今年秋招，公私募打响AI人才争夺战

今年秋招，公私募打响AI人才争夺战

◎记者 马嘉悦 王彭

2027届秋季校园招聘季拉开帷幕，公募基金行业对人工智能人才的争夺热度较高。与往年零星试水不同，今年多家头部基金公司通过设立AI人才专项、金融科技专场或AI方向岗位等方式，系统性扩大AI人才招聘规模，岗位设置从底层算法研究延伸至大模型应用、智能体开发及平台架构。这标志着，公募基金对AI的布局正从“单点探索”转向“系统化嵌入”。

私募基金亦是如此。梳理今年头部私募秋招需求可以发现，AI算法研究员、AI工程师等岗位成为招聘信息中的“高频词”，多家百亿级量化私募相关人士表示，AI正加速重构私募的投研架构与流程。

用业内人士的话来说，AI时代，大量机构过往积累的研究经验和壁垒可能会被颠覆，公私募机构抢人，是在抢未来10年甚至更久的核心竞争力。

公私募掀起“抢人大战”

近期，多家公私募基金启动2027年校招。在各家机构的招聘启事中，“AI”无疑是最亮眼的关键词之一。

易方达基金在2027届校招中单独设立了“AI人才专项”，面向应届生招聘AI工程师、AI研究员及AI应用岗。具体来看：针对科技团队，招聘岗位包括大模型算法工程师、AI全栈工程师、AI数据工程师和AI安全工程师；针对投研团队，招聘岗位包括权益投研与量化融合、指数研究、量化投资等；针对业务团队，招聘岗位包括投研平台建设、股票交易等。

以AI研究员（权益投研与量化融合）岗为例，需要探索机器学习、大语言模型在公司研究与投资决策中的应用，协同推动AI与量化研究成果落地，提升投研效率；围绕权益投资问题挖掘多维数据中的投资信息与规律；将行业及基本面逻辑转化为量化信号，并检验其有效性与稳定性。

南方基金开启了2027届金融科技专场校园招聘，涉及AI框架工程师、AI评测工程师、AI应用开发工程师、AI数据工程师、AI产品经理等多个AI相关岗位。对于任职要求，南方基金提出，应聘者要具备扎实的编程基础（Python/TypeScript），熟悉流式处理与异步编程模型，理解大模型工具调用、多模型路由机制，熟悉主流智能体编排框架与协议。同时，还要具备系统架构设计能力与技术攻关能力，可独立承担模块从设计到落地的完整周期。

招商基金在此次秋招中设立软件开发岗（AI方向）及AI算法岗的实习岗位，招聘对象面向海内外2027届应届毕业生。

申万菱信基金在2027届秋招中增设了金融科技赛道，岗位名称为AI与金融工程岗。

私募基金同样对AI人才求贤若渴。近日，九坤投资发布北京大学线下宣讲会相关内容，此次招聘需求包括量化策略研究员、AI算法研究员、数据科学家等量化研究方向，以及量化实现工程师、AI工程师等工程方向。另外，九坤投资官网显示，该公司社会招聘急需AI算法研究员，岗位职责为挖掘海量的金融数据，在特征提取、价格预测、组合优化等不同的应用场景实践机器学习算法，以及AI前瞻领域预研与实验等内容。

明汯投资近期启动的2027全球校园招聘，也发布了AI算法研究员这一岗位。宽德投资近期启动的2027全球校招则积极寻找机器学习研究员这一岗位的相关人才。

招聘领域与偏好生变

从本轮公募基金校招情况来看，AI相关岗位设置呈现专项化、体系化特征，覆盖大模型算法、AI全栈、AI数据、AI安全、AI框架、AI评测、AI应用开发、AI产品经理等方向，并延伸至权益投研与量化融合、指数研究、量化投资、投研平台建设、AI与金融工程等交叉领域，形成从底层技术到业务落地的完整人才链条。

“我们需要的AI人才，不是单纯做技术开发的‘码农’，而是既懂AI技术、又理解资管业务逻辑的复合型人才。”沪上一家公募基金相关人士说。

私募在招募AI人才方面，则更加注重候选人对AI工具的使用能力和判断力。

北京一家百亿级量化私募相关人士称，AI时代公司会额外关注候选人对AI工具的实际使用能力，以及如何平衡AI能力与自身领域知识提升的关系。AI解决的是普遍的效率问题，但真正能提出好问题、有深度判断力的人才更加稀缺。

AI改写资管业人才需求

资管机构全方位开展AI人才争夺战背后，是AI对行业的深刻重塑，以及对人才价值的重新定义。

灵均投资首席投资官马志宇认为，AI的融入正在重塑投研生产链路：首先，AI实现了研究人员个体效能的提升，目前大模型能够迅速梳理海量文献、提炼研究思路，还可辅助完成代码编写、公式与参数优化，既能大幅提升因子开发效率，也进一步提高研究深度；其次，随着个人能力边界不断拓宽，研究员将逐步打破岗位壁垒，兼顾因子开发与模型搭建，以催生更优质的策略成果。

“AI带来的生产力提升终会推动量化私募组织架构的变革。”马志宇称，过去模块化、细分化的分工模式将逐步转向更灵活、一体化的协作机制，因此招纳AI人才及加大相关硬件投入刻不容缓。

超量子基金创始人张晓泉坦言，一些人对AI的理解还停留在效率工具阶段。但对基金行业而言，真正被重写的是方法和组织。传统的投研流水线是数据、因子、回测、风控和交易，而AI时代投研流水线则变成了问题、假设、探索、判断和筛选。“这意味着，过去企业依靠层级和流程组织起来，而未来组织可能更像网络——围绕问题临时聚合，由AI承担执行和协调，人则直接负责判断。”张晓泉说。

站在未来人才需求的角度，止于至善投资总经理何理表示：“目前AI在投研领域的表现已基本没有‘本科生感’，很多时候甚至能达到优秀硕博士的水平。对AI有敏感度和热情的人才，可能是金融机构未来真正需要吸纳的新生力量。”