导读

随着生成式AI在金融领域的规模化渗透，资本市场信息生态正经历系统性重构，金融行业AI技能需求快速增长，这一趋势为信息流转机制研究提供了重要现实背景。本文以信息生产、分发、处理三大核心环节为框架，深度解析生成式AI的重塑作用。生产端，上市公司借助AI优化信息披露文本特征，审计机构通过智能工具提质增效；分发端，AI实现“长尾公司”全覆盖与“持续洞察”式传播，降低投资者信息成；处理端，AI既赋能投资者高效转化复杂信息，也暗藏能力鸿沟与认知偏差风险。全文立足信息经济学核心视角，为理解技术变革下资本市场资源配置效率的演化规律提供了扎实的实证支撑与理论启示。

当前， AI技术在金融行业的应用正从技术探索迈向规模化落地阶段，并成为资本市场中不容忽视的变革力量。这一趋势既得到行业实践层面的广泛印证，也体现在人才需求的剧烈变革中。行业实践层面，根据Mercer的全球资管机构调研，超过九成机构正在使用或计划引入AI技术；人才市场层面，自2022年ChatGPT发布到2024年年中，金融行业招聘公告中AI相关技能需求已实现三倍增长（Eisfeldt&Schubert，2024）。在此背景下，AI对市场信息环境的影响正日益深化。

信息是资本市场定价与资源配置的基础，其流转过程可划分为生产、分发、处理三个环节。其中，信息生产是市场信息的创造、披露与标准化过程，其产出构成了整个信息生态的源头与基础；信息分发是信息传递与触达的通道系统，其形态决定了信息的传播路径、效率与广度；信息处理则是信息接收者对已得信息进行的深度加工并转化为决策的过程，直接作用于资产定价。本文在信息生产环节重点关注上市公司与审计师，在信息分发环节考察信息平台与自动化分析系统如何重塑信息流动，在信息处理环节关注投资者决策，旨在立体揭示AI技术对资本市场信息生态的深层影响。

01

信息生产

1.人工智能在上市公司信息披露中的应用与影响

在资本市场的信息生产过程中，上市公司整理并披露一手信息是整个过程的起点。而生成式AI具有高效生成与优化文本的独特能力，使其在提升企业信息披露的效率与质量方面展现出巨大的应用价值。随着该技术的迅速发展和普及， 上市公司正逐步在实际的信息披露工作中借助生成式AI工具。这一趋势已得到实证研究的印证，例如，Blankespoor等（2025）对2024年美国上市公司五类信息披露形式（电话会议、业绩公告、风险披露、管理层讨论与分析、IPO招股文件）中的生成式AI使用程度进行了检测，在五种披露类型中均发现了显著的生成式AI使用迹象，且资源约束更强的公司更倾向于使用生成式AI。

公司在信息披露中使用生成式AI，驱动了信息文本特征的明显改变（Blankespoor，2025）。首先，AI撰写的内容语调更加积极，表明公司可能将AI作为一种粉饰工具，有策略地运用其语言生成能力来塑造积极的公司形象和影响市场预期。 其次，AI的使用提升了文本的可读性。AI生成内容比人工撰写部分的长度减少，且雾化指数明显降低，这种变化符合美国证监会对简明披露的要求。 最后，AI辅助下信息具体性有所增强。值得注意的是，文本可读性与信息具体性的提升与大型语言模型通常生成笼统内容的特性相反，而这印证了人类在AI应用过程中的作用——通过提供有针对性的提示词，或对生成内容进行后期编辑，引导并塑造了AI的输出质量。

AI对公司信息披露的影响，不仅体现在公司自身使用AI导致的信息披露特征变化，当公司意识到其披露内容正被机器大规模、自动化地解读时，其也会 调整披露策略以主动“迎合”算法（Cao,S等，2023）。一方面，公司会优化文件格式，例如增强表格的可解析性、确保数字易于提取、使用标准字符等，使算法能更快速、准确地提取关键信息；另一方面，公司会策略性地规避被算法词典标记为负面的词汇。

2. 人工智能在审计活动中的应用与影响

AI技术的应用推动了审计工作的效率革命（刘树，2025）。 在审前调查阶段，大语言模型能够完成对海量法规、监管处罚文书、财务报告等非结构化文本的初步阅读与信息提取，缩短了审前调查阶段的时间周期。 在审计实施阶段，RPA与脚本化数据处理技术可自动完成凭证抽取、对账准备及报表比对等重复性操作；无人机与自动计数软件可以显著减少存货盘点的工作时间（Christ等，2021）。 在报告形成阶段，AI能够基于审计底稿自动生成审计报告初稿及其他标准化文书，使审计师将精力集中于需要专业判断的部分。

审计工作的“增效”与“提质”增强了资本市场信息的及时性与可靠性，为投资者的理性决策和市场的高效运行奠定了坚实基础。

02

信息分发

生成式AI的应用正在推动资本市场信息分发体系的结构性变革。相较于传统依赖人工分析、节奏集中于重大事件、覆盖大型公司的分发模式，AI驱动的信息分发呈现出更广覆盖、更快节奏、更低注意力占用的特征。

