證券行業金融科技系列一：看好兩類財富管理機構在AI大模型落地中的受益機會-230503（18頁）.pdf

《證券行業金融科技系列一：看好兩類財富管理機構在AI大模型落地中的受益機會-230503（18頁）.pdf》由會員分享，可在線閱讀，更多相關《證券行業金融科技系列一：看好兩類財富管理機構在AI大模型落地中的受益機會-230503（18頁）.pdf（18頁珍藏版）》請在三個皮匠報告上搜索。

1、 證券/行業專題報告/2023.05.03 請閱讀最后一頁的重要聲明！看好兩類財富管理機構在 AI 大模型落地中的受益機會 證券研究報告 投資評級投資評級:看好看好(維持維持)最近 12 月市場表現 分析師分析師 夏昌盛 SAC 證書編號：S0160522100002 分析師分析師 許盈盈 SAC 證書編號：S0160522060002 聯系人聯系人 汪成鵬 相關報告 1.【財通非銀】市場化轉融資業務試點啟動點評：兩融機制持續優化，助券商資金效率再獲改善 2023-02-22 2.成本降低+標的擴容+機制優化，全面注冊制下兩融展業空間再釋放 2023-02-18 3.【財通非銀】境外上市備案管

2、理制度點評：完善境外上市監管體系，發行可預期性提升 2023-02-18 金融科技系列一金融科技系列一 核心觀點核心觀點 大模型賦予大模型賦予 AIGC 產業化空間產業化空間，金融行業，金融行業是最佳落地領域之一是最佳落地領域之一：ChatGPT 的火爆引發市場對于 AIGC 技術的關注，AI 大模型“預訓練+微調”的開發范式有望推動 AIGC 在各行業的大規模產業化進程。金融行業是數字化、智能化的先行者，有望成為大模型落地的最佳領域之一，一方面，監管大力鼓勵金融機構推動數字化轉型，券商等金融機構接入大模型具備良好政策環境，另一方面，金融機構持續增加信息技術投入，具備雄厚的財力支撐，為行業數字

3、化轉型奠定堅實物質基礎。BloombergGPT 依托海量金融數據訓練依托海量金融數據訓練在金融領域在金融領域超越通用超越通用大大模型模型：彭博社推出專為金融行業打造的 500 億參數大語言模型 BloombergGPT，依托其四十多年來積累的大量金融數據源，基于通用和金融業務的場景進行混合模型訓練，使得 BloombergGPT 在執行金融任務上的表現遠超同等參數量級的通用大語言模型，有效實現了 GPT+垂直知識的深度融合，證明其基于垂直領域數據打造的大語言模型在金融專業領域的強大競爭力，為國內金融行業大模型的落地與使用提供了借鑒路徑。金融金融科技公司科技公司或可憑借自身海量金融數據或可憑借

4、自身海量金融數據復制復制 BloombergGPT 路徑路徑：Bloomberg GPT 的核心突破在于構建海量的金融訓練數據集，通過預訓練階段學習掌握大量金融知識后，在后續的微調任務中能夠更快適應金融領域特定場景；國內頭部金融 IT 機構在 B 端或 C 端掌握豐富的一手金融數據，為大模型預訓練奠定了堅實的數據基礎，借助開源大模型和金融領域垂直數據的積累，或可復制 BloombergGPT 路徑，打造國內金融領域專業大模型，實現金融大模型在大財富管理行業內的賦能與重塑。傳統財富管理機構傳統財富管理機構有望通過接入大模型重塑財富管理行業生態：有望通過接入大模型重塑財富管理行業生態：多家券商已宣

5、布接入百度“文心一言”大模型，加速推動人工智能在財富管理場景落地，我們認為大模型的接入將從以下方面重塑財富管理業態：1）改革傳統人機交互方式，依托海量專業知識庫和自我學習迭代能力，大幅優化當前智能投顧下的客戶體驗；2）大模型在自動化生成營銷材料的同時，基于客戶背景、收入情況、風險偏好滿足客戶個性化需求，實現個性化精準營銷；3）提升數據提煉和處理能力，提高展業效率和風控水平。投資建議：投資建議：關注兩類關注兩類財富管理財富管理機構在大模型技術落地中的受益機會：機構在大模型技術落地中的受益機會：1）頭部金融科技公司憑借領先的技術水平和金融領域垂直數據積累，有望復制 BloombergGPT 路徑，

6、建議關注同花順、東方財富；2）傳統財富管理機構有望受益于大模型落地帶來的業務模式重塑，建議關注數字化戰略踐行徹底、客戶基礎規模較大、金融科技實力領先的華泰證券。風險提示：風險提示：技術落地不及預期；金融科技監管趨緊；研發投入周期過長 -13%-7%-1%5%11%17%證券滬深300 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 2 行業專題報告/證券研究報告 1 AI 大模型快速發展賦予大模型快速發展賦予 AIGC 產業化應用空間產業化應用空間.4 2 非銀機構接入大模型有望重塑財富管理行業生態非銀機構接入大模型有望重塑財富管理行業生態.5 2.1 金融機構數字化轉型具備良好政策環境金融

7、機構數字化轉型具備良好政策環境.5 2.2 海外金融大模型落地，金融行業海外金融大模型落地，金融行業 AI 蓄勢待發蓄勢待發.6 2.3 金融數據是核心要素，金融金融數據是核心要素，金融 IT 機構或可復制機構或可復制 BloombergGPT 路徑路徑.8 2.4 券商積極接入大模型，打造財富管理人工智能解決方案券商積極接入大模型，打造財富管理人工智能解決方案.8 3 相關標的梳理相關標的梳理.10 3.1 同花順同花順.10 3.2 東方財富東方財富.13 3.3 華泰證券華泰證券.15 4 風險提示風險提示.16 圖圖 1.BloombergGPT 在外部金融任務的表現顯著領先其他對比模

