1、行業研究|深度報告東方證券非銀行金融行業ORIENTSE行業評級看好（維持）AIGC大模型賦能買方投顧轉型，或打開全國家地區中國新市場空間行業非銀行金融行業報告發布日期2023年09月19日買方投顧轉型專題報告一滬深300非銀行金融核心觀點買方投顧轉型大勢所趨，AIGC賦能或加速這一過程。賣方模式向買方模式轉型已經是我國財富管理領域的大勢所趨，無論從政策端還是業務端考量，轉型都追在盾睫，而AIGC大模型的日臻成熟有望加速這一轉型過程：1）此前多家基金公司包括易方達、華夏、嘉實、興證全球、中歐在內的多家頭部基金公司率先發布公告，自7月10日起部分產品管理費率和托管費率分別降至1.2%、0.2%以

2、下。傳統賣方代銷與資管模式因此可收取的管理費與托管費率大大降低，因此買方投顧或將從這次公募降費中獲益；2）傳統業務缺乏活力，目前國內投顧類業務平衡有待優化，重投輕證券分析師-顧的不平衡給各大客戶帶來不愉快的售后體驗，同時當下的投顧人員缺乏一定專業孫嘉廢021-63325888*7041性，大模型不僅將加速買方投顧團隊的培訓與進化，也將顯著賦能投顧的開展業務過程，顯著提升其專業度與客戶需求響應速度，進而大幅改善買方投顧客戶體驗，執業證書編號：S0860520080006減少利益沖突同時也起到降本增效的效果。香港證監會牌照：BSW114B端：大語言賦能機構實現降本增效。在不同的市場假設之下，AI大

3、模型賦能買方（區能理霜應）組書動在10年后帶來相當可觀的年度收入增量，若未來隨著基金市場規模的不斷提升、買方投顧模式的不斷成熟以及AI大模型日趨成熟后供應商議價能力持續拾升，這一TAM還是相當可觀的。1）恒生電子：財富管理領域先驅，推出WarrenQ智能投研相關報告。平臺、“光子”智能投資助手及LightGPT；2）金證股份：1H2023金證股份聯合參“政策底”已現疊加“經濟底”預期，把2023-09-10股公司金證優智合作開發金融Al大模型及配套應用，開展優化模型訓練，進一步完搖板塊低估值配置機遇：一非銀金融行善AI產品。與恒生電子的不同之處在于，金證股份研發的專用大模型并不是基于業周觀點C

4、hatGPT等通用大模型底座，而是直接自主研發的專用大模型，然后基于專用大模2023-09-04監管呵護資本市場健康發展，把握非銀板型開發適用于買方投顧業務等特定場景的應用，當前AI大模型與應用正處于研發儲塊配置機遇：非銀金融行業周觀點備階段，尚不成熟，因此還未公開發布。強“政策底”加持下保持底線思維，不過2023-08-27C端：大語言模型賦能自身實現流量加速。1）同花順：活躍用戶同業之首，高客戶一非銀金融行業周觀分樂觀亦不悲觀：粘性+問財推出，加速流量變現。當前階段同花順app已經內置問財的智能生成式投點資助手，依托目前第三方投資App高用戶占比的優勢配以問財聊天機器人的推出，同花順在AI

5、大語言模型賦能自身的投顧業務競爭中處于有利地勢；2）財富趨勢：當前公司主要致力于持續提升存量產品問小達NLP方面的表現與優化用戶體驗，在此基礎上公司持續深入生成式AI、語言模型等領域的研究，選代人工智能技術路徑，豐富證券金融科技產品矩陣，積極探索AIGC在金融科技應用新場景，保持研發資源的投入；3）老虎證券：全球首家推出AIGC投資助手的經紀商。老虎證券于5月30日業績會宣布正式推出TigerGPT，在經過今年4月以來的beta測試，TigerGPT被認為是當前券商行業首個人工智能投資助手，冒在為投資者提供智能決策支持及一定程度上的專業知識解答與風險管理。展望：三核心要素決勝AIGC，兩路徑可