首先，AI通过降低信息生产的边际成本，显著扩大了信息分发的覆盖范围，改善了“长尾公司”的可见性。传统信息分发高度依赖卖方分析师与少数专业研究者，其高昂的人力成本导致资源集中于大市值、机构持续跟踪的公司，而大量中小型、行业边缘或新上市公司长期处于信息覆盖不足的状态。Bradshaw等（2025）基于SeekingAlpha的研究表明，生成式AI工具显著提升了平台创作者的生产率，使采用者在单位时间内发布更多文章，并扩展至此前缺乏分析师关注的公司，呈现出明显的“长尾倾向”。即便AI文章的信息密度低于人类撰写的内容，其带来的增量可见性仍能产生可观测的市场效应。

其次，AI推动了信息分发从“事件驱动”转向“持续洞察”，并重塑了投资者的注意力配置方式。传统模式下，市场信息流动主要集中于季度与年度财报、并购新闻等“高关注度事件”，导致信息呈现峰值式、跳跃性的传播结构。根据Coleman等（2022），自动化分析系统的更新行为并不依赖市场通常关注的重大事件，而是围绕信息量较高的常规披露活动展开，使其分发节奏更直接反映企业基础信息的动态变化。与此同时，AI在分发端承担了大量日常监测与提示功能，显著降低了投资者的注意力负担。Rossi与Utkus（2024）发现，使用机器人投顾的投资者虽然仍频繁登录账户，但单次停留时间显著缩短，每年可节省约6小时的信息监控成本。这表明，AI自动化分发已将投资者从重复性的微观监控中解放出来，使其注意力得以转向更长期、更策略性的决策任务。

03

信息处理

在Blankespoor等（2024）的调研中，已有近半数投资者将生成式AI用于收集和理解市场数据。从现有研究来看，人工智能对投资者信息处理的重塑呈现出“工具赋能提升效率”、“认知偏差加剧风险”等效应。

但AI对投资者信息处理过程进行赋能的同时，也加剧了投资者间的能力鸿沟。Blankespoor等（2024）的研究显示，金融素养更高的成熟投资者更早、更频繁地使用AI，并将其用于计算财务比率、进行跨公司比较、分析财报等复杂任务，从而获得信息优势。而经验不足的投资者则因多将AI用于基础查询。这种差异拉大了不同素养投资者的能力差距，强化了信息获取与处理的不平等。

此外，生成式AI的高度互动性也悄然塑造着使用者的认知偏差，并潜藏投资风险。其拟人化的对话与实时响应易赋予用户“掌控幻觉”，模糊了AI能力与自身能力的边界，导致用户将AI的分析能力误归于自身，形成能力高估。Croom（2025）的实验证实，使用高互动性AI的投资者，其自我评估的能力显著提升，但实际表现反而更差。这表明，沉浸式的交互体验并未真实提升用户能力，反而诱发能力误判，尤其在复杂任务中，这种错位归因会推动更高的投资意愿，可能引发过度交易或认知超载的风险。

04

结语

生成式AI的出现，正在系统性地重构资本市场的信息基础设施。从上市公司利用大模型优化披露文本，到审计师部署智能工具提升鉴证质量；从信息平台借力AI实现“长尾覆盖”与“持续洞察”，到投资者普遍依赖AI进行数据提炼与决策辅助——信息的生产、分发与处理三大环节正经历一场深刻的范式革命。一方面，AI显著提升了信息生态的运行效率与广度，并增强了市场价格对基本面信息的吸收能力；另一方面，它也引发了策略性披露、投资者能力鸿沟与算法认知偏差等新型挑战。市场不再仅仅是“人理解机器生成的信息”，而是进入了“人机共塑信息生态”的新阶段。未来的竞争优势将不再源于信息获取的速度，而是取决于人机协作的深度与批判性使用的智慧。当AI成为基础设施，真正稀缺的不是技术本身，而是驾驭技术、保持独立判断的能力。

参考文献

[1] 刘树.生成式人工智能在金融审计中的应用——以Kimi为例[J].审计研究,2025,(01):42-50.

[2] 张丹丹,于航,李力行,等.中国人工智能技术暴露度的测算及其对劳动需求的影响——基于大语言模型的新证据[J].管理世界,2025,41(07):59-75.

[3] Bao, Y., Ke, B., Li, B., Yu, Y. J., & Zhang, J. (2019). Detecting accounting fraud in publicly traded U.S. firms using a machine learning approach. Journal of Accounting Research, 58(1), 199–235.

[5] Blankespoor, E., Croom, J., & Grant, S. M. (2024). Generative AI and investor processing of financial information. SSRN.

[6] Bradshaw, M. T., Ma, C., Yost, B., & Zou, Y. (2025). Generative AI Use by Capital Market Information Intermediaries: Evidence from Seeking Alpha. SSRN.

[7] Cao, S., Jiang, W., Yang, B., & Zhang, A. L. (2023). How to talk when a machine is listening: Corporate Disclosure in the age of AI. Review of Financial Studies, 36(9), 3603–3642.

[10] Christ, M. H., Emett, S. A., Summers, S. L., & Wood, D. A. (2021). Prepare for takeoff: improving asset measurement and audit quality with drone-enabled inventory audit procedures. Review of Accounting Studies, 26(4), 1323–1343.