带领十几、几十个人，甚至上百人的情况大相径庭。“互联网的领导来到这边，突然变成一个光杆司令，或者是只管一个小团队，连独立办公室都没有，心里多少会有不平衡。”

当然，量化AI作为一个挑战与薪水齐高、管理属性不强的工作，终会吸引更多能排除万难的有志之士。等到它成为第二个“互联网”，准入门槛当会难上加难。而对于完全对金融、数学“绝缘无感”的朋友，也不建议为了薪资，盲目更换去不适合自己的行业。

参考文章：

1. 《郭健发声！Quant 4.0：量化投资站在AI新风口上》， 姚波，中国基金报 

2. 《从互联网到量化，他们做出相同的选择》， HFA Community 

3. 《量化巨头被查》， 聂林浩，上海证券报 

撰文 |单咪

编辑 |陈桐

排版 | 戴修齐

「职场Bonus」（ID：ZhiChangHongLi）

行业 

深度解析对比中国和硅谷的AIGC赛道 

国产大模型，也分「武当」和「少林」 

人工智能十大发展趋势：技术是源动力、应用是牵引力、安全是信任力 

公司 

疯狂的幻方：一家隐形AI巨头的大模型之路 

腾讯「不着急」 

大模型军备竞赛，华为版AIGC终于要来了？ 

Hugging Face：在人工智能的大航海时代悄悄地造一艘方舟 

职业 

数据标注员，困在大模型里 

让AI帮你工作，这里有11个好用工具和选择指南 

人物 

「互联网教父」凯文·凯利：5000天后的世界｜36氪专访 

李彦宏谈AI：算力可以买，创新能力买不来 

研报 

ChatGPT将在AI领域掀起哪些投资热潮？ 

逐梦AIGC，热潮之上，谁能把握先机？ 

公众号后台回复关键词“报告”，限时免费获取36氪行研合集！

「职场Bonus」（ID：ZhiChangHongLi）

欢迎在评论区留言互动！