剛上大一，就進特斯拉實習了。進入特斯拉實習，是很多大學應屆生的夢想。最近有一位小哥提前圓夢，他剛剛迎來大學第一個暑假，就拿到了特斯拉的實習offer，加入特斯拉現在最核心的Robotaxi團隊。細扒之後會發現，類似的案例在馬斯克名下的公司並不罕見，這體現了馬斯克“不拘一格降人才”的風格。馬斯克的這種招人理念，也開始被其他大廠借鑑。高中畢業第二年，進特斯拉實習特斯拉Robotaxi軟體團隊最近來了一名暑假實習生：伊森·麥克坎納（Ethan McKanna）。這條消息已吸引了數十萬人圍觀。一個實習生入職為什麼能有這麼高的熱度？一切還得先從麥克坎納這個人說起。麥克坎納是一名自動駕駛愛好者，去年還在上高中，目前在德克薩斯農工大學電腦專業學習。公開資料顯示，德克薩斯農工大學在全美公立高校中排名第六，距離麥克坎納的家鄉奧斯汀也就2個小時的車程。奧斯汀正是特斯拉總部所在地，也是特斯拉最早上線Robotaxi服務的城市。據麥克坎納介紹，特斯拉在他老家部署Robotaxi後，他出於好奇想瞭解Robotaxi車隊進展，於是開發了一個網站：「Robotaxi追蹤器」。Robotaxi追蹤器彙總了公開資料，包括車輛登記資訊、車牌號、車輛所在地地圖和交管局事故等。AI會利用這些資料，結合社交平台的目擊資訊分析，最終得出當地的車隊情況。這讓每個人都能通過網頁看到特斯拉、Waymo和Zoox等自動駕駛公司在不同地區的車隊情況。以特斯拉為例，追蹤器顯示特斯拉目前已經部署了近400輛Robotaxi，其中只有8輛是無人駕駛（UNSUPERVISED），有89輛部署在了奧斯汀，當地打特斯拉Robotaxi預計需要等15分鐘。可以看到追蹤器傳送的資訊很全面，更新頻率也很高，所以很快成為了權威資料來源，連《紐約時報》等知名媒體也引用該追蹤器的資料。麥克坎納也因此一炮而紅，從而在大一獲得了前往特斯拉實習的機會。馬斯克招賢納士，確實不拘一格。英雄馬斯克，招人不問出處馬斯克招人，向來英雄不問出處。比如特斯拉如今負責FSD的副總裁Ashok Elluswamy，他在加入特斯拉Autopilot團隊前，不過是大眾集團電子實驗室的一名實習生。再比如SpaceX初創時期，馬斯克為了做一個火箭發射和軌道力學模擬軟體，特意跨界去招了很多資深遊戲開發者。不管是在特斯拉還是在SpaceX，馬斯克也一直敢於提拔年輕人，讓他們承擔重要任務。比如SpaceX獵鷹1號火箭的很多子系統負責人，在當時都很年輕，年齡普遍不到30歲，地面發射控制軟體的負責人當時也就才26歲。這些人被馬斯克青睞，往往並不是因為學歷有多高，或者資歷有多深，而是他們通過某種方式證明了自己的能力。最近的案例來自馬斯克名下的大模型公司xAI。xAI推出的產品名為Grok，Grok資料標註團隊的負責人目前只有20歲，名叫迭戈·帕西尼（Diego Pasini），去年9月剛上位。他在2025年1月xAI的駭客松中（一種長時間程式設計的比賽）獲勝，因此得以加入xAI，入職僅8個月就被委以重任。馬斯克的招人風格，目前有向其他科技巨頭擴散的趨勢。有創業者最近就感慨，她發現一邊是史丹佛大學這種頂尖名校的畢業生也不好找工作了，而另一邊則是一些二十歲出頭的在校生，卻能找到不錯的工作，而且工資甚至比很多資深專家還高。這些年輕人未必出身頂尖名校，自然也沒啥經驗和資歷，但是卻有硬核經歷，他們上線過出色的產品，受到了使用者歡迎，進而證明了自己的能力，最終受到科技巨頭青睞。這也是馬斯克一直以來的招聘理念，不拘一格降人才。19歲的伊森·麥克坎納，就是最好的例子。 (智能車參考)

