AI开始拆解商业尽调：谁被替代，谁将崛起|商业尽调|投资机构|顾问

前段时间，我们的一篇文章引发了很多关注与讨论，正如文末所留下的开放态度——我们认为“管理咨询不是一个正在等待被AI颠覆的行业。它是一个足够复杂、足够依赖人类判断与信任、足够需要被重新定义的行业…我们拥有重塑管理咨询的主动权。”这句话应该说出了很多顾问身处智能时代的心声。

伴随着“破题者”思想场域的推出，我们首先关注到了咨询服务市场中一个有潜力的细分服务市场——商业尽调（Commercial Due Diligence，简称“CDD”），并且就AI如何重新塑造商业尽调市场的服务机会与格局展开了研究。

在咨询行业里，商业尽调是投资机构或收购方在做出投资 / 并购决策前，委托专业顾问对目标公司所处市场和商业模式进行的独立验证性调研，核心目的是回答一个问题：这笔交易的商业逻辑站不站得住脚。

十几年前，我曾在咨询公司参与过多个由私募基金委托的商业尽调项目，这类看起来“高大上”的项目给我最深的感受从最初的“精英感”很快变成了“透支感”。一个典型的项目：3-4人的顾问团队，三周时间，几十个专家访谈，百份研报，团队每天睡得很少，每个顾问认领各自的研究模块，带着实习生向着明确问题冲刺，最后产出80页的PPT。而这里面80%的时间都花在了搜集信息、开展访谈、数据分析、信息整合、复制粘贴、格式调整这类事情上。

这门被顶级咨询公司包装得“华尔街味”十足的生意，虽然对于顾问的逻辑性和工作效率的要求很高，但本质上其实还是一个高度流程驱动的信息加工。

四重吸引力

过去几年，很多大型咨询公司都在大力投入以CDD为典型代表的交易型业务咨询板块，并且也确实取得了亮眼的成绩，至少在很多传统战略咨询业务持续低迷的状态下，对于很多咨询公司而言，CDD业务确实很“上头”。四个底层原因让这个市场对于咨询机构而言异常诱人：

费用不敏感

一个几亿美元的并购交易，花几十万到上百万美元做CDD只是零头，咨询公司的人均单产极高。

项目周转快

投资机构的决策很快，项目建议书也不用像原来战略、管理咨询前置那么多研究和输出洞察，也不会等几个月下来客户都没有声音。很多问题投资机构都已经定义好了，而且项目周期又短，这周转起来犹如“印钞机”。

市场体量扎实

仅全球私募股权市场，每年有超万笔交易，即便只有部分项目外包CDD，市场规模也在百亿美元级别，且仍在增长。

逆周期韧性强

即使IPO窗口收窄，控股型并购、不良资产交易增加，反而推高对深度商业尽调的需求。

但也因为以上特点，CDD服务市场的竞争也越来越白热化。众所周知，贝恩是全球CDD业务市场的老大，从贝恩公司跳槽出来成立的The Parthenon Group（现在的EYP）也是一直在专注该领域，包括后面大力跟进的BCG、McK、L.E.K.、OC&C等等，很容易就能够找到公司之间人员流动背后千丝万缕的关系，包括国内的久谦咨询也是先在国内CDD市场打响立身之战。

— 来源：Inex One

本质上来看，CDD业务其实是一个产品化程度高、溢价也足够高的咨询服务，只要掌握了其中的流程和方法，有一个整体素质不错的顾问交付团队，并且提供一个有竞争力的定价，就有机会分一杯羹。不过，因为参与者越来越多，这两年CDD业务市场的价格压力也在显现，咨询公司也都在寻找进一步提升效率、稳定人效的方法。从这个角度来看，咨询公司自身也有动力去借助AI来改造这个重要的“现金牛”。

AI舒适区的四个特征

CDD回答交易中最根本的问题：标的公司的市场吸引力、竞争地位、增长真实性 / 可持续性、商业计划靠谱程度，从而支持投资机构的投资决策，这里面的投资机构以私募基金为主，也会有风险投资机构，特别是在一些重大项目上需要外部判断的输入。这项工作有四个特征，正巧落在了AI的舒适区：

极度时效敏感交易窗口稍纵即逝，投资方要求几周内给出尽调的判断。AI在信息检索与校对、多语言 / 多类型文档阅读、摘要生成上的速度，能否碾压分析师团队、直接压缩项目周期？

事实与数据驱动CDD项目强调事实为基础，不仅要对外部市场信息的获取和交叉验证，更加看重详细的一手调研，并且基于调研所汇总出来的事实很大一部分还是要基于“数据”而不是顾问自己的判断。大语言模型及RAG（检索增强生成）架构能否更加高效地实现跨格式、跨语种海量信息中提取事实，给出溯源？

