AI话题自DeepSeek问世后热度持续攀升，这股热潮不仅带动了科技股市场回暖，还加速了AI技术在金融领域的渗透，尤其是对投行和研究业务产生了深远影响。国内外投行纷纷布局AI应用，以期抢占先机。

高盛CEO David Solomon在一次AI峰会上表示，传统IPO招股书通常需要六名投行人用两周时间完成，而现在AI可以在几分钟内完成95%的工作。事实上，去年5月就有报道指出，华尔街投行借助AI分析师，几秒钟就能完成原本需数小时甚至整个周末才能完成的任务。

这些数据引发了市场对国内外投行AI应用实际进展的关注。据调查，招股书中95%的内容如公司工商登记信息、过往财报数据等皆为公开信息，AI可以轻松获取并整合。剩余的5%，如管理层分析、发行人股权情况等内容仍需人工优化完善。目前AI在国外投行主要充当智能引擎角色，出于数据安全考虑，仅允许接入公共数据。此外，AI模型训练依赖于公共数据，难以精准契合私营部门需求。

国外投行基于数据安全考量，仅让AI获取公开信息。本地化部署缺失是关键症结之一。相比之下，国内投行在AI本地化部署方面进展更快。国内券商通过微信传输文件，在国外这种行为一旦被发现，涉事人员会被立即开除。

国内外投行在AI应用上存在共性特征。首先，AI提升了效率和流程优化，通过搭建知识库提供智能搜索引擎，提升撰写招股书效率并降低错误率。其次，双方都将数据安全视为核心，但在具体防护措施上有所不同。此外，国内外投行在辅助决策支持、客户服务优化和风险管理强化等方面也表现出一致性。

在AI应用定位和发展进程上，国内外投行存在差异。国外投行注重全球化拓展，将AI用于复杂场景如跨境并购估值等，侧重全球化数据覆盖。国内投行则围绕中国资本市场推进本地化战略，聚焦国内市场并积极开展区域性探索。从技术生态来看，国外投行倾向于购买成熟SaaS服务，而国内投行更倾向选择国产化替代方案，并与国内监管科技平台紧密对接。