AI 在并购
交易撮合中
的应用： 基准
研究报告
AI 发展速度何以超越企业掌控，
领导者该如何破局
联合制作
国际资本市场研报资讯+V: quanqiuzixun8
目录
AI 在整个交易生命
周期中的作用
06
展望未来
11
贡献者
01
信任、 信心与人的
参与
07
前言
02
主要发现
03
AI 安全、
治理与风险
08
研究方法
04
变革管理
09
AI 在交易撮合中的
整合现状
05
AI 工具与 2030
年的交易撮合商
10
2
国际资本市场研报资讯+V: quanqiuzixun8
贡献者
Amias Gerety
合伙人兼美国区负责人
QED Investors
Hari Gopalkrishnan
首席技术与信息官
美国银行 (Bank of America)
Lúcia Soares
首席信息官兼技术转型负责人
凯雷投资集团 (The Carlyle
Group)
Byron Vielehr
首席运营官
阿波罗全球管理公司 (Apollo)
John Stecher
首席技术官
黑石集团 (Blackstone)
3
国际资本市场研报资讯+V: quanqiuzixun8
前言
过去十二个月， 并购 (M&A) 交易人争论了
两年之久的一个问题终于尘埃落定。 如今，
人工智能 (AI) 不再处于试验阶段， 而已切实
嵌入到交易流程之中。 如何有效部署 AI 成
了撮合商能否取得竞争优势的关键所在。
本次报告调查中， 近半数的专业人士表示，
AI 已完全整合到其交易流程的大部分阶段，
另有四成表示 AI 已实现部分整合。
然而， 只有 38% 的受访者认为 AI 工具与进
行交易撮合所用的核心平台实现了“良好
整合”， 这表明这些 AI 功能大多并未嵌入
平台之中。 同样值得注意的是， 统计数据
Ken Bisconti
高级副总裁兼联席总经理
SS&C Intralinks
显示， 高管比经理和分析师更倾向于认为
AI 已完全整合。 这暗示着对 AI 的整体使用
体验可能存在分歧： 高管们可能认为数字
化转型已经取得更大规模的进展， 但具体
负责运营的员工却对此有着迥然不同的
看法。
如果说行业对是否采用 AI 已经有了定论，
那么取而代之的是一系列更为棘手的问题。
我们的研究发现， 交易人如今不仅要应对
日益增多的 AI 工具（通常每个团队三到五
个工具， 有些情况下甚至还要更多）， 还要
4
国际资本市场研报资讯+V: quanqiuzixun8
同时面对安全风险、 治理漏洞以及来自组
织层面的阻力——这种阻力非但没有减弱，
反而恰在此时愈演愈烈。
此外， 过去一年中， 有五分之四的企业经历
过与 AI 相关的安全事件。 或许正因如此，
近六成受访者表示来自高层的抵制有所
增加。 这些迹象统统表明， 这项技术转型
尚未被完全消化吸收。
前言
本年度的 《AI 在并购交易撮合中的应用：
基准研究报告》 基于对来自多个地区 5 类
组织的 400 位资深交易专业人士的调研，
揭示了对处于转折点的并购交易撮合市场
的关键洞察。 如今， AI 技术的发展速度明
显快于旨在对其进行治理的组织架构。
本报告将审视三个问题： AI 在哪些领域正
在创造可衡量的价值？ AI 在哪些方面获得
了信任， 哪些方面得不到信任？ 交易人眼中
2030 年的行业将呈现怎样的面貌？ 尤为关
键的是， 本报告详实记录了 AI 安全与治理
现状。 我们相信， 这对于任何希望在交易
撮合中调整 AI 具体应用方式的企业而言，
都具有非常重要的参考价值。
我们谨向 400 位受访专业人士致以诚挚
谢意， 正是他们的坦诚分享与深刻洞察，
让本报告得以完成。 我们希望本次的研究
发现能助您在 AI 驱动交易撮合的下一阶
段征程中， 获得有益的参考与启发。
AI 在交易生命周期各阶段中的作用
项目寻源与筛选
团队借助 AI 捕捉财务/
市场信号、 发掘潜在标
的公司， 预计可因此节省
21% 至 30% 的时间。
交易营销
65% 的受访者使用 AI
生成执行摘要， 60%
使用 AI 制定营销和交
易定位策略。
尽职调查
AI 主要用于早期尽职调查
和确认性问答环节， 此外
还用于财务分析、 异常检
测与文档审查。
估值与建模
分析师和经理更倾向于
经常使用 AI 进行估值与
建模， 但 12% 的合伙人
和董事总经理避免将
AI 用于估值任务。
交易执行
交易撮合团队利用 AI
处理问答相关任务并发
现任何警示信号， 预计可
在交易执行阶段节省超过
11% 的时间。
历史交易分析
AI 在识别成功交易模式
方面应用最广， 而不使用
AI 进行历史分析的交易
人仅占 3%。
5
国际资本市场研报资讯+V: quanqiuzixun8
49%
49%
80%
80%
33%
AI 已跨越应用临界点， 但复杂性才刚刚显现。
近一半 (49%) 的交易人表示， AI 已完全整合至其交易流程的大部分
阶段， 另有 41% 的受访者表示 AI 已实现部分整合。 仅十分之一仍停
留在试点或实验项目阶段。 目前， 典型的交易团队同时管理着 3 到 5
种 AI 工具 (52%)， 近四分之一 (24%) 使用 6 种或更多工具。
市场需要的是专业化， 而非一体化。
近半数 (49%) 的交易人更倾向于使用多种在某一功能领域表现出众
的专业化 AI 工具， 而非单一的集成平台 (20%)。 超过半数 (54%)
的受访者预计， AI 将成为交易撮合软件的标配功能。
80% 的交易人在过去 12 个月内遭遇过 AI
相关的安全性与准确性问题。
绝大多数受访者表示， 过去一年中发生过或险些发生与 AI 相关的安全
事件。 访问控制漏洞是最为常见的问题 (48%)， 其次是 AI 产生幻觉导
致尽职调查获得的信息不准确 (40%)。
交易人已为自主型 AI 做好准备， 但治理能力必
须同步跟上。
五分之四 (80%) 的交易人对 AI 自主执行多步骤交易工作流程表示
放心。 近半数 (43%) 受访者认为， 到 2030 年， 自动化盈利质量分析
将成为最具颠覆性的创新成果。
AI 在整个交易生命周期中切实节省了时间。
三分之一的受访者表示， AI 助其在尽职调查阶段节省了 21% 至 30%
的时间； 81% 的受访者在交易执行阶段节省了超过 11% 的时间。 绝大
多数受访者在交易筛选阶段也节省了至少 11% 的时间。 然而， 在任一
阶段实现省时过半的受访者占比不足 6%。 这表明 AI 在未来仍有显著
的提效空间。
57%
