凌晨一点，上海财经大学的研究生公寓里，林薇盯着屏幕上某国有大行2027届秋招的“岗位已关闭”提示，发了好一会儿呆。金融学硕士，两段银行实习，CPA过了三门，简历上挑不出大毛病的不安。可她没有投递AI岗位，她投的是“对公业务客户经理”和“数字化转型专员”——后者在她投递后的第三周，悄悄变成了“AI运营与数据分析岗”，笔试题也从行测换成了Python基础与机器学习案例。林薇没有放弃，转头投了同一家银行的省分行管培生，那是一个她从前根本不会多看一眼的基层岗位。系统提示“该岗位拟录用人数较上年缩减50%”。合上电脑之前，她给在另一家国有行科技部门实习的本科室友发了一条微信：“你们那边听说今年要招多少人？”“后台研发扩了，前台的客户经理通道砍了很多，信贷审批岗基本冻结了。”对面几乎是秒回。
林薇的遭遇，不是一个人的遗憾。把镜头拉远到2026年秋季的四大行总行与省分行校园招聘计划，一组数据说明了一切：工、建、农、中四大行的常规秋招名额整体缩减约7000人，创下近五年来最大降幅。但在这个“缩”的旁边，是另一个“扩”——AI算法、大模型应用、数据分析、智能风控等岗位的招聘量同比上升了38%。其中，建行旗下的金融科技公司计划招聘AI相关方向毕业生的规模，比去年增加了近一倍。四大行总部层面甚至出现了一个微妙的错位：传统信贷审批、风险控制、运营合规等岗位的需求量断崖式下跌，而服务于行业大模型训练、企业级知识库构建、生成式AI应用治理的岗位，则在抢人。缩的是几千个旧位子，扩的是几百个新方向，二者的绝对数量差距悬殊，却各自指向截然不同的未来。
这种“一边收缩、一边狂热”的分化，本质上是银行资产负债表在劳动力市场上的一次投影。2025年，42家A股上市银行的净息差已降至1.4%左右，部分股份制银行甚至跌破1.2%。息差收窄意味着银行赚“存贷差”这门古老生意的毛利空间被急剧压缩。零售端，消费贷与按揭需求疲软；对公端，制造业和基建项目的信贷投放趋于饱和，而低效的中小企业贷款不断暴露不良。当赚钱的旧业务不再支撑庞大的员工基数，降本增效就成了唯一的选择。2025年半年报里，四大行的员工成本增速均已降至1%以下，而信息科技投入占营收的比例却普遍上升至4%以上。这背后是一个残酷的计算：一个应届生入职客户经理岗，前三年在银行账上大概率是一个净亏损的投入，培养成本和客户拓展失败的损耗远超他创造的中收；而一个训练有素的AI算法工程师，从入职第一天开始就在为银行降低单位的运营成本——他可以优化客服机器人，让一个人处理原来十个人才能应对的咨询量，也可以在智能风控模型里，把信用卡套现的识别准确率从77%提到93%。
这些看起来遥远的数字，正在改变具体岗位的存在。某国有银行2025年年报披露，其智能风控系统累计拦截欺诈申请超过300亿元，而该系统所在团队仅有47人。同样在这家银行，曾经拥有超2000人的贷后催收与信审团队在过去两年内压降至不到800人。一个系统的上线，就是一批岗位的消解。与此同时，银行的“AI岗”早已不是纯粹的写代码岗，而是与业务场景深度融合的复合型角色。比如“大模型算法工程师—智能投研方向”要求候选人既懂transformer架构，又得在面试时对答如流解释国内宏观流动性传导机制；“数据产品经理—零售客户画像方向”则要理解信贷产品和用户增长逻辑。传统金融求职所看重的证书与实习经验，在这个新坐标系里让位于模型训练经验、算法比赛成绩与代码项目。但这种切换的门槛极高——2027届秋招中一个“数据分析师-风控方向”的岗位能收到1200多份简历，其中具备高质量项目经验的毕业生仍不足5%。这意味着对大多数商科文科背景的应届生来说，AI岗是一座看得见却爬不上的山，而他们原本能落脚的旧山脚正在被海水吞没。这正是此次秋招里最核心的焦虑：不是岗位变少了，而是大量岗位对能力的要求已经换了底层结构，而教育体系的反应速度明显太慢。2026年秋季，国内头部财经院校发布就业报告，金融科技相关方向毕业生的就业率接近98%，而传统金融方向的就业率首次跌破85%。
面对一场连大行间HR都说不清格局的结构性变迁，个人能抓住的确定性也许在于四个方面。
把“银行”拆开，看见背后的科技平台。很多人盯着工行、建行总行管培生报录比超过100:1的数字发愁，却忽略了同一时间建信金科、工银科技、农银金科这些正在大规模招兵买马的子公司。它们依然挂着母行的光环，对专业的要求却宽得多。2027届秋招中，建信金科开放了一批面向经管类毕业生的AI产品经理岗位，笔试中技术部分只占40%，剩下的60%考验的是逻辑拆解、用户共情和对业务场景的理解——这是一条被普遍忽视的入口。
把注意力从“技能清单”转移到“场景感”。面试官问“你如何用AI提升银行中收业务”，最常见的答案是“利用大语言模型生成智能投顾报告”。但这恰恰是最不值钱的标准答案。更好的切入点是：“由于投资顾问向客户解释产品风险需要大量合规审核文本，大模型可以做的是自动生成多版本的风险揭示说明书，根据不同的客户画像调整语言复杂度，并将合规免责条款嵌入对话生成的第一个版本中。”这种回答的背后不是技术炫技，而是对银行痛点与合规边界的理解。AI并非替代你，它在嘲笑你还在旧岗位上重复自己。
放下“银行”执念，去看那些银行正在投钱的机构。四大行数字人民币运营中心、金融科技子公司、数据管理部都在招人，而四大行的理财子公司也在扩大科技岗位的招聘——它们不叫“银行总行”，却拿着银行的牌照和预算做AI转型。2026年上半年，六大行金融科技子公司合计发布人工智能相关岗位同比增长超过26%，这些公司和银行总行在同一座大厦办公，做的却是改变银行未来的事。而今年的秋招中，这些子公司的网申截止日期普遍比总行晚了两周——这半个月，是留给开窍者的窗口。
最后一点，也许最被忽略：不要因为一次拒绝就开始怀疑自己。林薇最终没有进入银行，她去了一家做金融行业大模型应用的创业公司，担任场景运营专员，薪资比银行管培生低了一千元，却每天在与银行的合作项目里学习它们如何重构信贷流程。那天她发了条朋友圈：“以前觉得进不了银行就是失败，现在觉得自己站的地方面对的是银行明年的预算。”她说的不一定对，但那个从前在银行门口等一个名额的女孩，已经知道要往钱流动的方向去而不是在职位表上找安全感。
四大行的K型分化不只是裁掉了传统岗位、扩招了AI岗，它划开的是未来数十年金融行业劳动力结构的真相：当标准化、可复制的旧金融劳动被算法以更低成本实现，剩下的价值要么在上层——那些定义规则、架构组织、决定AI部署边界的位置；要么在层间——那些能将技术逻辑翻译成业务语言、在混沌中建立新秩序的人。银行不再是一座容纳千人安稳度日的象牙塔，它正在变成一条流动的河，岸边没有岸，只有方向。对被浪头打到的人，那也许不是吞噬，而是一次被迫出发。