研究员要失业了？OpenAI“金融版ChatGPT”把研究、建模、PPT一锅端传闻已久的OpenAI金融垂直能力终于落地：同一对话框里，能检索研报与公告、调用行情数据、搭Excel/财务模型、生成图表，最后直接输出可演示的PPT与讲稿。一句话，把分析师最耗时的“找数—清洗—搭表—画图—写材料”串成了一条流水线。它强在三处。一是研究提速：过去半天才拼出的行业扫描，现在几分钟出初稿，来源可回溯，等于给每个研究员配了全天候实习生。二是建模平权：三表联动、敏感性分析、DCF与LBO模板，用自然语言即可生成，初级员工不再被公式卡死， senior也能把重复劳动交出去。三是表达一体化：结论、图表、叙事自动对齐，PPT从“体力活”变成“校对活”。于是“研究员失业论”又起。但冷静看，被替代的是生产环节，不是研究本身。金融研究的壁垒从不在“会做表”，而在四个机器短期难接管的能力：提出正确问题的判断力、对数据口径与利益动机的怀疑力、在噪声里下注的洞察力，以及为结论签字负责的承压能力。AI给出的多是“平均正确”：整合已知、平滑分歧、复现共识；真正创造阿尔法，恰恰来自反共识与对证据链的死磕。更现实的变化是岗位重构：团队将更“哑铃化”——少数人定方向、控风险、做判断；多数人转向提示词工程、数据治理、模型校验与合规留痕。所谓“一个人+AI顶一个组”，淘汰的不是研究员，而是不会用AI的研究员；也不是初级岗位消失，而是初级岗位的能力门槛被整体抬高。给从业者的建议很朴素：尽快把AI接进工作流，但守住三条线：所有关键数据回到原始披露复核；所有模型假设手算一遍验证量级；所有对外结论明确“人机分工”与责任边界。把省下的时间，砸在产业理解、客户沟通和独立判断上——那里才是人还值钱的地方。技术从来不直接消灭职业，它只重新定价。会提问、敢怀疑、能负责的研究员，时代刚好替你把杂活干了。