《金融AI行業GenAI系列之53暨Fintech系列深度之18：大模型兩年范式劇變核心業務起漣漪-250327（46頁）.pdf》由會員分享，可在線閱讀，更多相關《金融AI行業GenAI系列之53暨Fintech系列深度之18：大模型兩年范式劇變核心業務起漣漪-250327（46頁）.pdf（46頁珍藏版）》請在三個皮匠報告上搜索。

1、證 券 研 究 報 告金融AI：大模型兩年范式劇變，核心業務起漣漪GenAI系列之53暨Fintech系列深度之18證券分析師：洪依真 A0230519060003 羅鉆輝 A0230523090004 劉洋 A0230513050006 研究支持：羅宇琦 A0230124070004聯系人：羅宇琦 2025.3.272金融模型底座趨勢和技術能力趨勢總結金融模型底座趨勢和技術能力趨勢總結圖：金融行業大模型技術方案概覽應用架構基座模型與第三方頭部大模型合作開源模型后訓練預訓練對齊訓練領域增強訓練前置推演Loss scalling lawmetric scalling law領域自約束CPTSFT

2、通用合成數據工程企業高精領域數據強化訓練RLHFHumanfeedbackAIFeesbackDeepseek、LlamaOpen AI、谷歌通義千問、階躍星辰、火山引擎仍有部分金融機構自研數據工程數據去噪數據去重數據標準化質量分回歸內容安全隱私消除多維度打分內容分類器Agent數據工程RAG企業知識庫意圖識別技術成熟意圖執行智能決策技術未成熟2023年金融機構技術需求重點2025年金融機構技術需求重點單意圖識別多模態理解多意圖識別單模態理解復雜任務拆解Agent銀行一體化風險管理保險一體化理賠核保資管一體化投資投研決策圖：金融行業大模型能力趨勢概覽資料來源：申萬宏源研究NBgWnNtMxPy

3、RtOqO9PdN7NnPpPpNnQjMpPmPlOtRwObRoOwPuOnNoQwMoPqQ3核心觀點核心觀點AI金融行業大模型核心技術相比2023年時已產生了較大變化。目前大量金融機構基礎模型選擇開源、或更多的是與頭部大模型廠合作：1）2023年初金融機構開始自研預訓練；2）2024年后強化學習、RLHF等后訓練范式興起；3）2025年后ds等算法平權后金融機構不再完全聚焦于基礎模型。金融能力趨勢：從意圖識別到意圖執行。1）目前Chatbot形式為主的單意圖識別工具準確率已接近90%；2）結合Agent能力的意圖執行開始大量出現；3）智能決策整體未成熟，銀行和保險目前案例極少，而資管領

4、域單點案例更多，AI的應用深度可能與ROI相關性更高，而非業務的標準化程度。銀行、保險AI整體應用集中于營銷等系統，2025年后需求增加，應用開始向核心系統深化銀行：已上線需求集中于客服作業、營銷分析、報告撰寫（風控和授信調查）、代碼助手等，各行之間場景差距較??；24H2后，部分大行開始接入信貸和前端業務，但是目前滲透率較低。保險：由于保險重營銷的特性，目前大部分應用集中于客服機器人、營銷助手等；部分保險開始嘗試簡單理賠場景，如欺詐檢測、理賠評估等。但更進一步的AI承保產品極少，AI產品設計與定價目前空缺。Deepseek出現后，A股金融IT上市公司AI轉向加速，且部分反饋下游需求增加。1）2

5、025年后，頭部銀行IT企業全面接入ds，且開始對信貸等核心系統改造；2）由于銀行私有化部署要求，宇信等提供一體機解決方案，且天陽等聯合高校建設金融算力中心；3）長亮等反饋主要集中在信貸相關業務、數據管理相關業務以及財務相關的業務需求在2025年后明顯增加。相關標的：第四范式、宇信科技、神州信息、長亮科技、京北方、天陽科技風險提示：大模型技術迭代可能不及預期，金融數據風險，同質化競爭風險，監管風險。主要內容主要內容1.基礎模型：相比2023年已全面更新2.應用情況：國內外金融AI應用概覽3.銀行AI：全面滲透但未進入核心環節4.保險AI：聚焦營銷，核保理賠起步期5.相關標的451.1 1.1

6、模型模型底座趨勢：金融企業自研或預訓練需求減弱底座趨勢：金融企業自研或預訓練需求減弱2023年至今，金融LLM底座發生較大變化1）2023年初，以bloombergGPT為代表的預訓練，當時觀點普遍認為：Bloomberg采用自主構建數據集和語料庫的方法，優點是文本生成能力更強，盡管會帶來成本大幅上升；2）2024年后，隨著Open AI o1出現，強化學習、指令微調、RLHF等后訓練范式興起；3）2025年后，隨著deepseek等開源工具出現，算法平權后金融機構不再完全聚焦于基礎模型?；A模型選擇開源、或更多的是與頭部大模型合作海外機構如摩根大通、摩根斯坦利、貝萊德、城堡證券、穆迪等海外機

7、構與OpenAI、谷歌等合作；國內機構比如招商證券、中金財富跟通義千問，國泰君安與階躍星辰、北京銀行、華泰證券跟火山引擎進行合作等等?；Ｐ团c第三方頭部大模型合作開源模型后訓練預訓練對齊訓練領域增強訓練前置推演Loss scalling lawmetric scalling law領域自約束CPTSFT通用合成數據工程企業高精領域數據強化訓練RLHFHumanfeedbackAIFeesbackDeepseek、LlamaOpen AI、谷歌通義千問、階躍星辰、火山引擎仍有部分金融機構自研圖：金融行業大模型技術方案概覽-訓練和基座資料來源：申萬宏源研究61.1 1.1 模型模型底座趨勢：金融

8、企業需求轉向底座趨勢：金融企業需求轉向AgentAgent和數據工程和數據工程2024年后，RAG為代表的數據工程、Agent為代表的應用工程等成為金融機構建設重點構建高效、可擴展 AI 系統的標準化架構正迅速發展；RAG 以51%的采用率占據主導地位；2024 年最大的突破之一是智能體架構，采用率從 0%迅速增至 12%；與之相比，微調的采用率僅為 9%?；Ｐ团c第三方頭部大模型合作開源模型Deepseek、LlamaOpen AI、谷歌通義千問、階躍星辰、火山引擎仍有部分金融機構自研數據工程數據去噪數據去重數據標準化質量分回歸內容安全隱私消除多維度打分內容分類器圖：金融行業大模型技術方案

9、概覽-基座和應用應用架構資料來源：Menlo Ventures（門羅風投）、申萬宏源研究Agent數據工程RAG企業知識庫圖：美國企業級市場中的AI架構設計方案 2023 vs.2024圖：美國企業級AI用例及采用率投研報告助手資管知識檢索投資研究與客戶洞察投資風險識別與合規管理單意圖識別多模態理解7意圖識別1.2 1.2 金融能力趨勢：從意圖識別到意圖執行金融能力趨勢：從意圖識別到意圖執行圖例近期焦點AI系統其他AI系統資料來源：郵儲銀行官方公眾號、中國專業IT社區CSDN、貝萊德官網、申萬宏源研究技術成熟開始出現技術未成熟OCR基于UI交互圖片、語音等模態理解垂域的專業能力、專業知識、專有

