10月30日，由MF学联会职业发展部主办的“AI+金融赛道探索指南”线上职业发展沙龙顺利举行。本次活动特邀三位同学担任分享嘉宾：2024级金青峰（已获太衍量化量化模型研究员offer）、2025级廖书涵（已获中欧基金AI投研offer）、2025级张宇轩（已获南方基金AI应用offer），围绕AI+金融细分赛道、金融科技人才能力框架、在校成长与实习求职路线等方向，为同学们带来一场干货满满、针对性极强的职业导航。


张宇轩首先为大家梳理了金融求职的完整时间节奏。他结合项目“学制三年、符合条件可两年毕业”的培养安排，展示了从入学前暑假、研一、研二到毕业学期的求职规划，区分了准备积累期与招聘集中转化期，提醒同学们暑期实习、秋招、春招环环相扣，要提前布局、稳步推进。他还介绍了AI在金融业务里的落地版图，围绕客户洞察、智能客服、理财业务等场景，讲解AI应用岗如何把金融业务需求转化为可落地的流程与方案。

金青峰从量化投资求职视角，分享了广义AI在量化领域的四大应用方向。他依次讲解传统机器学习与深度学习、NLP文本因子、端到端时序模型、AIAgent投研协作的落地逻辑，阐释Agent是“模型+Harness”的组合，模型负责思考生成，Harness包含工具调用、任务编排、校验护栏。他结合自身准备量化研究员岗位的经历，介绍了代码协同、数据分析、AutoResearch三类高频使用场景，同时点明大模型和Agent是辅助手段，不能替代统计检验与数值计算。

廖书涵拆解了公募、私募、券商不同赛道AI岗位的差异。她以易方达的校招数据为例，展示公募AI岗位快速扩张的行业趋势，对比买方、卖方AI岗的工作重心、技术门槛与适配人群。她进一步把金融AI岗位划分成重模型研发、建模投研、业务落地应用三档，清晰区分三类岗位的技术栈、编程要求与考察重点，帮助大家根据自身背景选择匹配的求职方向。

互动答疑环节，三位嘉宾围绕学习规划、岗位选择、求职准备等问题与同学们充分交流，带来大量可借鉴的实战经验。

本次“AI+金融赛道探索指南”沙龙圆满落幕。嘉宾们的实战分享廓清了AI+金融赛道的真实图景与成长路径，充分展现了MF学子在金融科技浪潮中的视野与实力。AI正重塑金融行业的底层逻辑，期待更多同学以此为契机，将个人发展融入时代脉搏，在AI与金融的交汇处勇立潮头，书写属于自己的职业篇章。