干了两年金融交易员，她现在受不了别人把一句话说第二遍

“请帮我打印两份黑白双面的资料。”

“没有彩色打印机。”

“我就要黑白的。”

“那你要几份？”

“两份。”

“单面还是双面？”

”…”

她做的是一门机器学不会的工作，但这份工作，正在把她变成一台机器。

钴。电动车的电池、手机、合金里都有它。可你要是想知道去年一整年它到底成交了多少、价格怎么走的，没有任何一个地方能给你一个完整的数字。它的买卖太稀疏，散落在双边协商和长期关系里，不走中央结算，像场外交易。

Angela 的工作，就是去找到这些数据，把答案解出来。

她做的是一门机器学不会的工作，但这份工作，正在把她变成一台机器。

见到她那天，她刚下班，眼神疲惫，黑眼圈若隐若现。她说是熬夜看世界杯看的。

她是伦敦的交易员。北大本科，INSEAD 读的硕士，那是欧洲最好的商学院之一。“我算不卷的那种。“她说。可能她下意识对比的，是北大和 INSEAD 里最 top 的那批人，“我很多同学找的工作都比我好。”

很少有人知道，她本科念的是文学。那时候她对表达和写作感兴趣。但为了就业，她又顺手修了商业分析的第二学位。她的第一份工作，是做大宗商品研究。

大宗商品研究，是内容生产者，有点像 Bloomberg。我们熟悉的股票买卖是中央结算的，海量交易数据都汇在一处，你坐在屏幕前就能看清整个市场。可钴、稀土这类东西不一样，它们靠双边协商、长期合作成交，没有一个地方有完整数据。研究员得自己去调研：谁在买，谁在卖，市场嗅觉，甚至那些根本没被数字化的消息。

调研方法有两种。一种叫 desk，坐在电脑前能搜到的；另一种叫 field，得亲自跑去实地，比如走访一家公司，问出它这个季度到底产了多少、销了多少。以钴为例，它成交太稀疏，光盯着交易数据是不够的，她得去研究它的供应商、交易员、买家，拼出整个市场。

因为她对交易员更感兴趣，所以跳去了现在的公司，做 trader。

她说交易员大概分成三种。一种是银行的交易员，像做市商，用她的话说，“开一个水果摊，但是不产水果，给卖家的水果找买家”，赚的是流量和买卖价差。一种是对冲基金的交易员，像自营摊位，靠差价吃饭。还有一种以 Jump Trading 为代表，纯电子做市，不服务谁也不赌方向，用算法在交易所里对一大堆品种同时挂出买价和卖价，靠极快的速度和巨大的成交量，把每一笔微小的价差重复赚上成千上万次。

我问她，AI 现在能用在你的工作里吗。

“不太能，“她说，“我现在做的多是决策。”

我追问，那要是把你的工作流写成指令喂给 AI，它能帮你做决策吗。

“不行。“她几乎是脱口而出。说完顿了顿，又仔细想了一会儿，“确实不行。这个市场不是完全透明的，它没法被数据完全解释。”

她说，市场偶尔会冒出一些异常，可这种情况出现的次数太少，少到没有统计学上的意义，机器学不出规律。这时候 trader 靠的全是自己的经验，是从前经历过类似的事，凭直觉去判断。

这是她的护城河。她做着一件 AI 暂时还学不会的事。

但这个行业就把人往机器上逼。

交易是争分夺秒的，语速要快，反应要快，没有人喜欢一个问题被问第二遍。环境也很高压。她同桌就曾被 senior 直接扔过笔筒。她自己刚入职的时候，对业务还不熟悉，被骂完就晾在一边，没有一个人教她该怎么做。“那天我在工位上哭了一下午，“她说，“周围没有一个人安慰我，没有人理我。”

在这行干快两年了，她说她自己现在也变得很没耐心。她讲了个段子：

“请帮我打印两份黑白双面的资料。”

“没有彩色打印机。”

“我就要黑白的。”

“那要几份？”

“如果是我会原地爆炸。“讲到这她自己先笑了。

她不喜欢现在的工作。“我们凭经验做的判断，也不一定是对的。“她说。她挺期待有一天能真的把 AI 用进来，给出一个完全不同但是更高效的工作方式。“不过估计是很久以后的事了。”