【Offer 13】海外金融硕告别券商传统内耗,5个月突围斩获 FinTech 大厂 AI 产品经理,薪资暴涨50%!

Yun（QS前百金融硕转 FinTech AI 产品）

个人背景

学历：

2016.09-2020.06 国内财经院校投资学本科（专业前1%）

2021.02-2022.05 英国南安普顿大学（QS前百）金融学硕士

工作经历：

2022.06-2023.12 某头部A股上市券商产品运营 & 用户增长

2024.01-2026.05 某头部A股上市券商机构营销支持

转行关键时间线：

2022.06 英国硕士毕业回国入职上市券商，开启金融圈打工人生活

2024.01 在券商内部初步尝试业务与 AI 结合，但受限于传统体制，深感缺乏系统性产品思维

2026.01 遭遇职业瓶颈期，不甘心受限于传统金融的业务天花板，决心向纯正的科技/FinTech 行业转型，对接 Offer Mentor 开启辅导

2026.02-2026.03 系统重塑 AI 产品架构逻辑，将过往内部零散的 AI 尝试提炼为三大硬核 B 端落地项目，打磨出击大厂的社招简历

2026.04-2026.05 开启春季社招海投，经历多轮大厂与头部金融科技公司的技术与业务交叉面

2026.05成功斩获头部 FinTech 公司 AI 产品经理 Offer，薪资暴涨50%，准备入职

01 券商围城里的觉醒：当传统金融遭遇效率瓶颈

我是一名典型的海归金融生，带着南安普顿大学金融硕和本科专业前1%的光环，毕业后顺理成章地进入了国内一家A股上市券商。在外人看来，做财富管理、跟高净值客户和机构打交道，是一份足够体面且光鲜的工作。

起初，我负责 APP 产品改造和高净值客户运营。但随着业务深入，我转岗到了机构营销支持，随之而来的是传统金融业务里深不见底的“内耗”。

机构业务的痛点是极其折磨人的：销售填报 CRM 系统完全是反人性的，不仅数据滞后失真，无数珍贵的历史拜访记录全都沦为“死库”；资管和投研团队每天要处理海量的私募产品资料，纯手工提取财务指标、撰写尽调报告，耗费数小时的重复劳动严重挤压了核心分析的精力；而在给客户出定制方案时，哪怕是一个简单的测算，也要依赖人工拉数据，响应极慢，极易导致客户流失。

我不禁反思：金融的核心本该是资产与风险的定价，为什么我们每天却在被这些低效的“手工搬砖”工作拖垮？2024年初，我开始在部门内部牵头尝试引入 AI 技术（比如大模型和 Agent）来解决这些痛点。但我很快发现，在传统券商体制内，缺乏纯正的互联网产品体系和技术土壤，我的尝试更多停留在“业务支持”层面，难以形成真正的职业壁垒。

到了 2026 年初，我想要彻底跳出券商的条条框框，去真正的科技公司/FinTech 赛道做一名专业的 AI 产品经理。但这对于一直身处传统金融圈的我来说，无异于一次极具风险的“越狱”。

02 破局之路：撕掉“金融运营”标签，重塑 AI 产品内核

带着巨大的职业焦虑，我在 2026 年 1 月找到了 Offer Mentor。第一次沟通时，我向老师抛出了我最大的顾虑：“虽然我在券商内部推过几个 AI 小工具，但我没待过正经的互联网大厂，不懂系统架构，也不会写代码。现在去和那些计算机科班出身的卷 FinTech 的 AI PM 岗位，人家凭什么要我？”

老师听完我的背景和项目后，非但没有觉得劣势，反而非常兴奋：“你的价值被严重低估了！你以为科技公司缺的是懂大模型底层参数的人吗？不，他们最缺的是‘懂业务’的人！你有对资管全周期业务的实操经验，你统筹过机构、助力过近 300 亿资管规模落地，你比任何技术人员都懂金融 ToB 业务的痛点在哪里！你要做的不是去补代码，而是把你的金融认知翻译成顶级的 AI 产品语言。”

这番话让我醍醐灌顶。我迅速报名了辅导，开始了长达两周的“洗髓”过程。老师带着我深入补齐了 AI 产品的底层架构知识：从 RAG的工作原理、Coze 与 Dify 等智能体平台的复杂搭建，到 Prompt Engineering 调优和 Vibe Coding 的前沿理念。

更重要的是对简历的“脱胎换骨”。老师帮我把原本写得像“业务汇报”的券商工作经历，彻底用 AI PM 的视角进行了重构。我们将我在券商内部的探索，打磨成了三个极具含金量的王炸项目

03 春招厮杀：把面试官拉入我的“业务主场”

2026 年 4 月，春招全面爆发。凭借着极度对口的简历，我很快拿到了几家头部 FinTech 公司和科技大厂金融业务线的面试机会。

面试的过程并非一帆风顺。由于我跨行跳槽，很多面试官一开始会试图用互联网黑话或者纯技术底层的架构问题来考验我。有一次被问到“RAG 检索中召回率不足如何优化”时，我有些卡壳。

复盘时，老师严厉地纠正了我的策略：“记住，你是业务型 AI 产品经理，不是算法工程师！遇到纯技术卡点，你要迅速把话题拉回到你对业务场景的解法上。”

在随后的某头部 FinTech 公司的多轮面试中，我彻底改变了打法。当面试官问及 AI 技术落地难点时，我不再纠结于算法，而是直接掏出了我设计的「织策」系统逻辑图。我告诉他们：“金融场景最大的难点是合规与数据严谨性。纯靠大模型会产生幻觉，所以我设计了基于收益目标、最大回撤等维度的结构化输入，结合夏普比率动态筛选组合，把非标需求变成了 AI 可计算的约束条件。”

终面时，面对业务线大 Boss，我行云流水地拆解了整个机构销售环节的痛点，并详细阐述了如何用 AI 赋能一线团队。Boss 听完连连点头，感慨道：“我们遇到过很多懂技术的候选人，但一做金融类 B 端产品就抓瞎。你能从真实业务痛点出发定义产品，不仅懂 AI 还能把 SOP 落地，这正是我们急需的人才。”

几天后，我如愿拿到了这家头部 FinTech 公司的 AI PM 核心岗位 Offer。看到薪资包裹的那一刻我手都在抖——相比在券商时，我的薪资足足暴涨了 50%！