10、業務系統、私有化資源將會成為較難復制的競爭壁壘在外掛高質量活數據、資源大模型友好的情況下，單意圖識別準確率已接近90%智能問答 智能輔助用戶畫像 知識社區多意圖識別銀行“助手”方案Chatbot形式為主圖：郵儲銀行數字員工“小郵助手”能力目標和發布時間意圖執行單模態理解復雜任務拆解Agent復雜任務拆解仍有提升空間逐漸標配跨APP、API交互MCP企業專用知識庫垂域know-how圖：信貸客戶場景中摘要和小結生成Agent智能決策功能、菜單、數據、接口、報表從軟件轉變為服務的基礎資源信貸業務全流程自動化貸前評估、貸中監測、貸后管理全域風險管理，智能風控體系、核保階段的風險評估、自動化審核理賠全

11、流程自動化：從單據審核、到欺詐檢測、到輔助調研、方案合理性調整等銀行和保險目前案例極少可能與傳統金融核心業務極為復雜、精準和安全要求較高有關資管領域單點案例更多圖：貝萊德SAE模型主動投資流程81.2 1.2 金融能力趨勢：從提升效率到深度決策金融能力趨勢：從提升效率到深度決策當前AI在金融領域的應用趨勢：金融機構的需求場景以內部賦能為主，多從運營助手、輔助編碼、辦公支持等提效場景切入，逐步向業務賦能等高價值領域延伸；直接面向客戶的服務則仍處于起步階段，以營銷和客戶交互場景為主。涉及最核心的風險定價服務等場景成熟度較低。應用價值提升效率流程自動化價值創造推動用戶/收入增長深度決策提升投資收益、

12、降低風險概述 通過機器學習和深度學習，進行代碼生成與優化、代碼分析與調試；AI 能自動化后臺任務，包括數據管理、對 賬和報告生成，同時確保合規性；AI 解決方案顯著減少手動和重復性任務 AI 具備強大的數據分析能力，更具客戶洞察力；創造新的用戶交互場景體驗；AI 可以更好地理解用戶，發現和創造金融消費需求 AI 模型可以分析大量和多樣化的數據，包括結構化和非結構化數據，提供更為全面、精準的數據分析結果及預測信息；高級 AI 技術通過其整合和分析真實市場條件、識別數據異常和提高數據可靠性的能力，改善風險管理；應用場景 AI 編程；賬戶業務自動化；合規審核；客戶服務與支持 投顧助手；用戶互動與營銷

13、；個性化理財產品推薦；構建新的金融服務產品 交易機會洞察 資產價格預測 高頻交易 流動性風險/信用風險評估應用成熟度較高中等較低表：金融行業大模型應用價值資料來源：申萬宏源研究9國內金融機構大模型應用研發參與者目前包括金融機構自研、金融科技公司、基礎大模型供應商自研、第三方服務各具優勢自研：能更好保證數據安全和隱私、實現業務定制化、有利于提升長期競爭壁壘第三方服務：智能投研技術門檻較高、自研開發成本較高，第三方服務可以以較低成本快速獲得獲得先進技術和工具。同時第三方服務通常具備強大的數據整合能力，能夠提供多源數據的分析和處理。部分金融機構選擇混合模式：核心業務自研，非核心業務使用第三方服務資料

14、來源：申萬宏源研究研發模式 典型代表優勢劣勢金融機構自研團隊為主國有大行、頭部券商等業務理解深刻貼近場景私有資源積累技術和經驗局限資源限制適用范圍有限金融科技公司為主恒生電子、贏時勝、訊兔科技、中科金等大模型友好垂直領域 know-how面臨雙重擠壓資源有限基礎大模型供應商為主百度、智譜、科大訊飛、火山引擎等技術實力強資源豐富創新能力強業務理解不足業務整合難度大業務優勢技術優勢圖：三種不同形式金融大模型供應商1.3 1.3 金融金融AIAI參與者：三方各有優勢參與者：三方各有優勢主要內容主要內容1.基礎模型：相比2023年已全面更新2.應用情況：國內外金融AI應用概覽3.銀行AI：全面滲透但未

15、進入核心環節4.保險AI：聚焦營銷，核保理賠起步期5.相關標的10112.1 2.1 金融金融應用趨勢：分行業看應用趨勢：分行業看銀行業從最開始的觀望態度逐漸過渡到將大模型技術作為未來的重點方向持續投入；從國有大行、股份制銀行延伸到頭部城農商行，深入到銀行前、中、后臺的各個環節。證券業隨著頭部客戶試水效果初顯、算力和模型基礎設施成本下降，大模型應用將從頭部向中小券商下沉，應用場景從內部運營向投顧、投研、投行、合規等延伸?；饦I部分機構在局部領域探索大模型應用，主要集中在投資研究、風控合規、基金營銷、合規審查等業務領域；由于大模型 前期投入高、見效慢，且需要長期投入，在當前大環境下中小機構基本處

16、于觀望狀態。保險資管業頭部機構普遍采取謹慎務實的應用策略，優先選擇能夠直接帶來降本增效的場景進行嘗試，如智能投研、信用風險管理、合規、運營以及信息披露的文本識別和智能核對。信托業少數公司開始嘗試大模型應用，落地場景非常少，需求場景主要是運營、運維、知識庫、文本撰寫等。滲透快滲透慢122.1 2.1 國內國內金融行業金融行業AIAI應用分行業一覽：銀行、保險應用分行業一覽：銀行、保險保險公司商業銀行智能理賠NLP處理索賠數據，機器學習自動化審核精準營銷客戶畫像構建+個性化方案推薦風險管理大模型動態評估資產風險合規風控客戶服務運營效率異常交易識別、反欺詐監測智能問答、個性化財富管理文檔自動化處理等

17、總結來看，客戶服務、合規風控、運營效率是行業較為共性的需求其他特性的需求：銀行行業有風險報送、風險定價、FICC等保險行業有智能理賠、精準營銷、風險管理需求運營效率文檔自動化處理等132.1 2.1 國內金融行業國內金融行業AIAI應用分行業一覽：證券、基金應用分行業一覽：證券、基金證券機構基金公司投資投行財富管理合規風控智能投研量化研究因子挖掘、策略優化盡調報告生成、招股書輔助撰寫個性化投顧、客戶需求分析輿情監測、交易異常識別投資智能投研量化研究因子挖掘、策略優化合規風控合規審查、交易異常識別客戶服務智能投顧、個性化報告生成當前基金行業大模型應用仍以 效率工具 為主，直接參與投資決策的場景占

18、比較少運營效率運營效率文檔自動化處理、會議紀要整理文檔自動化處理、會議紀要整理由于篇幅原因，本文主要展開國內銀行、保險目前布局AI情況后續國內證券、基金、投研AI應用情況將在AI系列深度中展開142.2 2.2 高盛：私有化部署，推出代碼生成工具與高盛：私有化部署，推出代碼生成工具與AIAI助手助手Goldman Sachs（高盛）在利用人工智能（AI）提高運營效率方面處于領先地位。2024年7月底，高盛向數千名開發人員推出其第一個用于代碼生成的生成式AI工具。私有化部署集成多個AI模型：利用OpenAI 的 GPT-3.5 和 GPT-4 模型、谷歌的 Gemini 模型以及 MetaPla

