財聯社4月5日訊（記者 趙昕睿）AI 話題熱度自 DeepSeek 問世後持續攀升。這股熱潮不僅帶動科技股市場行情回暖，更在無形中加速推動 AI 技術向金融領域滲透，深刻重塑著金融業務模式，投行、研究等業務受其影響尤為顯著。AI熱潮下，國內外投行均敏銳捕捉到潛在機遇，紛紛佈局 AI 應用，期望搶佔發展先機。兩者在 AI 作業進展上是殊途同歸還是各具特色？

近期，高盛CEO David Solomon在AI峰會上的一起言論引起高度關注，他表示，傳統IPO招股書往往需要6個投行人用兩周完成，但如今AI可以在幾分鐘內就完成95%的工作。據記者瞭解，事實上，去年 5 月外媒就曾報導，華爾街投行藉助 AI 分析師，幾秒就能完成投行分析師原本需數小時甚至整個週末才能完成的工作。

這些確切的數據引發市場對國內外投行 AI 作業實際發展情況的關注與探索，對此，記者採訪了部分國內外投行，從多維度深度調研兩方市場在AI投行應用上的異同點。

調研一：國外AI投行作業進程實際情況如何？AI為何避免觸及核心數據？

AI 為何能完成招股書 “95%” 的內容？某國外投行人士向記者透露，招股書中95%的內容，如公司工商登記資訊、過往財報數據、行業公開的統計資料等皆屬於公開資訊，AI可輕鬆獲取並整合。而剩餘的“5%”，如招股書中的管理層分析、發行人股權情況等內容仍需人工進行優化完善。

“95%”這一高佔比數據雖極具衝擊力，但記者瞭解到，目前AI在國外投行僅充當智能引擎角色，而這背後源於兩點原因。

數據安全作為投行業務的紅線，自然也是AI與投行業務融合過程中首要考量因素。為防止數據遭遇未經授權的訪問、使用、披露、破壞與篡改，國外投行僅允許 AI 接入公共數據。畢竟，券商投行日常接觸的數據大多涉及商業機密及客戶隱私，讓 AI 接觸這類數據，風險難以估量。

另一個原因在於，AI模型訓練依賴於公共數據，這一限制導致 AI 在投行業務實際應用時，難以精準契合私營部門的需求，尚未實現理想的匹配狀態。

由此可見，部分國外投行基於數據安全考量，僅讓 AI 獲取公開資訊。但為何國外投行未讓AI觸及公司核心數據？記者調查發現，“當地語系化部署” 的缺失是關鍵癥結。

國外投行內部系統反覆運算升級滯後，與 AI 部署適配性欠佳，當地語系化部署仍在推進階段。相比之下，國內投行 AI 當地語系化部署進程明顯更快。此外，據國外投行人士透露，國內券商能通過微信傳輸檔，而在國外，此類 “私信” 行為一旦被發現，涉事人員會被立即開除。

可見，投行內部系統與 AI 的適配性、展業制度管控的差異以及當地語系化部署進展，是造成國內外投行 AI 應用區別的關鍵因素。

調研二：國內外投行目前在AI作業上呈現出哪些共性特徵？

AI 驅動投行領域的變革，已成為國內外投行的廣泛共識。除上述因素外，記者通過調研國內券商一線動態發現，有兩大核心維度與國外AI投行發展不謀而合。

在提升效率與優化流程方面，AI 優勢盡顯。券商通過搭建投行知識庫，為投行人員提供智慧搜尋引擎，提升撰寫招股書效率、降低錯誤率。其次 ，國內外投行在監管約束下，都將數據安全奉為圭臬，築牢數據隱私保護防線。但受區域法規、業務模式等因素影響，雙方在具體防護措施上或存在差異。