即便 AI 正在加速普及， 来自高层的阻力仍在
增加。
超过半数 (57%) 的交易人表示， 过去 12 个月内， 高层对 AI 的抵制有
所加剧。 其主要驱动因素包括： 对 AI 准确性的担忧、 AI 的可解释性与
受托责任风险， 以及客户对 AI 的认知。
主要发现
6
国际资本市场研报资讯+V: quanqiuzixun8
本报告基于 2026 年第一季度进行的一项专项调查， 调查
对象为 400 位资深交易专业人士。 此项调查由 Reuters
Insights 与 SS&C Intralinks 共同设计、 协同分析。 交叉列
表数据中的各列比较基于 95% 的置信水平， 并在适用情
况下以 % 的置信水平进行额外标注。
研究方法
接受调查的交易人分布情况（按公司类型、 职位及地区划分）
以下哪项符合贵公司的类型？
20%
20%
20%
20%
20%
以下哪项最能描述您的职位？ 贵公司的总部位于哪个地区？
私募股权公司 企业收购方
律师事务所风险投资公司
并购咨询服务公司/投资银行
合伙人/董事总经理/
高管
副总裁/总监
其他
副经理/分析师
美国和加拿大 欧洲（包括英国）
世界其他地区亚太地区
样本结构采用等额配额方式， 在以下 5 类组织中各抽取
80 名受访者： 私募股权 (PE) 公司、 企业并购公司、 并购咨
询服务公司与投资银行、 风险投资 (VC) 公司以及律师事
务所。 这种结构化抽样方法既能确保各细分公司之间的可
比性， 又可呈现专业交易撮合生态系统的全貌。
4%
29%
46%
22%
46%
32%
15%
7%
7
国际资本市场研报资讯+V: quanqiuzixun8
05
AI 在交易
撮合中的整合现状
国际资本市场研报资讯+V: quanqiuzixun8
关于交易团队是否使用 AI 这一问题， 已有明确 定论。 近半数 (49%) 的受访者表示， AI 工具已完全整合到其交易流程的大部分阶段。 另有
41% 的受访者表示 AI 已实现部分整合， 而只有十分之一仍
停留在试点或实验项目阶段（图 1）。 对于交易撮合行业的绝
大多数从业者而言， AI 已不再是试点技术， 而是演变为一
项必不可少的工作能力。 高盛集团公司 (Goldman Sachs)
投资银行服务部门的全球负责人 Kim Posnett 在 2026 年 1
月接受 《财富》 (Fortune) 杂志采访时对此进行了概括：
全球企业现已越过试点阶段， 进入“深度结构性转型”时期。
AI 在交易撮合中的整合现状
图 1： AI 现已成为交易人的基础性设施， 九成交易团队已跨越试点阶段。
已完全整合到大部分交易阶段
在部分交易阶段实现部分整合
仅在试点或实验项目中有限使用49%41%
10%
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
9
国际资本市场研报资讯+V: quanqiuzixun8
已完全整合到大部分交
易阶段
在部分交易阶段实现部
分整合
仅在试点或实验项目中
有限使用
图 2： 咨询公司与投资银行在 AI 整合方面处于领先地位； 企业收购方与律所则明显落后
AI 在交易撮合中的整合现状
58%
35%
8%
29%
53%
19%
69%
28%
4%
51%
43%
6%
39%
48%
14%
私募股权公司 企业收购方 并购咨询服务公司/
投资银行
风险投资公司 律师事务所
按组织类型分析时， 这一趋势变得更加清晰。 咨询公司与投
资银行在 AI 应用方面走在前列， 超过三分之二 (69%) 的受
访者表示已实现完全整合， 显著高于其他任何细分公司。
私募股权公司紧随其后， 为 58%， 风投公司为 51%。 企业
收购方 (29%) 和律师事务所 (39%) 则明显落后（图 2）。
相反， 近五分之一 (19%) 的企业收购方仍停留在试点阶段，
这一比例远高于其他任何细分组织， 并且与咨询公司和私
募股权公司相比具有统计学上的显著差异。 这明确表明，
企业收购方仍处于 AI 应用的早期阶段。 这种细分方式揭示
了一个规律， 即那些深度嵌入交易流程的组织（如以执行交
易为核心业务的咨询机构）在追求运营效率和竞争优势的
过程中， 对 AI 的采用最为积极。
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
10
国际资本市场研报资讯+V: quanqiuzixun8
而并购频率相对较低的企业收购方， 以及将审慎监管与责
任风险置于首位的律所， 则表现得更为谨慎。 对于这些 AI
普及速度较慢的组织而言， 问题不在于采用 AI 是否必要，
而在于竞争差距正在拉大： 他们所聘用的咨询机构已处在
截然不同的技术环境之中。
然而， 按资历划分时， 存在一个有意思的认知分歧。 超过三
分之二的组织领导（合伙人/董事总经理/高管）认为 AI 工具
已完全整合到交易流程的大部分阶段， 但仅有 29% 的副经
理和分析师持相同看法。 事实上， 超过半数 (54%) 的初级
员工表示， AI 工具仅实现了部分整合。
多工具并存的现实
交易撮合行业中 AI 普及程度的差异， 至少可以部分归因于
所用的工具。 我们的研究表明， AI 的应用并非局限于单一
平台。 大多数交易团队 (52%) 同时使用三到五种 AI 工具，
AI 在交易撮合中的整合现状
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
图 3： 交易团队通常同时管理三到五种 AI 工具， 而且这种工具组合仍在不断壮大。
1-2 种
24%
3-5 种
52%
20%
6-9 种
4%
10 种以上
另有 20% 管理六到九种工具， 极少数团队同时使用十种
或更多工具（图 3）。 仅有四分之一 (24%) 的团队只使用一
两种工具。
通用大语言模型 (LLM) 平台在 AI 工具中占据主导地位。
OpenAI 的 ChatGPT 以 48% 的普及率居于首位， 其次
是谷歌 (Google) 的 Gemini/Vertex 平台 (23%) 以及微
11
国际资本市场研报资讯+V: quanqiuzixun8
软 (Microsoft) 的 Copilot/Azure 生态系统 （22%）。 这三
种工具如今成为大众广泛使用的通用生成式 AI 系统的主
力， 或许不足为奇。 受访者提到的其他工具包括 Claude、
Perplexity AI、 Meta AI 等， 这些工具的市场份额都只有
