"叮！您关注的12家TMT公司晨报已生成。“清晨六点半，高盛28层办公室的灯光次第亮起，新晋Analyst林默的电脑屏幕率先亮起。他扫了一眼屏幕右上角跳出的提示，嘴角微微上扬——这已经是他连续第三十六天在上班前完成"AI晨间扫描”。
一、晨间7:00-9:00：数据海洋里的"淘金者"
三年前林默实习时，这类信息收集工作堪称"体力活"：需要手动切换十几个金融数据终端，从彭博社、路透社到各式财报PDF，再逐条比对分析师评级变动和社交媒体舆情。如今，高盛内部AI系统「GS-Advisor」十分钟就能整理好基础数据，但林默的"晨间仪式"远不止于此。
"拆解增长结构：老客户续约率具体数值？（标注百分比）新客户获取成本同比变化？（对比行业TOP5均值）营销费用占比变动？（附过去八个季度趋势图）竞争对手同期动作？（重点标注AI人才招聘动态）"当同事小吴还在纠结"这个云服务商Q3增长15%该不该推荐买入"时，林默已经在对话框输入了这套定制化指令。五分钟后，AI反馈的细节让他瞬间清醒——该企业70%的增长源于存量客户续约提价，新客户增速环比下降8%，而最大竞争对手正悄悄组建百人AI研发团队。
"机器给的是数据，人给的才是判断。"林默把分析结论写进晨会备忘录：「建议关注客户结构可持续性风险，补充竞对技术投入对比图表」。后来MD（董事总经理）在项目复盘会上说：“好Analyst现在都得当AI的‘质询官’，就像考古学家用铲子挖出文物后，还得靠眼力辨别真伪。”
二、午后14:00-16:00：PPT背后的"故事架构师"
"客户是MIT计算机系毕业的CEO，PPT每页信息密度别超3个要点，类比要用他们熟悉的芯片迭代逻辑。“林默对着AI工具「PitchGenie」输入需求时，特意强调了沟通对象的特点。三年前做同类项目，他和团队曾为了一份50页的SPAC上市方案熬了三个通宵，现在AI十分钟生成的基础框架已包含市场分析图表、竞争优势矩阵和团队履历模板，但他要做的远不止"调格式”。
“把第二页的‘市场规模增长曲线’换成动态对比图——标注我们服务过的AI客户在相同阶段的增速拐点”“案例部分增加‘客户痛点-解决方案-结果’三段式结构，重点突出那个帮医疗AI公司三个月完成FDA认证的案例”“结尾slogan别用通用口号，结合客户官网提到的‘让技术普惠’愿景，改成‘用资本加速度，陪您跨越技术鸿沟’”。林默像导演审剧本般逐页调整，甚至偷偷在附录页加了张客户CTO去年在行业峰会上的演讲截图——那是他通过领英爬虫发现的细节。
"现在客户要的不是‘漂亮PPT’，而是‘能听懂的故事’。"林默的导师曾提醒他。当AI能自动生成90%的基础内容时，剩下的10%「人性化加工」才是区分普通与顶尖Analyst的关键：知道技术派CEO更关注底层逻辑，就要把财务数据翻译成「研发投入回报率」；明白年轻创业者在意品牌故事，就得挖出团队创业初期的「至暗时刻」。
三、深夜22:00-24:00：风险丛林中的"侦探"
晚上十点的办公室只剩零星灯光，林默却盯着屏幕上的「风险雷达图」眉头紧锁。他们组正在跟进的东南亚物流并购案，AI工具「LegalScan」刚标记出目标公司章程里一条隐蔽条款：若买方股权超过30%，触发优先赎回权需额外支付3%溢价。这个被传统尽调团队忽略的细节，可能让交易成本凭空增加千万美元。
"别急着下结论。"林默调出另一个AI工具「SupplyChainInsight」，输入目标公司前三大供应商名称。数据显示其中两家正在秘密接触新的投资方，而第三家刚获得当地政府的技术补贴——这意味着谈判桌上，赎回权条款或许能成为撬动供应商让步的筹码。
"AI能帮你找到‘可能的风险点’，但判断‘哪些风险值得赌’得靠人。“林默在风险评估报告里写道：「建议在TS（并购意向书）中设置分层支付条款，将3%溢价与供应商续约率绑定」。这份报告后来被MD称为"教科书级的风险转化案例”——不是规避所有风险，而是用信息不对称创造谈判优势。
四、给未来投行人的实战指南
在咖啡间偶遇实习生小周时，林默常被问："AI都这么强了，我们该学什么？"他的答案总离不开这三点：
1. 做AI的「翻译官」而非「打字员」
别只会说"帮我做个估值模型"，要像资深程序员调试代码般精准提问：“基于过去三年TMT行业并购案例，当标的公司研发费用占比超15%时，DCF模型中WACC参数该如何调整？请对比LBO（杠杆收购）模型的敏感性差异”。记住，好的Prompt（指令）能让AI输出价值翻倍。
2. 培养「反常识」的质疑习惯
当AI说"这个赛道未来五年复合增长率18%"，立刻追问："数据来源是头部机构还是长尾样本？政策风险（比如数据跨境新规）是否被纳入测算？竞对最新专利布局可能改变竞争格局吗？"林默的笔记本扉页写着：“所有未经拷问的结论，都是潜在的地雷。”
3. 修炼「讲人话」的硬功夫
每周抽两小时观察目标客户的社交媒体动态——技术派CEO可能转发芯片架构文章，消费品牌创始人或许热衷分享用户调研故事。林默的手机收藏夹里存着几十个行业播客，他说：“懂客户的语言，才能用他们听得懂的逻辑卖方案。”
五、那些AI教不会的软实力
除了硬核技能，还有三个「隐性能力」决定你能走多远：
1. 「灰度决策」的智慧
投行项目里没有绝对的黑白对错。比如某个东南亚并购案，AI分析显示当地政策风险评级为「B+」，但林默注意到客户创始人曾在哈佛商学院演讲时提到「我们更看重长期市场培育而非短期套利」。这种对「非数据化信息」的捕捉，往往能帮你做出更贴近实际的判断。
2. 「压力容器」的抗压能力
凌晨三点被MD电话叫醒修改pitchbook核心数据，或是谈判桌上客户突然推翻所有前提条件——这些场景AI无法代劳。林默的抽屉里总备着薄荷糖和压缩饼干，他说：“扛住高压不崩溃，比算对一道财务题更重要。”
3. 「人际雷达」的共情力
和CFO（首席财务官）聊税务筹划时，对方突然聊起女儿刚考上常春藤；和创始人谈判时，他提及创业初期抵押房产的往事——这些细节AI无法感知，但敏锐的观察力能帮你建立更深层的信任。林默有个习惯：每次见客户前，都会翻遍对方的领英主页和公开演讲视频。
在这个AI重构投行的时代，真正的竞争力从来不是和机器比速度，而是用人类的判断力、创造力和同理心，把冰冷的数字变成有温度的商业故事。正如林默在实习生培训会上说的：“AI可以帮你‘做对题’，但只有你能决定‘做什么题’——这才是投行Analyst的核心价值。”
（全文完）
行动建议：如果你正在准备投行求职，从今天开始：
① 每天用AI工具分析一个行业动态，训练精准提问能力；
② 收集10个目标客户的公开演讲/社交媒体内容，建立「客户画像库」；
③ 在模拟项目中主动扮演「质疑者」角色，锻炼对AI结论的批判思维。
记住，AI是工具，而你是驾驭工具的人——这才是2026年投行职场的通关密码。
© 蒸汽教育 2026 全球留学生求职标杆企业
随时随地看视频