存在清晰的框架与输出逻辑投资机构对CDD项目的“审美”高度标准化：市场定义、规模测算、竞争格局、客户画像、财务预测合理性。这种高度模块化的输出要求，是不是可以通过预置知识图谱和多智能体协作生成初步报告？

体力密集型长时间搜索与案头工作挤压了真正用于思考与验证的时间，要完成繁重的研究工作已经是对体能的极限考验了。AI是否有机会将顾问从“人肉搜索引擎”解放出来，通过人机协作，让他们聚焦于假设提出、专家交叉质询和战略判断，从而有效提升顾问的价值？

结论是明确的，CDD服务是一套高效流程运作下的产物，而AI将有机会改变传统CDD的价值逻辑，而下面几家先行者正在从这些点位切入，尝试撕开一条裂缝。

先行者的实践

我们研究了在欧美涌现的AI Native的CDD公司，发现这批“先行者”正在从不同角度切入，试图打造“CDD服务的AI工厂”。其中几个最具代表性的平台：

DiligenceSquared

价值定位

对标MBB商业尽调交付物，信任机制押注在“人”身上——AI语音代理跑量执行专家访谈、自动综合、生成带完整信源可追溯的交互式报告，但关键产出由具备顶级咨询背景的项目负责人复核把关。创始人原话：“投资人不会接受80-90%正确的工具”——潜台词是光靠流程透明不够，最后一道关必须有真人签字背书。

商业模式

固定价格的成品交付，单份报告约5万美元，直接对标顶尖战略咨询公司的50万-100万美元标价，客户明确聚焦PE / VC基金（客户合计管理规模超2万亿美元）。

创始人背景

三位联合创始人是“买卖双方视角”的组合——Frederik Hansen（黑石前Principal，报告的买方）、Søren Biltoft（BCG私募股权业务线，报告的卖方）、技术合伙人Harshil Rastogi（前Google工程师）。三方对齐买卖双方视角，通常意味着团队对客户验收标准理解得更细。

融资情况

2026年完成500万美元种子轮（Relentless领投，YC参投），YC 2025秋季班出身，是后来者，靠更锋利的定位（直接打“替代MBB报告”这张牌）和更明确的价格锚点追赶市场。

Bridgetown Research

价值定位

信任机制押注在“流程可审计”上，不是靠某个人签字背书——核心卖点是“可控性和可审计性”。用户可以逐层追溯每个结论如何从原始访谈数据推导出来。AI语音代理实时招募并访谈真实行业专家执行研究，公司披露了三层Agent架构：语音访谈层 → 大模型聚类分析层 → 小模型报告生成层，用架构透明度本身建立信任。相较于DiligenceSquared，Bridgetown Research的自动化程度是更高的，强调数据捕获、融合与溯源。

商业模式

平台订阅费+按用量变动收费+按需报告付费的混合模式，客户既可以自己用Agent做研究，也可以雇独立顾问或小型咨询公司搭配Agent使用——创始人原话是“每赚1美元，能带动10美元以上的咨询和信息服务收入”。

创始人背景

公司创始人Harsh Sahai的“业内人+技术”组合——前麦肯锡商业尽调顾问转任亚马逊机器学习实验室负责人。

融资情况

2025年2月完成1900万美元A轮（Accel、Lightspeed领投），规模和市场验证周期上领先DiligenceSquared一步。

Wokelo

价值定位

多智能体协作模拟咨询团队分工（“市场分析Agent”、“竞争分析Agent” 等），提供标准工作流，也支持用户自定义复刻自己的方法论框架。主打的是工具属性，捕获了诸多顶级机构的背书。

商业模式

不是纯粹的“替代咨询公司”打法，而是同时把自己卖给咨询公司 / 大基金作为内部提效工具、也卖给中小基金作为外部替代方案——两头下注，比纯替代型定位更稳健，但颠覆叙事不如前者。

创始人背景

Siddhant Masson和Saswat Nanda都是前管理咨询顾问，亲历过连轴转做PPT、手工调研的一线体力劳动——和Bridgetown同属“从业者下场做替代品”的画像，但没有“深度技术架构”的差异化叙事，更多靠对咨询工作流的精准复刻取胜。

融资情况

2022年成立，早期融资相对克制——累计约550万美元pre-seed和种子轮（投资机构覆盖Untapped Capital、SeaChange Fund、KPMG Venture等，外加多位投行 / PE / 咨询公司高管的天使投资），产品已商业化两年半以上、付费客户超过40家，是三家里节奏最克制、客户验证周期最长的一家。

除了AI Native的公司之外，老牌专家网络公司一直以来是咨询公司在CDD项目上的一手信息供给方，他们也并不会等着被“斩断后路”，而是积极推动AI化，也想在这一波浪潮下重新定义自身的价值链份额：