19、tforms 的 Llama 等開源模型側重代碼生成，顯著提高開發人員效率目前重點在安全性和合規性2025年1月，高盛向其員工推出 GS AI Assistant已向大約 10,000 名員工推出了該計劃最初，它將協助總結電子郵件、校對和翻譯代碼長期，計劃可以在最少的人工監督下承擔更復雜的多步驟任務。這種演變被比作雇用一名新員工，他將逐漸吸收高盛的文化和做法。依賴于來自各種 AI 模型的數據混合，包括來自 OpenAI、Google 和 Meta 的數據152.2 JP Morgan2.2 JP Morgan：已推出投顧、投研產品：已推出投顧、投研產品2024年5月4日，摩根大通宣布推出基于G

20、PT-4的AI投顧工具IndexGPT可自動創建“主題投資籃子”策略，主題投資籃子是一種投資組合，將具有相似或相關投資主題的多家公司股票捆綁在一起的投資策略，包含股票、債券、商品等。投資的領域包括可再生能源、AI、電池存儲、電動汽車、制藥、生物技術、醫療器械、電商、云計算、金融科技等上百個類別。主題投資籃子的優點是多樣化，可以降低投資的風險避免把資金全部壓在一個地方，當出現金融危機或者股市震蕩時賠的血本無歸，同時又能增加資金的流動性，實現快進快出追風口賺熱錢的策略。2024年7月，推出類ChatGPT產品LLM SuiteLLM Suite可以進行寫作、生成創意和總結文件。應用上，可以把LLM

21、 Suite想象成研究分析師，它可以就某個主題提供信息、解決方案和建議。允許其資產和財富管理部門的員工使用截止2024年7月，約有50000名員工(約占員工總數的15%)可以使用LLM Suite公司內部合規要求嚴格：其員工不允許出于工作目的使用任何消費級人工智能聊天機器人產品-如Anthropic的Claude、OpenAI的ChatGPT或谷歌的Gemini。該公司要求員工嚴格遵守相關規定，確?？蛻魯祿粫x開公司的安全服務器。162.2 2.2 花旗：對內使用，輔助、簡化員工工作花旗：對內使用，輔助、簡化員工工作+搜索引擎搜索引擎2023年已將AIGC應用于編程允許250名開發人員嘗試使

22、用這種人工智能技術。銀行計劃到2024年將該計劃擴展到其大部分開發團隊。嘗試使用AI來更新其系統，其目標是從過時的編碼語言（如Cobol）過渡到更現代的編碼語言（如Java）。利用AI可以簡化翻譯過程，并且成本效益更高。2024年3月，花旗銀行的首席分析技術與創新負責人Promiti Dutta采訪中，花旗銀行將AIGC應用于三個方向：代理輔助：大型語言模型(LLMs)可以為呼叫中心代理提供關于客戶的摘要信息，或在對話期間更輕松地記錄摘要以便為代理查找信息。這并非面向客戶。自動執行手動任務：例如總結與風險和控制相關的廣泛合規文件，幫助員工查找所需文件。內部搜索引擎：花旗銀行內部創建了一個內部搜

23、索引擎，將數據集中到一個地方，以便分析師和其他員工更輕松地獲得數據驅動的見解。目前還不考慮在外部使用LLMs，但并未將其完全排除在未來之外在使用生成式人工智能與客戶進行外部交互（例如通過支持聊天機器人）方面，花旗銀行認為仍存在太高的風險。過去一年中，關于LLMs產生幻覺的報道引起了廣泛關注?；ㄆ煦y行強調，他們需要逐步推進，并始終確保人類參與，以便了解技術的局限性，然后根據技術的成熟程度逐步擴展應用范圍?；ㄆ煦y行與微軟合作，正在考慮使用Azure云服務中的OpenAI的GPT模型，以重新評估在云和本地資源之間的平衡。主要內容主要內容1.基礎模型：相比2023年已全面更新2.應用情況：國內外金融A

24、I應用概覽3.銀行AI：全面滲透但未進入核心環節4.保險AI：聚焦營銷，核保理賠起步期5.相關標的17183.1 3.1 銀行銀行AIAI：大模型應用滲透于大中小行，場景差距?。捍竽Ｐ蛻脻B透于大中小行，場景差距小銀行名大模型布局情況農業銀行2023年3月，ChatABC初步具備自由閑聊、行內知識問答、內容摘要等多類型任務的服務能力大模型在金融領域的知識理解能力、內容生成能力以及安全問答能力。工商銀行2023年3月，全棧自主可控的千億級AI大模型技術體系（昇騰AI的金融行業通用模型）聚焦遠程銀行、對公信貸、運營管理、金融市場、人力資源、智慧辦公、內控合規、智能研發等八大業務領域。郵儲銀行202

25、3年2月，“郵儲大腦”接入百度“文心一言”，類 ChatGPT技術應用試點。結合行業知識進行微調和交互式訓練，用于智能客服、數字員工、虛擬營業廳等場景。近期，郵儲銀行將DeepSeek大模型應用于企業級多模態智能問答助手“小郵助手”，新增邏輯推理功能，增強精準服務效能；通過包括深度分析在內的功能，精準識別用戶需求，提供個性化和場景化的服務方案；借助高效推理性能，加快響應速度和任務處理效率。建設銀行2023年報，實施“方舟計劃”。大模型基礎能力、基礎應用、業務場景建設均有成就。業務場景建設方面，截至2023年末，實現智能客服工單生成、自動化生產營銷創意內容和文案、快速生成投研報告中的摘要和點評、

26、錄入語音自動生成拜訪記錄、輸入提示詞與關鍵參數自動生成圖片、自動生成上市公司類客戶調查報告等25項場景應用。2024Q3，其深化金融大模型建設，落地87項業務場景應用，初步建成面向全集團的企業級金融大模型應用體系。資料來源：資產業務與科技，公司公告，新浪網，金融早參，騰訊新聞，中國證券報，金融科技研究，申萬宏源研究表：國內大行布局AI情況概覽193.1 3.1 銀行銀行AIAI：大模型應用滲透于大中小行，場景差距?。捍竽Ｐ蛻脻B透于大中小行，場景差距小股份制銀行大模型布局情況平安銀行2024Q3，完善大模型平臺和基礎能力底座，拓展知識庫問答、文檔內容生成、代碼開發輔助、數字人視頻制作等大模型場

27、景應用，進一步提升工作效率和用戶體驗。截至9月末，該行已落地超百個大模型應用場景。在零售業務方面，平安銀行強化AIGC應用，打通企微、電話、平安口袋銀行App內AI客戶服務等渠道；在研發方面，其通過AI工具賦能、低代碼模式推廣，提升需求交付效率，9月末，該行通過AI代碼輔助平臺生成的代碼占比為28.7%。2025年2月21日投資者提問中回復接入包括但不限于DeepSeek大模型等。浦發銀行近日，浦發銀行在業內實現全棧國產化算力平臺+DeepSeek大模型的金融應用，為高質量發展注入“芯”動力。據了解，基于昇騰Atlas 800T A2算力集群，浦發銀行快速完成DeepSeek-R1 671B大