除上述兩大核心維度，國內外投行在以下幾方面也展現出一致性：

一是輔助決策支援：借助數據分析和模型預測，對項目風險進行精準評估，深入開展行業研究，預測市場走向，為投行業務決策提供可靠依據。

二是客戶服務優化：通過智慧客戶服務、客戶畫像及客戶智慧分類等方式提升客戶體驗和滿意度。

三是風險管理強化：通過對歷史及實時數據的分析，識別潛在風險並提前預警，有效管控投行業務中各類風險。

調研三：與外資券商相比，國內投行應用定位或進展存在哪些不同？

在AI作業進程中，國內外投行在 AI 應用上的共性固然值得關注，但差異化優勢無疑更具看點。參考部分券商反饋的作業進展，國內投行在構建業務場景、數據側重點及技術生態差異等方面與國外投行形成了區分。

業務版圖方面，國外投行注重“全球化”拓展，將AI更多用於全球化衍生品定價、跨境併購估值等複雜場景，主要側重全球化數據覆蓋，AI工具需要相容多語言。與之不同，國內投行緊緊圍繞中國資本市場，深入推進“當地語系化”戰略。聚焦國內市場的同時，積極開展區域性探索及當地語系化部署。

從技術生態搭建來看，國外投行或更傾向於購買成熟SaaS服務，而非自研底層模型。國內投行則傾向選擇國產化替代方案，與國內監管科技平臺建立了更為緊密的對接機制。 在AI競爭賽道上，“當地語系化部署”已然成為國內投行的獨具優勢。

據券商投行人士透露，受國內金融監管政策約束，數據隱私和合規是券商應用AI的重要考量因素，為確保數據安全性與合規性，券商選擇當地語系化部署AI工具。這讓國內券商在藉助 AI 技術提升業務效率的同時，有效規避了數據安全風險 ，更好地適應了本土監管環境和業務需求。

結合部分券商投行 AI 應用的實際作業案例，各家AI應用推進處於何種階段？

廣發證券“投行AI文曲星”平臺率先探索投行大模型應用實踐，作為行業首個投行大模型生成、審核、抽取、搜索綜合解決方案落地的平臺，廣發探索了豐富的投行業務場景，達到全面賦能業務執行、賦能風險防控、賦能運營管理。

“智慧問答”可根據知識庫文檔快速回答投行業務問題，平均準確率高達85%，並支援溯源至原文具體位置，涵蓋投行法律法規等多類文檔。

“智慧核查”利用大模型技術大幅提升了文檔核查的準確性，招股說明書核查準確度比傳統AI核查提升30%，智能化識別低級錯誤、語義、格式、邏輯等多類錯誤，核查點比傳統AI核查增加50%，同時持續優化審核規則，保障信披品質。

“智慧生成”根據具體業務場景將範本製作和數據填充過程標準化，減少了大量重複性工作，同時規避了人為撰寫文檔材料時可能會發生的錯誤，實現PPT生成、業務底稿輔助撰寫等場景。

“智慧抽取”支援多模態圖片與複雜表格的識別，自動識別章節及超過20種版面結構。通過大模型技術與規則引擎結合，利用大模型的強大理解能力處理複雜語義化要素，字元識別精度達99%，要素抽取準確率超95%，突破金融複雜場景識別極限。

另外，系統可復用智慧中台能力，提供了格式轉換等AI工具，支援JPG、DOC、DOCX、XLSX、PDF等多種檔案格式高精度一鍵轉換，滿足各類文件格式需求。

作為國內較早應用AI技術輔助投行業務的券商之一，興業證券已將大量AI場景技術深度融合至業務環節，目前已落地的投行領域專家知識庫，其中內部規章制度和監管問詢庫受到一線用戶廣泛好評。相對於傳統資訊檢索方式而言，大模型提供了提煉總結、資訊溯源的功能，查詢檢索效率提升50%。投行業務上廣泛應用了AI文稿審核工具進行輔助核查，平均每月進行各類文檔核查200餘次。

同時，公司同步部署了AI投行文檔智慧撰寫功能，通過對非結構化數據的自動解析和外部數據填充，單篇文檔撰寫時間從傳統手工撰寫的數天縮短至1小時以內，數據更新完成度高達 93% 以上。

此外，已建成的銀行流水智慧識別審核系統，目前已成為投行內控審核必備環節，近年共輔助完成了數萬份流水檔和數千家企業的核查工作。智慧印章審核工具通過對缺失和錯誤的印章高亮標註。自上線以來已完成數百萬余次印章識別任務，印章樣本識別準確率超過90%。