關於 AI 對未來的衝擊，我們似乎已經達成了一個共識：“AI 會取代那些重複、枯燥、低技能的體力活，把人類從瑣事中解放出來，讓我們專注於更具創造力、更複雜的任務。”聽起來很美好，對吧？但這可能是一個巨大的誤判。就在剛剛，Anthropic（Claude 背後的公司）發佈了他們的第四期《經濟指數報告》。資料正在揭示一個殘酷的真相：AI 並沒有去掃地、洗碗或填 Excel 表格，它正在以驚人的速度，攻佔那些原本屬於人類“最高智力”的領地。我們面臨的最大危機，或許不是失業，而是“去技能化”（Deskilling）。01越燒腦的任務，AI越管用在報告中，Anthropic 引入了一個新的概念：“經濟原語（Economic Primitives）”——這是一組衡量 AI 使用情況的基礎指標，包括任務複雜度、所需的教育水平、自主性等。通過分析這些資料，他們得出了一個極度反直覺的結論：理解 Prompt 所需的學歷越高（即任務越複雜），AI 幫你節省的時間反而越多。我們通常認為，AI 應該最擅長處理簡單任務。但事實恰恰相反，在低認知任務上，AI 的提效並不明顯；反而在那些需要博士學位、需要極高邏輯推理的“燒腦”任務中，AI 展現出了降維打擊般的速度優勢。這意味著什麼？意味著 Claude 不是來做你的“實習生”幫你打雜的；它是來做你的“合夥人”幫你解決奧數題的。它對複雜認知工作的處理能力，遠超我們的想像。02AI 的能力邊界正在重塑別再盯著那些幾秒鐘就能生成的文案或程式碼看個沒完了。真正的戰場，在於 Task Horizons（任務跨度）。報告披露了一組API 資料：在處理那些需要人類耗時 3.5 小時才能完成的複雜任務時，Claude 的成功率已經達到了 50%。而在更長的任務周期中，由於使用者可以基於 Claude 的反饋進行迭代，可靠性甚至更高。3.5 小時，這幾乎是人類半個工作日的有效產出時間。這標誌著 AI 已經跨過了“聊天機器人”的門檻。它不再是那個你問一句、它答一句的玩具，而是一個能夠獨立承擔長鏈條、高複雜度工作的“獨立行動體”。雖然它仍有一半的機率失敗，但考慮到它能將 3.5 小時的工作壓縮到幾分鐘內完成，這種 ROI（投資回報率）足以讓任何一位理性的管理者動心。03恐怖的“去技能化”效應如果 AI 把那些高技能、高認知、最具挑戰性的“硬骨頭”都啃下來了，那麼人類剩下的是什麼？報告提出了一個概念：Deskilling（去技能化）。試想一下：以前，一位資深程式設計師需要構思架構、編寫核心演算法、偵錯複雜的 Bug。這是高技能工作。未來，AI 瞬間完成了架構設計和核心程式碼，人類程式設計師只需要負責稽核程式碼、拼接模組、修改細微的錯誤。工作消失了嗎？沒有。但工作的性質變了。最有價值、最鍛鍊思維、最能帶來成就感的那部分“思考”，被外包給了矽基生物。人類員工可能不再是“專家”，而淪為負責稽核和打雜的。這種變化是潛移默化的。我們可能還會坐在辦公室裡，領著薪水，但我們的核心競爭力——那種深度思考和解決複雜問題的能力，正在慢慢退化。我們不再是AI工具的主人，我們成了AI的“實習生”。Anthropic 的報告最後指出，AI 對全球工作的影響將是極度不均衡的。它不會均勻地打擊所有人，而是會精準地狙擊金字塔尖的認知白領們。未來的職場或許只剩下兩類人：超級個體：那些懂得駕馭 AI，利用 AI 的算力來延伸自己決策半徑的人。他們將站在系統的頂端，指揮 AI 完成曾經需要一個團隊才能完成的複雜任務。打雜的：那些失去了深度思考能力，只能處理 AI 剩下瑣碎、邊緣、流程性工作的人。他們將面臨徹底的“平庸化”。 (AI Pioneer)