8、型在外部金融任務的表現顯著領先其他對比模型.7 圖圖 2.BloombergGPT 在情緒三分類測試結果中的表現顯著領先其他對比模型在情緒三分類測試結果中的表現顯著領先其他對比模型.7 圖圖 3.截至截至 2022 年末同花順擁有年末同花順擁有 6.1 億注冊客戶億注冊客戶.11 圖圖 4.同花順網上行情免費客戶端周活人數近同花順網上行情免費客戶端周活人數近 2000 萬萬.11 圖圖 5.東方財富旗下兩大平臺合計月活量近東方財富旗下兩大平臺合計月活量近 4000 萬人次萬人次.13 圖圖 6.東方財富研發投入保持快速增長東方財富研發投入保持快速增長.14 圖圖 7.東方財富研發人員數量占比在

9、東方財富研發人員數量占比在 30%以上以上.14 圖圖 8.華泰證券數字服務產品矩陣華泰證券數字服務產品矩陣.15 圖圖 9.截至截至 22 年末漲樂財富年末漲樂財富通累計下載量超通累計下載量超 7000 萬次萬次.16 圖圖 10.漲樂財富通月活量在券商漲樂財富通月活量在券商 APP 中排名第一中排名第一.16 圖圖 11.華泰證券華泰證券 2021 年信息技術投入金額位居全行業第一年信息技術投入金額位居全行業第一.16 表表 1.國內外代表性國內外代表性 AI 大模型概況大模型概況.4 表表 2.近年來政策大力鼓勵金融機構推進數字化轉型近年來政策大力鼓勵金融機構推進數字化轉型.5 表表 3

10、.BloombergGPT 在預訓練階段使用了大量金融領域數據在預訓練階段使用了大量金融領域數據.8 表表 4.多家財富管理機構宣布接入百度多家財富管理機構宣布接入百度“文心一言文心一言”大模型大模型.9 圖表目錄圖表目錄 內容目錄內容目錄 PZ9YsWjWkWoMoMsP7N9R9PpNnNnPtQkPqQrMiNmMqNaQmMvMvPmOvMMYmPtQ 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 3 行業專題報告/證券研究報告 表表 5.大模型在財富管理機構中的應用場景大模型在財富管理機構中的應用場景.10 表表 6.同花順同花順 AI 開放平臺提供多行業、多品類解決方案開放平臺

11、提供多行業、多品類解決方案.11 表表 7.同花順同花順 i問財提供的主要功能問財提供的主要功能.12 表表 8.東方財富已投入多項人工智能相關研發項目東方財富已投入多項人工智能相關研發項目.14 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 4 行業專題報告/證券研究報告 1 AI 大模型大模型快速發展賦予快速發展賦予 AIGC 產業產業化化應用空間應用空間 大模型是“大數據大模型是“大數據+大算力大算力+強算法強算法”相結合的產物，相結合的產物，以“大規模預訓練以“大規模預訓練+微調微調”范范式滿足多元化需求式滿足多元化需求。其在大數據的支持下進行訓練，學習出一些特征和規則，經過微調后

12、即可應用在各場景任務中，目前其主要在自然語言處理、計算機視覺、語音識別等領域得到廣泛應用。從參數規?？?，AI 大模型先后經歷了預訓練模型、大規模預訓練模型、超大規模預訓練模型三個階段，參數量實現數量級的突破，從模態支持上看，AI 大模型從支持圖片、圖像、文本、語音單一模態下的單一任務，逐漸發展為支持多種模態下的多種任務。多模態大模型的突破賦予多模態大模型的突破賦予 AIGC 廣闊的產業廣闊的產業化化應用空間應用空間。2022 年底 OpenAI發布人工智能聊天機器人 ChatGPT，在具有龐大參數量的大型語言模型訓練下，ChatGPT 展示出強大的人機交互體驗，其強大的信息搜集整理與總結歸納能

13、力、高質量的持續對話能力、較好的邏輯推理能力引發了全球關注與熱議，帶動市場關注以 ChatGPT 為代表的 AIGC（AI Generated Content）技術在產業的應用前景與發展趨勢。人工智能算法的不斷迭代是 AIGC 發展進步的源動力，多模態大模型的突破賦予 AIGC 廣闊的產業應用空間，根據中國信通院的研究，超級深度學習近年來的快速發展帶動了深度神經網絡技術在大模型和多模態兩個方向上的不斷突破，為 AIGC技術的升級提供了強力的支撐。國內外大模型獲得快速發展，國內外大模型獲得快速發展，將加速產業智能化變革。將加速產業智能化變革。2018 年來大模型發展提速，OpenAI、Googl

14、e、Stability AI、百度等國內外科技公司開發迭代多版 AI 大模型，大模型的通用性以及基于“預訓練+微調”等新開發范式，讓 AI 場景應用的模型定制流程變得更標準化、效果優化更簡單，有望大幅加速人工智能大規模產業化進程，推動 AIGC在各行各業的滲透與落地。表1.國內外代表性 AI大模型概況 開發公司開發公司 模型名稱模型名稱 發布時間發布時間 細分領域細分領域 參數規模參數規模 應用場景應用場景 OpenAI GPT-1 2018 年 6 月 自然語言處理 1.17 億 問題回答、語義相似度評估與確定、文本分類任務等 GPT-2 2019 年 2 月 自然語言處理 15 億 閱讀理

15、解、翻譯等 GPT-3 2020 年 6 月 自然語言處理 1750 億 回答問題、模式解析、翻譯等 NLP 任務；算術加法、單詞解讀、新聞生成、學習和使用新單詞等綜合型任務 DALLE2 2022 年 4 月 多模態-學習圖像和用來描述文本之間的關系；識別自然界中的動植物等元素并依據用戶輸入的文字圖片生成逼真的圖畫 ChatGPT 2022 年 11 月 自然語言處理-通過理解和學習人類的語言進行對話，根據上下文互動進行多輪對話；撰寫郵件、視頻腳本、文案、翻譯、代碼、寫論文等任務；會主動承認自身錯誤和無知、質疑不正確的問題；GPT-4 2023 年 3 月 多模態-接受圖像和文本輸入再輸出正

