AI如何重新定义IPO评估标准

企业家 AI 资产｜第31期｜2026.7.13

晚上十一点，陆薇把第三杯冷萃咖啡放在办公桌上，屏幕上的PDF文件已经翻到了第847页。

她是某中型投行的IPO分析师，手头这个项目——一家太空科技公司的上市申请——光是招股说明书就超过1500页。更麻烦的是，这家公司的收入模式、技术估值、风险披露都跟传统企业完全不同：它靠政府合同、商业发射和星链服务赚钱，还有一堆尚未盈利的子公司在搞火星殖民计划。

陆薇需要写一份内部尽职调查报告，但光是把文件读完，她就已经花了三天。

“这玩意儿根本不是人读的。”她对着屏幕说。

手机亮了，是老板发来的消息：“明天早上9点，客户要看到初步评估框架。你自己定标准。”

陆薇盯着屏幕，突然意识到一个可怕的问题：她连“怎么评估这家公司”的标准都没有。

传统IPO尽职调查有固定模板——营收、利润、负债、现金流、市场份额、竞争格局。

但太空科技公司不一样。

陆薇发现，自己无法用过去的评估标准来判断这家公司。

她需要一套新的标准。但问题是——标准本身也需要被创造出来。

她试了三个方法：

陆薇陷入了一个经典困境：当问题本身没有标准答案时，连AI也帮不了你。

第二天，她偶然看到了Vals AI新发布的测试版系统——IPO Finance Agent。

这个系统跟其他AI不一样的地方在于：

它不只是读文件，它还能自动生成评估标准。

陆薇好奇地试了一下：她上传了1500页的S-1文件，然后输入了一个不寻常的指令：

“请你先不要评估这家公司。请你先告诉我，评估一家太空科技IPO公司，应该用哪几个维度？每个维度的权重是多少？为什么？”

系统沉默了几秒，然后给出了一个让她吃惊的答案：

“评估维度建议：

陆薇愣住了。

这不是一个预设的模板——它是系统“读完”1500页文件后，根据这家公司的特殊业务结构，自动推导出来的评估框架。

更关键的是，系统还附了一段解释：

“传统IPO评估框架基于周期性报表，但本案中企业收入是‘里程碑交付型’，因此建议将‘技术可验证性’作为核心维度，而非‘季度营收增长率’。”

陆薇突然明白了一件事：这个AI不是在读文件，它是在教她怎么读文件。

陆薇立刻把这件事汇报给了老板。

老板听完，沉默了三秒，说了一句话：“那以后IPO分析师干什么？”

陆薇也沉默了。因为她意识到，这个技术的真正冲击不是“效率提升”，而是**“能力结构重构”**。

以前，一个优秀IPO分析师的核心能力是“读懂文件”——把1500页读完，提炼出关键风险。

但IPO Finance Agent出现后，“读懂文件”变成了基础设施。真正值钱的能力变成了：

陆薇向老板提议：可以把这个技术扩展成三个产品方向：

老板听完，说了一个字：“做。”

三个月后，陆薇的项目顺利过会。客户评价是：“你们的评估框架比我们自己的法务团队还全面。”

陆薇知道，这功劳不是她的，也不是AI的，而是**“人+AI共同定义标准”**这个新协作方式的。

她想起了那个晚上，她盯着1500页文件发呆，觉得AI帮不了她。

现在她明白了：AI不是来替她读完文件的，AI是来替她发现“原来文件还可以这样读”的。

【供老板参考】 未来真正值钱的AI系统，不是能处理多长文档的，而是能自动生成“评估标准”的业务大脑。

【供产品人参考】 可以把“自动评估标准生成器”做成独立模块，用在IPO尽职调查、企业并购、风险投资、法律合规、学术评审等需要“从无到有定义评估维度”的场景。

2606.23032v1· cs.AI · 2026-06-24

莫斯塔法·本亨达

由 Vals AI 开发的 Finance Agent v2 已成为评估 Anthropic Claude 和 OpenAI ChatGPT 等前沿语言模型在金融任务上表现的参考基准。然而，它仅限于处理上市公司定期报告（SEC 10-K 和 10-Q 文件），并且其代理框架依赖于简单的、未经增强的块检索。无论是任务设计还是检索方法，都无法应对 IPO 尽职调查的独特挑战。

SEC S-1 文件包含历史财务报表、公司治理结构、备考和共同控制会计处理、资本形成说明以及承销敏感风险披露等内容，其篇幅远超典型的定期报告。因此，我们推出了 IPO Finance Agent，它在任务领域和检索架构两个方面扩展了 Finance Agent v2 框架。

在我们的实验中，由于文档长度过长，原始的 Finance Agent v2 框架基本上无法提供任何与 SpaceX S-1 文件相关的输出。因此，我们必须改进代理框架，使其具备上下文检索功能，这是一种更贴近实际且符合行业标准的长文档处理方法。我们还构建了一个包含 1000 个 IPO 尽职调查问题的数据集，并公开了 SpaceX (SPCX) S-1 文件中的 70 个问题以支持结果的可复现性，其余问题则保持私密，以防止基准测试受到污染。

此外，我们引入了一个评估器-优化器流程，用于自动生成基准测试的评估标准：从每个问题的独立生成的模型答案集合中提取候选事实，将其整合为评估标准草案，然后自动审核是否存在遗漏、错误、分类错误和冗余，并利用 LLM 反馈进行迭代修复、目标增强和去重。最终的评估标准仅在部署前由人类专家进行审核。

结果表明，性能最佳的评估模型——阿里巴巴 Qwen 3.7 Max——的准确率达到了 79.4%。每克0.30u e r y，和t最s t c s t − e ffi c i e n t mod最终结果P一个区域r on ti e r ，X我a o m i M我是o − 2.5 Pr o ，r e a ch e s s l i gh t ly较低的准确度（76.8）每次查询 0.05。两者都超过了当前 Finance Agent v2 排行榜的上限——Google Gemini 3.5 Flash 的 57.9%。每盎司2.51u e r y当未成年时切割甚至FA B v2′廉价的（Mi n i Ma x M3 : 48.3成本效益为 0.32）。代码和数据已发布在 GitHub 上：此 https URL

企业家 AI 资产｜第30期｜2026.7.10 《她不是在测试机器人，她是在给行业装“度量衡”》 一个故事蒸馏今天的AI资产