突擊安排實習生完成5小時建模測試要求從零開始完成一個300多行的LBO模型還要做一個關於CoreWeave交易的merger model據說測試結果還會影響你能不能拿return offer...WSO上有人曝出Moelis上周summer intern的經歷👇cr.wso如果真按截圖所說只能說Moelis的高壓文化似乎並未真正改變Moelis實習生：後悔接Offer，這裡是血汗工廠這篇帖子下的熱評第一，疑似是Moelis的實習生，👇字裡行間滿是高壓工作下的崩潰。“在培訓結束後，我們就接到任務：要在一周內完成手動整理hand-spread comps和公司簡介。結果又突然被安排要在3小時內完成LBO模型搭建。聽說休斯頓團隊的實習生早在第一周空閒時，就收到LBO模型用來提前練習，而且團隊每天8:30還會嚴格查考勤、抓進度；但我們團隊沒有這樣提前熟悉的機會。這種‘別人早有章法準備充分，自己卻像臨時被推上場的新手’的落差，很不公平。聽說接下來還有M&A模型的任務，真的超級後悔接Moelis的Offer。”有人希望這是一篇惡搞的post。但很可惜，這是事實。Moelis的發言人已經對實習項目的整體安排做出解釋：為期10周的實習項目會讓實習生接觸實際交易業務與技術培訓，其中就包含上述提到的LBO建模測試，但耗時不超過3小時，此外還有其他以培養為目的的體驗活動。公司強調，此次測試不以評估為目的，更不涉及return offer的發放，是為了鍛鍊實習生的實戰能力。所以，是實習生越來越菜還是LBO測試真的超綱？評論區有位網友化身犀利哥，用Ridiculous 來評價搞這類建模測試的投行或團隊。他直言，即便是最優秀的投行bankers，培養相關技能也需要時間沉澱；而要求一個實學生在短短一個月內，就掌握能通過這種測試的能力，簡直是crazy（有大病）。另有一位投行第三年分析師提到：“我認識的一些2nd year analysts都沒法從零建構LBO模型，在我所在的精品投行（EB）裡，多數第二年分析師和非由分析師晉陞的助理，其實也都不具備這種能力。”而要論評論區的吐槽king，非這位莫屬👇“過去，多數Senior MDs在實習時，可能只是在列印室消磨時光，工作內容相對簡單輕鬆；而如今，他們卻要求實習生在規定時間內完成LBO模型搭建這種高難度任務。”評論區也有另一種聲音。有自稱毒蛇的職場老炮認為：“現在實習生抗壓弱、能力水，實際工作中，既有長期推進的項目，也會遇到突發挑戰（fire drills），所以本就應該有隨機考核。”還有更暴力的銳評👇“實習生一年比一年笨，LBO是基礎technical，本該面試前就學透，結果大家只會死記硬背題庫應付面試，根本沒真懂。”也有人從理性角度分析道：“我早年進入投行的Equity Research部門時，都是在工作中現學LBO建模 —— 為了應對交易、路演等需求臨時抱佛腳，要是學不會就被項目硬逼著學會，考核其實都藏在實際工作裡。而現在的實習生卻被突擊測試搞得心態崩潰，但實際上能力會隨著工作推進自然成長，比如PE招聘前，大家都會主動補充相關技能，根本沒必要用隨機建模測試來判定職場成功與否。要是當年也搞這種突擊測試，我肯定也會搞砸。不過，吃一塹長一智，下次就會提前準備了。”而且這位理中客推測：“Moelis搞這類測試，可能是因為這屆實習生表現太差，想用‘休克療法’來震一震他們，但我覺得這種測試沒必要。”也有人在評論區給出了改進的建議。從投行角度看，要求實習生做建模測試是合理的，因為這是投行核心技能。但如果是毫無預兆的突擊測試，那很不合理、會打擊實習生。 如果能給實習生長周期建模任務，大家是能接受甚至更願意的（畢竟能真正學懂）。想上岸投行，LBO要提前練嗎？LBO建模，全稱Leveraged Buyout Modeling（槓桿收購模型），是一種廣泛應用於併購（M&A）和私募股權投資（PE）領域的估值建模技術，主要用於評估通過槓桿融資完成的併購交易是否具備財務可行性。