AI挑战投行人饭碗？高盛称AI几分钟搞定招股书95%工作

　　财联社4月5日讯（记者 赵昕睿）AI 话题热度自 DeepSeek 问世后持续攀升。这股热潮不仅带动科技股市场行情回暖，更在无形中加速推动 AI 技术向金融领域渗透，深刻重塑着金融业务模式，投行、研究等业务受其影响尤为显著。AI热潮下，国内外投行均敏锐捕捉到潜在机遇，纷纷布局 AI 应用，期望抢占发展先机。两者在 AI 作业进展上是殊途同归还是各具特色？

　　近期，高盛CEO David Solomon在AI峰会上的一起言论引起高度关注，他表示，传统IPO招股书往往需要6个投行人用两周完成，但如今AI可以在几分钟内就完成95%的工作。据记者了解，事实上，去年 5 月外媒就曾报道，华尔街投行借助 AI 分析师，几秒就能完成投行分析师原本需数小时甚至整个周末才能完成的工作。

　　这些确切的数据引发市场对国内外投行 AI 作业实际发展情况的关注与探索，对此，记者采访了部分国内外投行，从多维度深度调研两方市场在AI投行应用上的异同点。

　　调研一：国外AI投行作业进程实际情况如何？AI为何避免触及核心数据？

　　AI 为何能完成招股书 “95%” 的内容？某国外投行人士向记者透露，招股书中95%的内容，如公司工商登记信息、过往财报数据、行业公开的统计资料等皆属于公开信息，AI可轻松获取并整合。而剩余的“5%”，如招股书中的管理层分析、发行人股权情况等内容仍需人工进行优化完善。

　　“95%”这一高占比数据虽极具冲击力，但记者了解到，目前AI在国外投行仅充当智能引擎角色，而这背后源于两点原因。

　　数据安全作为投行业务的红线，自然也是AI与投行业务融合过程中首要考量因素。为防止数据遭遇未经授权的访问、使用、披露、破坏与篡改，国外投行仅允许 AI 接入公共数据。毕竟，券商投行日常接触的数据大多涉及商业机密及客户隐私，让 AI 接触这类数据，风险难以估量。

　　另一个原因在于，AI模型训练依赖于公共数据，这一限制导致 AI 在投行业务实际应用时，难以精准契合私营部门的需求，尚未实现理想的匹配状态。

　　由此可见，部分国外投行基于数据安全考量，仅让 AI 获取公开信息。但为何国外投行未让AI触及公司核心数据？记者调查发现，“本地化部署” 的缺失是关键症结。

　　国外投行内部系统迭代升级滞后，与 AI 部署适配性欠佳，本地化部署仍在推进阶段。相比之下，国内投行 AI 本地化部署进程明显更快。此外，据国外投行人士透露，国内券商能通过微信传输文件，而在国外，此类 “私信” 行为一旦被发现，涉事人员会被立即开除。

　　可见，投行内部系统与 AI 的适配性、展业制度管控的差异以及本地化部署进展，是造成国内外投行 AI 应用区别的关键因素。

　　调研二：国内外投行目前在AI作业上呈现出哪些共性特征？

　　AI 驱动投行领域的变革，已成为国内外投行的广泛共识。除上述因素外，记者通过调研国内券商一线动态发现，有两大核心维度与国外AI投行发展不谋而合。

　　在提升效率与优化流程方面，AI 优势尽显。券商通过搭建投行知识库，为投行人员提供智能搜索引擎，提升撰写招股书效率、降低错误率。其次 ，国内外投行在监管约束下，都将数据安全奉为圭臬，筑牢数据隐私保护防线。但受区域法规、业务模式等因素影响，双方在具体防护措施上或存在差异。