16、確的文本回復；在多種專業測試和學術基準上的表現與人類水平相當，可通過模擬律師考試；文本輸入限制提升至 2.5 萬個單詞，回答準確性顯著提高 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 5 行業專題報告/證券研究報告 Google LaMDA 2021 年 5 月 自然語言處理 1370 億 支持如圖像識別、自然語言處理等多種任務；可以用接近人類水平的表達和理解能力與人對話 PaLM-E 2023 年 3 月 多模態 5620 億 能執行多種復雜的機器人指令而無需重新訓練；訓練數據包括視覺、連續狀態估計和文本輸入編碼的多模式信息；可以將所學知識和技能從一個任務轉移到另一個任務 Stabil

17、ity AI Stable Diffusion 2022 年 8 月 多模態-僅依據文本提示作為輸入來生成圖像；根據文字描述對圖像進行修改 百度 ERNIE 1.0 2019 年 3 月 自然語言處理-可以進行自然語言推理、語義相似度、問題回答等 NLP任務 ERNIE 2.0 2019 年 12 月 自然語言處理-英文任務取得突破 ERNIE 3.0 2021 年 12 月 自然語言處理-刷新情感分析、觀點抽取、閱讀理解、文本摘要、對話生成、數學運算等 54 個中文 NLP 任務基準 ERNIE 3.0 Titan 2021 年 12 月 自然語言處理 2600 億 在機器閱讀理解、文本分類

18、、語義相似度計算等 60 多項任務中取得最好成績；在行業領域僅利用少量標注數據甚至無需標注數據就能解決新場景的任務 ERNIE 3.0 Zeus 2022 年 5 月 自然語言處理-支持智能創作、摘要生成、問答、語義檢索、情感分析、信息抽取、文本匹配、文本糾錯等各類自然語言理解和生成任務 ERNIE-ViLG 2.0 2022 年 10 月 多模態-應用于工業設計、動漫設計、游戲制作、攝影藝術等場景 文心一言 2023 年 3 月 多模態-可進行文學創作、商業文案創作；支持數理邏輯推算；具備中文理解能力；支持多模態生成如文字生成圖片、視頻 商湯科技 書生 2.5 2023 年 3 月 多模態-

19、在自動駕駛場景中大幅提升場景感知理解能力；根據客戶文本創作需求生成高質量的寫實圖像；根據文本快速檢索視覺內容 數據來源：澎湃新聞，至頂智庫，財通證券研究所 2 非銀機構接入大模型非銀機構接入大模型有望重塑財富管理行業生態有望重塑財富管理行業生態 2.1 金融機構數字化轉型具備良好政策環境金融機構數字化轉型具備良好政策環境 監管大力鼓勵金融機構推動數字化轉型監管大力鼓勵金融機構推動數字化轉型，金融機構金融機構接入大模型具備良好政策環接入大模型具備良好政策環境境?！笆奈濉币巹澨岢黾涌旖ㄔO數字經濟、數字社會、數字政府，以數字化轉型整體驅動生產方式、生活方式和治理方式變革，數字金融是數字經濟的重要組

20、成部分，大數據、區塊鏈、人工智能等創新技術在金融行業內的發展如火如荼。近年來央行、證監會、證券業協會等監管部門不斷推出推動券商等金融機構數字化轉型政策措施，當前 AIGC 大發展背景下券商等金融機構接入 AI 大模型具備良好的政策環境。表2.近年來政策大力鼓勵金融機構推進數字化轉型 時間時間 政策、文件政策、文件 重點內容重點內容 2016年 12月 大數據產業發展規劃（2016-2020年）支持電信、互聯網、金融等信息化基礎好的領域率先開展跨領域、跨行業的大數據應用。2017年 6 月 中國金融業信息技術“十三五”發展規劃 推動新技術應用，促進金融創新發展;深化金融標準化戰略，支持金融業健康

21、發展。謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 6 行業專題報告/證券研究報告 2019年 8 月 金融科技(FinTech)發展規劃(2019-2021年)建立健全我國金融科技發展的“四梁八柱”，進一步增強金融業科技應用能力,實現金融與科技深度融合，確定了六方面重點任務。2020年 2 月 關于進一步加快推進上海國際金融中心建設和支持長三角一體化發展的意見 建立健全金融監管協調機制,完善金融風險防控體系，加強金融科技在監管領域的應用，牢牢守住不發生系統性金融風險的底線。2020年 5 月 關于金融支持粵港澳大灣區的意見 支持粵港澳大灣區內地研究區塊鏈、大數據、人工智能等創新技術及其成

22、熟應用在客戶營銷、風險防范和金融監管等方面的推廣。2020年 5 月 加強科技金融合作有關工作的通知 加快實施創新驅動發展戰略部署，完善科技創新投入和科技金融政策，進一步推動科技和金融深度結合，加強相關領域的科技金融合作。2020年 8 月 關于推進證券行業數字化轉型發展的研究報告 加快出臺行業標準，促進金融科技應用融合。逐步建立完善人工智能、區塊鏈、云計算、大數據等數字技術在證券行業的應用標準和技術規范，鼓勵證券公司在人工智能、區塊鏈、云計算、大數據等領域加大投入促進信息技術與證券業務深度融合，推動業務及管理模式數字化應用水平提升。2020年 11月 中共中央關于制定“十四五”規劃和二零三五

23、遠景目標的建議 構建金融有效支持實體經濟的體制機制，提升金融科技水平，增強金融普惠性。2020年 11月 證券基金經營機構董事、監事、高級管理人員及從業人員監督管理辦法公開征求意見 針對金融科技專業領域人才,適度放寬工作經歷限制，取消學歷要求及推薦人制度。2021年 3 月 關于落實政府工作報告重點工作分工的意見 強化金融控股公司和金融科技監管，確保金融創新在審慎監管的前提下進行。2021年 10月 證券期貨業科技發展“十四五”規劃 闡明“十四五”時期證券期貨業數字化轉型和科技監管工作的指導思想、工作原則及工作重點，提出一批具有標志性、前瞻性、全局性、基礎性和針對性的重大戰略舉措，為新發展階段

