据Bloomberg报道，OpenAI已招募超过100名来自高盛、摩根士丹利和摩根大通的前投资银行家，参与一项代号为“Mercury”的秘密内部项目。这些前银行家以每小时150美元的报酬，为OpenAI的人工智能系统提供真实金融数据、建模逻辑和交易结构训练素材。
项目溯源：从手工建模到算法替代
华尔街的初级分析师通常每周工作80小时，在Excel和PowerPoint中构建财务模型、制作路演材料，并随时应对上级的紧急修改需求——这种文化甚至催生了经典的“pls fix”职场梗。Mercury项目的终极目标，就是用AI算法替代这些重复性、高强度的手工劳动，涵盖从IPO、重组到杠杆收购的全流程交易场景。
该项目被视为OpenAI迄今为止在企业工作流领域最激进的尝试之一。尽管公司估值已高达5000亿美元，但OpenAI尚未实现盈利，每个类似Mercury的实验都在试图证明其商业化潜力。通过让AI深入金融建模这样的定量密集型行业，OpenAI希望打开巨大的企业市场。
严格筛选与“AI面试官”
Mercury项目的招募流程本身充满科技色彩。应聘者首先需通过一个AI聊天机器人的20分钟面试，该机器人直接从简历中提取问题。通过后，候选人将面临财务报表测试，最后还需完成一项实时建模挑战，以证明自己能构建专业、整洁的电子表格。一旦入选，承包商需遵循极其细致的指令：保持格式统一、百分比使用斜体、设置与真实投行模型相同的页边距。
每位参与者每周需构建一个完整金融模型，每个模型由专门的评审者提供反馈后才会被纳入训练集。OpenAI发言人表示，这些承包商独立工作，所有支付和管理通过第三方供应商进行。除了顶级投行背景，参与者也来自Brookfield、Mubadala Investment、Evercore、KKR等另类投资机构和精品投行，甚至还包含一些在读的哈佛和MIT MBA学生。
市场影响：金融行业就业格局或将重塑
Mercury项目并非孤立的技术实验，它揭示了AI对金融服务业深层渗透的趋势。一旦AI能掌握专业财务建模的数学逻辑和职业风格，初级分析师的“学徒式”工作模式可能被大幅压缩。这不仅能显著降低金融机构的人力成本，还能使交易执行效率呈指数级提升。当前华尔街一套完整的初步建模通常需要2-3人协作数周，而AI辅助有望将周期缩短至数小时。
然而，市场影响并非全是利好。对即将进入金融行业的毕业生而言，投行最核心的“硬技能”门槛可能被削弱。尽管高级交易策略和客户关系依然依赖人类判断，但大量基础岗位将面临转型压力。与此同时，OpenAI若成功将Mercury产品化，将直接与Bloomberg Terminal、FactSet等传统金融数据终端形成竞争，改变卖方研究工具的格局。
从更宏观的视角看，Mercury项目是AI从“通用对话工具”迈向“垂直专业大脑”的典型范例。当AI学会了华尔街的“手艺”，它不仅能降低成本，还可能催生新的金融产品定价模型和风险控制框架。当然，模型训练依赖历史数据，在极端市场波动或范式突变时，AI的可靠性仍需监管层审慎评估。
OpenAI发言人强调，所有贡献者均经过专业审查，公司“与不同领域的专家合作，以改进和评估模型能力”。但华尔街分析师们已经意识到，那个“pls fix”的夜晚，可能很快就要变成“AI fix”了。