给风投机构搭内部工具,需求常常以一句话的形式递过来:“AI能不能帮我们写IC备忘录?”更靠谱的做法是把需求收窄:先把数据室里每一个数字连同出处抽出来,再从这张表起草。备忘录本身是最便宜的部分,可追溯性才是产品。

这套流程被拆成五步,每一步的产出都卡住下一步的输入。

  • 模板进:机构的备忘录标题(团队、市场、产品、牵引力、财务、风险、条款),外加一份抹掉公司信息的旧备忘录。
  • 输入划界:路演材料、财务模型、股权结构表、通话记录。创始人限定查阅的文件,在有人读完保密协议之前不进流程。
  • 抽取环节:输出一张表,列明数字、数值、文档、页码、来源日期,以及文档自己使用的定义。这张表由人先修正,之后才跑别的环节。
  • 起草环节:只依据修正后的表生成各章节,凡是推断而非读到的内容都要打标。
  • 人来下结论:模型可以列风险和待解问题,观点由合伙人写。

市面上已有厂商在卖这个形状的东西。V7称其Go产品能把“复杂的交易文档变成更快的投资决策”;Anthropic称面向金融服务的Claude“会标注来源,方便团队核对工作”。

要测的失败模式也很具体。微软Copilot的文档写明,回答“不保证100%符合事实”。评测就该围绕尽调数字出错的几种典型方式搭:

  • 定义漂移:路演材料里的ARR,对上模型里的“年化收入”。要求每个数字都附上被引用的定义。
  • 数字过期:12月的更新,对上3月的董事会材料。要求每个数字都带来源日期。
  • 自信的空白:没有 cohort 数据,却写出了一段留存分析。要求模型能明确输出“材料中没有”。

最便宜的评测集,是一个你已经知道答案的旧数据室。评分只看“引用了且正确”的数字。

威胁模型有三层。训练层面,OpenAI称个人版ChatGPT套餐除非关闭,否则可能在对话上训练;Business、Enterprise和Edu默认不训练,套餐要白纸黑字定下来。保密协议层面,DarrowEverett(2026年6月)称,在交易信息上使用AI工具可能构成违约,“即使保密协议对AI只字未提”。这是入库前的政策检查,不是代码能修的事。提示注入层面,OWASP的2025年LLM十大风险把它排在第一位:“当LLM接受来自网站或文件等外部来源的输入时,就会发生间接提示注入。”数据室按构造就是攻击者提供的输入。每一个对外动作(发邮件、写CRM、分享)都要挡在人工批准之后,每个交易的文件要与其他组合数据隔离。

运营清单里还有一行,是因为ILPA的DDQ 2.0要求管理人列出用于标的尽调的技术工具,以及是否由第三方执行。

Mitosis Labs旗下的Private SuperIntelligence在机构自己的邮件、文档和数据上工作,给出合伙人能核对的引用,并且只在机构设定的权限内行动。每次部署为一家机构单独搭建,服务方不留工作副本,也不在其上训练。

Private SuperIntelligence同时服务的家族数量有限,以保证每家得到同等标准的服务。可通过预约私下通话(编号ADD1-DEV),与Alex Morris聊你所在机构的情况。

作者为Private SuperIntelligence(由Mitosis Labs推出)联合创始人兼CTO Prakshal Jain(PJ),以及联合创始人兼CEO Alexander Morris。