28、模型的部署，融合“五橫六縱”企業級知識庫，嵌入數字員工助手應用，賦能智能問答、指標問答、財務分析、報告寫作等多個應用場景。對內更好賦能員工，對外更好服務客戶，全面提升數字金融服務能力。民生銀行2024Q3，由算力、數據、模型和框架組成的大模型應用體系建設取得重大進展，其聚焦大模型在重點場景的應用開發和推廣，在客服作業、營銷分析、風控報告撰寫、知識助手等場景實現效能提升。招商銀行2023年8月，構建通用大模型平臺,重點服務于智能投顧、客服、研發等領域、智能財富助理小招,提供財務分析、選品策略、市場觀點、收益分析等服務,和個性化、定制化顧問服務光大銀行 2024Q3，其開展關鍵業務領域大模型技術應

29、用研究，完成面向公司金融場景授信調查報告智能生成功能的研發。中信銀行2024Q3，積極布局AI大模型技術，中信倉頡大模型在遠程經營、數字人財富顧問、代碼生成、客服中心及辦公助手等場景應用效果初現。資料來源：資產業務與科技，公司公告，新浪網，金融早參，騰訊新聞，中國證券報，金融科技研究，申萬宏源研究表：國內股份制銀行布局AI情況概覽203.1 3.1 銀行銀行AIAI：大模型應用滲透于大中小行，場景差距?。捍竽Ｐ蛻脻B透于大中小行，場景差距小其他銀行大模型布局情況江蘇銀行2023年4月，自主研發的擁有最大1760億參數的大語言模型平臺,“智慧小蘇”順利投產,實現客服場景首次應用。分析行內信息系統

30、運行情況,自動化分析得出相關建議。近期，江蘇銀行依托“智慧小蘇”大語言模型服務平臺，成功本地化部署微調DeepSeek-VL2多模態模型、輕量DeepSeek-R1推理模型，分別運用于智能合同質檢、自動化估值對賬場景中。北京銀行2024Q3，推出零售領域首個AI Agent應用智能策略復盤助手?；诖竽Ｐ图夹g，結合意圖識別、協同引擎和數據分析等技術，幫助業務人員更快、更準確地分析客戶數據，評估營銷策略效果并給出改進建議，將經營策略執行分析工作從1天縮短至分鐘級，極大節省人力成本。近日，北京銀行與華為合作，率先實現了DeepSeek系列模型的全棧國產化金融應用。通過引入DeepSeek-R1和D

31、eepSeek-V3模型，北京銀行在多個關鍵業務場景中試點應用，大幅提升了服務質量和效率。重慶銀行智能客服：利用DeepSeek大模型對智能客服知識庫進行深度解析，實現了更加精準的語義理解、邏輯推理和多輪對話能力。蘇商銀行蘇商銀行在2024年引入DeepSeek系列技術，結合原有大模型能力，在模型輕量化與高效推理方面取得顯著突破，推動了數字金融服務的智能化升級。智能信貸：通過DeepSeek-VL2多模態模型，成功解決了非標材料處理難題，信貸審核全流程效率提升20%。智能研發：集成DeepSeek-R1推理模型，構建智能編程協作平臺，代碼采納率提升28%，核心系統迭代周期縮短30%。智能風控：

32、通過模型蒸餾技術，推理效率指數級提升，單次決策響應時間壓縮至毫秒級，欺詐風險標簽準確率提升35%。重慶農村商業銀行重慶農商行借助騰訊云大模型知識引擎的能力，已在企業微信上線基于DeepSeek模型的智能助手應用“AI小渝”。智能風控：利用DeepSeek的模型能力，結合實時聯網搜索以及RAG能力，動態識別欺詐行為，提升風險預警精準度。場景金融：搭建分鐘級響應的智能客服系統，結合知識庫實現個性化財富管理建議。數據決策：通過大模型挖掘行內金融數據價值，優化信貸評估與市場策略。資料來源：資產業務與科技，公司公告，新浪網，金融早參，騰訊新聞，中國證券報，金融科技研究，申萬宏源研究表：國內其他銀行布局A

33、I情況概覽213.2 3.2 工商工商銀行：基礎大模型能力銀行：基礎大模型能力文檔編寫：摘要提煉、內容擴寫、分析研判。智能搜索：網頁信息采集、問題解析規劃及信息搜索、答案匯總生成知識檢索：知識準備、知識搜索、答案生成圖：智能搜索應用范式流程圖：知識檢索應用范式流程圖：智能中樞應用范式流程智能中樞（Agent服務）通過將系統功能進行插件化，利用大模型拆解、調控，支持用戶通過自然語言實現跨系統、系統內部各功能的調度控制能力。插件的具體實現仍為傳統應用開發，大模型主要負責理解用戶的訴求。數據分析將自然語言轉換成數據分析的語言或代碼，如對API的調用、對數據庫的訪問等。資料來源：工行大模型白皮書、申萬

34、宏源研究223.2 3.2 工商銀行：主要應用形式為問答、報告生成、代碼生成工商銀行：主要應用形式為問答、報告生成、代碼生成，智能辦公中用到，智能辦公中用到AgentAgent，多個場景效率提升顯著，多個場景效率提升顯著風險防控業務場景產品形式效率提升量化信貸全流程審批智能化可疑報告生成自動化內控合規智能員工貸前、中、后全流程知識問答形式信貸制度咨詢從分鐘級提升至秒級，每年至少可降本數百人年可疑報送模塊中的人工甄別環節以案倒查要點分析環節：通過大模型對法律文書提取摘要，分析其中涉及客戶的案件信息，與客戶信息進行比對可疑報告撰寫環節：輔助生成可疑報告中的客戶信息等相關章節初稿內控數字員工“工毅控

35、”內控合規各項工作的問答指南賦能全行境內數十家分行機構用戶，自動解答率達 92.8%內控合規智能員工工單分析、生成自動化網點客戶服務智能助手翻譯準確率達85%以上，服務客服經理萬余人多家分行網點完成檢測，問答準確率超83%日均生成近萬份工單處理報告，生成答復摘要條理清晰，整體文字采納率約80%，據初步測算，每年可節省數百人年工作量利用大模型可根據員工與客戶電話核實情況撰寫投訴處理報告客戶意見工單答復環節運營管理資料來源：工行大模型白皮書、申萬宏源研究233.2 3.2 工商銀行：主要應用形式為問答形式、報告、代碼生成工商銀行：主要應用形式為問答形式、報告、代碼生成，智能辦公中用到，智能辦公中用

36、到AgentAgent，多個場景效率提升顯著，多個場景效率提升顯著研究開發業務場景產品形式效率提升量化后臺研發代碼生成、代碼識別與檢測、代碼轉自然語言和交互式研發試點期間推廣使用近千人，輔助編碼近百萬行，協助開發人員自動糾正輸入性錯誤數萬次客戶意見工單答復環節人工客服+智能客服形式客戶服務圍繞郵件、會議、材料、日常事務等方面類似Agent（如一句話即可辦理建會議、定會議室、記錄日程等事務）可疑報送模塊中的人工甄別環節自動生成千人千面的面試題，自動化實現線上問答評判、面試報告生成投研晨報等金融市場各類報告的自動生成金融市場投資、融資、資金交易的方案計劃制定、交易執行、存續管理、風險監測晨報生成時

