2025年的春天，在DeepSeek掀起的技术浪潮中，伴随逐步明朗却又带有戏剧色彩国际地缘格局的变化，对于微观个体来说，无论是个人财富还是职业发展，我们都满怀期待却又不得不有一点“焦虑或迟疑”。在刚刚结束的周末，上海交通大学上海高级金融学院MBA在上海、北京两地校区同步开启高金MBA2026级招生政策发布系列活动。李峰副院长、朱宁教授等高金顶尖学者、校友和特邀业界先锋走上高金讲坛，与各位心怀高远目标、不畏时代挑战的学员、好友们共同拉开高金2025年MBA论坛年度巡回活动的帷幕。FT中文网作为上海交大高级金融学院的媒体合作伙伴，将继续参与、支持SAIF2025年MBA系列活动。
上海交通大学上海高级金融学院MBA项目执行主任、高金金融研究院助理院长倪海英老师为京沪两地同学带来“实践培养再升级，打造终身学习生态”主题分享，并详细介绍了高金2026金融MBA全面升级的课程体系。
3月1日 上海
《科技与金融：来自DeepSeek的启示》
李峰教授
上海交通大学上海高级金融学院副院长、会计学讲席教授、中国金融研究院执行院长、上海高金金融研究院联席院长
“以解决问题为导向，培养工程师思维，加强对科技的理解、人性的洞察；这将是MBA培养体系革新的方向。”
技术颠覆：开源生态重构全球AI格局
李峰教授指出，DeepSeek R1模型以其技术性能与开源生态对行业形成重大颠覆，尤其是开源模式直接降低了AI的应用门槛。DeepSeek的横空出世，不仅“震惊了全世界”，也对中国未来科技发展提供了很强的提振信心的作用。
同时，DeepSeek等AI技术会带来深远的影响：在短期内，AI作为一个“协同”角色，可以做很多辅助性工作；在中期，很多工作可能会被“替代”；而在长期，AI则会产生“颠覆”性的影响。
资本启示：耐心资本与科技创新的共生
针对DeepSeek成功的要素，李峰教授表示：创始人本身的极客文化精神与自有资本的耐心造就了DeepSeek的成功。他还以波音公司和英伟达为例，指出“因为华尔街过度关注短期投资回报，波音公司大幅回购股票与分红，导致研发投入下滑，新机型推出迟缓，最终因品控危机元气大伤”，反观英伟达，“创始人黄仁勋坚持投入CUDA生态，扛住华尔街压力，证明
伟大的创新需要抵御资本短视
”。而
资本缺乏耐心的关键原因在于“信息不对称”
，包括投资人对技术路径及趋势的信息不对称，以及投资人与管理层的信息不对称。
教育重构：AI时代的MBA教育改革方向
面对AI对商科教育的冲击，李峰教授探讨了MBA教育的未来方向：
首先，坚持
问题导向
：要把以理论和学术为导向转为解决问题为导向，课程设计需回答“解决什么真实商业问题”；
其次，建立
对科技的理解
：课程体系里应该加入技术普及性的科技模块知识，建立对技术路径的直觉判断；
第三，培养
工程师思维
：培养“分拆问题-迭代优化”的系统方法论；
最后，加强
人性洞察
：投资人需要加强对创始人和管理层的性格、品质的理解。
在以“AI时代：颠覆与创新，重塑商业价值”为题的圆桌环节，交大网络信息中心副主任林新华博士、机器之心创始人CEO赵云峰围绕AI应用场景与MBA人才培养展开了深度对话。
从技术角度看，DeepSeek的成功与量化金融存在“强人才关联”，“低延时人才在高频交易中是非常重要的”。他表示，尤其要加强对科技素养的培养，他建议MBA教育可推动“跨学院联合课程”，加速科技成果转化。
赵云峰重点分享了对耐心资本的看法，他坦言，“耐心资本是稀缺的，但却是非常必要的，相信通过金融机构、AI信息服务机构、政府和有情怀的基金的共同努力下，一定能创造出耐心资本的新形式”。对于MBA教育，他认为其核心价值在于搭建一个长期的、跨领域的桥梁，为不同领域的人才提供合作与资源共享的平台，推动思维与价值观的碰撞。
在全球宏观投资领域，"黑天鹅"的常态化特征日益凸显，这要求投资者必须清醒认识到市场信号辨识与趋势预判的复杂程度正在指数级增长。在此背景下，个人投资者亟需构建多元包容、长期累计增长的投资组合，采取“以不变应万变”的策略。在不确定因素增多的大背景下，无论是企业投资还是个人投资，都应该规避频繁交易、天真多元化、地域集中、行业集中、追涨杀跌等投资误区。对于大众投资者群体，建议采用多元化、制度化的投资方式，即通过公募基金实现个人与专业资产管理能力的嫁接。在个人的日常投资中，运用被动指数型工具的定期定额投资机制来对冲市场波动，在不断建构自己的金融学知识的基础上，通过理性、长期的知识累积和不断加强深度思考的能力，用长期主义的逻辑帮助非专业投资者在风险可控前提下实现资本的长效增值。
圆桌讨论
从“+AI”到“AI+”：产业升级的范式重构与价值共生
庞佳军
中信建投电子行业联席首席分析师/人工智能行业联席首席分析师
二级市场永远以中年思维投确定性，产业波动中寻找稳锚、重构投资逻辑：AI人才正成为生产力的新内核，他们脑中的理念与理解力，本身就是可迭代的“最大模型”。
当前企业数字化转型中，数据正成为最为稀缺的核心战略资产，其供给能力与资源协调能力对于“IT系统配合AI应用”这一过程至关重要。同时，AI在助力企业运营、提供数据来源方面前景广阔。尽管AI概念火热，但严肃商业场景的深度应用仍处早期，数据基建薄弱的企业尤其面临长周期磨合挑战，短期内难现规模化价值突破。
张文卓作为国内深度参与量子科技和随机算法的学者，在从科研转向创业的过程中，通过不断的商业化实践，摸索了一套技术成果转化与现实应用场景衔接、落地的经验。他认为AI大语言模型可被视为人类历史上的第二次信息革命，其演进路径与第二次工业革命，即电力革命高度相似：正如电力作为二次能源重塑工业体系，大模型通过基于数据的生成能力形成智能"新基建"。训练过程如同发电，推理则如同用电，最终将发展为全民共享的基础设施，成本摊入网络使用费。技术变革带来双重机遇：一是通过智能化改造降低传统行业（如医疗、教育）成本，实现服务普惠化；二是催生当前信息时代没有的新业态，如同电力催生工业时代没有的影视产业。当前基础模型研发如同早期发电站建设，虽需巨额投入，但奠定技术标准。未来价值爆发点在于各行业与AI的深度融合——所有领域都将如依赖电力般，最终依赖AI大模型，这既是必然趋势，也是创新的核心战场。