6、行性探究。1）數據、人才和技術的決勝AI的三大核心要素，其中數據從早期關注的數量轉變為對質量和結構的重視，競爭性的激勵機制和成熟的發展路徑才可吸引與留住稀缺高質量人才，優異的IT技術推動AI大模型落地；2）未來存在兩條發展路徑，一是自主研發專用大模型，可有效降低成本與卡脖子風險、提升效率，但可能存在模型不成熟風險；二是在通用大模型上開發，豐富的底層架構使得理解與推演能力更強，但訓練與維護成本較高，且復雜國際形勢下存在一定政治風險投資建議與投資標的多條路徑或殊途同歸，當前難以判定熟優熟劣，仍待時日檢驗。商業模式方面，無論是通過研發專用AI大模型賦能金融機構以期瓜分投顧費收入“蛋糕”，亦或是通過專

7、用大模型賦能自身的投顧或炒股軟件產品以期獲得更高的流量市場份額與付費轉化率，都有望打開可觀的新收入增長極；AIGC技術路徑方面，無論是自主研發金融投顧領域的專用大模型，亦或是以成熟的通用大模型為底座打磨專用大模型，最終或殊途同歸，成為買方投顧模式重要的展業基礎，帶動我國投顧模式的轉型與升級。推薦有望依靠AIGC實現C端業務彎道超車的券商系統供應商財富趨勢（688318，買入），以及全球經紀商中首家推出AIGC投資助手的中資海外科技經紀商龍頭老虎證券（TIGR.0，買入）。風險提示：買方投顧轉型進度不及預期；國內大模型研發進度不及預期；國際地緣政治沖突帶來關鍵技術卡脖子的風險；監管合規風險；假設

8、條件變化影響測算結果有關分析師的申明，見本報告最后部分。其他垂要信息披露見分析師申明之后部分，或請與您的投資代表聯系。井請閱讀本證券研究報告最#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間目錄買方投顧轉型大勢所趨，AIGC或加速這一進程.1.1.ChatGPT引燃AI大模型市場，買方投顧業務成為重要試驗田1.2.業務轉型彰顯必要性，政策業務指明道路.1.2.1.政策端：基金投顧業務未來可期，公募基金降費買方優勢彰顯1.2.2.業務端：買方投顧轉型非一日之功，AIGC或是重要賦能.2.B端：大語言模型賦能機構實現降本增效，以期瓜分投顧費新“蛋糕”.7

9、2.1恒生電子：率先發布AI專用大模型，搶占先發優勢2.2.C端：大語言模型賦能自身提升流量變現效率.3.1.12同花順：期待AIGC關鍵突破，打開多年流量天花板.3.2.財富趨勢：C端業務起步較晚，AI大模型或將助力彎道超車.3.3老虎證券：全球首推TigerGPT以期AI提升自身產品力4.展望：三核心要素決勝AIGC，兩路徑可行性探究.194.1.AI三大核心要素：數據、人才、技術。4.2.20路徑探究：自主研發專用大模型or依托通用大模型.5.投資建議.6.風險提示.212#page#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間1.買方投顧轉

10、型大勢所趨，AIGC或加速這一進程1.1.ChatGPT引燃AI大模型市場，買方投顧業務成為重要試驗田Web3.0及A大模型成為未來超勢。隨著2022年12月中旬ChatGPT的試用推出，A生成性大語言模型成為未來整體市場的風向標。更為透明開放民主的Web3.0將用戶從平臺的中心化控制解放出來，使用戶能夠更好地掌控自我數據與數字身份。其對未來市場整體發展超勢主要體現在以下影響：1）去中心化金融（DEFi）：Web3.0技術賦子去中心化金融的能力，通過智能合約和區塊鏈技術一定程度上削弱傳統金融中介的市場地位。這種去中心化的金融體系可以為用戶提供更為開放、透明及高效的金融服務。如無需信用評級的借貸

11、、去中心化交易所和流動性池等一定程度降低交易成本，提高科技金融服務的普惠性。2）自動化金融與智能合約：大語言模型的進步為智能合約與自動化金融帶來了新的機遇。智能合約是在區塊鏈上執行的可編程合約，可以自動執行特定條件下的金融交易和協議。借助大語言模型，開發成員可以更輕松地編寫復雜的智能合約，增加金融交易的自動化程度，這將為金融機構提供更為高效、可靠及安全的金融服務。3）風險管理與合規性：隨著大語言模型的開發與各券商之間對Al類業務的搶占，金融機構也面臨著一定的新型風險管控與合規性挑戰。4）買方投顧業務將是AI大模型的重要場景與試驗田：大模型不僅將加速買方投顧團隊的培訓與進化，也將顯著賦能投顧的開