个位数（图 4）。
这可能表明， 在 AI 整合方面， 相当一部分受访者将使用通
用 AI 工具提升生产力视同为在交易流程中整合 AI， 而非与
核心交易撮合能力整合。 这一观点得到了另一数据的支持：
仅有 28% 的受访者表示 AI 工具与当今交易撮合所用的
核心平台“良好整合”。
值得注意的是， 超过四分之一 (26%) 的受访者提到了未进
入前十的“其他 AI 工具/平台”， 这表明市场上存在大量正
在使用的各种专业工具和专有工具。
在这些“其他”工具中， 团队显然正在利用 AI 实现特定
功能的自动化。 Westlaw、 Lex Machina、 Harvey 以及
Kira Systems 等工具被应用于法律和合同流程中； IBM
Watson、 Databricks 以及 Datarails 用来提升工作流程
的分析效率； 此外， 受访者还提到了 Kruncher 以及彭博
(Bloomberg) 终端内置的 AI 功能等金融方面的专用工具。
图 4： 您正在使用哪些 AI 工具/软件？（前十款）
48% 23% 22% 26%
5% 6% 5% 2% 2% 2% 2%
ChatGPT Google/Gemini/
Vertex
Microsoft/Copilot/
Azure
Meta AI Claude Perplexity AI Grok Salesforce Einstein Notion AI Grammarly 其他 AI 工具/平台
“今后， 我们需要开始在少数几个解决方案上加大投入，
因为我们需要对现有的工具组合进行精简优化。 ”
Lúcia Soares， The Carlyle Group 首席信息官兼技术转型负责人
在 Reuters Events 的 Momentum AI Finance 活动上的发言（2025 年 11 月）
AI 在交易撮合中的整合现状
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
12
国际资本市场研报资讯+V: quanqiuzixun8
治理框架普遍确立， 但可能仍有欠缺
几乎所有受访者 (94%) 表示， 其组织至少遵循一项正式的
AI 政策或合规框架。 国际标准化组织/国际电工委员会
(ISO/IEC) 42001 标准以 50% 的采用率领先， 紧随其后的
是美国国家标准与技术研究院 (NIST) 《人工智能风险管理
框架》 (45%)、 欧盟 《人工智能法案》 (36%) 以及经济合作
与发展组织 (OECD) 人工智能原则 (36%)。 虽然部分受访者
指出其组织已经建立了内部框架， 但只有极少数表示未制
定具体的 AI 治理政策（图 5）。
图 5： 正式的 AI 治理已近乎普及， 但框架采用的广度并不保证其深度。
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
NIST 《人工智能风险管理框架》
45%
ISO/IEC 42001 - AI 管理系统标准（2023 年）
50%
欧盟 《人工智能法案》
36%
OECD 人工智能原则
36%
我的组织自行制定了 AI 政策/合规框架
27%
我的组织没有为 AI 制定专门的政策或合规框架
6%
AI 在交易撮合中的整合现状
其他（请具体说明）
1%
13
国际资本市场研报资讯+V: quanqiuzixun8
全球大多数交易撮合组织都会至少采用某种形式的 AI
治理或合规框架。 如图 5 所示， 尽管欧盟 《人工智能法案》
在欧洲境内的采用率显然最高， 但北美、 欧洲和亚太地区
的受访者中， 采用上述至少一种框架的比例大致相当。
从表面上看， 这些数据令人安心。 但正如本报告后续安全发
现所揭示的那样， 即便有了治理框架， 大多数企业仍逃不过
AI 相关安全事件。 这说明， 行业面临的挑战并非政策缺位
或存在漏洞， 而在于政策与实践的脱节。 随着 AI 加速普及、
深入渗透， 治理结构的成熟速度未能跟上， 这种脱节可能
正在进一步加剧。
AI 在交易撮合中的整合现状
“[AI] 就像当年的 ATM。 第一家拥有
ATM 的银行靠它赢得了客户， 但现在
ATM 已经无法带来任何优势。
我认为， AI 正在把‘优秀’的门槛
推得越来越高。 ”
Amias Gerety， QED Investors 合伙人兼美国区负责人
14
国际资本市场研报资讯+V: quanqiuzixun8
06
AI 在整个
交易生命
周期中的
作用
国际资本市场研报资讯+V: quanqiuzixun8
我们的研究表明， AI 如今已出现在交易生命周期 的每一个阶段， 从最初的项目寻源到并购后整 合乃至历史交易分析。 然而， AI 在交易生命周期
各阶段的渗透率并不均匀。 更准确地说， 这项技术影响最大
的领域集中在尽职调查、 财务分析和投资组合管理等特定
任务上。 与此同时， 在交易执行和复杂谈判等特别需要判
断力的任务和阶段中， AI 的作用则更为微妙。
普华永道 (PwC) 美国全球交易行业主管 Brian Levy 在
《2026 年美国交易展望》 (US Deals 2026 outlook) 中撰
写指出， AI 正在“挑战并购执行的基本面”， 未来的交易流程
可能会“令当今的从业者几乎认不出来”， 因为尽职调查将
更加深入、 更依赖数据， 交易时间线也将得以大幅压缩。
项目寻源与筛选
AI 在交易发起的早期阶段已得到积极而广泛的应用。 自动
捕捉财务与市场信号是最常见的 AI 应用场景 (57%)， 其次
是自动发现潜在标的公司与商机开发 (51%)， 以及市场与
主题趋势扫描 (49%)。 考虑到所涉及的任务类型， 这点或许
就在预料之中： AI 能够以自动化方式根据特定参数进行详
细搜索， 因此优先将 AI 应用于这些场景确实合乎逻辑。
交易流程评分与优先级排序是一项对分析要求更高的任务，
约三分之一 (35%) 的受访者使用 AI 进行此项工作， 而仅有
3% 的受访者表示在项目寻源与筛选环节完全不使用 AI。
在此阶段节省的时间相当可观： 绝大多数 (87%) 受访者
表示， AI 使其任务耗时缩短了至少 11%， 其中占比最高
的群体节省了 21% 至 30% 的时间。 然而， 只有不到 5%
的受访者表示 AI 节省了超过 50% 的时间。
交易营销
在涉及交易营销的受访者中， AI 最常用于生成执行摘要
(65%)、 制定营销策略与定位 (60%)， 以及识别与定位买
