辅助神器“手机斗牛万能开挂神器”(作弊)辅助透视下载教程

　　文|新浪财经 陈秀颖

　　人工智能快速进入金融与商业场景后，未来十年金融行业最稀缺的能力是什么？上海交大高金MBA项目执行主任
、专硕中心主任、高金金融研究院助理院长倪海英博士在与新浪财经对话时表示
，答案并非简单掌握某一款大模型，而是清楚理解人与人工智能的关系 ，并知道如何把AI嵌入真实工作流程 。

　　“对于年轻人而言
，最重要的是知道AI和自己的关系
。 ”倪海英表示，在ChatGPT等生成式AI产品出现以前 ，人工智能距离普通商科学生的学习和工作较远
，使用成本也较高。随着大模型加速普及，AI不再只是信息技术部门的工具 ，而开始影响研究 、分析、营销
、客户服务和资产配置等多个环节 。

　　但使用频率高
，并不等于真正具备AI能力。倪海英认为，如果只是把大模型当作问答工具 ，仍停留在较浅层次
。更深入的使用方式
，是将个人经验、专业知识 、思维方式以及对业务的理解沉淀为可复用的“技能
”，再通过智能体与AI持续协作。换言之 ，人需要把AI训练成能够共同完成任务的“同事”，同时明确它在业务流程中适合出现的位置 。

　　倪海英表示
，这一思路也体现在高金MBA的培养实践中
。面向AI时代，高金MBA升级为“数智全球MBA ” ，定位培养能够链接科技
、产业与资本的“产业架构师
”。通过AI4U、AI4Leader等递进式训练
，学生从真实业务问题出发搭建智能体，并进一步回到财务分析 、证券估值和公司治理等专业框架中检验AI输出 。同时倪海英强调 ，做出智能体Demo只是起点
，更重要的是培养学生的独立判断
、跨界整合能力，并将判断转化为行动
。

　　同时 ，她认为这一变化也对专业硕士教育提出了新要求。传统全日制学生缺少完整商业经验
，实习往往难以接触企业核心信息和关键决策 。针对在职金融硕士，高金尝试让学生带着企业真实项目进入课堂 ，以项目成果转化为导向开展训练
。学生不仅要理解宏观政策、行业规则和企业场景
，还要识别客户需求 、设计金融解决方案，并借助智能体快速完成方案展示
、估值模型及交互式页面。

　　倪海英将这类人才概括为“前沿部署工程师”：既能理解商业和金融 ，也能像工程师一样找到方案，并在一线完成部署 。为实现这一目标
，课程建设不能局限在单一学院内部，而需要金融、计算机 、人工智能等学科协同 ，让学生同时具备商业判断
、金融视角、技术应用和落地能力
。

　　大模型的普及也在抬高学术研究和职业工作的基础门槛。倪海英指出
，通用模型已经能够快速生成结构完整的报告，但公开数据和通用知识难以替代企业内部信息与专业判断 。一份材料看似全面 ，真正熟悉行业的人仍能识别其中是否空洞。学生因此更需要掌握经过长期验证的经典理论和分析框架
，以此判断模型输出的质量，而不是被形式完整的答案牵着走
。

　　面对“AI是否会替代岗位 ”的讨论 ，倪海英认为
，更准确的变化是工作职能被重新拆分。单一 、标准化的任务更容易被技术承接，人的工作则会加速跨越原有专业边界 。以程序员为例 ，未来不仅要写代码
，还需要理解市场、客户和产品；金融人才也不能只会搭模型，而要理解产业
、国际规则、风险管理及企业长期价值
。

　　持续学习因此变得更加重要 ，但选择学什么 、到哪里学同样关键。倪海英认为，AI时代的商科教育既要回应技术变化
，也不能忽视金融
、人文和伦理训练 。商业的意义，在于推动技术价值被市场验证并实现规模化复用；金融视角则帮助管理者从投资者、股东和社会的角度理解决策
。与此同时 ，面对算法 、隐私和未成年人使用科技等问题
，人也需要保持边界感与判断力。

　　在她看来，商科教育正经历一个新的拐点 。科技企业从“0到1
”走向“1到100” ，以及企业出海
、跨境融资和大宗商品风险管理等现实需求
，都在催生兼具产业理解、金融能力与国际视野的复合型人才
。AI会替代部分职能，也会创造新的岗位。高校真正需要回答的 ，不是如何让学生回避变化
，而是如何帮助他们形成驾驭技术 、跨界协作并持续学习的能力 。