24、證券期貨業數字化轉型發展提供綱領性指南。2022年 1 月 金融科技發展規劃(2022-2025年)提出“十四五”時期金融科技發展愿景，明確金融科技發展的指導思想和 4 個基本原則、6 個發展目標，確定了 8 項重點任務和 5 項保障措施。數據來源：各政府網站，財通證券研究所 2.2 海外金融大模型落地，海外金融大模型落地，金融金融行業行業 AI 蓄勢待發蓄勢待發 彭博社推出彭博社推出專為金融行業打造的專為金融行業打造的 500 億參數大語言模型億參數大語言模型 BloombergGPT，標志著，標志著金融金融領域的專業大模型正式落地。領域的專業大模型正式落地。2023 年 3 月 30 日美

25、國彭博社正式發布大型語言模型 BloombergGPT，其具有 500 億參數，在保證大語言模型通用性能的基礎上，更加聚焦金融場景，更加適應金融術語的復雜性與獨特性，有效實現了GPT+垂直知識的深度融合。BloombergGPT 在金融領域的表現在金融領域的表現亮眼亮眼。根據彭博社發布的論文，其將BloombergGPT 與其他兩個參數量級相近的模型 GPT-NeoX、OPT66B 和一個參數量級更大的模型 BLOOM176B 在金融領域和通用領域分別進行了比較評估，謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 7 行業專題報告/證券研究報告 結果發現 BloombergGPT 模型在金融

26、任務上的表現遠超同等參數量級的開放模型，在通用任務上優于其他同等參數量級的模型，并在某些任務上甚至超過了參數量更大的模型，證明其基于垂直領域數據打造的大語言模型在專業領域的強大競爭力。圖1.BloombergGPT 在外部金融任務的表現顯著領先其他對比模型 數據來源：BloombergGPT:A Large Language Model for Finance，財通證券研究所 圖2.BloombergGPT 在情緒三分類測試結果中的表現顯著領先其他對比模型 數據來源：BloombergGPT:A Large Language Model for Finance，財通證券研究所 依托海量金融數據

27、集強化訓練是依托海量金融數據集強化訓練是 BloombergGPT 在專業領域超越通用模型的核在專業領域超越通用模型的核心因素。心因素。彭博社依托其四十多年來積累的大量金融數據源，創建了一個包含3,630 億詞例（token）的金融數據集 FinPile，又與公共數據集疊加成為了包含超7,000 億詞例的大型訓練語料庫，利用龐大的數據集，并基于通用和金融業務的場景進行混合模型訓練，使得 BloombergGPT 在執行金融任務上的表現超過現有的通用大語言模型。摩根士丹利成為海外首家正式接入摩根士丹利成為海外首家正式接入 GPT-4 的金融機構的金融機構。據澎湃新聞報道，北京時間 3 月 15

28、日凌晨，OpenAI 正式推出了 GPT-4 文本生成 AI 系統，在其官網上 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 8 行業專題報告/證券研究報告 羅列的多個使用 GPT-4的實際案例中，包含了華爾街知名投行摩根士丹利，其成為首家正式接入 GPT-4 的金融機構，未來將運用 AI 技術優化財富管理咨詢流程。2.3 金融數據是核心要素金融數據是核心要素，金融，金融 IT 機構機構或可復制或可復制 BloombergGPT 路徑路徑 Bloomberg GPT 在預訓練階段使用了大量金融領域和通用領域的數據，以便讓模型更好地理解和處理金融相關問題，預訓練數據主要包括各類金融新聞、各類

29、研究報告與研究論文、公司財報、宏觀經濟數據、市場交易數據等，通過使用這些豐富的預訓練數據，BloombergGPT 在金融領域的相關任務中表現出較高的性能和專業性，在預訓練階段學習掌握大量金融知識后，其在后續的微調任務中能夠更快地適應特定場景。表3.BloombergGPT 在預訓練階段使用了大量金融領域數據 類別類別 具體數據具體數據 金融新聞 BloombergGPT 使用了大量金融新聞數據，這些新聞來自各大金融媒體和新聞來源，有助于模型理解市場動態、公司信息以及經濟政策等方面的內容 報告和分析 為了讓模型能夠學習到更深入的金融知識，Bloomberg GPT還使用了眾多金融報告、分析文檔

30、和研究論文，數據源包括投資銀行的研究報告以及獨立研究機構的研究成果 公司財報 BloombergGPT 使用了大量公司財報數據，以便模型學習到財務報表的基本結構和概念，從而能夠更好地理解和分析公司的財務狀況 經濟數據 BloombergGPT 使用了國家和地區的經濟數據，如 GDP、通貨膨脹率、失業率等，讓模型能夠處理宏觀經濟相關問題 交易數據 BloombergGPT 使用了金融市場的交易數據，如股票、債券、期貨和外匯等的價格、成交量和其他市場信息，幫助模型理解金融市場的行為以及各種交易工具之間的關系 通用文本數據 BloombergGPT 使用了大量通用領域的文本數據，如維基百科、互聯網文

31、章等，使得模型具備更廣泛的語言理解能力 數據來源：BloombergGPT:A Large Language Model for Finance，財通證券研究所 掌握豐富金融數據的掌握豐富金融數據的頭部頭部金融金融 IT 類機構或可復制類機構或可復制 BloombergGPT 路徑。路徑。國內頭部金融 IT 機構在 B 端或 C 端掌握豐富的一手金融數據，借助開源大模型和金融領域垂直數據積累，或可復制 BloombergGPT 路徑，打造國內金融領域專業大模型，實現金融大模型在大財富管理行業內的賦能與重塑。2.4 券商積極接入大模型，券商積極接入大模型，打造財富管理人工智能解決方案打造財富管理

32、人工智能解決方案 多家券商宣布接入百度“文心一言”大模型，加速推動人工智能在財富管理場多家券商宣布接入百度“文心一言”大模型，加速推動人工智能在財富管理場景落地。景落地。據中國經營報報道，目前已有海通證券、申萬宏源、廣發證券、興業證券、長江證券、西南證券、國海證券、國盛證券、華福證券、財達證券等 10 家券商宣布成為百度“文心一言”首批生態合作伙伴，各家券商與“文心一言”的合作集中于財富管理領域，應用場景包括智能投研等數字內容生成，基于客戶個性 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 9 行業專題報告/證券研究報告 化需求的問題解答、服務陪伴及特定任務處理等智能化客戶服務，乃至“數字

