OpenAI招募百名投行专家培训AI，助力银行从业者摆脱重复劳动
10月22日消息，彭博社获取的文件显示，OpenAI已招募逾百位投资银行业前从业者，协助其人工智能系统掌握财务建模技能，该计划旨在取代整个行业底层分析师所承担的大量重复性工作。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
这支特殊团队汇聚了来自摩根大通、摩根士丹利与高盛集团等顶尖机构的离职员工，隶属于这家初创公司内部代号为"水星"的机密项目。
据知情人士透露，参与者每小时可获得150美元（约合1064元人民币）报酬，其核心任务是为各类复杂交易——包括企业重组和首次公开募股——撰写智能提示词并构建财务模型。值得注意的是，OpenAI还向这些合约制员工提前开放了正在开发中的人工智能系统测试权限，该系统专门用于替代投资银行领域的初级岗位任务。
该项目凸显出山姆·奥特曼领导下的OpenAI正积极将尖端人工智能技术拓展至更广泛的行业领域，涵盖咨询、金融、法律与技术服务等多个维度。尽管该公司本月初估值已突破5000亿美元（约合3.55万亿元人民币），成为全球市值最高的初创企业，但至今尚未实现盈利。
OpenAI发言人在回应中表示："我们持续与各领域专家合作，以提升和评估模型在不同应用场景下的能力。这些专家由第三方供应商负责招募、管理及薪酬支付。"
在传统投行业务中，分析师在参与重大交易期间通常每周工作超过80小时，需要运用微软Excel软件构建精细的并购与杠杆收购财务模型。他们还需频繁响应上级要求，不断修改PPT演示文稿，甚至对内容进行反复调整。这种高强度、低自主性的工作文化，催生了华尔街广为人知的"pls fix"网络梗。
当前已有多家初创企业试图切入这一赛道，为金融机构提供能够协助完成上述任务的AI工具。虽然长期以来分析师们始终抱怨工作的枯燥乏味，但如今人工智能的兴起却引发了对职业前景的深层担忧。
据内部人士称，"水星项目"的申请流程基本实现自动化筛选。首轮是由AI聊天机器人进行约20分钟的面试，问题基于申请者的简历内容；第二轮测试候选人解读财务报表的能力；最终环节则是财务建模实操测试。
该人士补充道，这份工作具有较高灵活性，承接商每周仅需提交一个合格模型即可。具体任务要求包括：用通俗易懂的语言撰写提示词，并据此执行建模任务。每位提交的作品将由评审专员反馈修改意见，承包商需要修正所有问题后，成果才会被整合进OpenAI的系统。
文件表明，"水星项目"迄今吸引的参与者曾任职于多家华尔街知名机构，包括布鲁克菲尔德公司、穆巴达拉投资公司、艾弗考尔公司以及KKR集团。此外，也有来自哈佛大学和麻省理工学院的在校MBA学生参与其中。
所有模型都必须在Excel中创建，且必须严格遵循行业通行的格式规范，例如页边距设置、百分比数字斜体标注等细节也需严格遵从。
相关攻略
服务器安全看似万无一失，但某个隐蔽角落中，一个“已修复”的漏洞或许正在悄然复活。 想象这样的情景：安全团队历经数个不眠之夜，终于为高危漏洞成功打上补丁。扫描报告全数转绿，警报解除，众人如释重负。 然而几天之后，攻击者却通过同一漏洞，以另一种意想不到的方式再次入侵系统，轻松窃取核心数据。事后，他们甚至
近期，AI编程工具领域的竞争焦点已明确转向企业级市场。无论是OpenAI还是Anthropic，其战略重心都已从消费端的追逐，转向了针对企业客户的实质性布局与资源投入。 在Anthropic获得涉及22万张NVIDIA GPU与300兆瓦算力的大规模订单后，其产品策略迅速展现出进攻性——率先将Cla
在网络安全领域，工具的强大能力与受控使用之间的平衡，始终是一个核心挑战。防御者迫切需要高效工具来对抗日益复杂的威胁，但若能力被滥用，后果将不堪设想。近期，OpenAI推出的GPT-5 5-Cyber，正试图为这一难题提供一个创新的解决方案。 简而言之，GPT-5 5-Cyber是OpenAI基于其先
5月14日，OpenAI针对近期影响开源库TanStack的“Mini Shai-Hulud”供应链攻击事件发布了官方声明。此次针对npm软件包的攻击波及范围广泛，在开发者社区引发了高度关注。OpenAI在监测到相关恶意活动后，立即启动了全面的内部安全审查，以评估此次事件对其服务与用户数据安全的潜在
旧金山初创公司PhysicalIntelligence致力于为机器人打造通用“大脑”，以解决莫拉维克悖论。公司通过海量数据与算法训练，使机器人掌握叠衣、制作咖啡等复杂技能，并展现泛化能力。投资人看好其团队与进展，目标是将人类从枯燥危险的劳动中解放，企业级应用已可见曙光。
热门专题
热门推荐
这项由清华大学、美团、香港大学等多家顶尖机构联合开展的研究，于2026年3月以预印本论文（arXiv:2603 25823v1）的形式发布。它直指当前AI视觉生成领域一个被长期忽视的核心问题：这些能画出“神作”的模型，到底有多“聪明”？研究团队为此构建了一套全新的测试基准——ViGoR-Bench，
人工智能的浪潮席卷了各个领域，机器在诸多任务上已展现出超越人类的能力。然而，有一个看似寻常却异常复杂的领域，始终是AI研究者们渴望攻克的堡垒——让机器像真正的学者那样，撰写出一篇结构严谨、逻辑自洽、图文并茂的完整科学论文。这远比下棋或识图要困难得多。 2026年3月，一项由中科院AgentAlpha
这项由法国Hornetsecurity公司与里尔大学、法国国家信息与自动化研究院(Inria)、法国国家科学研究中心(CNRS)以及里尔中央理工学院联合开展的研究，发表于2026年3月31日的计算机科学期刊，论文编号为arXiv:2603 29497v1。 在信息爆炸的今天，我们每天都在网上留下数字
当你满怀期待地拆开一台全新的智能设备，最令人困扰的往往不是如何使用它，而是如何让它真正“理解”指令并智能地执行任务。如今，一个更为优雅的解决方案可能已经出现。来自清华大学深圳国际研究生院与哈尔滨工业大学（深圳）的联合研究团队，近期取得了一项极具前瞻性的突破：他们成功训练人工智能自主“撰写”并精准理解
2026年3月，来自华盛顿大学、艾伦人工智能研究所和北卡罗来纳大学教堂山分校的研究团队，在图像智能矢量化领域取得了一项突破性进展。这项研究（论文编号：arXiv:2603 24575v1）开发了一个名为VFig的AI系统，它能够将静态的栅格图像智能地转换为可自由编辑的矢量图形，如同一位“图形考古学家