12、展業務過程，顯著提升其專業度與客戶需求響應速度，進而大幅改善買方投顧客戶體驗。表1：Web1.0、Web2.0與Web3.0對比Web1.0Web2.0Web3.0大多數為只讀特點用戶可進行編輯私密化與個性化用戶重心以公司為重心以社區為重心以個人為重心內容特性只讀內容分享內容合井內容網頁應用特征網頁表格網絡應用智能應用Web行為目錄標記用戶行為流量形式頁面瀏覽量每次點擊費用用戶參與度廣告形式橫幅廣告互動廣告行為廣告谷歌例子新華網幣安HTML門戶網絡涉及技術XMLRSSRDF/RDFS/OWL數據來源：Forbes，東方證券研究所1.2.業務轉型彰顯必要性，政策業務指明道路1.2.1.政策端：基

13、金投顧業務未來可期，公募基金降費買方優勢彰顯基金投顧業務未來可期，公募降費大勢所趨之下買方投顧優勢彰顯。此前不久，證監會發布公開招募證券投資基金投資顧問業務管理規定（征求意見稿），明確了基金投顧業務的市場定位、運作細則與管理要求。經過前期試點與充分論證，市場各方對基金投顧業務已經形成諸多共識。推動財富管理轉型，從客戶角度思考解決問題，從賣方代銷領導的格局轉向買方投顧的模式。2019年10月，證監會啟動基金投資顧問業務試點。據投顧業務的全球實踐與中國展望有關分析師的申明見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。#pa

14、ge#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間截止今年6月底，共有60家機構參與試點包括29家券商、25家基金公司及子公司、3家第三方獨立銷售機構和3家銀行，其中54家試點機構已經展業，涉及440萬個賬戶，服務資產規模近1200億元。同時，近日證監會宣布指定公募基金行業費率改革工作方案，全面優化公募基金費率模式，穩步降低行業綜合費率水平，與此同時，近目多家基金公司包括易方達、華夏、嘉實、興證全球、中歐在內的多家頭部基金公司率先發布公告，自7月10日起部分產品管理費率和托管費率分別降至1.2%、0.2%以下。傳統賣方代銷與資管模式因此可收取的管理費與托管費

15、率大大降低，因此買方投顧在這次公募降費中獲益顏深，各大機構轉變賣方投顧展業邏輯逐步建立，并開始逐步轉向買方投顧為主的業務戰略。表2：基金投顧試點機構名單（截至2023年9月）機構類型基金投顧試點機構華泰證券中信建投中金公司國泰君安申萬宏源興業證券招商證券東方證券中信證券國信證券光大證券平安證券中銀證券山西證券東興證券證券公司財通證券東方財富華安證券國金證券華寶證券潮海證券南京證券華西證券銀河證券浙商證券國聯證券安信證券中泰證券華創證券嘉實財富中歐財富易方達南方基金華夏財富招商基金興業全球廣發基金鵬華基金匯添富基金公司及其子公司華泰柏瑞景順長城交銀施羅德民生加銀富國基金國海富蘭克林國泰基金農銀匯

16、理工銀瑞信申萬菱信華安基金萬家基金博時基金銀華基金建信基金商業銀行工商銀行招商銀行平安銀行螞蟻基金騰安基金盈米基金三方獨立銷售機構數據來源：證監會、東方證券研究所圖1：公募基金平均管理費率（%）明細（2020-2021）1.數據來源：中基協，東方證券研究所傳統賣方投顧模式的轉變是財富管理行業的一個重要趨勢。在過去，賣方投顧模式以產品為中心，注重產品銷售和推廣，以及投資運作，而客戶的需求和個性化服務則相對較少關注。同時，產品和投顧之間也存在一種捆綁關系，即客戶購買某一產品就默認接受該產品的投顧服務。然而，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證

17、券研究報告最后一頁的免責申明。5#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間隨著市場的發展和投資者需求的變化，傳統賣方投顧模式逐漸不再適應當前的市場環境。越來越多的投資者對于財富管理的需求不僅僅停留在產品選擇和投資收益上，更注重個性化的財富規劃、全面的投資建議和專業的服務體驗。因此，財富管理行業的趨勢開始向以客戶為中心的模式轉變。在以客戶為中心的買方投顧模式中，投顧服務被看作是與客戶長期綁定的關系，重視提供全方位注重與客戶建立深入的溝通和理解，以滿足其特定的需求和目標。這種模式下，客戶和投顧之間的關系更加緊密，投顧顧問會持續關注客戶的財務狀況和變

