据彭博社披露，OpenAI正在通过一项名为Mercury的内部项目，加速其在金融专业工作流中的人工智能布局。该项目已招募100多名来自高盛、摩根士丹利和摩根大通等华尔街机构的前投资银行从业者，目标是训练AI学习金融建模的方法、结构与逻辑，从而接管长期以来由初级分析师承担的大量重复性工作。
报道称，这些参与者的主要任务，是向系统提供真实投行业务中使用的数据组织方式、模型搭建逻辑以及交易分析框架，覆盖范围包括IPO、债务重组、杠杆收购等典型交易场景。项目参与者的时薪约为150美元，并可提前接触OpenAI面向金融场景开发的模型工具。这表明，OpenAI正尝试将生成式AI从通用对话与内容生成，推进到更高门槛、更强调专业规范的企业级应用。
Mercury如何运作
从项目机制看，Mercury并非简单的数据标注，而更像是面向高专业门槛行业的“专家训练计划”。参与者需要撰写提示词，并完整构建财务模型，模拟现实中投行分析师在Excel和PowerPoint中的日常工作。知情人士称，每位参与者通常需要每周提交一个模型，随后由审核人员进行反馈和把关，合格后再纳入系统训练流程。
OpenAI表示，这些合同人员通过第三方供应商进行管理和支付，采取相对独立的工作方式。应聘流程本身也带有明显的AI筛选色彩：候选人先要接受一场约20分钟的AI聊天机器人面试，问题直接基于其简历生成；通过后还需参加财务报表测试以及现场建模挑战，以证明其能够制作规范、专业的电子表格。
更值得注意的是，Mercury训练的重点不仅在于“算对数字”，还在于复刻华尔街金融模型的专业表达方式。报道提到，参与者需严格遵循详细规范，例如统一格式、百分比使用斜体、页边距保持一致等。换句话说，OpenAI希望AI学习的不只是财务数学本身，还包括金融机构内部长期形成的展示习惯、文档标准与交易沟通逻辑。
为何OpenAI押注金融建模
金融建模一直是投行、私募股权和资产管理等机构的核心基础工作之一。初级分析师常常需要在高压环境下长时间处理估值模型、情景分析、交易材料和修改请求。报道指出，典型投行分析师每周工作时长可达80小时。这类工作高度标准化、重复频繁，但同时对准确性、排版和逻辑链条要求极高，因此也被视为AI自动化最具商业价值的场景之一。
对于OpenAI而言，这类项目背后还有更现实的商业考量。尽管公司估值已达到5000亿美元级别，但报道指出其尚未实现盈利。因此，Mercury这样的垂直行业实验不仅是技术能力展示，更是其验证企业服务变现潜力的重要一步。相比通用型AI助手，能够嵌入真实金融工作流、直接替代部分人工流程的产品，更可能带来稳定且高价值的企业收入。
知情人士还表示，参与者不仅来自传统华尔街大行，也包括Brookfield、Mubadala Investment、Evercore和KKR等机构背景人士，以及部分哈佛和麻省理工学院MBA候选人。这意味着OpenAI试图汇聚一批具备真实交易经验和标准化建模能力的专业人才，以提高模型在复杂金融任务中的实战表现。
对市场与行业的潜在影响
从市场层面看，Mercury项目释放出一个明确信号：AI竞争正从通用模型能力比拼，转向高价值行业场景的深度落地。金融服务因其流程清晰、数据密集、单个人力成本高，天然适合成为大模型商业化的重要战场。如果OpenAI能够在投行模型、交易材料生成和财务分析自动化上形成成熟方案，相关软件供应商、金融数据服务商乃至传统咨询业务都可能面临重新定价。
对加密货币和数字资产行业而言，这一趋势同样值得关注。当前，越来越多的加密机构、交易平台和链上数据服务商也依赖复杂的财务分析、估值框架和融资材料制作。若金融建模AI进一步成熟，未来其能力可能迁移至数字资产研究、Token经济模型测算、并购融资分析乃至加密项目路演材料生成等领域。虽然本次报道并未提及OpenAI直接布局加密金融，但企业级AI在传统金融中的落地，往往会对加密行业的专业工具市场产生外溢影响。
当然，Mercury也带来一些现实问题，包括金融数据的敏感性、模型输出的合规边界，以及AI是否会削弱初级岗位作为人才培养入口的作用。尤其在投行体系中，基础建模工作不仅是执行任务，更是新人学习交易结构和估值逻辑的重要路径。若大量流程被AI替代，行业的人才培养机制可能被迫调整。
总体来看，Mercury反映出OpenAI正以更隐秘但更务实的方式切入企业金融腹地。通过引入大量前投行人士进行模型训练，OpenAI试图让AI掌握华尔街级别的分析方式与表达标准。若该项目推进顺利，未来金融建模、交易分析乃至企业资本运作中的部分标准化工作，或将率先迎来深层次自动化。