受人 (57%)。 这表明， 交易人发现 AI 最擅长交易营销中的
生成性和策略性工作， 其自然语言能力可以加速文档撰写
与受众分析。
AI 在整个交易生命周期中的作用
16
国际资本市场研报资讯+V: quanqiuzixun8
尽职调查
与此同时， 尽职调查可能是 AI 对交易撮合影响最为显著、
最可量化的环节（图 6）。 财务分析（涵盖报表、 交易、 异常检
测及公共记录搜索）是最常见的 AI 应用场景， 超过三分之二
(69%) 的受访者选择了此项。 其次是文档审查， 包括对
合同、 问答、 报告、 披露文件和保密协议 (NDA) 的审查。
半数受访者同时选择了网络安全尽职调查以及法律与合
规审查， 这反映出 AI 在尽职调查中的应用范围已超越了
最初以文档处理为主的使用场景。
AI 的部署贯穿尽职调查的各个阶段。 超过八成 (84%) 的受
访者在早期或外部尽职调查中使用 AI， 另有 7% 计划在这
些阶段中采用。 在确认性尽职调查（包括问答流程）中， 采用
率同样高达 78%， 另有 12% 计划实施， 这表明， 在交易中
文档量最大、 时效性要求最高的这一环节， AI 的应用范围
还将进一步显著扩大。
AI 在整个交易生命周期中的作用
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
图 6： AI 正全面部署在尽职调查阶段的各个环节中
财务分析（报表、 交易、 异常检测及公共记录搜索）
69%
文档审查（合同、 问答、 报告、 披露文件、 脱敏、 NDA）
61%
网络安全尽职调查
53%
法律/合规审查
49%
运营/商业评估
43%
ESG 尽职调查
30%
我们在尽职调查阶段不使用 AI
1%
17
国际资本市场研报资讯+V: quanqiuzixun8
尽职调查中的时间节省情况与项目寻源环节相似， 但分
布情况略有不同。 绝大多数受访者表示时间节省幅度达
到或超过 11%。 最大的群体——超过三分之一的受访者
(35%)——表示 AI 节省了 21% 至 30% 的时间， 而只有
6% 的受访者表示节省超过 50%（图 7）。 在整个样本中，
只有一位受访者表示完全没有省下时间。
按职位划分的数据颇具启示性。 咨询公司、 投资银行以及私
募股权和风险投资公司在尽职调查中实现 31% 至 50% 时
间节省的可能性， 显著高于企业收购方和律所。 咨询公司在
此方面居于领先地位， 五分之一的受访者表示时间节省范
围落在此区间， 而企业方和律所均仅为 5%。 这一差距与咨
询公司和私募股权公司更高的整体整合水平相吻合， 也表
明 AI 节省的时间会随着整合的深入而加速增长， 这对仍
处于 AI 应用早期的组织具有直接的启示意义。
图 7： 超过三分之一的交易人在尽职调查阶
段借助 AI 节省了 21% 到 30% 的时间
Reuters Insights AI 在并购领域中的应用情况调查
（2026 年 1 月）： 调查中虽然提供了 0%（未节省时间）
的选项， 但因无人选择而未显示
1-10%
13%
11-20%
33%
21-30%
35%
31-50%
14%
超过 50%
6%
AI 在整个交易生命周期中的作用
“[AI] 让你能看到比以前多得多的交易机会， 以前这一切基本上取决于分
析师的时间， 他们需要花时间去开设交易室、 阅读成百上千份文件……AI
降低了交易过程中的摩擦。 ”
John Stecher， 黑石集团首席技术官
在 Reuters Events 的 Momentum AI Finance 活动上的发言（2025 年 11 月）
18
国际资本市场研报资讯+V: quanqiuzixun8
按资历或职位划分时， 我们也看到一些差异。 统计数据
显示， 与更高级别的职位相比， 经理或分析师级别的受访
者认为 AI 节省的时间相对较少， 通常在 11% 至 20% 之间。
作为对比， 大多数 (65%) 合伙人、 董事总经理及高管级别
的受访者预计， AI 在尽职调查中可节省至少 21% 的时间。
AI 在整个交易生命周期中的作用
当前工具擅长加速文档审查、 数据提取等零散任务， 但尚未
改变关联这些任务的端到端工作流程。 对于正在评估自身
AI 战略的交易团队而言， 启示显而易见： 下一波效率提升，
或许并不依靠在单项任务上叠加更多工具， 而在于将这些
工具整合至连续、 互联的工作流程之中， 而这恰恰是交易
人已经欣然接受的智能体能力。
估值与财务建模
从资历角度看， AI 在估值中的作用呈现出明显的梯度变化。
近三分之二 (64%) 的分析师和经理经常使用 AI 执行估值
任务， 而副总裁/总监级别的比例为 44%， 合伙人及董事总
经理级别同样为 44%。 相反的数据同样具有说服力： 12%
的合伙人和董事总经理完全不用 AI 进行估值， 而分析师中
这一比例仅为 2%（图 8）。 尽管 AI 可以发挥作用， 但高级别
的人员显然很看重实际经验。 与此同时， AI 在分析工作量
最大的层级中渗透得最为彻底， 而承担估值判断最终责任
的高级专业人士则与之保持较大距离。
“我们首先对高层领导团队（从首席执
行官往下）进行了培训， 让他们了解
AI 能实现哪些功能……同时也让他
们意识到 AI 存在幻觉、 偏见等问题。
因此， 我们的领导团队很早就对 AI
的优缺点有了相当清晰的认识。 ”
Hari Gopalkrishnan， 美国银行首席技术与信息官
在 Reuters Events 的 Momentum AI Finance 活动上的发言
（2025 年 11 月）
经常使用 AI 偶尔使用 AI
不使用 AI
图 8： 分析师在估值阶段积极运用 AI 技术，
而高层领导则对此持保留态度
64%
2%
34%
48%
44%
2%
8%
12%
分析师/经理 副总裁/总监 合伙人/董事总经理
来源： Reuters Insights AI 在并购领域中的应用情况调查
（2026 年 1 月）
在衡量省时情况的所有三个阶段中， 都呈现出一种共同的
规律。 在每个阶段中， 节省的时间大部分集中在 11% 至
30% 的区间内， 而不到 6% 的受访者表示节省幅度超过
50%， 不到 2% 的受访者表示完全没有省下时间。 这表明，
当前一代的 AI 工具在提效方面取得了相对一致的效果，
这种效果虽有意义但仍存在上限。
34%
19
国际资本市场研报资讯+V: quanqiuzixun8
投资组合公司管理
