OpenAI正在推进一项名为Project Mercury的秘密项目，据彭博社报道，该公司已招募超过100名来自高盛（Goldman Sachs）、摩根士丹利（Morgan Stanley）和摩根大通（JPMorgan Chase）等顶级投资银行的前员工，用于训练人工智能系统构建金融模型。这些前银行家每人每小时获得150美元的报酬，任务是向AI系统提供真实的交易数据、结构逻辑和华尔街标准的建模流程，涵盖从IPO、重组到杠杆收购等所有场景。
Mercury项目的运作方式
参与Mercury项目的承包商需要每周完成一个完整的金融模型，模拟真实分析师在Excel和PowerPoint中的日常工作。每个模型提交后，会有一名评审员提供反馈，确认无误后方可纳入系统。OpenAI表示，所有承包商均通过第三方供应商支付报酬并管理运营，确保项目保密性。
招聘流程本身也体现了AI的深度介入：申请者首先需要与一个AI聊天机器人进行20分钟的面试，机器人直接从简历中提取问题；通过后还需要完成财务报表测试和现场建模挑战，以证明其能构建整洁、专业的电子表格。一旦入选，承包商将遵循详细的作业指南，包括保持格式一致、百分比使用斜体、以及保持与真实银行模型完全一致的页边距等细节。
除了来自投行的前员工，参与者还包括来自Brookfield、Mubadala Investment、Evercore和KKR等机构的专业人士，以及少数来自麻省理工学院和哈佛商学院的MBA在读生。所有模型均按照华尔街标准创建，确保OpenAI的系统不仅能学习数学运算，还能掌握银行家所需的专业风格。
OpenAI的商业化雄心与市场影响
尽管OpenAI的估值已达到5000亿美元，但公司尚未实现盈利。Mercury项目是其向企业工作流渗透的重要尝试之一，旨在证明AI在高度依赖定量分析的行业中的商业价值。通过复制初级分析师每周长达80小时的建模和PPT制作工作，OpenAI希望用算法替代那些重复性高、强度大的任务，从而颠覆华尔街传统的工作模式。
市场分析人士指出，这一项目可能对金融行业产生深远影响：首先，它可能降低投行对初级分析师的依赖，加速入门级岗位的自动化；其次，AI驱动的金融模型将提高数据处理的效率和准确性，但也可能引发关于数据安全和职业替代的讨论。对于OpenAI本身而言，Mercury是其从通用AI向垂直领域AI转型的关键一步，若能成功，将为后续金融服务产品的商业化铺平道路。
行业反应与挑战
目前，华尔街内部对此项目反应两极。支持者认为，AI能大幅缩短建模时间，让分析师专注于更高价值的策略工作；反对者则担忧模型的黑箱性质可能带来合规风险，尤其是在涉及客户机密数据时。OpenAI的发言人强调，所有承包商均经过专业背景审查，项目仅使用公开或脱敏的数据，但具体训练数据的来源和范围尚未完全披露。
从更广的视角看，Project Mercury并非OpenAI首次涉足金融领域。此前，该公司已推出针对金融文本分析的AI工具，并与多家银行合作测试风控模型。然而，直接雇佣前银行家参与模型训练，标志着OpenAI在金融垂直领域的投入进一步加深。随着AI在量化交易、风险管理、财务分析等场景中的应用加速，传统金融行业的生态正面临重塑。
与此同时，Mercury项目也暴露了AI在专业领域落地的典型难题：如何平衡效率与准确性？如何确保模型输出符合监管要求？OpenAI选择通过引入前从业者的实战经验来降低试错成本，这一策略或将成为其他AI公司进入高度监管行业的参考范本。
未来，随着更多金融模型被AI系统掌握，华尔街的“工作文化”可能发生根本性转变——那个催生“pls fix”梗的加班文化，或许终将被算法驱动的新范式所取代。