18、化，并根據其需求進行相應的調整和建議。此外，買方投顧模式也強調投資者教育和風險管理。投顧顧問會向客戶提供更多的投資知識和專業建議，幫助他們更好地理解市場和投資風險，并制定合適的投資策略。這種模式下，投資者不再只是簡單地接受投顧的建議，而是更加積極參與決策過程，從中學習和成長。圖2：賣方投顧模式圖3：買方投顧模式資產管理機構資產管理機構個全市場女財富管理機構渠道銷售面女投資顧問產品銷售人員V客戶客戶商業模式：銷售額銷售費率數據來源：東方證券研究所數據來源：東方證券研究所三地推出大力發展人工智能相關政策，全力挖掘通用人工智能價值潛能。5月30日，北京市發布北京市加快建設具有全球影響力的人工智能創新

19、策源地實施方案（2023-2025）和北京市促進通用人工智能創新發展的若干措施；上海市發布上海市加大力度支持民間投資發展若干政策措施。5月31日，深圳市發布深圳市加快推動人工智能高質量發展高水平應用行動方案（2023-2024年）。相關政策指出，針對算力資源和數據要素供給能力的提升提出了具體的措施，如加強與云廠商的合作、加快算力中心的數據訓練基地的規劃建設等。充分發揮人工智能創新發展專項等引導作用，支持民營企業廣泛參與數據、算力等人工智能基礎設施建設。同時明確“到2025年，人工智能算力布局初步形成，國產人工智能芯片和深度學習框架等基礎軟硬件產品市場占比顯著提升，算力芯片等基本實現自主可控”的

20、目標。以ChatGPT為代表的AICG技術的不斷演進，人工智能目前發展到強調“通用性”階段。券商IT投入增速，中證協下發網絡和信息安全三年提升計劃（2023-2025）。2023年初，中證協向券商下發了網絡和信息安全三年提升計劃（2023-2025）征求意見稿，該計劃鼓勵有條件的券商在未來三年信息技術平均投入金額不少于平均利潤的8%或平均營業收入的6%。隨著券商客戶對信息技術投入的增加，公司有望獲得發展的良機。另外，公司在信息技術領域表年提升計劃對核心系統升級的要求，為公司進一步拓展業務打下了堅實的基礎。這些舉措將有助于推動公司業務的持續發展與創新。S#page#東方證券非銀行金融行業深度報告

21、AIGC大模型賦能買方投顧轉型，或打開全新市場空間1.2.2.業務端：買方投顧轉型非一日之功，AIGC或是重要賦能傳統業務缺乏活力，針對買方投顧業務的專用大模型研發搶占AI投顧業務“蛋糕”。傳統業務模式如資管及代銷等傳統賣方業務在財富管理領域面臨著市場需求個性化、定制化和綜合化方向發展的壓力，市場缺乏一定活力。與此同時伴隨著ChatGPT引燃的Al市場，各大券商將目光轉向Al類買方業務，爭先加大對買方投顧業務專用大模型研發投入來搶占AI投顧業務市場，未來各券商如能推出更加智能化、個性化和高效的AI大語言模型來服務于投顧業務，可以幫助券商降本增效從而從當下傳統業務的困境中脫穎而出，在競爭激烈的買

22、方業務市場占據一定份額。目前國內基金投顧仍處在早期，“投”與“顧”仍需找到平衡點?；鹜额櫂I務試點已經三年有余，但規模剛過千億元大關，發展的速度相對緩慢，究其原因，投資顧問在銷售基金投顧產品時仍未擺脫傳統賣方的推銷模式，且產品銷售之后往往忽略對客戶的持續跟蹤與關注，這就是所謂的“重投輕顧”的狀態，且當前基金投顧產品仍是標準化組合，難以客戶個性化或多樣化需求。另一普遍存在的問題就是如何平衡好客戶收益目標與風險承受能力，做到二者兼顧，并持續進行投資者適當性評估與改進。因此對于國內買方投顧模式轉型來說，仍然是任重道遠。投資顧問多為原營業部經紀人轉型而來，培訓仍是漫長的過程。目前國內基金投顧經紀人員大