37、效從小時級縮短至分鐘級，資訊覆蓋面從十余篇擴展至全市場數百篇，報告生成采納率達88.68%智能研發坐席助手智能辦公賦能面試金融市場咨詢辦公協作資料來源：工行大模型白皮書、申萬宏源研究243.3 3.3 郵儲銀行：布局算力郵儲銀行：布局算力-模型模型-應用，應用逐漸深化應用，應用逐漸深化資料來源：郵儲銀行官方公眾號，移動支付網，銀行科技研究社，申萬宏源研究應用情況基礎設施基礎模型2023H12023H2基礎模型初步探索AIGC定制卡面研發測試運營管理客戶營銷智能風控消保郵儲大腦2024H1算力云資源池：異構算力集群支持千億級規模大模型訓練統一大模型“郵智”2024H2更多生成創作智能助手知識圖譜

38、融合LLM從算力到應用全部實現自主可控2024年12月10日上線，招投標完成2025H1運維法律風險管理同業業務數字員工接入引入Deepseek助手增強邏輯推理功能增強精準服務效能企業智能助手專用信貸模型接入IT郵回想和匯兌大集中系統接入擔保管理系統和靈犀系統接入信貸業務平臺數字員工數字員工全面接入上線接入業務前端平臺（管理通）功能全部上線，并持續接入其它系統2024-042024-052024-072024-092025-02起步探索期模型和基礎建設加快期應用加快期，并明確以Agent數字員工為核心253.3 3.3 郵儲銀行：應用交互以對話為主，郵儲銀行：應用交互以對話為主，AIAI應用深

39、度仍較淺應用深度仍較淺2024年12月“小郵助手”基礎版隨“郵智”大模型首次發布。2025年2月，郵儲銀行將DeepSeek-V3多模態模型和輕量級DeepSeek-R1推理模型集成到“郵智”大模型中。功能上：基礎版“小郵助手”具備多模態交互能力，支持信息聚合、圖表展示、內容溯源等功能。DS集成后新增功能邏輯推理，提高的分析的深度與效率。應用場景：智能客服與遠程銀行、公司金融、風險防控領域、網點金融服務領域等。2024年9月，發布貨幣市場交易機器人“郵小助”。在線智能詢價交談：“郵小助”依據交易員設置進行智能詢價應答，匹配交易。全流程風險管理：實時聯動交易系統風控模塊，人工可隨時干預。圖：“小

40、郵”智能助理理解意圖，生成頁面鏈接輔助功能導航圖：“郵小助”詢價過程示意資料來源：郵儲銀行客戶服務公眾號，CfetsOnline發布，申萬宏源研究主要內容主要內容1.基礎模型：相比2023年已全面更新2.應用情況：國內外金融AI應用概覽3.銀行AI：全面滲透但未進入核心環節4.保險AI：聚焦營銷，核保理賠起步期5.相關標的26智能客服機器人養老陪伴機器人“聰明寶”產險客服人傷理賠機器人車險智能定損定責理賠計算書信息抽取理賠大案要案智能識別投研報告助手資管知識檢索投資研究與客戶洞察投資風險識別與合規管理員工服務機器人代碼助手知識搜索審計助手核保/核保助手財務風險評估風險建模27AI通用辦公AI智

41、能投研AI服務AI營銷AI理賠AI承保4.1 4.1 保險保險AIAI應用：營銷和投研為目前焦點應用：營銷和投研為目前焦點圖例近期焦點AI系統其他AI系統會員服務助理產品小助理智能客服廣東話語音復制車險全線上銷售機器人產險智能外呼機器人車險智能報價助手銷售AI智能訓戰代理人車險出庫銷售助手/內容創作代理人賦能代理人AskBob機器人健康險理賠審核傷殘等級評估復雜案件智能判責理賠自動化審核理賠效率評估資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究通用專用-負債端專用-資產端理賠范圍檢查：提供經核實的理賠結果，準確率達99.5%情況下節省時間2X欺詐檢測理賠效率提升醫療文檔處

42、理理賠助手代理人支持：代理人生產力提升10-15%營銷賦能助手：營銷材料創作時間節省50-70%損失預防客服效率提升AI產品設計與定價暫空簡化承保：經審查的保單數量增幅2-3X遷移各代碼庫組件時間最低可節省30%企業微信運維機器人監管政策小助手HR小助手辦公助手效率提升量化284.2 4.2 國內國內應用領先，應用領先，陽光保險、中國人壽場景較豐富陽光保險、中國人壽場景較豐富保險公司案例國內陽光保險辦公（員工服務機器人、代碼開發助手、知識搜索）、服務（智能客服機器人、養老陪伴機器人）、營銷（車險全線上銷售機器人、產險智能外呼機器人）、理賠（人傷理賠機器人、車險智能定損與定責）、投研（投研報告助

43、手）中國人保營銷（代理人賦能）、服務（“聰明寶”產險客服）中國人壽-國壽資管投研（資管知識檢索、投資研究與客戶洞察、投資風險識別與合規管理）中國人壽-國壽財險辦公（員工工作平臺）、理賠（理賠計算書信息抽取、理賠大案要案智能識別）、營銷（車險智能報價助手）泰康養老營銷（銷售人員AI智能訓戰）中國太保理賠（健康險理賠審核）、辦公（審計助手）華農保險營銷（代理人車險出單）、辦公（企微運維機器人、編程研發助手）信美相互人壽服務（會員服務小助理、產品小助理）、辦公（監管政策小助理、人力行政小助理）元保服務（智能客服）、理賠（智能理賠）香港富衛集團服務（廣東話語音復制）中科萬國理賠（傷殘等級評估、復雜案件

44、智能判責、理賠自動化審核）國際瑞士再保險承保（核保助手）、營銷（內容創作）安盛集團辦公（辦公助手）、承保（財產風險評估）、理賠（理賠效率提升）安聯集團服務（損失預防）、理賠（理賠評估、欺詐檢測）丘博保險理賠（理賠效率提升）怡安保險辦公（員工辦公助手）第一生命營銷（銷售助手）好事達保險服務（客服效率提升）奧斯卡健康理賠（醫療文檔處理、理賠助手）大模型應用趨勢應用模式：由Chatbot向AI Agent演進應用場景：由非決策類場景向決策類場景過渡大模型與小模型：互相補充，協同合作國內保險公司AI大模型應用較國際更深入、廣泛，海外保險公司尚未用于投研場景國內保險公司中，陽光保險、中國人壽（及其子公司

45、）應用場景較豐富資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究294.2 4.2 陽光保險：重點應用場景包括客服、車險銷售、人傷理陽光保險：重點應用場景包括客服、車險銷售、人傷理賠機器人，降本成效可量化賠機器人，降本成效可量化重點應用場景業務場景產品形式效率提升量化已覆蓋車險報案、產險保單查詢、壽險保單查詢、壽險續期回訪等語音/文字問答2024年上半年，累計智能服務量538萬件，智能服務率58.09%，半年累計替代545人月工作量，在車險報案等場景精簡服務環節16個，服務操作頻次減少539.5萬次為客戶提供車險投保咨詢、產品報價、繳費出單以及增值服務講解等服務定損單證分類

46、與外表傷情識別功能智能客服機器人車險全線上銷售機器人人傷理賠機器人機器人交互任務完成率目前已提升到89%工具上線后使用率超過80%，單證分類準確率達95.6%，降低了小額人傷案件向住院案件轉化。定損單均相較未使用工具的小額人傷案件低12.64%。語音/文字問答語音/文字問答圖：智能客服機器人技術架構圖資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究304.3 4.3 陽光保險：基礎辦公類代碼助手使用智能體形式陽光保險：基礎辦公類代碼助手使用智能體形式資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究基礎辦公類業務場景產品形式效率提升量化企微、OA、EHR多