　　除上述两大核心维度，国内外投行在以下几方面也展现出一致性：

一是辅助决策支持：借助数据分析和模型预测，对项目风险进行精准评估，深入开展行业研究，预测市场走向，为投行业务决策提供可靠依据。

二是客户服务优化：通过智能客户服务、客户画像及客户智能分类等方式提升客户体验和满意度。

三是风险管理强化：通过对历史及实时数据的分析，识别潜在风险并提前预警，有效管控投行业务中各类风险。

　　调研三：与外资券商相比，国内投行应用定位或进展存在哪些不同？

　　在AI作业进程中，国内外投行在 AI 应用上的共性固然值得关注，但差异化优势无疑更具看点。参考部分券商反馈的作业进展，国内投行在构建业务场景、数据侧重点及技术生态差异等方面与国外投行形成了区分。

　　业务版图方面，国外投行注重“全球化”拓展，将AI更多用于全球化衍生品定价、跨境并购估值等复杂场景，主要侧重全球化数据覆盖，AI工具需要兼容多语言。与之不同，国内投行紧紧围绕中国资本市场，深入推进“本地化”战略。聚焦国内市场的同时，积极开展区域性探索及本地化部署。

　　从技术生态搭建来看，国外投行或更倾向于购买成熟SaaS服务，而非自研底层模型。国内投行则倾向选择国产化替代方案，与国内监管科技平台建立了更为紧密的对接机制。 在AI竞争赛道上，“本地化部署”已然成为国内投行的独具优势。

　　据券商投行人士透露，受国内金融监管政策约束，数据隐私和合规是券商应用AI的重要考量因素，为确保数据安全性与合规性，券商选择本地化部署AI工具。这让国内券商在借助 AI 技术提升业务效率的同时，有效规避了数据安全风险 ，更好地适应了本土监管环境和业务需求。

　　结合部分券商投行 AI 应用的实际作业案例，各家AI应用推进处于何种阶段？

　　广发证券“投行AI文曲星”平台率先探索投行大模型应用实践，作为行业首个投行大模型生成、审核、抽取、搜索综合解决方案落地的平台，广发探索了丰富的投行业务场景，达到全面赋能业务执行、赋能风险防控、赋能运营管理。

“智能问答”可根据知识库文档快速回答投行业务问题，平均准确率高达85%，并支持溯源至原文具体位置，涵盖投行法律法规等多类文档。

“智能核查”利用大模型技术大幅提升了文档核查的准确性，招股说明书核查准确度比传统AI核查提升30%，智能化识别低级错误、语义、格式、逻辑等多类错误，核查点比传统AI核查增加50%，同时持续优化审核规则，保障信披质量。

“智能生成”根据具体业务场景将模板制作和数据填充过程标准化，减少了大量重复性工作，同时规避了人为撰写文档材料时可能会发生的错误，实现PPT生成、业务底稿辅助撰写等场景。

“智能抽取”支持多模态图片与复杂表格的识别，自动识别章节及超过20种版面结构。通过大模型技术与规则引擎结合，利用大模型的强大理解能力处理复杂语义化要素，字符识别精度达99%，要素抽取准确率超95%，突破金融复杂场景识别极限。

　　另外，系统可复用智能中台能力，提供了格式转换等AI工具，支持JPG、DOC、DOCX、XLSX、PDF等多种文件格式高精度一键转换，满足各类文档格式需求。

　　作为国内较早应用AI技术辅助投行业务的券商之一，兴业证券已将大量AI场景技术深度融合至业务环节，目前已落地的投行领域专家知识库，其中内部规章制度和监管问询库受到一线用户广泛好评。相对于传统信息检索方式而言，大模型提供了提炼总结、信息溯源的功能，查询检索效率提升50%。投行业务上广泛应用了AI文稿审核工具进行辅助核查，平均每月进行各类文档核查200余次。

　　同时，公司同步部署了AI投行文档智能撰写功能，通过对非结构化数据的自动解析和外部数据填充，单篇文档撰写时间从传统手工撰写的数天缩短至1小时以内，数据更新完成度高达 93% 以上。

　　此外，已建成的银行流水智能识别审核系统，目前已成为投行内控审核必备环节，近年共辅助完成了数万份流水文件和数千家企业的核查工作。智能印章审核工具通过对缺失和错误的印章高亮标注。自上线以来已完成数百万余次印章识别任务，印章样本识别准确率超过90%。