在 160 位涉及投资组合管理的私募股权和风投受访者中，
AI 的部署相当广泛。 最常见的应用场景包括： 识别运营改
进机会、 规划与追踪价值创造， 以及监控风险与预警信号。
紧随其次的是投资组合公司业绩监控 (45%)； 包括扩张、
附加收购和资产剥离在内的战略决策支持 (47%)； 以及投
资组合层面分析 (47%)。 退出时机与就绪度评估为 27%，
明显落后， 考虑到退出决策高度依赖人工判断和市场状况，
这点或许并不令人意外。
历史交易分析
利用 AI 从历史交易数据中挖掘战略洞察的做法已相当
普遍。 超过六成 (61%) 的受访者使用 AI 识别成功交易的
模式和特征。 其余应用场景主要集中在： 将当前交易与过
往业绩进行对标、 基于历史结果进行预测性建模， 以及理
解与交易失败或表现不佳相关的因素。 仅 3% 的受访者表
示在历史分析中完全不用 AI。 AI 在历史分析中的广泛应
用表明， 交易团队正日益将所积累的交易经验视为一个
结构化的数据集， 用以寻求竞争优势。
AI 在整个交易生命周期中的作用
图 9： 超过三分之一的交易人在尽职调查阶段
借助 AI 节省了 20% 到 30% 的时间
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
21-30%
29%
11-20%
32%
超过 50%
6%
31-50%
16%
1-10%
17%
0%（未节省时间）
2%
这与一家主要金融机构的首席技术官 (CTO) 所表达的观
点相吻合。 这位首席技术官在为本次报告接受采访时表示，
其组织中的初阶员工普遍在日常工作中使用 AI， 但对经理
级员工具体如何使用 AI， 则缺乏可见性和透明度。
这种模式可能反映了一种合理的分工： 先由分析师负责执
行 AI 增强型分析， 然后由资深专业人士运用自身判断进行
复核和解读。 但这也引发了一些问题： 高层决策者是否充分
了解生成其所依赖信息的工具的能力与局限？ 甚至是否完
全了解 AI 在自己组织中的应用现状？ 如果组织使用 AI 生
成情景模型和可比公司筛选结果来为估值决策提供依据，
那么高层决策者能否做出高质量判断， 关键在于他们是
否理解这些结果是如何生成的。
交易执行
在包括问答管理、 危险信号检测和交易协调在内的交易执
行阶段， 近半数的受访者广泛使用 AI 驱动的工具， 另有
51% 则有节制地使用此类工具。 只有 5% 的受访者在当前
阶段尚未使用 AI， 但其中大部分都有意向采用。 时间节省
情况与其他阶段一致： 81% 的受访者表示至少节省了 11%
的时间。 值得注意的是， 有 6% 的受访者表示节省超过
50%。 尽管只有少数人反馈， 但该节省比例是所有生命
周期阶段中最高的（图 9）。
20
国际资本市场研报资讯+V: quanqiuzixun8
信任、 信心与人的参与
07
国际资本市场研报资讯+V: quanqiuzixun8
信任、 信心与人的参与
AI 显然已在交易撮合行业赢得了一定程度的专业信任， 但信任来之不易， 却也容易失去。 正如我 们的研究结果所示， 围绕 AI 发生的事件显然正
在侵蚀这种信任。 交易人， 尤其是级别较高的人员， 似乎对
AI 只抱有一般程度的信任， 并非完全信赖。
在所评估的每个工作流程中， 大多数受访者将其对 AI 的信
任度评为 70/100 或以上。 在估值与财务建模方面， 62%
的受访者信任 AI 的输出结果。 如图 10 所示， 并购后整合
(PMI) 的信任度与之相近 (58%)， 尽职调查 (56%)、 项目寻
源与筛选 (53%) 以及交易执行 (53%) 也同样如此。 支持
AI 的声音远非零星半点。 半数以上受访交易人表示， 他们
在每个主要交易阶段都相当信任 AI 生成的输出。
图 10： 大多数交易人在所有工作流程中对 AI 输出结果的信任度评分均在 70/100 或以上。
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
项目寻源与筛选 尽职调查 估值与建模 交易执行 并购后整合
0–3 4–6 7–8 9–10
11%
31%
33%
25%
12%
35%
29%
24%
13%
25%
35%
26%
14%
31% 31%
25%
13%
36%
30%
23%
各交易工作流程中对 AI 输出结果信任度的评分 (0–10)
22
国际资本市场研报资讯+V: quanqiuzixun8
AI 最不擅长的领域
当被问及 AI 在交易撮合的哪些阶段对人做出判断的辅助
作用最小时， 受访者指出是交易执行 (41%) 和尽职调查
(40%)。 值得注意的是， 这些恰恰也是 AI 整合程度最高的
阶段。 AI 应用最密集的两个阶段， 同时被认为是 AI 对人做
出判断帮助最小的领域， 这一发现并非矛盾； 它很可能反
图 11： 五分之四的交易人对 AI 自主执行多步骤交易工作流程表示很放心。
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
信任、 信心与人的参与
非常放心并交由 AI 自主规划和处理多步骤工作流程
36%
比较放心并愿意在采用适当安全防护措施的前提下交由 AI 处理多步骤工作流程
43%
保持中立
10%
不太放心， 需要在各步骤之间设立人工检查点和进行审批
9%
非常不放心， 倾向于在每个决策点都有人工介入
2%
映了这样一个事实： 这两个阶段涉及任何交易中最复杂、
最依赖情境、 法律后果最严重的决策。 AI 可以处理文档、
标记异常、 揭示模式， 但要基于这些输出采取行动所需做
出的解释性和战略性判断， 从根本上仍然需要“人的参与”，
或者如人们对 AI 日益形成的普遍看法那样， 需要“由人
主导”。
23
国际资本市场研报资讯+V: quanqiuzixun8
或许最具前瞻性的发现， 是交易人对自主型 AI 的接受程度。
如图 11 所示， 五分之四的受访者对能在极少人工干预情
况下规划并执行一系列相互关联任务的 AI 系统表示放心。
超过三分之一 (37%) 的受访者对交由 AI 自主处理多步骤
工作流程感到“非常放心”， 而只有 2% 的受访者称“非常
不放心”， 更倾向于在每个决策点都有人的参与。
咨询公司和投行对自主型 AI 的需求最为强烈， 其中 54%
感到“非常放心”， 显著高于企业收购方和律所。 企业收购方
是所有组织类型中最为谨慎的， 19% 的受访者表示“有些”