23、部分是從過去各大券商營業部轉行進入基金投顧行業，擅于推銷產品，但是資本市場知識儲備、不科業“一需不身基對投顧人員素質提出的更高要求。此外，培養一批成熟的投顧團隊成本高昂費時費力，而AIGC對投顧業務以及投顧人員的賦能確是值得期待，為客戶提供更加個性化專業服務并能一定程度降低投顧培養成本，降本增效的同時基于客戶的投資目標和風險承受能力，制定更科學的資產配置方案，避免因風險錯配給客戶帶來不必要的損失。另外，AI投顧的決策過程通?？梢员唤忉尯妥烦?，提高投資決策的透明度，有助于客戶更好地理解和信任投資建議。2.B端：大語言模型賦能機構實現降本增效，以期瓜分投顧費新“蛋糕址器接科禁業子“一只經應終是“熱

24、果解出與照名代就帶來整體投顧業務的降本增效。截至2023年9月15日，我國場外基金保有量為27.56萬億元，非貨幣基金保有量為16.08萬億元，我們假設年底的規模與當前持平?？紤]到基金投顧乃至買方投顧模式仍處于早期階段而買方投顧轉型是一個漫長的過程，我們假設10年之后也就是2033年買方投顧模式開始成熟起來，我們以非貨幣基金保有量CAGR（貨幣基金難以帶來投顧費）以及買方投顧模式滲透率（買方投顧模式保有量占基金保有量的比重）兩個指標為計算基礎進行敏感性分析測算，非貨基金保有量CAGR取值分別為12.5%/15%/17.5%（2015年以來CAGR為19.87%），買方投顧模式滲透率取值分別為2

25、5%/40%/55%，則在情景一/情景二/情景三之下，買方投顧模式基金保有量分別為13.05/26.02/44.35萬億元。表3：2033年買方投顧模式保有量（萬億元）測算25%40%55%非貨保有量CAGR/買方投顧滲透率12.5%13.0520.8828.7126.02357715.0%16.26見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。7#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間17.5%20.1632.2644.35數據來源：Wind，東方證券研究所在情景一

26、/情景二/情景三之下，我們再以投顧費率與大模型供應商投顧費收入分成比例兩個指標為基礎進行進一步的測算，市場平均投顧費率取值分別為0.4%/0.7%/1.0%（當前基金投顧的投顧費率區間為0.3%-1.5%，且我們預計未來投顧費率中樞將下行），大模型供應商分成比例取值為30%/40%/50%（假設買方投顧業務AI大模型成熟之后，供應商將有較高的議價分成能力我們參考當前賣方投顧模式下代銷渠道的分成比例），在情景一下，大模型供應商一年投顧費收入分成約為157-653億元；在情景二下，一年投顧費收入分成約為312-1301億元；在情景三下，一年投顧費收入分成約為532-2218億元。不難看出，在不同的

27、市場假設之下，Al大模型賦能買方投顧模式或將為供應商（供應商也可能是券商或金融機構本身及其金融科技子公司）在10年后帶來相當可觀的年度收入增量，若未來隨著基金市場規模的不斷提升、買方投顧模式的不斷成熟以及AI大模型日趨成熟后供應商議價能力持續拾升，這一TAM（TotalAddressableMarket潛在市場空間）還是相當可觀的。表4：2033年買方投顧業務AI大模型供應商投顧費收人分成（億元）測算-情景一投顧費率/分成比例30%40%50%0.40%156.62208.83261.03274.08456.810.70%365.45652.581.00%391.55522.07數據來源：Wi

28、nd，東方贏家App，東方證券研究所注：假設非貨保有量CAGR為12.5%，買方投顧滲透率為25%6表5：2033年買方投顧業務AI大模型供應商投顧費收人分成（億元）測算-情景二50%投顧費率/分成比例30%40%0.40%312.19416.25520.320.70%546.33728.44910.561300.791.00%780.481040.64數據來源：Wind，東方贏家App，東方證券研究所注：假設非貨保有量CAGR為15%，買方投顧滲透率為40%表6：2033年買方投顧業務AI大模型供應商投顧費收人分成（億元）測算-情景三投顧費率/分成比例30%40%50%0.40%887.10