東吳證券則持續將AI部署及研發作為現階段主要任務，通過實際使用，訂立了如下的量化目標。

在專案承攬階段，利用AI篩選潛在客戶專案，針對目標客戶完成100%智慧盡調。

在專案承做階段，通過AI輔助盡調程式和文檔結構化，將盡調效率提升至少30%。

目前，東吳智慧銀行流水核查已部署上線，逐步擴大使用範圍，申報交易所文件已實現文檔自動審核比對。

財信證券主要在提升文檔處理效率及數據提取與校驗效率等2方面作出量化目標。文件處理方面，已基於DeepSeek當地語系化部署在實現知識問答場景全新接入，上線試運行財信證券大模型知識庫2.0版本，面向公司內部員工，在制度解讀、知識檢索、文件審核、數據校驗、數據提取等方面更為高效。業務流程優化方面，則通過DeepSeek R1模型的本地部署，為客戶及員工提供“更快、更準、更廣”的服務體驗。

面臨國內券商行業普遍同質化競爭的問題，財信證券表示更注重通過數據資產和應用場景的差異化來構建競爭優勢。例如，通過掌握更多本地區優質數據資產來提升AI工具的性能。

調研四：在AI深度融入投行作業中，各家擬定了哪些切實舉措保護相關核心數據？

數據如同一家公司的發展基因，關乎業務運轉與發展。在數據安全威脅日益複雜的背景下，國內投行在築牢數據安全防線方面，制定了哪些規劃、採取了哪些舉措？

廣發證券對於投行業務數據基於許可權最小化原則，系統支援為使用者配置分層分級的數據許可權。具體措施如下：

基於RAG方案的專案資訊隔離機制：打通傳統業務系統獲取使用者許可權數據，採用多路召回策略控制投行項目數據不當流動，保證召回到大模型的數據是用戶有權訪問的。

數據分類與分級：對投行業務核心數據進行細緻的分類和分級管理，明確不同數據的敏感程度和使用許可權。

數據訪問控制：建立嚴格的數據訪問控制機制，只有經過授權的人員才能訪問和使用核心數據。通過身份認證、許可權管理等技術手段，確保數據訪問的合法性和安全性。

數據使用審計：對核心數據的使用方式進行即時審計和監控，記錄數據的訪問、使用和修改情況，以便及時發現和處理數據使用中的異常行為。

當前大模型普遍具有開箱即用的特徵，而且大多數模型支援用戶上傳文檔自建知識庫。因此在投行業務中，可能會出現非公開資訊意外洩露的風險。興業證券對此則通過業務合規約束和技術管控兩個層面進行雙重保障。一是根據外部監管規定，針對投行業務建立健全敏感人員崗位登記管理，未公開資訊保密管理等，涉及敏感數據的文件不允許外傳。二是通過當地語系化部署大模型處理敏感數據和檔，防止客戶數據等核心機密外洩。

此外，在使用投行管理系統時，需要由特定人員在特定的數據範圍內和流程階段內使用，確保了業務數據和操作許可權的有效隔離。公司層面也已建設了許可權稽核系統，通過人員許可權動態管理，定期審計等措施，保障業務和數據安全。

在數據安全層面，興業嚴格落實《證券期貨業數據安全管理與保護指引》對業務數據進行分類分級。依據過程域建立管理、技術、數據接觸3類指引，同時建立數據加密保護隔離、備份和審查機制。尤其針對投行業務涉及的客戶資訊通過脫敏、泛化、加密等技術手段降低數據洩漏風險。

東吳證券則通過構建完備的數據治理體系、強化數據安全技術防護、加強數據安全意識培訓、建立數據安全監測與應急響應機制、深化與外部的合作與交流五個方面不斷完善AI與投行業務的融入。

在投行AI應用賽道上，數據安全是核心要點。國外投行為防數據洩露等相關風險，限制AI僅能接觸公開數據。國內投行則通過“當地語系化部署”AI，打造數據安全“防護牆”，使其成為AI競爭的突出優勢。當前AI技術反覆運算迅猛，未來在投行領域引發哪些新變革，已成為市場持續關注的焦點。