华尔街AI人才争夺战进入新阶段
TREE NEWS 报道， 华尔街的人工智能招聘热潮正在发生关键转向。摩根大通、花旗集团、Capital One等银行今年发布的AI相关职位达到139,819个，同比增长49%。这一数字本身固然可观，但更值得关注的是其结构变化：需求正从构建基础模型的研究人员，转向能够将AI直接嵌入实际业务流程的工程师。
最强烈的信号来自“Agent编排”技能的爆发。今年职位发布中涉及该技能的引用量激增1,721%，成为金融业最炙手可热的能力之一。所谓Agent编排，是指设计多个AI智能体协同完成任务——例如一个智能体负责审查原始数据，另一个分析文件，第三个核查合规性，三者协同运作。
从聊天机器人到智能体协同
招聘数据公司Draup首席执行官Vijay Swaminathan表示：“这可以说是华尔街当前最热门的技能。银行需要既懂数据、又懂AI，还清楚如何落地应用的人。”
本轮招聘浪潮已明显超越早期以模型构建为主的工程师和数据科学家范畴，向“前沿部署工程师”延伸。这类人才的核心职责是将AI直接嵌入交易台、合规部门及后台运营等具体业务场景。相关岗位要求兼具技术能力与特定业务领域的专业知识，任务复杂度远超预期。
Swaminathan指出：“企业内部存在大量复杂性，有些显而易见，但很多是隐性的。即便是自动化一个简单流程，也需要花费大量时间。”他以员工休假申请的自动审批为例说明：仅这一场景便会衍生出大量边缘情况和特殊例外。
底层技术工具的需求同步大幅增长。用于构建多步骤工作流框架的LangGraph引用量跳升679%；帮助AI应用连接数据源的LlamaIndex上涨291%；用于向AI模型输入企业数据库信息的检索增强生成技术（RAG）攀升259%。与此同时，解决问题、创造力、提出深层问题的能力以及对流程的深度理解等软性技能的重要性也在重新强化。
治理需求增速已超模型训练
随着AI系统在金融机构中的部署加深，风险管控与合规治理岗位需求同步爆发。今年职位发布中涉及“负责任AI”的引用量激增657%，AI治理和风险管理相关引用量分别跳升394%和359%。治理类技能的职位引用总量目前已超过16,000条，几乎是模型训练、部署和运维相关约8,400条引用量的两倍。安全团队当前的重点之一是防止第三方工具或外部模型接入产生系统性安全漏洞。
Swaminathan表示：“确保我们在这些产品中使用的第三方工具不会在网络安全层面‘失控’，是目前的重要关注点。”
市场影响分析
对股票市场而言，这是一个利润率的故事。如果智能体能够真正自动化重复性工作流，银行有望在中长期压缩成本收入比，这对在效率提升上落后于科技板块的大型金融股构成结构性利好。生成式AI经理基本薪资中位数约为19万美元，高于金融业其他技术岗位，说明机构期待的是可量化的生产率回报，而非实验性投入。
对更广泛的科技板块而言，数据更利好基础设施与编排层，而非纯粹的模型提供商。框架、数据连接工具和RAG管道的需求，支撑了云计算算力、向量数据库以及定位于应用层的企业软件厂商。
治理岗位的倾斜也具有监管含义。治理招聘已超过模型训练，意味着银行正在监管机构提出要求之前先行搭建合规基础设施——这种防御性姿态可降低执法冲击风险，但也会抬高运营成本。
最后，劳动力结构的变化对关注银行人员指引的投资者同样重要。摩根大通首席执行官杰米·戴蒙曾多次提及AI接管更多工作后的“大规模人员再部署计划”。以再部署而非直接裁员为主，可缓和自动化带来的政治与遣散成本，但推进节奏将决定AI最终体现为盈利杠杆，还是重组费用。
投资者要点
- 大型银行AI招聘同比增长49%，但结构已从模型构建转向部署与编排，表明技术正进入生产环节。
- Agent编排引用量暴增1,721%，LangGraph、LlamaIndex、RAG等工具需求印证了真实的实施预算。
- 治理与风险岗位数量约为模型训练岗位的两倍，合规成本前置，但降低了监管冲击风险。
- 关注银行成本收入比与人员指引，判断AI是否转化为利润率扩张而非仅仅是支出增加。
- 基础设施与应用层厂商比纯模型开发商更能捕获企业AI预算。