29、532.26709.681552.420.70%931.451241.942217.751.00%1330.651774.20數據來源：Wind，東方贏家App，東方證券研究所注：假設非貨保有量CAGR為17.5%，買方投顧滲透率為55%2.1.恒生電子：率先發布AI專用大模型，搶占先發優勢恒生電子在財富管理領域建立大模型直接賦能機構的B端投顧業務加速機構轉型。恒生電子是國內聚焦于財富資產管理領域的金融科技先驅，多年來公司以技術服務為核心，憑借多年金融IT建設經驗，以及對互聯網的深刻洞察和理解，用優質的產品與服務，驅動金融機構創新發展，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或

30、請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。8#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間N上用#口路“明森量出不是我于到一森想是N用我回提票工具服務于客戶：LightGPT基于ChatGPT但優于ChatGPT。在金融行業中，由于其特殊性，對于訓練數據質量、模型生成效果和數據安全合規等方面有著更高的要求。在發布會上，恒生電子首次展示了專為金融行業打造的大模型一一一金融行業大模型LightGPT。LightGPT相較于通用大模型更專業、理和大模型訓練方面更為專業和高效穩定。該模型使用超過4000億tokens的金融領域數據（包

31、括資訊、公告、研報、結構化數據等）和超過400億tokens的語種強化數據（包括金融教材、金融百科、政府報告、法規條例等）進行二次預訓練，支持80+金融專屬任務指令微調，使LightGPT具備了準確理解金融領域內容的能力。目前，LightGPT在金融大模型能力評測中表現出色，包括金融專業問答、邏輯推理、超長文本處理、多模態交互和代碼能力等方面，并保證了內容和指令的合規安全，處于業內領先水平。它可以為投顧、客服、投研、運營、風控、合規和研發等金融業務場景提供底層AI能力支持。此外，LightGPT具備更豐富、輕量化的部署方式，支持私有化/云部署和靈活的API調用，僅需一臺機器和兩張顯卡進行推理端

32、部署。金融機構可以基于LightGPT通過私有任務數據進行定制化和精細調整，創建專屬于機構的大模型，滿足個性化需求。據白碩介紹，LightGPT將于9月底完成新一輪的金融能力升級，并正式開放試用接口“光子”大模型時代金融智能助手。隨著大模型技術的成熟和應用，金融業務流程中的自動化和智能化逐漸成為現實。然而，由于金融垂直領域數據的訓練和保護需求，通用大模型在中文金融場景中的應用仍面臨全面、精準和即時性的挑戰。針對金融業務應用大模型的實際需求，恒生電子率先推出了金融智能助手“光子”，以解決大模型在實際應用中存在的技術連接、應用連接、數據安全合規等問題，實現業務系統的智能化升級和重構。恒生電子的CT

33、O樂識非在發布會上表示，“光子”是串聯了“通用工具鏈+金融插件工具+金融數據+金融業務場景“的智能應用服務，在恒生的大模型技術生態布局中起到了關鍵作用?；诮鹑谛袠I的大模型LightGPT能力，“光子”可以為金融機構的投顧、客服、運營、合規、投研和交易等業務系統注入AI能力，成為金融一旅水如照“旅復溫題品旅累征界答實小米，“十服緊征#“小品經嗎x生成合規設置，并提供投資合規要求的咨詢問答。在運營場景中，“光子”是運營系統的智能幫手，通過強大的語言處理能力，在參數提取和非標文件智能解析方面發揮作用，自動篩選與估值系統或TA系統相匹配的文件，并智能提取關鍵參數?！肮庾印辈粌H提供“模型+工具”，還集

34、聚了各類金融數據，包括聚源金融數據庫（行情、公告、研報等）、應用系統生成的數據以及特色數據，通過統一的“標準“進行數據加工、存儲、開放和使用。同時，“光子”在數據保護、訪問控制、法律遵從和操作審計等方面實現了數據的脫敏、合規、授權和追湖。據樂識非透露，恒生電66腐+智能投研平臺WarrenQ推出。6月28日，恒生電子和旗下子公司恒生聚源正式發布基于大語言模型技術打造的數智金融新品，金融智能助手“光子”和全新升級的智能投研平臺WarrenQWarrenQ是恒生聚源推出的面向投研投資場景打造的專業一體化投研工具平臺，賦能搜、讀、算、寫“投研全流程場景，提升投研效率，同時一體化的協作平臺，打破了傳統