47、入口上線，具有陽光人設，支持基于陽光基礎知識、陽光文化進行回答語音/文字問答在處理客戶需求、數據分析和報告撰寫等方面工作效率提高40%生成代碼片段、解釋歷史代碼、生成注釋、生成單元測試、查找bug、安全檢測、性能優化、生成標準后臺模塊等內容壽險知識、人事咨詢、企業知識搜索員工服務機器人代碼開發助手“常青藤”知識搜索保險業務代碼采納率20%壽險知識問答，回答正確率70%左右工具+智能體+可跨模型問答、檢索314.3 4.3 陽光保險：基于數字人、多模態能力等提供陽光保險：基于數字人、多模態能力等提供AI+AI+增值服務增值服務養老陪伴機器人親情陪伴：模擬子女形象和聲音，提供全天候第二陪伴醫療問診

48、：整合醫療資源，提供全天候實時音頻視頻問診智能管家：輔助康養管家進行日常照護，社區活動介紹推薦數字遺產：結合老人生前數字信息，生成形象、語音、思維習慣類似數字人形象，減緩親人離去帶來的情感沖擊。資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究車險智能定損與定責綜合分析車輛損失影像，提升車輛外觀件損失定損準確性智能識別整案理賠單證關鍵信息，構建事故智能定責能力，輔助提示事故責任免除情形與理算準確性風險投研報告助手單篇研報關鍵信息提取效率提高50%，準確度超過80%敏銳發掘市場熱點，通過快速學習每天的數據信息，對比發掘出新出現的信息趨勢協助投研人員綜合分析更全面的信息，提升決策

49、效率實時分析路演數據信息，把握投資機會圖：養老陪伴機器人功能示意圖324.4 4.4 中國人中國人壽壽-國壽投資落地案例國壽投資落地案例大模型應用中臺積極補充GPU算力資源，完成千億級參數開源模型私有化部署大模型應用案例國壽投資GPT平臺知識搜索投資研究和客戶洞察風險識別和合規管理資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究圖：國壽投資大模型應用中臺圖：國壽投資GPT334.4 4.4 中國人壽中國人壽-國壽財險：小財大模型國壽財險：小財大模型+工程方式實現，降本效工程方式實現，降本效果顯著果顯著資料來源：大模型技術深度賦能保險行業白皮書（2024）、申萬宏源研究小財大

50、模型員工工作平臺實現形式功能應用效果已決賠款計算書信息抽取車險智能報價助手大案要案智能識別預計推廣至全國使用后，僅該場景下可節省勞效17人年。廣東分公司智能報價工具已調用小財大模型接口累計超過3萬次，平均報價成功率超過85%預計該場景僅廣東分公司就能至少節省100人年的出單人力，降低人力成本約合1000萬元。湖北分公司已借助小財大模型過濾案件超1.5萬件，經過預處理之后，通常能篩選掉80%以上的案件已識別漏報大案累計金額超過200萬元，節省超過200個工時。已覆蓋國壽財險全國36家省分機構小財大模型的累計使用次數突破40萬次為超過15個團隊或分公司提供API接口服務小財大模型+企業微信平臺提示

51、詞+大模型以json格式返回數據能夠從一線展業人員發送給出單員的碎片信息中結構化提取出車險報價所需的必填信息，實現快速報價文本寫作、通用知識問答、組織客戶展業助理、BI報表助理、信息抽取等小財大模型能力+專家經驗小財大模型+提示詞+正則匹配344.5 4.5 部分部分海外案例：瑞士再保險和安聯集團海外案例：瑞士再保險和安聯集團瑞士再保險落地案例積極引入GenAI瑞士再保險在2023年1月成立創新解決方案事業部。利用瑞士再保險超過160年積累的數據與全球經驗，為客戶和合作伙伴提供包含新能源車、自動駕駛、農業天氣指數、巨災風險地圖、工程數字化管理及壽險健康險自動核保引擎等一系列創新解決方案。核保助

52、手2024年4月發布集成了微軟Azure OpenAI服務承保人能夠在幾秒內獲得基于專家知識和先進分析能力的答案，從而做出更快、更精確的決策。內容創作將Lumen5的人工智能技術和文本到視頻創作功能用于社交營銷增加了視頻制作量，復雜視頻的平均制作時間為30分鐘，他們為每個主題制作兩個及以上視頻，一年內制作了約551個視頻。安聯集團落地案例積極引入GenAI2022年，安聯集團在全球信息技術領域的投資總額達到57億美元，其中相當一部分專門用于人工智能（AI）技術。與微軟合作，設立了一個GenAI探索項目，以探索并研究全球范圍內的GenAI用例。AI數據積累 在安聯集團所有實體中不斷發展和提高數據

53、質量 AI場景（1）預防：天氣預警工具可預測極端天氣事件的地點、時間和影響。該工具擁有190萬名注冊用戶。（2）事故通知：另一款AI工具實時檢測汽車事故，或通過聯網汽車或智能手機的傳感器檢測。該工具擁有4萬名活躍用戶（3）理賠評估：AI資產工具。汽車保險中的自動化預先評估、小額理賠的快速評估，以實現高效的理賠。（4）欺詐檢測：數據檢查欺詐行為，包括欺騙性語言、不一致或異常行為；篡改圖像或視頻證據；根據歷史數據預測欺詐可能性；以及社交網絡分析，以在索賠人、被保險人和證人中揭露欺詐者。（5）海事理賠：AI工具海王星（Neptune）有效提升了北美地區的海事理賠處理和結算工作效率。海王星基于實時信息

54、（如各部門、團隊和理賠員的工作量）自動在首次損失通知（FNOL）階段將理賠案件分配給理賠員。主要內容主要內容1.基礎模型：相比2023年已全面更新2.應用情況：國內外金融AI應用概覽3.銀行AI：全面滲透但未進入核心環節4.保險AI：聚焦營銷，核保理賠起步期5.相關標的35920314219-8-18-16-9-2105114533627020406080100120-30-20-100102030405020202021202220232024H1營業收入歸母凈利潤營業收入yoy(%，右軸)365.1 5.1 第四范式：提供第四范式：提供AIAI平臺及解決方案，金融為重要下游平臺及解決方案，

55、金融為重要下游主要產品以AI平臺為核心先知AI平臺：基于行業場景的多模態數據，構建行業基座大模型，收入占比60%+；SHIFT智能解決方案：為企業場景提供定制化服務；式說AIGS服務，生成式軟件開發平臺。服務銀行起家，但目前下游行業已較為分散2024年前三季度：深耕交通運輸、能源電力、金融、運營商等重點行業；制造、醫療、零售等滲透率提升。67%24%9%先知AI平臺SHIFT智能解決方案式說AIGS服務資料來源：Wind、第四范式官網、申萬宏源研究圖：第四范式收入和利潤情況（人民幣、億元）圖：第四范式24H1產品分類收入占比表：第四范式先知平臺再銀行AI中使用的重點功能業務類型 描述具體要點業