　　东吴证券则持续将AI部署及研发作为现阶段主要任务，通过实际使用，订立了如下的量化目标。

在项目承揽阶段，利用AI筛选潜在客户项目，针对目标客户完成100%智能尽调。

在项目承做阶段，通过AI辅助尽调程序和文档结构化，将尽调效率提升至少30%。

目前，东吴智能银行流水核查已部署上线，逐步扩大使用范围，申报交易所文件已实现文档自动审核比对。

　　财信证券主要在提升文档处理效率及数据提取与校验效率等2方面作出量化目标。文档处理方面，已基于DeepSeek本地化部署在实现知识问答场景全新接入，上线试运行财信证券大模型知识库2.0版本，面向公司内部员工，在制度解读、知识检索、文档审核、数据校验、数据提取等方面更为高效。业务流程优化方面，则通过DeepSeek R1模型的本地部署，为客户及员工提供“更快、更准、更广”的服务体验。

　　面临国内券商行业普遍同质化竞争的问题，财信证券表示更注重通过数据资产和应用场景的差异化来构建竞争优势。例如，通过掌握更多本地区优质数据资产来提升AI工具的性能。

　　调研四：在AI深度融入投行作业中，各家拟定了哪些切实举措保护相关核心数据？

　　数据如同一家公司的发展基因，关乎业务运转与发展。在数据安全威胁日益复杂的背景下，国内投行在筑牢数据安全防线方面，制定了哪些规划、采取了哪些举措？

　　广发证券对于投行业务数据基于权限最小化原则，系统支持为用户配置分层分级的数据权限。具体措施如下：

基于RAG方案的项目信息隔离机制：打通传统业务系统获取用户权限数据，采用多路召回策略控制投行项目数据不当流动，保证召回到大模型的数据是用户有权访问的。

数据分类与分级：对投行业务核心数据进行细致的分类和分级管理，明确不同数据的敏感程度和使用权限。

数据访问控制：建立严格的数据访问控制机制，只有经过授权的人员才能访问和使用核心数据。通过身份认证、权限管理等技术手段，确保数据访问的合法性和安全性。

数据使用审计：对核心数据的使用情况进行实时审计和监控，记录数据的访问、使用和修改情况，以便及时发现和处理数据使用中的异常行为。

　　当前大模型普遍具有开箱即用的特征，而且大多数模型支持用户上传文档自建知识库。因此在投行业务中，可能会出现非公开信息意外泄露的风险。兴业证券对此则通过业务合规约束和技术管控两个层面进行双重保障。一是根据外部监管规定，针对投行业务建立健全敏感人员岗位登记管理，未公开信息保密管理等，涉及敏感数据的文档不允许外传。二是通过本地化部署大模型处理敏感数据和文件，防止客户数据等核心机密外泄。

　　此外，在使用投行管理系统时，需要由特定人员在特定的数据范围内和流程阶段内使用，确保了业务数据和操作权限的有效隔离。公司层面也已建设了权限稽核系统，通过人员权限动态管理，定期审计等措施，保障业务和数据安全。

　　在数据安全层面，兴业严格落实《证券期货业数据安全管理与保护指引》对业务数据进行分类分级。依据过程域建立管理、技术、数据接触3类指引，同时建立数据加密保护隔离、备份和审查机制。尤其针对投行业务涉及的客户信息通过脱敏、泛化、加密等技术手段降低数据泄漏风险。

　　东吴证券则通过构建完备的数据治理体系、强化数据安全技术防护、加强数据安全意识培训、建立数据安全监测与应急响应机制、深化与外部的合作与交流五个方面不断完善AI与投行业务的融入。

　　在投行AI应用赛道上，数据安全是核心要点。国外投行为防数据泄露等相关风险，限制AI仅能接触公开数据。国内投行则通过“本地化部署”AI，打造数据安全“防护墙”，使其成为AI竞争的突出优势。当前AI技术迭代迅猛，未来在投行领域引发哪些新变革，已成为市场持续关注的焦点。