或“非常”不放心， 显著高于整体平均水平， 也高于其他任
何类型的组织。
这或许可以作为 AI 在交易撮合领域后续发展的一个风
向标。 大多数从业者对智能体 AI 的需求显而易见。 然而，
这种接纳意愿， 却伴随着安全隐忧、 治理短板和高层阻力
（企业收购方与律所的高层阻力尤甚）。 问题不在于自主型
交易工作流程是否会应运而生， 而在于当它们成为现实时，
组织的基础设施是否已做好治理方面的准备。
信任、 信心与人的参与
4/5
的交易人对 AI 在无人监督下执行多步骤交易
工作流程感到放心
24
国际资本市场研报资讯+V: quanqiuzixun8
08
AI 安全、
治理与风险
国际资本市场研报资讯+V: quanqiuzixun8
AI 安全、 治理与风险
过去 12 个月内， 五分之四 (80%) 的组织发生过 或险些发生与 AI 相关的安全事件。 这证明， AI 在交易撮合中的应用所引发的安全风险，
已成为影响当今绝大多数交易人的现实问题。
最常见的事件类型是访问控制漏洞， 即 AI 智能体被授予对
过多信息的访问权限， 或对数字资产进行意外更改。 近半数
(48%) 的受访者报告了此类问题。 紧随其后的是 AI 产生幻
觉导致尽职调查信息不准确， 占比 40%。
咨询公司和投行报告的访问控制漏洞 (60%) 和产生幻觉
(53%) 的发生率最高， 均显著高于企业收购方和律所。 风投
机构呈现出类似模式， 59% 的受访者表示 AI 存在访问控制
问题， 半数称有幻觉问题。 AI 整合越深入， 安全事件发生率
越高， 这一关联并非巧合： AI 应用最积极的组织面临的风
险也最大， 而律所或许因其对工具和访问入口采取了审慎
的管控措施， 从而得以规避此类风险。
“我认为， 安全防护机制和负责任的
AI 是我们工作的重要内容。 我们有
一套流程， 用于审视 16 个不同维度
的风险。 ”
Hari Gopalkrishnan， 美国银行首席技术与信息官
在 Reuters Events 的 Momentum AI Finance 活动上的发言
（2025 年 11 月）
80%在过去 12 个月内发 生过 AI 相关安全事 件的组织占比
26
国际资本市场研报资讯+V: quanqiuzixun8
对此类事件的应对措施出现了一定程度的分化。 在组织发
生过安全事件的受访者中， 60% 表示其组织仍按计划继
续推进 AI 应用， 但因此额外实施了治理和防护措施。 与此
同时， 略低于半数 (46%) 的受访者表示其组织在 AI 应用方
面变得更加谨慎。 只有 11% 的受访者表示组织对 AI 的整
体看法没有变化。 面对安全隐忧， 交易人并未退缩， 而是在
不断强化其应对方式。
数据安全： 不容商榷的优先事项
考虑到 AI 带来的市场机遇与安全风险同时存在， 我们发现，
几乎所有受访交易人 (97%) 都认同： 强大的数据安全对于
AI 解决方案至关重要， 近三分之二 (63%) 将其评为“非常
重要”。 这一共识使数据安全成为交易撮合行业在评估 AI
工具时最受认同的优先事项（图 12）。
图 12： 数据安全是寻求 AI 解决方案时普遍优
先考量的要素
非常重要 有些重要
不太重要
63%
34%
3%
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
AI 安全、 治理与风险
因此， 安全不能是事后补救， 也不能可有可无。 它必须是
根基， 内嵌于每一个会接触机密交易信息的工具之中， 融入
其架构、 数据处理和访问控制的底层。 当然， 将数据移入或
移出虚拟数据室 (VDR) 以接入其他 AI 平台， 这一行为本
身就存在数据泄露的风险。 而具备内嵌 AI 能力的 VDR
平台， 则无需复制和迁移数据， 从而规避了此类风险。
在已有 80% 的企业发生过安全事件的市场中， “足够安全”
的标准已不再由供应商的营销宣传来定义， 而是由企业的
实际运营经验来决定。
27
国际资本市场研报资讯+V: quanqiuzixun8
09
变革管理
国际资本市场研报资讯+V: quanqiuzixun8
变革管理
AI 的应用已相当普遍， 节省了可量化的工作时间， 并且尽管安全问题普遍存在， AI 在交易撮合中的辅助作用仍获得了广泛信任。 然而， 超过半数
(57%) 的交易人表示， 过去 12 个月内， 高层对 AI 的抵制有
所加剧。
可以说， 这项技术的发展速度已经超过了使用其组织的成
长速度。 初级和中级团队正积极采用 AI， 而负责客户关系、
受托责任和声誉风险的高层专业人士却随着 AI 使用频率
的增加， 而变得更加谨慎， 而非更加信任。
这种抵制的驱动因素显而易见。 调查中的受访者将 AI 输出
的准确性视为首要担忧， 其次是其可解释性。 受托责任风
险与合规问题也同样突出。 只有 7% 的受访者表示高层并
未抵制。
咨询公司与投资银行中高层的抵制最为显著： 近四分之三
(74%) 的受访者表示高层的反对声音有所增加， 显著高于
企业收购方 (36%) 和律所 (49%)。 显然， 在 AI 方面投入力
度最大的细分组织， 也是内部矛盾感受最强烈的群体， 这一
模式很可能反映了咨询公司所处环境的风险更高， 其输出
结果会受到客户和监管机构更严格的审视。
“我们的瓶颈不是资金， 而是组织应对
所有变革的能力。 我们在转型办公室
以及能够推动真正数字化转型的人
才方面投入的资金， 几乎与我们在
AI 本身上的投入一样多。 ”
Byron Vielehr， 阿波罗全球管理公司首席运营官
在 Reuters Events 的Momentum AI Finance 活动上的发言
（2025 年 11 月）
29
国际资本市场研报资讯+V: quanqiuzixun8
能力差距
当被要求描述其团队的整体 AI 能力时， 近半数 (47%) 的受
访者称自己“经常使用 AI， 具备良好的 AI 素养”。 另有 28%
的受访者称大多数团队成员偶尔才会使用 AI， 但有些成
员曾接受过相关培训； 16% 则表示团队成员全都偶尔才会
用到 AI。 团队中拥有专门的机器学习或 AI 智能体的人属
于极少数（图 13）。
风投公司在拥有专职的 AI 团队方面走在前列， 而咨询公司
中偶尔使用 AI 的人员比例却最高， 这一发现可能与它们领
先的 AI 整合率存在矛盾， 也可能部分解释了为何高层会对
AI 的深入渗透产生抵制。
在交易工作流程中大规模应用 AI 所面临的主要变革管理障