33、人”、“元宇宙”應用場景及內部運營管理效能提升等，為客戶提供更趨智能、更有溫度的財富管理服務。表4.多家財富管理機構宣布接入百度“文心一言”大模型 券商券商 宣布時間宣布時間 應用場景應用場景 廣發證券 2023/2/20 積極探索大語言模型在基礎問題解答、客戶需求識別、內部效率提升方面的能力；在結合財富管理行業知識進行微調后，廣發證券還將嘗試探索“文心一言”在特定服務場景下的需求挖掘及服務支持，例如 7*24小時數字人基礎問題解答、結合客戶生命周期的需求識別與服務支持等，同時依托智慧互聯、創新互聯，引領財富管理產業變革與升級，為客戶提供更智能、更有溫度的財富管理服務體系。國海證券 2023/

34、2/24 探索數智客服、數智投顧、數智投研、數智投教、數智員工等金融場景落地應用，為客戶提供一站式的專業、智能、貼心服務。此外，還將探索“文心一言”在運營管理方面的應用場景，真正做到金融科技為管理提質增效 西南證券 2023/2/28 在百度技術團隊協助下，打造聯合解決方案，通過技術共享、培訓賦能等方式，強化競爭力，為客戶打造多場景的證券業務人工智能解決方案及服務，提升綜合金融服務能力 鵬華基金 2023/2/28 通過技術共享、培訓賦能、聯合營銷等方式，強化競爭力，為投資者打造全場景投教智能解決方案及服務，強化客戶陪伴，提升客戶的投資體驗感 長江證券 2023/3/7 通過技術共享、培訓賦能

35、、聯合營銷等方式，強化競爭力，為用戶打造全場景財富管理人工智能解決方案及服務，同時依托智慧互聯、創新互聯，引領證券行業產業變革與升級 國盛證券 2023/3/9 將大模型應用在智能客戶服務、智能搜索及投顧、投研輔助等領域上，期待生成式對話語言模型技術在國內證券業客戶服務及財富管理場景的首批落地 華福證券 2023/3/13 智能客服、投研輔助、內容創作等金融服務領域 海通證券 2023/3/16 將把百度領先的智能對話技術成果應用在對客智能服務和運營支持等領域，結合公司金融算法能力和海量數據資源，充分挖掘和滿足客戶需求，提供更加專業、精準的數字化財富管理服務方案 財達證券 2023/3/16

36、打造聯合解決方案，通過技術共享、培訓賦能、聯合營銷等方式，強化競爭力，為用戶打造全場景財富管理人工智能解決方案及服務，同時依托智慧互聯、創新互聯，引領證券行業財富管理與機構業務數字化變革與升級 數據來源：各公司官方微信公眾號，財通證券研究所 對于券商等對于券商等財富管理財富管理機構而言，大模型的接入機構而言，大模型的接入有望從以下方面重塑行業生態：有望從以下方面重塑行業生態：1）重塑客戶服務流程、提高客戶體驗重塑客戶服務流程、提高客戶體驗。大模型的接入將改革傳統人機交互方式，大幅優化人工智能服務下的客戶體驗。傳統聊天機器人是一種基于規則或預定義腳本的自動化程序，只能執行特定的任務，客戶需求超過

37、其預設能力范圍后便無法給出解決方案；大模型依托海量專業知識庫，為客戶提供 24 小時不間斷的實時服務，并且可以自主生成創造性的內容，同時基于客戶反饋不斷迭代和提升生成內容的質量，其持續的學習能力能不斷增進對客戶的了解，提高客戶使用體驗。謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 10 行業專題報告/證券研究報告 2）提升內容生產效率與創意。）提升內容生產效率與創意。大模型可以一鍵生成文字、圖像、視頻等廣告創意內容，大幅提高營銷效率；在自動化生成營銷材料的同時，能實現個性化精準營銷，基于客戶背景、收入情況、風險偏好、知識水平滿足客戶個性化需求。3）提升風控水平提升風控水平。在風控全流程中引

38、入大模型可以提升數據提煉和處理能力，能夠進行新特征規則發現，結合因果學習可以探索智能風控策略制定與追因的更多可能性。表5.大模型在財富管理機構中的應用場景 應用類型應用類型 當前場景智能化現狀當前場景智能化現狀 大模型大模型應用場景應用場景 客戶服務 普遍采用智能客服介入客戶服務環節，但是目前智能客服，仍然以“搜索”為核心應對用戶疑問，重在快速解答 結合大模型多輪對話與 KYC探查能力，能夠有效提升用戶對話體驗 營銷 目前尚處于自動化營銷+數據驅動營銷迭代的過程中，營銷內容以內容模板庫建設與積累為主，營銷策略依賴于專家規則實現 營銷材料生成環節可以快速豐富，從而支撐精準的個性化營銷；智能營銷策

39、略依托于完善的客戶標簽與 KYC能力可以進一步在金融行業真正落地 風控 目前主要依賴于專家規則+持征工程實現，身份識別與貸前輔助審核等環節引入 AI 能力較多，但金融業務全流程智能風控尚處于探索階段 在風控全流程中引入大模型可以提升數據提煉和處理能力，能夠進行新特征規則發現，結合因果學習可以探索智能風控策略制定與追因的更多可能性 投教 投教內容相對匱乏，以及面對不同類型投資者尚難提供精細化投教內容 通過大模型與數字人相結合，實現投教內容海量豐富，以及推送投放因人施教 投顧 依賴于大數據進行投資者畫像與風險偏好洞察，并應用專家規則進行投資產品與組合的自動化推薦 圍繞財富管理專業知識進行增量訓練，

