如果把时间拨回几年以前，很难想象“百万美元”会和“应届毕业生”同时出现在一张量化招聘Offer里。但2026年的量化人才市场，正在出现这样的报价：

据eFinancialCareers援引多位电子交易行业人士消息，HRT部分完成2026年暑期实习、并获得2027年全职机会的毕业生，首年总包最高可达到100万美元，其中sign-on bonus据称最高可达40万美元；Jane Street部分2027届毕业生的package约为85万美元，是报道中提到的较常见水平；Jump Trading部分候选人的报价超过90万美元，但平均offer更接近75万美元；Susquehanna部分报价则在60万—80万美元以上。

需要先说明的是，这些数字主要来自业内人士，并非所有机构都公开确认，更适合作为顶级电子交易机构人才市场的报价信号，而不是统一的校招薪资标准。

真正值得关注的，其实不是“100万美元”这个数字。而是：顶级量化机构到底在争夺什么样的年轻人？

01 问题解决型选手——不是“金融人”

一个容易被忽略的事实是，顶级量化机构的校招并不一定要求候选人具备金融背景。

Jane Street的Quantitative Trader招聘页面明确表示，金融或经济学背景并非必要条件，公司更看重强大的定量思维，以及在实际环境中与团队共同解决复杂问题的能力；特定编程语言经验也不是硬性要求。

Jane Street的面试说明同样强调，Quantitative Trading招聘重点考察的是problem-solving mindset，而不是金融或经济学知识。这意味着，数学、物理、计算机、统计等背景的学生，即使没有传统金融实习经历，也可能进入顶级交易机构的人才池。

他们真正需要解决的是：面对一个没有标准答案的问题，能不能快速找到解决路径？

他们的核心不是“知道答案”，而是在没有答案的时候，仍然能够推进问题。

这也是为什么顶级量化机构的人才画像，往往和传统金融招聘逻辑并不完全一致。

02 研究型工程师——能把“聪明”变成代码

如果说数学能力决定了一个人能不能进入候选池，那么编程能力则决定了他能不能把想法真正做出来。

HRT面向2027届毕业生的Algorithm Developer岗位，就是一个很典型的例子。这类岗位需要利用统计分析处理大量市场和金融数据、建立预测模型，并与Software Engineer共同研究、开发和测试新的订单执行及模型训练方法，最终将模型运行在高性能交易基础设施上，并持续分析实际表现。

它实际上把一条完整链路放在了同一个岗位里：数据 → 模型 → 代码 → 测试 → 生产 → 实际表现。所以，顶级机构真正感兴趣的，并不只是简历上的“Python/C++”。

而是：你能不能把一个想法写成代码，再让它真正跑起来，并接受真实市场的检验。

这种能力组合的变化，也反映在市场定价上。

CQF 2026量化金融职业数据的分析显示，过去两年全球量化岗位的薪酬整体上升，但Quant Researcher的薪酬增速快于Quant Developer。在亚洲和欧洲，这种差异尤其明显：研究人员在相同资历级别的总薪酬接近量化开发人员的两倍。以欧洲Director级别为例，Quant Developer总包约为27万美元，而Quant Researcher约为64.3万美元。

更值得关注的是，AI正在推动研究、开发和软件工程之间的边界发生变化。AI辅助的研究人员可能承担更多过去由Quant Developer完成的量化工作，而AI辅助的软件工程师也可能覆盖更多技术性任务。

于是，单纯掌握某一种工具的价值，和能够把研究问题、数据、模型、代码以及实际系统连接起来的能力，开始出现不同的市场定价。这类人，不只是聪明，也不只是会写代码。他们是研究能力与工程落地能力的结合体。

03 长期沉浸者——没有标准答案，但有自己的问题

还有一类候选人，未必拥有最漂亮的简历。

他们可能不是最典型的Quant背景，也未必拥有大量金融实习经历，但会长期沉浸在某一个自己真正感兴趣的问题里。

可能是研究机器学习模型、参加数学竞赛、写交易系统、研究开源项目，也可能只是持续折腾一个暂时看不到商业价值的技术问题。

Jane Street对Quantitative Research的描述非常典型：研究人员需要分析大规模数据、使用机器学习建立和测试模型、开发交易策略并编写实现代码；同时，很多研究问题并没有清晰、确定的答案，需要研究人员向未知方向探索，并保持清晰的研究目标。

所以：好奇心不是兴趣，而是一种工作能力。

真实研究没有标准答案。你需要自己定义问题、拆解问题、验证问题，并在大量失败中继续推进。这类“长期沉浸者”，往往不是最会包装简历的人，但可能具备在未知领域持续探索的能力。

04 真正的分水岭：有没有被真实工作验证过

除了能力画像，还有一个非常重要的变量：验证。

此次百万美元Offer的报道，重点讨论的正是部分完成2026年暑期实习、并获得2027年全职机会的毕业生。

这类Returning Intern与普通校招生最大的区别，是机构已经看过他们的真实工作表现。面试证明的是潜力。实习更接近证明交付能力。这一点从顶级机构的实习项目本身也能看出来。Jane Street明确将实习定位为真实项目实践，实习生会参与数据分析、计算方法和研究项目，其中一些问题本身就是团队此前并不知道答案的问题。

对于顶级量化机构而言，这个区别尤其重要。因为机构招聘的不是一份漂亮的学历，而是一个最终需要进入真实研究、交易或工程环境的人。所以，顶级量化的竞争往往在正式校招开始之前就已经发生。

谁能更早进入真实工作场景，谁就更早获得被验证的机会。

05 这些画像背后的共同底层

把这些候选人的特征放在一起，会发现一个变化。

顶级量化机构正在越来越少地按照传统金融招聘逻辑定义“优秀新人”。

他们不只是寻找：金融知识 + 学历 + 实习经历。

而是在寻找：数学思维 + 编程能力 + 学习速度 + 问题解决能力 + 对未知问题的兴趣。

更重要的是，这些能力需要同时出现。HRT的Algorithm Developer岗位就是一个很典型的例子：研究、编程和实际交易并没有被完全拆开，而是要求候选人能够从统计分析、预测模型一路走到高性能交易基础设施。

这也是为什么“百万美元校招”并不意味着量化行业的入场门槛降低了。

恰恰相反。薪酬越高，机构购买的能力组合往往越稀缺。

06 百万美元不是人才画像，而是结果

所以，与其问：“为什么应届生能拿100万美元？”

不如换一个问题：“什么样的应届生，值得机构提前支付这样的价格？”

从现在的招聘信息和岗位变化中，可以看到一个越来越清晰的信号：顶级量化机构正在更早识别、验证和锁定高潜人才，而不是等候选人积累足够长的工作年限后再给出高价格。

这背后也有更直接的行业背景。这背后是顶级电子交易机构收入的快速增长：2025 年 Jane Street 净交易收入达到 396 亿美元，HRT 约 123 亿美元，Citadel Securities 约 122 亿美元。与此同时，AI 实验室也在争夺同一批顶尖技术人才，高额 sign-on 某种程度上成了比长期股权更即时的现金替代。但百万美元Offer依然只是极少数案例。它可能包含sign-on、保证奖金或绩效奖金，首年总包也不等于长期收入，更不能代表整个量化行业。

真正值得关注的，是这些Offer背后的能力组合：数学思维是入口，编程能力是杠杆，学习速度是底盘，问题解决是核心，对未知的兴趣是续航。

100万美元不是人才画像，而是结果。它更像是顶级量化机构对在未知中定义问题、验证问题、工程落地，并接受真实市场检验这一能力组合的价格表达。