碍包括： 担心 AI 出错时的责任归属、 员工对 AI 工具的熟悉
程度不足， 以及缺乏足够的内部技术资源来定制 AI 工具。
对责任归属的普遍担忧表明， 阻碍 AI 更深层应用的因素未
必是对工具能力本身的怀疑（该技术已用实力证明了自身
的价值）， 而是对一旦出现错误， 最终由谁承担责任的焦虑。
当一份由 AI 辅助生成的尽职调查报告包含错误时， 谁来承
担职业与法律责任？ 在这个问题得到明确解答， 并将其写入
公司政策和客户协议之前， 运营层面的接纳行为与高层的
谨慎态度之间的紧张关系， 恐怕难以得到缓解。 可以预见，
律所对此的感受最为强烈： 61% 的受访者将责任归属担
忧列为首要障碍， 显著高于所有其他细分组织。
图 13： 交易撮合领域的从业人员具备 AI 素养， 但并非 AI 专家， 仅有 10% 拥有专职的机器学习/AI 团队
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
偶尔使用 AI
16%
经常使用 AI， 具备良好的 AI 素养
47%
大多数成员偶尔使用 AI， 部分成员接受过专门的 AI 培训
28%
拥有专门的机器学习/AI 智能体团队
10%
变革管理
30
国际资本市场研报资讯+V: quanqiuzixun8
AI 工具与 2030
年的交易人
10
国际资本市场研报资讯+V: quanqiuzixun8
随着交易人以前所未有的规模和深度采用 AI， 人们的注意力迅速转向了一个核心问题： 理想的 AI 工具组合究竟应该是什么样的？我们的研究
表明， 最重要的是， 不会有什么万能解决方案。
近半数 (49%) 的受访者更倾向于使用多个专业化的工具，
每个工具在交易撮合的某一特定阶段（如项目寻源、 尽职调
查或估值）表现出色。 约三分之一的受访者则表达了对一站
式解决方案的偏好： 20% 倾向使用单一集成平台， 12% 表
示更偏好一个核心交易管理平台搭配若干插件式的单点解
决方案。 与此同时， 少数人希望将更多的 AI 能力直接嵌入
客户关系管理系统 (CRM)、 虚拟数据室 (VDR) 以及财务建
模工具（图 14） 等现有基础设施中。
按组织类型划分的数据提供了更丰富的视角， 表现出不同
组织在工具组合偏好上的差异。 私募股权公司 (60%) 和风
投公司 (59%) 对使用多种专业化工具的偏好最为强烈，
显著高于企业收购方 (31%)。 企业收购方则呈现出独特
之处： 他们最倾向于将 AI 能力嵌入现有基础设施中 (26%)，
这与他们更愿意增强现有技术栈、 而非采用新的独立工具
的观点相一致。
AI 工具与 2030 年的交易人
图 14： 市场偏好专业化工具而非一体化平台， 近半数受访者更青睐“同类最佳”方案
单一集成平台， 将所有交易撮合功能和信息集中在一个系统中
20%
多种专业化工具， 每种专注于某一特定交易撮合阶段（项目寻源、 尽职调查、 估值等）
49%
单个核心交易管理平台， 搭配丰富的插件作为多种单点解决方案
12%
AI 功能直接嵌入现有交易基础设施（CRM、 VDR、 财务建模工具）中， 而非作为独立平台
无特定偏好
15%
5%
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
32
国际资本市场研报资讯+V: quanqiuzixun8
改进的优先事项
当问及未来五年 AI 工具最重要的改进方向时， 受访者的核
心焦虑与期望集中体现在三大优先事项上： 加强数据安全
与保密、 提高输出的准确性与可靠性， 以及降低成本和提
高处理效率。
安全与准确性并列首位， 这很能说明问题。 交易撮合行业
的首要需求并非新的 AI 能力， 而是要求已有能力变得更
加安全、 可靠。 换句话说， 这个市场曾快速采纳了 AI 技术，
如今正忙着消化因过快部署带来的一系列运营问题。
2030 年的交易团队
放眼这十年的后半程， 交易人预计其日常工作将经历广
泛的变革。 自动化的盈利质量分析， 即全面、 全样本分析，
而非基于抽样的方法， 以 43% 的比例位居榜首。 紧随其
后的是完全自主的尽职调查智能体 (41%)， 以及包含中
标概率、 估值预测和交易达成概率在内的交易结果预测
（图 15）。
AI 工具与 2030 年的交易人
图 15： 自动化 QoE 与自主尽职调查智能体领跑 2030 年受访者期待的最具颠覆性的创新成果
AI 生成的保密信息备忘录 (CIM)（自动生成初稿）
39%
自动化盈利质量分析 (QoE)（全面、 全样本分析）
43%
交易结果（中标概率、 估值、 交易达成概率）预测
39%
AI 驱动的买卖双方智能配对
37%
端到端 AI 交易编排平台
35%
完全自主的尽职调查智能体
41%
其他
1%
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
33
国际资本市场研报资讯+V: quanqiuzixun8
受访者对自动化盈利质量 (QoE) 分析和自主尽职调查智能
体的期望集中度相当高。 这两者都代表着 AI 从执行任务的
“助手”向掌控工作流程的“操作者”的重大跨越。 也就是说，
这类系统不仅仅能协助人类分析师审查盈利质量， 而且会
自主完成整个分析流程。 近半数 (43%) 的受访者认为这会
是未来最具颠覆性的创新成果， 既释放出市场信号， 也预示
着随之而来的治理挑战。
将改变交易方式的组织
这项研究不仅揭示了 AI 将如何改变交易本身， 更指出了哪
些组织将因 AI 而改变其交易方式。 当被问及预计到 2030
年 AI 将如何改变交易团队结构时， 近三分之二 (64%) 的受
访者认为， 将有更多的技术和机器学习专家加入交易团队。
这预示着， 交易团队将朝着跨学科的方向转变， 这在历史上
从未有过。
“过去， 判断投资者是否出色， 看的是
他们的反应速度、 分析深度以及对所
有潜在投资标的的追踪意识。 但到了
2030 年， 这些本事将很快变成‘标配’，
不再是独特优势。 ”
Amias Gerety， QED Investors 合伙人兼美国区负责人
34
国际资本市场研报资讯+V: quanqiuzixun8
AI 工具与 2030 年的交易人
超过半数 (53%) 的受访者预见， 团队成员将向具备 AI
素养的通才转变， 取代传统上按项目寻源、 分析和执行等
职能划分的专才。 未来， 交易团队对初级分析师需求将会
缩减 (39%)， 同时对合同制顾问的依赖会有所增加 (35%)
