最近刷财务建模相关的内容，你会看到两种完全相反的场景。
一边是课程广告已经开始卖"用AI一键搭财务模型，从假设到估值全自动"，训练营都开起来了。另一边，社区里流传的一份调研摘要在给这波热度泼冷水：FMI（Financial Modeling Institute）发布了一份叫《The Human Financial Modeller》的白皮书，调研了来自26个国家的63位顶尖财务建模专家，结论是没有一个人敢在没有独立人工审查的情况下，把AI生成的模型直接用于高风险决策。小红书
先说清楚一点：白皮书原文我没能直接获取，这些数据来自社区里的转述摘要，具体数字别当精确事实看。但它和大量一线从业者的实操分享高度一致，值得认真聊一聊。
顶尖专家们实际在怎么用
只看"0人敢直接用"，你可能以为这是一群抗拒新事物的老顽固。其实不是：86%的受访专家都在用AI。
关键是用来干什么。约七成专家的模型工作量里，AI承担的部分不到25%，而且基本是外围任务——大佬们都在用AI，但大多只让它处理边缘任务，比如写写VBA、洗洗数据。小红书一旦进入核心建模逻辑，没有人放任AI自由发挥。
国内从业者其实已经在实践这种分工。一位成本会计的公司只能用内网，自带M365 Copilot，他用AI辅助搭了一套人工成本分析模型，把人工成本精细化，从月→天→小时，精确到每个小时、每个人在做什么、哪条线、哪个成本中心，一共7张工作表。小红书但注意他的分工：模型定位、数据流转是他自己想清楚的，AI辅助的是结构和文案。
还有一位投研博主用AI给刚过会的宇树科技搭财务模型——没有股价、没有季报、连卖方预测都没有，正好是AI干苦力最合适的场景：从招股书和问询函里提数，把业务拆成四足、人形、组件三块分建，跑乐观、基准、悲观三套情景，再用产能和产业链信号交叉验证。作者自己总结：初衷没变，让AI做苦力，人做判断。小红书
AI在建模里掉链子的地方
AI在建模上的错误不是"算不出来"，而是"看起来很对"。为了让资产负债表配平，AI可能会硬塞一个毫无逻辑的 Hard code（硬编码）或 Plug（配平项）。小红书数字是平了，逻辑是错的；写预测时它还会堆出大段嵌套IF，完全不管假设分离、公式驱动这些建模规范；长任务里忘记上下文，前后口径对不上。
这种"看起来合理的错误"最危险：结论逻辑自洽，但专业人员需验证其业务逻辑是否成立。小红书如果你从没手工搭过三表联动模型，不知道配平机制长什么样，真的看不出来。下图就是一张真实模型里的资产负债表：资产=负债+权益逐期配平，右边还带着现金流映射列——看清真实配平长什么样，才是识破AI硬配平的基本功。
这也就能解释那份调研里另一个扎心的数字：报告里有个数据很扎心，59%的大佬担心AI会导致团队的 Reduced understanding（理解力退化）。小红书如果新一代财务人都是从AI手里接模型，没经历过从零搭建，将来谁来复核AI的输出？
一个现实门槛：很多人根本用不上这些工具
Excel Copilot在演示视频里很惊艳，但社区评论区最高频的反馈就五个字：国内用不了。
就算解决了可用性，还有一堆前提。有博主专门核对了官方文档：商用租户E3/E5不自带，要单独加购Copilot许可；个人版家庭版每月只有60个AI credits；文件还必须开自动保存存在OneDrive，不然Copilot不出现。小红书Claude for Excel这类工具同样有使用门槛。而大多数公司财务面对的是内网环境和数据合规约束，有的只有内网部署的模型可用——前面那位成本会计就是典型。
所以判断"AI时代还要不要学建模"的时候，别默认这些工具你一定用得上。
真正有用的结论：三层分工清单
把调研数据和今年国内外的实操案例拼在一起，我的判断是：财务建模这件事，现在应该分成三层来做。
深度学层，这些AI替代不了，也是你复核AI的资本：
三表联动的配平机制——知道平衡靠什么驱动，哪些科目绝不能手动凑数；
假设驱动的建模规范——假设区分离、公式驱动、不硬编码，动一处全身动；
业务拆解能力——收入是量驱动还是价驱动，哪些成本是刚性的，这层AI替你做不了主；
敏感性与情景设计——知道该测哪些假设、区间给多少才有商业含义。
下图是一个真实模型的假设页：市场规模、增速、份额、毛利率集中列示，每条假设都带解释说明——"假设与公式分离"的专业标准，正是AI最容易做不到的地方。
AI协作层，可以让它干但你要盯着：模型框架初稿、解释性文档、VBA宏、公式编写与查错、数据清洗和跨源提数——记得让每个数字标清来源。
可放心交给AI的层：写注释和说明、格式转换、概念讲解，比如让它给你讲清楚折现逻辑、YEARFRAC为什么比整数年更准。
如果要复核AI生成的模型，这五项是底线：
三表是不是真联动——改一个收入假设，看资产负债表还平不平、现金流有没有跟着动；
全表搜硬编码——假设区之外，不允许出现来历不明的数字；
假设与公式是否分离——有没有唯一输入区，而不是假设散落各处；
有没有大段嵌套IF或循环引用——这是AI不顾建模规范的典型痕迹；
敏感性区间有没有商业含义——而不是机械地±20%。
两类人，现在就该认真对待
如果你正在冲财务金融方向的秋招：金融业秋招通常在8月下旬到9月启动网申，10月报名截止，现在正好在窗口期。小红书别以为AI能建模就可以跳过学建模——券商、基金、外资机构的技术面照样考DCF口述和三表搭建，考的是你对模型的理解深度。很多人对DCF的态度是"知道原理，但从来没自己搭过"。知乎面试里一开口就会暴露。未来真实的工作场景是"AI出初稿、你来复核"，不懂模型的人连复核资格都没有。社区里一份PWC的Financial Modeling面试题整理火了，评论区全是求资料。小红书这个需求是真实存在的，而且暂时轮不到AI替代。
如果你是在职的财务BP或会计：外围苦力活别犹豫，大胆交给AI，省下来的时间去理解业务；但预算、估值、投资决策这些高风险场景，现阶段AI的输出没人替你担责，最终版模型和它的逻辑，请留在自己手里。
接下来值得持续关注的动向：据社区转述的邮件截图，微软正联合FMI，将AFM框架植入Excel Copilot。小红书如果属实，意味着AI建模正在从野蛮生长走向有规范约束；再加上Copilot在国内租户的可用性进展、FMI白皮书原文和更详细调研数据的公开，这条线有新进展，值得再聊。