56、務效果精準營銷在線上、線下各業務渠道對精準化營銷客群與產品的精準營銷匹配營銷效果：相比專家規則對長尾客戶營銷效果提升明顯，超過112%提升營銷成功率，減少對客戶的打擾自動機器學習應用加速模型構建全業務渠道覆蓋實時反欺詐AI 智能反欺詐大腦高維模型實現風控反欺詐業務效果全面提升準確率：相比于傳統的專家規則，提高 3 倍客戶打擾率：相比專家規則，下降 57%技術：機器學習、自然語言處理、圖關系、知識圖譜等支持數十毫秒級的響應，實時事中風險攔截場景：全面覆蓋欺詐和信用風險業務自主更新學習，及時調整、適應欺詐手段變化智能反洗錢大幅降低反洗錢合規領域的人力成本，識別可疑案件，輔助分析和報送；覆蓋反洗錢業

57、務全流程，提升人工分析效率，大幅度降低審核、報送環節人力成本反洗錢可疑案宗分析，打分前 70%的案宗中，召回率達到了 99.6%解決反洗錢機構“漏報”和“多報”問題高維模型結合自學習構建完整的線上數據流程閉環，自動模型迭代，反哺業務規則運營優化優化對公業務運營管理通過對數據的深入挖掘，發現企業、人物、地點、產品、交易等關聯關系服務營銷商機挖掘、企業授信、風險傳導預警等業務建立智能營銷、風險授信體系拓展公私聯動業務發展電商客服服務效率 30374352444.54.02.53.33.612251521-1665-13-36299-60-40-200204060800102030405060202

58、02021202220232024E營業收入（億元）歸母凈利潤（億元）營業收入yoy(%,右軸)歸母凈利潤yoy(%,右軸)375.2 5.2 宇信科技：銀行信貸強項，全面接入宇信科技：銀行信貸強項，全面接入deepseekdeepseek產品以銀行為核心，信貸系統為優勢：信貸操作管理延展至貸后資產管理，全面覆蓋包括對公、零售、供應鏈、消費信貸、普惠貸、小微貸、農貸在內的銀行信貸管理的各個業務場景；2025年后，產品全面接入DeepSeek：1）信貸場景：涵蓋貸前、貸中、貸后全流程。提升各類報告、文書的精準撰寫與生成效率；2）數據場景：宇信科技構建的“星辰chatbi”產品，自然語言+行內知識

59、，實現數據交互；3）營銷渠道。一體機完成全面適配大模型一體機采用多重加密技術和安全防護措施；支持多種開源模型接入，與華為、騰訊、南大等硬件適配。82%15%4%軟件開發及服務系統集成銷售及服務創新運營業務資料來源：Wind、宇信科技官方公眾號、申萬宏源研究 注：2024年業績預測為wind一致預期圖：宇信科技收入和利潤情況（億元）圖：宇信科技24H1產品分類收入占比圖：宇信科技“星辰chatbi”深度數據挖掘385.3 5.3 神州信息：神州信息：20252025年后推出智能綜合信貸系統年后推出智能綜合信貸系統下游行業包括金融（銀行）、政企、運營商等；研發“智能綜合信貸系統”非標數據轉化供應鏈

60、交易驗證軟信息量化行業風險監控客戶畫像精準營銷49%38%13%金融政企運營商64%36%軟件開發及技術服務系統集成圖：神州信息收入和利潤情況（億元）圖：24H1產品分類收入占比圖：24H1分行業收入占比資料來源：Wind、神州信息官方公眾號、申萬宏源研究圖：神州信息圖像解析功能圖：神州信息語義理解功能圖：神州信息智能決策輸出圖：神州信息關系圖譜構建1071141201214.83.82.12.1566027-21-450-60-40-20020400204060801001201402020202120222023營業收入（億元）歸母凈利潤（億元）營業收入yoy(%,右軸)歸母凈利潤yoy(

61、%,右軸)395.4 5.4 長亮科技：長亮科技：“N+M”“N+M”大模型協同策略大模型協同策略長亮科技核心業務系統優勢。2024 年 5 月，某全國性股份制商業銀行信用卡新核心系統成功上線，成為業界大型信用卡數字生態項目群回遷重塑成功的首個案例。2024年仍處在業績恢復期，在行業信創加持與海外業務增量的推動下，合同金額呈現明顯的增長態勢長亮科技+華為昇騰+DeepSeek?；谌A為昇騰AI計算底座部署“DeepSeek大模型+長亮科技需求分析小模型”，打造“AI數字生產力平臺-銀行核心系統需求分析智能體AutoBA”；可深度解析業務場景需求，智能分析受影響的業務規則，解讀交易代碼，并編寫需

62、求文檔；行業需求增加：主要集中在信貸相關業務、數據管理相關業務以及財務相關的業務?！癗+M”大模型協同策略，N 通用大模型，通義千問 Qwen2、DeepSeekV3；M場景小模型，例如泰山星圖以及泰山明鏡等小模型用于細分領域的能力構建。16161919212.41.30.20.30.8181202872-47-8243162-100-50050100150200051015202520202021202220232024E營業收入（億元）歸母凈利潤（億元）營業收入yoy(%,右軸)歸母凈利潤yoy(%,右軸)資料來源：Wind、申萬宏源研究 注：2024年業績預測為wind一致預期圖：長亮科

63、技收入和利潤情況（億元）64%30%6%金融核心類解決方案大數據類解決方案全面價值管理解決方案圖：長亮科技24H1產品分類收入占比405.5 5.5 京北方：提供金融等行業的京北方：提供金融等行業的AIAI軟硬件一體化交付軟硬件一體化交付京北方業務拆分1）信息技術服務（ITO，提供開發服務）：包括軟件及數字化轉型服務、軟件產品及解決方案、IT 基礎設施服務。該板塊是公司的核心業務，2024H1板塊收入 14.36 億元，同比增長9.50%；2）業務流程外包服務（BPO，提供人力服務）：涵蓋客戶服務及數字化營銷、數據處理及業務處理服務。該板塊2024H1 收入8.08 億元，同比增長 13.50

64、%。圖：京北方收入和利潤情況（億元）京北方AI應用生態體系已涵蓋多領域，AI風控、AI運維、AI投顧、AI測試等；后續探索落地AI營銷、AI信貸、AI數據分析等應用場景。AI軟硬件一體化交付與百度昆侖芯、沐曦等國產化硬件的深度適配；可根據場景接入千問、智譜、DeepSeek等開源模型。圖：京北方AI軟硬件一體化解決方案資料來源：Wind、京北方官方公眾號、申萬宏源研究 注：2024年業績預測為wind一致預期23313742472.82.32.83.53.6363320151058-1620253-30-20-100102030405060700510152025303540455020202

65、021202220232024E營業收入（億元）歸母凈利潤（億元）營業收入yoy(%,右軸)歸母凈利潤yoy(%,右軸)415.6 5.6 天陽科技：與國家超算長沙中心合作研發大模型應用天陽科技：與國家超算長沙中心合作研發大模型應用天陽科技主要為銀行提供IT服務，以信用卡核心系統為強項。AIGC布局一：與國家超算長沙中心合作。公司預計總投入不低于2億元至湖南大學（國家超級計算長沙中心）用于建設“天陽科技湖南大學金融超算聯合創新中心；共同致力于在國產超算系統在金融領域應用的關鍵技術研究、金融風控多模態大模型訓練與推理平臺、數據驅動的智能授信模型與動態追蹤系統、智能客服數字員工及AI大腦等。AIG