LBO建模不僅能幫助判斷一筆交易“能不能買”，還能用於設計融資結構、評估投資回報等關鍵環節。LBO模型的關鍵用途1️⃣ 交易可行性分析：判斷“能不能買”LBO模型的第一大用途是幫助判斷一筆槓桿收購是否可行。簡單來說，就是評估買方是否有能力通過融資完成收購，並在收購後維持健康的財務狀況。2️⃣ 估值工具：與DCF、可比公司分析並列LBO模型不僅用於融資分析，也常被用作估值工具。它和DCF（現金流折現法）、可比公司分析（Comparable Company Analysis）一起，並列為評估企業價值的三大核心方法。3️⃣ 交易結構設計：決定“怎麼借錢”在併購交易中，如何安排融資結構至關重要。LBO模型可以幫助設計債務比例、利息支付安排以及償還計畫等，幫助買方在風險可控的前提下最大化槓桿效應。4️⃣ 投資回報分析：算清“能不能賺”最後但同樣重要的是，LBO模型還能幫助PE評估投資回報。通過模型，可以計算出投資期間的內部收益率（IRR）和現金回報倍數（MOIC），從而判斷這筆收購是否值得做。為什麼很多投行分析師不會從零搭建LBO呢？那麼問題來了，為什麼這麼核心的技能，很多投行分析師不會從零搭建LBO呢？一個原因是投行內部通常有範本庫（Template Library），新項目通常只需複製已有模型、修改輸入參數即可，因此很多人只熟悉調整輸入、修改假設、理解輸出，但不熟悉從頭搭建。另一個原因是模型搭建往往由資深分析師或助理主導，初級分析師負責資料輸入、格式調整等。因此，很多分析師只是“會用”模型，而不是“會建”模型。LBO模型涉及較多財務知識（如槓桿融資結構、利息覆蓋率、現金流壓力測試等），對剛入行的分析師來說學習成本較高。到底要不要提前學習LBO建模？如果你的目標是投行IBD、PE方向，LBO建模不是要不要練的問題，而是什麼時候練完的問題。精品投行如Moelis、Evercore、Centerview、Lazard 等專注於M&A業務，幾乎不做IPO、債券等其他業務。因此，LBO幾乎是必考內容，面試官希望你能當場搭建模型、分析交易結構、判斷槓桿收購的可行性，並計算IRR 和 MOIC 等關鍵指標。相比之下，八大投行作為綜合性投行，業務涵蓋資本市場、併購、衍生品等多個領域，面試內容也更廣泛，可能包括DCF估值、可比公司分析、財務報表勾稽關係、市場動態理解等基礎與中階問題。但這並不意味著LBO不重要 ——在IBD併購組、PE組、A&M組等崗位，LBO模型仍然是高階考察點，尤其在評估候選人的建模能力、交易理解深度和財務分析水平時，具有決定性作用。而如果你希望後續能跳到買方PE，LBO更是面試必考內容。因為它直接反映了你是否具備買方思維和交易分析能力，而這正是PE工作的核心競爭力。雖然都考LBO，但IBD和PE的側重點略有不同IBD面試測試你是否具備基礎建模能力、估值邏輯、行業理解，更偏向技術性問題（walkthrough、IRR 計算、影響因素等）PE面試測試你是否具備 deal sense、商業判斷、風險意識，更偏向實戰型問題（deal structuring、回報最佳化、退出設計）。在投行面試越來越卷的情況下，提前學習LBO建模能提升個人競爭力。LBO Model幾乎是金融面試必考的知識點然而估值模型學習難度較高有業內導師指點才能在面試準備上事半功倍 (WallStreetTequila)

當所有人都在談論不可替代時， 她卻展現出可替代的一面。 2025年開年，全球頂級資管公司貝萊德發佈全球投資展望，一位華裔女高管走入大家的視野。 她的名字叫李薇，35歲就坐上了貝萊德全球首席投資策略師的位置，已經連續三年代表貝萊德解讀全球投資展望，是該公司名副其實的“全球發言人”。