AI挑战投行人饭碗？国内投行AI布局如何？记者一线调查

A股题材逻辑
1

:memo: 作者： 财联社记者 赵昕睿| :date: 发布时间：2025-04-05 15:03:43

AI 挑战投行人饭碗？国内投行 AI 布局深度调查 :robot:

摘要: 财联社记者深入调查国内外投行在 AI 应用方面的布局，剖析 AI 如何重塑投行业务模式，以及国内外投行在 AI 作业进程、数据安全、技术生态等方面的异同点。重点关注 AI 对招股书撰写、效率提升、风险管理和客户服务等方面的影响。

正文

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。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。

国外 AI 投行作业进程：

高盛 CEO David Solomon 曾表示，传统 IPO 招股书需要 6 个投行人用两周完成，而 AI 可以在几分钟内完成 95% 的工作。 去年 5 月外媒也报道，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。

AI 为何能完成招股书 “95%” 的内容？

某国外投行人士透露，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。

然而，目前 AI 在国外投行仅充当智能引擎角色，这源于以下两点原因：

  1. 数据安全： 国外投行仅允许 AI 接入公共数据，防止商业机密及客户隐私泄露的风险。
  2. AI 模型局限性： 模型训练依赖公共数据，难以精准契合私营部门的需求。

本地化部署缺失 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。相比之下，国内投行 AI 本地化部署进程明显更快。

国内外 AI 投行作业的共性特征：

  • 提升效率与优化流程： 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。
  • 数据安全： 都将数据安全奉为圭臬，筑牢数据隐私保护防线。
  • 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。
  • 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。
  • 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。

国内外 AI 投行作业的差异化优势：

  • 业务版图： 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。 国内投行紧紧围绕中国资本市场，深入推进“本地化”战略。

  • 技术生态搭建： 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。

国内投行 AI 应用案例：

  • 广发证券“投行 AI 文曲星”平台： 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：平均准确率高达 85%。
    • 智能核查：招股说明书核查准确度比传统 AI 核查提升 30%，核查点比传统 AI 核查增加 50%。
    • 智能抽取要素抽取准确率超 95%。
  • 兴业证券： 大模型提供的提炼总结、信息溯源的功能，查询检索效率提升 50%，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。
  • 东吴证券： 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%。
  • 财信证券： 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。

国内投行保护核心数据的举措：

  • 广发证券： 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。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。建立严格的数据访问控制机制。对核心数据的使用情况进行实时审计和监控。

  • 兴业证券： 通过业务合规约束和技术管控两个层面进行双重保障。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。

  • 东吴证券： 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。

结论

在投行 AI 应用赛道上，数据安全是核心要点。为了防止数据泄露等风险，国外投行限制 AI 只能接触公开数据。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。 :rocket:

:light_bulb: 延伸阅读
原文链接