66、C布局二：與阿里云共同發布解決方案。1月24日,天陽科技與阿里云重磅發布“探道數據中臺”和“天陽紀元測試大模型”兩項聯合解決方案。圖：天陽科技收入和利潤情況（億元）資料來源：Wind、天陽科技官方公眾號、申萬宏源研究 注：2024年業績預測為wind一致預期圖：天陽科技產融大模型升級版本13182019201.31.00.61.21.4243511-2524-26-399217-60-40-20020406080100051015202520202021202220232024E營業收入（億元）歸母凈利潤（億元）營業收入yoy(%,右軸)歸母凈利潤yoy(%,右軸)42重點公司估值表重點公司估

67、值表表：金融AI部分行業重點公司估值表股票代碼股票簡稱2025/3/26凈利潤（億元）PE總市值（億元）2023A 2024E 2025E 2026E 2023A 2024E 2025E 2026E6682.HK第四范式211-9.1-3.5-0.91.9-111 300674.SZ 宇信科技1733.33.64.45.353 48 40 32 000555.SZ 神州信息1212.1-4.81.83.359 68 37 300348.SZ 長亮科技1150.30.81.32.0356 136 86 57 002987.SZ京北方1173.53.64.25.034 33 28 24 30087

68、2.SZ 天陽科技751.21.41.82.164 55 43 35 資料來源：Wind、申萬宏源研究；注：神州信息已發2024年業績預告，凈利潤預測取預告區間中值，其余盈利預測取wind一致預期43風險提示風險提示AI大模型技術迭代可能不及預期：AI 模型的準確性依賴高質量數據，數據偏差或不足易引發預測失誤。同時，技術更新快，若金融機構無法及時迭代，業務效率和競爭力將受影響。金融模型數據外泄或不合規數據收集和使用的風險：金融數據安全至關重要，一旦泄露，將引發信任危機和法律風險。數據跨境流動時，不同地區隱私法規差異增加管理難度。此外，低質量數據會降低 AI 性能，不合規的數據收集與使用也面臨處

69、罰。應用層級較淺，同質化競爭激烈風險：行業競爭激烈，企業若缺乏創新和優質服務，市場份額易被搶占。部分金融機構業務流程復雜，與 AI 融合困難，應用效果不佳，還可能干擾原有業務。監管風險：金融 AI 監管政策不斷變化，新法規可能提高合規門檻，機構若不能及時適應，將面臨業務受限、罰款等風險。同時，監管套利行為也會擾亂市場秩序，增加行業風險。44信息披露證券分析師承諾本報告署名分析師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，以勤勉的職業態度、專業審慎的研究方法，使用合法合規的信息，獨立、客觀地出具本報告,并對本報告的內容和觀點負責。本人不曾因，不因，也將不會因本報告中的具體推薦

70、意見或觀點而直接或間接收到任何形式的補償。與公司有關的信息披露本公司隸屬于申萬宏源證券有限公司。本公司經中國證券監督管理委員會核準，取得證券投資咨詢業務許可。本公司關聯機構在法律許可情況下可能持有或交易本報告提到的投資標的，還可能為或爭取為這些標的提供投資銀行服務。本公司在知曉范圍內依法合規地履行披露義務?？蛻艨赏ㄟ^索取有關披露資料或登錄信息披露欄目查詢從業人員資質情況、靜默期安排及其他有關的信息披露。機構銷售團隊聯系人華東A組茅炯021-華東B組李慶華北組肖霞華南組李昇華北創新團隊潘燁明華東創新團隊朱曉藝A股投資評級說明證券的投資評級：以報告日后的6個月內，證券相對于市場基準指數的漲跌幅為標

71、準，定義如下：買入（Buy）：相對強于市場表現20以上；增持（Outperform）：相對強于市場表現520；中性(Neutral)：相對市場表現在55之間波動；減持(Underperform)：相對弱于市場表現5以下。行業的投資評級：以報告日后的6個月內，行業相對于市場基準指數的漲跌幅為標準，定義如下：看好（Overweight）：行業超越整體市場表現；中性(Neutral)：行業與整體市場表現基本持平；看淡(Underweight)：行業弱于整體市場表現。本報告采用的基準指數：滬深300指數港股投資評級說明證券的投資評級：以報告日后的6個月內，證券相對于市場基準指數的漲跌幅為標準，定義如下

72、：買入（BUY）：股價預計將上漲20%以上；增持（Outperform）：股價預計將上漲10-20%；持有（Hold）：股價變動幅度預計在-10%和+10%之間；減持（Underperform）：股價預計將下跌10-20%；賣出（SELL）：股價預計將下跌20%以上。行業的投資評級：以報告日后的6個月內，行業相對于市場基準指數的漲跌幅為標準，定義如下：看好（Overweight）：行業超越整體市場表現；中性(Neutral)：行業與整體市場表現基本持平；看淡（Underweight）：行業弱于整體市場表現。本報告采用的基準指數：恒生中國企業指數（HSCEI）我們在此提醒您，不同證券研究機構采用

73、不同的評級術語及評級標準。我們采用的是相對評級體系，表示投資的相對比重建議；投資者買入或者賣出證券的決定取決于個人的實際情況，比如當前的持倉結構以及其他需要考慮的因素。投資者應閱讀整篇報告，以獲取比較完整的觀點與信息，不應僅僅依靠投資評級來推斷結論。申銀萬國使用自己的行業分類體系，如果您對我們的行業分類有興趣，可以向我們的銷售員索取。45法律聲明本報告由上海申銀萬國證券研究所有限公司（隸屬于申萬宏源證券有限公司，以下簡稱“本公司”）在中華人民共和國內地（香港、澳門、臺灣除外）發布，僅供本公司的客戶（包括合格的境外機構投資者等合法合規的客戶）使用。本公司不會因接收人收到本報告而視其為客戶。有關本

74、報告的短信提示、電話推薦等只是研究觀點的簡要溝通，需以本公司網站刊載的完整報告為準，本公司并接受客戶的后續問詢。本報告首頁列示的聯系人，除非另有說明，僅作為本公司就本報告與客戶的聯絡人，承擔聯絡工作，不從事任何證券投資咨詢服務業務。本報告是基于已公開信息撰寫，但本公司不保證該等信息的準確性或完整性。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的邀請或向人作出邀請。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

75、不一致的報告?？蛻魬斂紤]到本公司可能存在可能影響本報告客觀性的利益沖突，不應視本報告為作出投資決策的惟一因素?？蛻魬灾髯鞒鐾顿Y決策并自行承擔投資風險。本公司特別提示,本公司不會與任何客戶以任何形式分享證券投資收益或分擔證券投資損失，任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。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。本公司未確保本報告充分考慮到個別客戶特殊的投資目標、財務狀況或需要。本公司建議客戶應考慮本報告的任何意見或建議是否符合其特定狀況，以及（若有必要）咨詢獨立投資顧問。在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的

76、投資建議。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。市場有風險，投資需謹慎。若本報告的接收人非本公司的客戶，應在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咨詢獨立投資顧問。本報告的版權歸本公司所有，屬于非公開資料。本公司對本報告保留一切權利。除非另有書面顯示，否則本報告中的所有材料的版權均屬本公司。未經本公司事先書面授權，本報告的任何部分均不得以任何方式制作任何形式的拷貝、復印件或復制品，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。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記，未獲本公司同意，任何人均無權在任何情況下使用他們。簡單金融 成就夢想A Virtue of Simple Finance46上海申銀萬國證券研究所有限公司(隸屬于申萬宏源證券有限公司）