GLG（myGLG）

价值定位

不把自己重新定位成“AI CDD报告生成器”，坚持“专家判断+ AI加速”——今年5月推出的三个agentic能力全部服务于“让专家判断更快”，专家甄选和招募仍由服务团队负责，AI被刻意锁在信息处理环节，不碰“该信谁”这条红线。

商业模式

专家撮合加订阅 / 项目制收费的原有模式没有根本变化，AI是加在服务流程上的效率层而非替代产品，同期还把专家内容库接入了彭博终端的AI界面。

AlphaSense收购Tegus

价值定位

一次纯粹的资产整合——Tegus积累了15万+份、覆盖3.5万+家公司的专家访谈转录库，AlphaSense是AI原生的文档搜索与市场情报平台。合并后把“AI检索能力”和“最大的一手专家数据资产”拼在一起，而非自建数据。

商业模式

9.3亿美元收购（2024年完成）本质是用资本买时间——与其自建多年才能积累的合规审核体系和信任关系，不如直接买下已经跑了多年的资产，再把AI层套上去做增量变现。

中国市场不能简单的复制

将上述欧美模式直接移植到中国必然水土不服，存在几个根深蒂固的障碍：

机构背书不可替代中国PE / VC生态中，“谁出的报告”和“谁做的访谈”本身就是信任依据。很多投资机构依然需要大牌CDD团队的印章来支撑投委会决议。纯工具或新平台建立品牌信任需要漫长过程，且团队必须同时具备深厚的CDD功底与交易嗅觉。

大量隐性信息依赖一手关系网市场大量关键信息本就不透明，需要依赖一手调研和人际网络去挖掘——饭桌上、电话里的只言片语都会产生很重要的判断，而不是结构化的历史数据。标准化的AI访谈很难触达这层“暗信息”，这一点在欧美市场同样存在，但在中国的信息生态里被放得更大。这些信息的获取极度依赖咨询顾问和专家网络的本地人脉与敏锐度，这也是为什么在中国，专家访谈的“寻源”和“信任传递”比访谈本身更值钱。

数据安全与合规红线被调公司的业务数据、客户清单、高管敏感信息一旦流入AI工具，数据泄露风险会直接毁掉交易。中国的《数据安全法》《个人信息保护法》以及央企国企的特殊合规要求，使得买方对将私密数据输入外部AI极度谨慎，工具方必须提供私有化部署或极强的安全架构。

付费意愿与交易文化差异欧美这轮AI CDD融资故事的一个隐含前提是PE / VC基金已经习惯为流程效率单独付费（即便是替代人力的工具）。在中国，尽调等服务的费用常常被视为交易成本的一部分而非独立的采购决策，基金内部为“效率工具”单独立项付费的门槛更高——这不是能力问题，是采购行为习惯问题。

共同的问题：投资判断的依据无论在欧美还是中国，都要解决的一个核心问题——决策者如何在事后为自己的投资判断提供可辩护的依据。投资判断错了，责任永远在做决策的GP、投委会身上，这一点在AI介入前后没有任何变化。原来是通过顶级咨询公司的背书，起码出了问题能够有人“分担”，但今天你使用了AI相关的服务，甚至得出了最终的结论，那么决策者事后能不能为自己的判断提供可辩护的依据？这是一个开放性的问题。

关键启示

在我们看来，也是给中国创业者和投资人的启示——纯SaaS的轻模式在国内可能步履维艰，“人机结合的重服务”或面向特定高合规场景的垂直工具更可行。

人机结合，而非纯粹依赖大模型

能真正拿到订单的公司，都在强调AI效率和专家判断的结合，而不是全自动黑箱——这一点在中国市场尤为重要，因为对人信任的权重更高，“有没有可以背书的专家在最后一道把关”直接决定采购决策。

专家网络服务的AI化，是被低估的强资产

一个逐渐清晰的共识就是：谁掌握着独家、高质量、可合规审计的专家资源，往往决定了智能所带来价值的上限——GLG和AlphaSense-Tegus的案例已经证明，这条路径比“从零造应用层产品”更容易走通，我们已经看到中国有些公司已经在尝试积累和变现专家访谈的资产。

垂直场景化是更容易建立壁垒的路径

聚焦特定产业，或聚焦尽调流程里某个高价值环节 / 核心痛点，比做“全流程平替”更容易在早期建立起真正的护城河——全流程平替对信任的要求太高，垂直切入点更容易先把口碑做扎实，这一点在中国尤为适用，窄场景比宽场景更容易通过验证，尽早形成闭环与复利。

CDD服务可能也即将经历类似2015年法律科技或2020年设计协作SaaS的AI破局时刻。AI不会让战略判断力贬值，但纯粹的信息处理流程将很可能被这些快速将AI引入的闯入者重塑。

对于创业者，这或许是一个建立新一代专业服务机构的窗口。对于投资人，那个能够融合交易洞察与AI生产力的团队，值得下注。时代已经出题了。现在，我们破题。

破题者招募

寻找同行者