随着DeepSeek的问世，AI话题的热度持续攀升。这股热潮不仅推动了科技股市场的复苏，更悄然加速了AI技术在金融领域的渗透，深刻改变了金融业务模式。尤其是投行和研究等业务领域受到了显著影响。
近期，高盛CEO David Solomon在AI峰会上的发言引起了广泛关注。他提到，传统IPO招股书通常需要6位投行人员用两周时间完成，而如今AI可以在几分钟内完成95%的工作。据权威消息了解，去年5月就有报道指出，华尔街投行借助AI分析师，几秒就能完成原本需数小时甚至整个周末才能完成的工作。
这些数据引发了市场对国内外投行实际应用AI情况的关注与探索。为此，我们从多维度调研了两方市场在AI应用上的异同点。
首先探讨国外投行的AI作业进展。为何AI能处理95%的内容？据某国外投行人士透露，招股书中大部分内容如公司工商登记信息、过往财报数据等都是公开信息，AI可以轻松获取并整合。剩余部分则需要人工优化完善。
尽管“95%”的数据占比极具吸引力，但据权威消息了解，目前AI在国外投行仅作为智能引擎存在。这主要是因为数据安全和模型训练依赖公共数据两个原因。
数据安全是投行业务的重要红线。为防止未经授权的访问、使用、披露、破坏与篡改，国外投行仅允许AI接入公共数据。此外，由于券商日常接触的数据涉及商业机密及客户隐私，让AI接触这些数据的风险难以估量。
另一个原因是AI模型训练依赖公共数据，在实际应用中难以精准契合私营部门的需求。
因此，在国外投行中，基于数据安全考虑，仅让AI获取公开信息。为何未让其触及公司核心数据？据调查发现，“本地化部署”的缺失是关键原因。
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”仍在推进中。相比之下，国内投行在本地化部署上进展更快。此外，在文件传输方面，在国外“私信”行为一旦被发现将立即遭到开除；而在国内则可通过微信传输文件。
由此可见，系统适配性、展业制度管控差异及本地化部署进展是造成国内外投行在AI应用上区别的关键
责编：戴露露
