经常会听到学计算机相关专业的同学们说：“计算机行业真的太卷了， 也太累了， 加班不断，我看其他去金融行业做算法的同学轻松多了，我也想考虑。 老师，你觉得呢？”
这个问题也引起了我从以下几个方面的思考。
“去一个行业就要做主流业务”是关键。
在金融行业，AI算法岗本质是支持性岗位，而非核心利润部门（如投资、交易、投行）。
这意味着：
职业天花板较低：技术团队在金融机构的晋升路径通常止步于中层，很难进入高管层（除非转业务岗）。
薪资差距会随时间拉大：金融行业的核心岗位（如基金经理）收入是指数级增长的，而技术岗的薪资增长更接近线性。
技术迭代风险：如果未来金融机构采购第三方AI工具（如彭博、Wind的现成模型），内部技术岗可能面临收缩。
相比之下，留在AI行业（尤其是头部大厂的核心岗）：
技术复利效应：积累的算法经验、工程能力、行业认知会持续增值。
退出选择更多：未来可跳槽至其他科技公司、创业、或转入金融量化（如果真对金融感兴趣，届时以“技术Expert”身份切入会更吃香）。
行业上升期红利：AI的渗透率仍在快速提升（从互联网到医疗、制造、能源），职业选择面会越来越广。
所以我觉得：如果对金融真的有兴趣，可以现在开始学习量化投资知识（如CQF证书），未来以“AI+金融”复合背景切入核心岗位，而非从支持岗起步。
“压力和劳累每个行业都会有”，这一点同学一定要认识到。
很多年轻人（尤其是top高校背景的）容易陷入一种误区：
“压力厌恶型”跳槽：因为当前工作压力大，就幻想“换个行业/岗位就能轻松”，但事实上，高薪高成长的岗位必然伴随高压。
“错位比较”心理：拿自己行业的“缺点”对比其他行业的“优点”（比如觉得金融“光鲜”，却忽视其应酬、站队、业绩波动等问题）。
更理性的压力管理策略：
区分“消耗型压力”和“成长型压力”：
消耗型：重复性劳动、无意义内卷、领导PUA——这类压力应该逃离。
成长型：技术挑战、高价值项目、行业前沿竞争——这类压力值得坚持。
用“职业资本”对冲压力：
在年轻时积累足够的技能、履历、人脉，未来才有资格选择“更自由的工作方式”（例如大厂高T级员工转顾问/自由职业）。
所以我以为：如果当前压力主要来自成长型挑战（如技术迭代快、项目难度高），反而应该坚持；如果是消耗型（如团队混乱、老板压榨），再考虑跳槽。
金融行业AI岗薪资较低，本质上反映了一个现实：在金融体系内，技术是成本中心，而非利润中心。
科技公司愿意为TOP 算法工程师支付高薪，是因为技术直接驱动产品竞争力（如推荐算法提升广告收入）。
金融机构的利润主要来自资金规模、牌照优势、信息差，技术只是辅助工具。
薪资的长期影响：
短期看，2倍薪资差距很大；但5-10年后，如果留在AI行业成为Expert（或转管理），薪资可能反超金融支持岗。
金融行业的薪资增长往往依赖奖金（受市场波动影响大），而科技公司的薪资结构更稳定（股票+现金）。
所以：如果薪资是重要考量，可以尝试和现有公司谈涨薪（比如用券商offer作为筹码），而非直接降薪跳槽。
“男生职业周期更长，性别歧视更小”，这一点在技术行业确实存在，但也要注意：
年龄歧视对男女同样存在：35岁危机不分性别，关键看是否积累不可替代的能力。
金融行业反而更“重男轻女”：比如投行、基金经理岗位，男性比例明显更高（资源型行业的特点）。
建议：不Bi 过度依赖性别优势，而是聚焦于“如何成为行业前20%的稀缺人才”（比如AI+垂直领域的深度结合）。
同学们在做选择时应该问问自己：
10年后，我想成为什么样的人？
如果是“AI领域的技术Leader”，选大厂继续深耕。
如果是“金融行业的量化expert”，现在就该去TOP 对冲基金（而非券商技术岗）。
如果是“追求工作生活平衡”，可能需要彻底调整预期（比如去外企或国企的技术岗）。
职业选择没有jue dui的对错，但一定要符合自己的长期目标，而非短期情绪。
微信扫一扫