40、并利用全面的 KYC探查實現圍繞個體的全生命周期智能投顧服務 投研 目前智能投研能夠實現數據資產以及非結構化數據洞見賦能，并利用知識圖譜等技術提升分析效率，尚處于工程化初期階段 大模型對投資標的信息整理、摘要與篩選更加準確，能夠實現對各類投研數據的綜合分析以及對時間序列數據的預測，從而提升投研效率以及價值 數據來源：易觀分析，財通證券研究所 3 相關標的梳理相關標的梳理 3.1 同花順同花順 同花順擁有金融領域海量數據資源，同花順擁有金融領域海量數據資源，為大模型預訓練奠定了堅實基礎為大模型預訓練奠定了堅實基礎。公司擁有業內領先、規模龐大、歷史數據豐富的數據庫資源，涵蓋了互聯網用戶數據、新聞資

41、訊、宏觀經濟數據、行業經濟數據、企業研究報告、企業信息、上市公司信息披露、招投標等結構化和非結構化數據，以及交易所、信息公司、政府部門、科研機構、高等院校、宏觀經濟研究機構和專業行業數據公司等機構提供的授權數據。這些數據不僅滿足了客戶多樣化的需求，亦為公司人工智能算法訓練、AI大模型訓練提供了數據基礎。謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 11 行業專題報告/證券研究報告 B 端端+C 端龐大的客戶群體打造出優質的互聯網金融信息服務生態圈。端龐大的客戶群體打造出優質的互聯網金融信息服務生態圈。個人客戶方面，截至 2022 年末同花順金融服務網累計注冊用戶 6.1 億人，2022 年

42、同花順網上行情免費客戶端周度活躍用戶數近兩千萬人；機構客戶方面，公司的產品和服務覆蓋了國內 90%以上的證券公司，此外還覆蓋了大量的公募基金公司、私募基金公司、銀行、保險公司、政府、科研院所、上市公司等機構客戶。種類繁多的機構投資者及龐大而活躍的個人投資者，有利于公司打造互聯網金融信息服務生態圈，促進公司產品及服務的推出、升級、更新換代，能被市場快速接受，客戶資源優勢明顯。圖3.截至 2022 年末同花順擁有 6.1 億注冊客戶 圖4.同花順網上行情免費客戶端周活人數近 2000 萬 數據來源：同花順年報，財通證券研究所 數據來源：同花順年報，財通證券研究所 AI 大模型的落地有望從大模型的落

43、地有望從 B、C 兩端賦能公司業務增長。兩端賦能公司業務增長。1）B 端方面，端方面，經過多年積累打造經過多年積累打造同花順同花順 AI 開放平開放平臺，臺，為多行業提供多品種智能為多行業提供多品種智能解決方案，伴隨技術持續落地有望打開新的業績增長點。解決方案，伴隨技術持續落地有望打開新的業績增長點。公司目前可面向客戶提供智能語音、智能客服、智能金融問答、智能投顧、智能質檢機、會議轉寫系統、虛擬數字人、智能醫療輔助系統等多項 AI 產品及服務，可為銀行、證券、保險、基金、私募、高校、運營商、政府等行業提供智能化解決方案。表6.同花順 AI 開放平臺提供多行業、多品類解決方案 解決方案解決方案

44、方案類別方案類別 方案構成方案構成 外呼機器人解決方案 外呼機器人 自動撥號，智能對話，精確分級，自動記錄，數據分析，機器學習 金融行業解決方案 銀行業解決方案 產品查詢，產品對比，百科咨詢，智能推薦 保險業解決方案 定制保險，產品對比，保險知識庫，健康測評 證券業解決方案 投顧 AI輔助系統，智能化功能，智能機器人，智能資訊 基金業解決方案 資產配置，特色大數據，智能信息抽取，智能基金機器人，基金診斷評級 私募業解決方案 輿情分析，公司圖譜，特色大數據 港美股解決方案 人機交互對話，智能機器人，智能資訊 010,00020,00030,00040,00050,00060,00070,0002

45、016201720182019202020212022萬人累計注冊用戶05001,0001,5002,0002,5002016201720182019202020212022萬人周度活躍用戶數 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 12 行業專題報告/證券研究報告 公司輿情解決方案-公司監測，專項監測，統計分析，智能報告，實時推送 通用行業解決方案 法律業解決方案 罪名預測，法條推薦，刑期預測 智能硬件解決方案-股票專屬定制，泛金融百科，生活管理，對話閑聊 大數據解決方案 智能標簽解決方案 標簽挖掘，文本分類，資訊個性化，機器人寫文章 智能資訊解決方案 主題投資，Feed 流，智能

46、標簽 數據來源：同花順官網，財通證券研究所 2）C 端方面，公司重點打造的端方面，公司重點打造的 AI 投顧平臺投顧平臺 i 問財目前是問財目前是國內國內財經領域落地較為財經領域落地較為成功的自然語言、語音對話交互問答系統成功的自然語言、語音對話交互問答系統，有望推動財富管理行業智能化轉型，有望推動財富管理行業智能化轉型。i 問財具備多輪對話能力，可以為投資者提供智能選股診股、選基診基、資產配置、理財知識百科、數據查詢、閑聊等理財助理、理財投顧服務，未來有望逐步升級成基于大語言模型的對話系統。表7.同花順 i問財提供的主要功能 類別類別 功能功能 具體應用具體應用 數據智能 數據可視化 提供更

47、易用、可靠的金融可視化服務，以及豐富準確的金融大數據，處理復雜的數據，實現對數據的完美利用 金融數據圖表分析平臺 引領金融市場數據分析高效，智能，簡潔新時代數據報表自助生成云平臺，連接豐富金融垂類數據，融合多樣可視化組件，運用人工智能，更好探索數據背后的價值 行業特色大數據 定制化抓取各行業數據，實時監控。整理匯集影響行業核心特色數據，為分析研究提供重要的支撐服務 智能語音 語音合成 能夠將文字信息轉化為聲音信息，讓應用能夠“說話”語音聽寫 把短語快速轉換成對應的文字信息，讓機器能夠“聽懂”人類語言 語音轉寫 基于深度全序列卷積神經網絡，可快速準確的將在會議、教學或采訪的長時間語音轉化為文字，