（图 16）。
受访者对未来预测职能方面的调整同样信心十足。 三分之
二的受访者同意或强烈同意， AI 将自动完成大部分传统分
析师的工作， 涵盖筛选、 早期尽职调查和建模准备。 此外，
有类似比例 (63%) 的受访者认为， AI 将加速完成交易流程
中的大部分环节， 而人类的角色将转变为高层次的裁决者。
另有 61% 的受访者相信， 合伙人和董事总经理将依靠 AI
来辅助决策， 例如进行情景建模、 制定谈判策略和识别风
险信号。
只有 6% 的受访者预计， 到 2030 年交易团队不会发生重大
结构性变化。 交易人和交易团队并非在争论自己的角色是
否会被 AI 颠覆， 而是在为“何时颠覆”以及更关键的“颠覆
到什么程度”积极准备。 当前的方向是， 以 AI 为核心， 对交
易撮合进行一场更根本、 更全面的变革。
图 16： 交易团队将围绕 AI 进行重组， 三分之二的受访者预计到 2030 年将有专职的机器学习/
AI 专家加入团队。
更多技术/机器学习专家加入交易团队
64%
对初级分析师的需求减少
39%
对合同制顾问的依赖增加
35%
预计不会发生重大结构性变化
6%
向具备 AI 素养的通才转变
53%
来源： Reuters Insights AI 在并购领域中的应用情况调查（2026 年 1 月）
35
国际资本市场研报资讯+V: quanqiuzixun8
展望未来11
我们的研究表明， 交易撮合行业已经跨越 AI 应用临界点，
如今正面临更为复杂的挑战， 需要考虑下一步该怎么走。
近半数的交易团队已将 AI 完全整合到其流程的大部分
阶段， 九成已迈过试点阶段。 与下一阶段相关的问题将更
多涉及组织层面， 而非技术层面， 解决这些问题的窗口期
正在收窄。
其中最为紧迫的问题就是治理。 在过去 12 个月中， 80%
的组织发生过与 AI 相关的安全事件， 而 94% 已在正式的
AI 政策框架下运营， 体现出政策与实践之间的脱节。 访问
控制漏洞、 AI 幻觉、 数据泄露等问题， 就发生在那些已经采
用行业推荐标准和框架的组织内部。
高层领导的态度变化进一步增加了问题的复杂性。 超过半
数的受访组织表示， 高层抵制有所加剧， 其原因主要在于
高层对准确性和受托责任的担忧。 总体来看， 这些担忧不
无依据。
36
国际资本市场研报资讯+V: quanqiuzixun8
能够向前推进并解决这些问题的组织， 必然是愿意投资对
高层决策者进行系统性 AI 素养培训的组织， 目的不是让
AI 的怀疑者变成狂热者， 而是让为 AI 输出结果签字的人
真正理解这些结果是如何产生的。
市场的技术偏好同样清晰。 近半数的交易人表示， 相较于单
一平台， 他们更倾向于使用更专业、 针对性更强的 AI 工具；
超过半数期望 AI 能够成为其交易技术中的标配功能。
SS&C Intralinks 的 DealCentre AI 正代表了市场需求的
这一方向， 它旨在将 AI 嵌入从交易管线管理、 交易价值营
销到尽职调查再到成交的整个交易生命周期中， 并以经过
认证的私有云基础设施为基础构建安全体系。
对供应商和采购团队而言， 这意味着： 下一个竞争战场将不
再是单一平台内功能清单的比拼， 而是在安全架构、 输出可
靠性以及与现有交易平台无缝集成的共同驱动下， 所建立
起来的对技术的信任。
展望更远的未来， 交易团队的结构性转型已在进行之中。
三分之二的受访者预计到 2030 年， 其团队中将吸收机器
学习和 AI 专家； 超过半数预计团队成员将向具备 AI 素养
的通才转变。 仅 6% 的受访者认为不会发生重大变化。 对于
尚未开始招募技术人才或重新设计团队架构的组织而言，
风险正在悄悄逼近： 未来几年， 具备 AI 素养的交易专业人
才将供不应求， 人才市场竞争只会越来越激烈。
智能体 AI 将加剧风险
尽管交易团队行动迅速， 但技术的发展更为迅猛。 AI 刚刚才
在交易工作流程中站稳脚跟， 智能体 AI 就已试图取而代之。
八成交易人对 AI 在无人干预的情况下执行多步骤工作流程
感到放心， 而自动化盈利质量分析和自主尽职调查智能体
成为市场眼中到 2030 年最具颠覆性的创新成果。
市场对更先进技术的渴求真实存在， 但严峻的现实也不容
忽视： 80% 的受访交易人表示其组织曾遭遇过安全事件，
而其中 57% 的受访者表示， 这直接导致了高层对 AI 的抵制
进一步加剧。 交易撮合行业正同时面临以下三种情形： 对扩
大 AI 应用范围的需求、 因 AI 治理缺失而承受的负面后果，
以及行业内部对 AI 所形成的抵制力量。
这并非矛盾， 而是技术转型速度超越组织基础设施与工作
方式调整速度时的典型特征。 在 AI 驱动的交易撮合领域，
最终胜出的， 将是那些能够弥合技术能力与组织准备度之
间差距的组织。 下一阶段， AI 在并购中的竞争优势， 将属于
那些能够主动出击、 先于对手并以可衡量方式弥合这些差
距的组织。
展望未来
37
国际资本市场研报资讯+V: quanqiuzixun8
了解我们的产品
如何为您助力
了解更多
关于 SS&C Intralinks
SS&C Intralinks 是虚拟数据室的开创者， 通过促进并购、 融资和投资者报告， 帮助实现
并保障信息流的顺畅与安全。 SS&C Intralinks 已赢得众多 《财富》 1000 强企业的信任与
合作， 其平台已促成价值超过 35 万亿美元的金融交易。
如需了解更多信息， 请访问
关于 Reuters Events
Reuters Events 是全球规模庞大、 发展迅速的一家活动公司， 为众多行业提供服务， 专注
于技术和战略创新带来的挑战与机遇。 我们的使命是为高层管理人员提供值得信赖的洞
察与有价值的连接， 助力他们从容应对变革、 把握机遇、 制定战略。 我们精心策划各类高
品质活动与内容， 为客户创造切实的价值。
如需了解更多信息， 请访问
国际资本市场研报资讯+V: quanqiuzixun8
The M&A Podcast
精彩不容错过
聆听有关交易的真知灼见， 该系列节目特邀贝恩、
安迈、 埃森哲、 礼德等公司的高层领导分享洞见。
欢迎在您的播客平台订阅收听。
收听平台收听平台 收听平台
39
国际资本市场研报资讯+V: quanqiuzixun8
了解更多
铸就优势
AI 赋能，
由 Link 提供 AI 支持， 助您提升
工作效率。 DealCentre AI™
40
国际资本市场研报资讯+V: quanqiuzixun8