48、為后續信息處理和數據挖掘提供基礎，有效提高工作效率 自然語言基礎服務 情感分析 對于文本中的主觀信息進行分析處理，提取評價對象并做出可靠的情感傾向判斷 文本相似度 依托優質數據和深度神經網絡，運用詞向量技術提供高精度的文本相似度服務，實現多維度的場景應用 知識圖譜 閱讀理解 借助深度學習算法，賦予機器閱讀理解文章的能力，提高信息收集效率 智能信息抽取 智能處理金融行業大量存在的文本、表格內容，抽取其中關鍵實體關系，降低信息收集成本，提升投研工作效率 公司圖譜 深入展示公司投資關系，股東、高管、控股參股、實控人多維關系網 智能投顧 智能投顧 人機結合的服務模式，針對服務客戶的真實場景打造的投顧助

49、手，幫助投顧提高服務效率和服務質量 智能機器人 運用 AI 技術打造更懂財經的個性化智能助理，開啟股市人工智能新紀元 資產配置 基于用戶畫像、產品問卷，構建用戶風險測評系統，提供個性化資產配置方案，持續跟蹤監控服務用戶 數據來源：同花順官網，財通證券研究所 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 13 行業專題報告/證券研究報告 3.2 東方財富東方財富 東方財富是中國領先的互聯網財富管理綜合運營商，海量用戶東方財富是中國領先的互聯網財富管理綜合運營商，海量用戶長周期長周期積淀積淀下下的的財經資訊、財經資訊、交易等金融數據為大模型落地奠定了數據基礎交易等金融數據為大模型落地奠定了數據

50、基礎。公司主要業務涵蓋互聯網證券經紀、互聯網基金代銷、金融數據服務等多個細分領域，構建起了以“東方財富網”為核心的互聯網財富管理生態圈，聚集了海量用戶資源和用戶黏性優勢，在垂直財經領域保持行業領先地位，旗下“東方財富”和“天天基金”兩大平臺月活量近 4000 萬人次。圖5.東方財富旗下兩大平臺合計月活量近 4000萬人次 數據來源：QuestMobile，財通證券研究所 公司持續加強研發投入，為推動公司持續加強研發投入，為推動 AIGC 落地奠定堅實基礎落地奠定堅實基礎。公司充分發揮多年來積累的研發技術優勢，對互聯網領域的新技術和行業前瞻性技術進行深入研究和跟蹤，不斷優化和完善現有互聯網財富管

51、理生態圈系統。2018-2022 年研發投入年化增長 39.0%至 9.36 億元，占公司營業總收入的比重提升至 7%以上，公司研發人員數量占比維持在 30%以上。05001,0001,5002,0002,5003,0002018-012018-032018-052018-072018-092018-112019-012019-032019-052019-072019-092019-112020-012020-032020-052020-072020-092020-112021-012021-032021-052021-072021-092021-112022-012022-032022-05

52、2022-072022-092022-112023-012023-03萬人天天基金東方財富 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 14 行業專題報告/證券研究報告 圖6.東方財富研發投入保持快速增長 圖7.東方財富研發人員數量占比在 30%以上 數據來源：Wind，財通證券研究所 數據來源：Wind，財通證券研究所 2023 年 3 月 23 日東方財富在深交所投資者問答平臺表示，公司已經陸續研發了東方財富金融數據 AI 智能化生產平臺、多媒體智能資訊及互動平臺系統等多個人工智能相關項目，并在公司部分產品及服務中進行了具體應用，公司將繼續緊跟 AI 技術發展前沿，持續加大研發技術投

53、入，不斷加強 AI能力建設，進一步強化自然語言處理、圖像處理、語音識別和多模態融合技術能力，并繼續深入AIGC、交互式 AI 等領域的研究，完善內容生態構建，增強智能運營能力，持續優化用戶體驗，提升公司整體服務能力。表8.東方財富已投入多項人工智能相關研發項目 主要研發項目名稱主要研發項目名稱 項目目的項目目的 項目進展項目進展 擬達到的目標擬達到的目標 預計對公司未來發展預計對公司未來發展的影響的影響 東方財富多媒體智能資訊及互動平臺系統研發項目 整合文本、圖片、視頻等多媒體內容，為各產品線提供平臺級、高時效性的互動支持 已完成 提升用戶互動體驗，為未來公司互動用戶的增長和互動模式的豐富做好

54、平臺準備和技術準備 提升公司產品的服務能力和用戶體驗 東方財富金融數據中臺項目 搭建數據管理和治理體系，提供自助便捷的數據分析服務，保障數據流通過程中的安全和質量，提升數據使用效率，助力業務精細化運營 已完成 保障數據安全和質量，降低數據分析的門檻 賦能業務決策，提升數據使用效率 天天基金賬戶 AI分析平臺 專注于賬戶資金數據，減少數據計算的復雜性，讓計算結果更及時 已完成 進一步提高收益更新的及時性 提升用戶體驗 東方財富全球化綜合市場行情數據極速云平臺 東方財富全球化綜合市場行情數據極速云平臺接入全球主要證券交易所的各類行情數據，并最終對用戶提供極速、穩定的基礎行情服務和增值行情服務 已完

55、成 為用戶提供極速、穩定的基礎行情服務和增值行情服務 提高公司產品及服務能力 2.503.053.787.249.360%1%2%3%4%5%6%7%8%9%01234567891020182019202020212022億元研發投入占營收比重（右）1,6901,7261,8232,0942,1230%5%10%15%20%25%30%35%40%45%05001,0001,5002,0002,50020182019202020212022人研發人員數量占比（右）謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 15 行業專題報告/證券研究報告 東方財富金融數據 AI 智能化生產平臺研發項目

56、通過運用 NLP技術對非結構化和半結構化數據進行處理，實現數據智能化生產，提高數據質量和數據處理效率 已完成 提升金融數據的處理效率和能力，為用戶提供及時、高質量的數據服務 提高公司產品及服務能力 數據來源：東方財富 2022年報，財通證券研究所 3.3 華泰證券華泰證券 華泰證券是業內領先的科技驅動型證券公司，華泰證券是業內領先的科技驅動型證券公司，堅持金融科技賦能業務模式變革。堅持金融科技賦能業務模式變革。華泰證券 2009 年在行業內率先提出互聯網戰略，長期致力于金融科技的戰略布局和投入，結合全業務鏈優勢，打造市場領先的整體金融科技解決方案，通過全方位科技賦能，實現科技與業務共創，打造數

57、字化牽引下的商業模式創新與平臺化支撐下的全業務鏈優勢。圖8.華泰證券數字服務產品矩陣 數據來源：華泰證券官網，財通證券研究所 “漲樂財富通”是華泰證券代表性產品，自 2014 年發布以來已持續迭代更新至8.0 版本，不斷優化內容運營模式，打造特色化行情交易與理財服務，致力于以更佳的客戶體驗、更全的產品工具、更廣的服務縱深有效提升客戶粘性和活躍度，持續打造個性化的財富管理平臺；截至 2022 年末累計下載量 7,006.02 萬次，月 謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 16 行業專題報告/證券研究報告 活數量位居券商類 APP 首位。圖9.截至 22年末漲樂財富通累計下載量超 7

58、000萬次 圖10.漲樂財富通月活量在券商 APP 中排名第一 數據來源：華泰證券年報，財通證券研究所 數據來源：QuestMobile，財通證券研究所 持之以恒的科技投入是持之以恒的科技投入是華泰證券華泰證券金融科技能力領先的核心保障。金融科技能力領先的核心保障。據中國證券業協會統計，2021 年華泰證券信息技術投入 23.38 億元，高居行業第一；2017-2021年信息基數投入金額的年化復合增速達 52.4%。圖11.華泰證券 2021 年信息技術投入金額位居全行業第一 數據來源：中國證券業協會，財通證券研究所 我們認為華泰證券具備 AIGC 落地的良好應用場景，龐大的客戶基礎與線上流量

59、、領先的數字金融服務和持之以恒的科技研發投入使得公司在傳統財富管理機構中具備領先優勢，AIGC 的落地將結合公司金融算法能力和海量數據資源，充分挖掘和滿足客戶需求，提供更加專業、精準的數字化財富管理服務方案。4 風險提示風險提示 01,0002,0003,0004,0005,0006,0007,0008,000漲樂財富通累計下載量（萬次）02004006008002018-012018-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042021-072021-102022-

60、012022-042022-072022-102023-01萬人漲樂財富通國信金太陽平安證券國泰君安君弘中國銀河證券0.0%1.0%2.0%3.0%4.0%5.0%6.0%7.0%8.0%0510152025億元信息技術投入占全行業比重（右）謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 17 行業專題報告/證券研究報告 1、技術落地不及預期。AI 技術的落地與產業化需要依賴技術的發展情況，若AI技術落地不及預期，可能造成在金融行業內的應用程度有限；2、金融科技監管趨緊。金融行業是強監管行業，若監管部門對金融科技應用和發展作出限制，則會對行業發展和相關公司產生不良影響；3、研發投入周期過長。

61、AI 技術的投入規模較大、投入周期較長，在較長的研發投入過程中存在一定不確定性。謹請參閱尾頁重要聲明及財通證券股票和行業評級標準 18 行業專題報告/證券研究報告 分析師承諾分析師承諾 作者具有中國證券業協會授予的證券投資咨詢執業資格，并注冊為證券分析師，具備專業勝任能力，保證報告所采用的數據均來自合規渠道，分析邏輯基于作者的職業理解。本報告清晰地反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響，作者也不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。資質聲明資質聲明 財通證券股份有限公司具備中國證券監督管理委員會許可的證券投資咨詢業務資格。公司評級公

62、司評級 買入：相對同期相關證券市場代表性指數漲幅大于 10%；增持：相對同期相關證券市場代表性指數漲幅在 5%10%之間；中性：相對同期相關證券市場代表性指數漲幅在-5%5%之間；減持：相對同期相關證券市場代表性指數漲幅小于-5%；無評級：由于我們無法獲取必要的資料，或者公司面臨無法預見結果的重大不確定性事件，或者其他原因，致使我們無法給出明確的投資評級。行業評級行業評級 看好：相對表現優于同期相關證券市場代表性指數；中性：相對表現與同期相關證券市場代表性指數持平；看淡：相對表現弱于同期相關證券市場代表性指數。免責聲明免責聲明 本報告僅供財通證券股份有限公司的客戶使用。本公司不會因接收人收到本

63、報告而視其為本公司的當然客戶。本報告的信息來源于已公開的資料，本公司不保證該等信息的準確性、完整性。本報告所載的資料、工具、意見及推測只提供給客戶作參考之用，并非作為或被視為出售或購買證券或其他投資標的邀請或向他人作出邀請。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的價格、價值及投資收入可能會波動。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司通過信息隔離墻對可能存在利益沖突的業務部門或關聯機構之間的信息流動進行控制。因此，客戶應注意，在法律許可的情況下，本公司及其所屬關聯機構可能會持有報告中提到的公司所發行的證券或期權并

64、進行證券或期權交易，也可能為這些公司提供或者爭取提供投資銀行、財務顧問或者金融產品等相關服務。在法律許可的情況下，本公司的員工可能擔任本報告所提到的公司的董事。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。在任何情況下，本報告中的信息或所表述的意見均不構成對任何人的投資建議。在任何情況下，本公司不對任何人使用本報告中的任何內容所引致的任何損失負任何責任。本報告僅作為客戶作出投資決策和公司投資顧問為客戶提供投資建議的參考?？蛻魬敧毩⒆鞒鐾顿Y決策，而基于本報告作出任何投資決定或就本報告要求任何解釋前應咨詢所在證券機構投資顧問和服務人員的意見；本報告的版權歸本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制、發表或引用，或再次分發給任何其他人，或以任何侵犯本公司版權的其他方式使用。信息披露信息披露