35、投研信息孤島，有效助力投研數字化生態建設。發布會上，恒生聚源副總經理白雪對外發布了基于大模型技術全新升級的WarrenQ。根據投研場景對于數據分析和智能處理的實際需求，WarrenQ推出兩款AI工具產品WarenQ-chat和ChatMiner，將之前的搜讀算寫“升級為Chat讀算寫”，通過智能對話的方式，幫助分析師和投資經理提高工作效率。WarrenQ-Chat是一款金融垂直領域的Chat產品，利用大模型疊加搜索和聚源金融數據庫，通過對話指令，輕松獲得金融行情、資訊和數據，且每見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責

36、申明。S#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間一句生成的對話均支持原文湖源，確保消息出處可追湖，還可以生成金融專業報表，輕松實現“語控萬數”。圖4：恒生電子新品發布會的三大AIGC新產品APEGQwarrenoUSCPT。進子新一代投研打開方式金融行業大模型金融智能助手實現“厚書資難手大模型和向量膠據6月28日正式發布6月28日正式發28日正式發布數據來源：公司公眾號，東方證券研究所參編通信院大模型應用，助力大模型技術金融行業應用落地。2023年5月31日，由中國通信院、中國人工智能產業發展聯盟主辦，人工智能關鍵技術和應用評測工業和信息化部

37、重點實驗與上審書“體帶細國業“水面，“模型應用”標準的編制工作，并積極探索大模型技術在金融核心業務場景的應用融合。在本次分論壇上，中國信通院正式發布了由恒生電子等40余家企業共同參與編寫的大規模預訓練模型技術和應用評估方法第4部分：模型應用標準，并為恒生電子等參編企業頒發標準參編證書。中國信通院聯合業界標桿企業對大模型的工程化路徑進行了深入研究和探討，共同編制大規模預訓練模型技術和應用評估方法系列標準，包含模型開發、模型能力、模型運營、模型應用安全可信五部分。本次發布的“模型應用”標準，從應用豐富度和應用成熟度兩個維度進行評價，圍繞行業覆蓋度、場景適配度、任務支持度、效果優越性、服務可靠性、定

38、制滿足度等評估大模型應用階段的各項能力。目前，國內大語言模型不斷涌現，但大模型想要真正落地金融等行業，還需要對接結合垂直領域知識能力，并充分考慮涉及到數據安全、信息安全、供應鏈安全、權益保障和算力成本承擔能力等各方面的訴求。恒生電子自2014年正式啟動AI研究工作，已發布20多款人工智能產品，打造了NLP、OCR、CV、知識圖譜等能力。如今，大語言模型已成為恒生電子AI技術的重要方向，公司整合行業生態優勢資源，積極對接和引入外部大模型技術，并充分利用自身在金融領域積累的領域知識能力，共同完成語言模型訓練，打造面向投研、投顧、營銷、客服、運營、風控等金融各類業務場景的人工智能解決方案及產品服務，

39、基于工程化能力保障AI相關應用落地的“最后一公里”。2.2.金證股份：專注自研專用大模型及配套應用有關分析師的申明見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后頁的免責申明10#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間金證股份深耕AI產業，著力打造B端大模型賦能機構產品。金證股份作為國內龍頭金融科新業務領域研發投入：1）金證子公司金智維是當下國內最為領先的RPA（自動化流程軟件機器人）廠商，在金融等領域實現了眾多場景的落地，實現RPA與GPT的集合來實現場景覆蓋的躍升；2）金證子公司金

40、微藍開發的基于GPT多模型的AI運維專家來優化業務開展前期的業務咨詢、流程優化咨詢和系統建設方案咨詢等輔助服務，協助證券公司、基金公司、期貨公司、信托公司等金融機構快速拓展互聯網金融服務。3）金證股份公司本身擁有廣泛的智能化產業線，從客戶立場出發，在監管科技、智能客服、智能投行、RPA（機器人流程自動化）、金融云、交易所業務等領域“堅守beta、創造alpha“，在數字產業化（軟件服務&數字新基建）、產業數字化（產業互聯網&數字供應鏈金融）、數字化治理（新型智慧城市&數字政府）、數據價值化等數字經濟“四化框架”下均有業務布局，以“平臺共享、技術賦能、創新孵化、產業加速、資本鏈接”為發展策略，融

41、合技術、產業、金融、資本等多方力量，著力打造一個“科技+產業+金融”的開放式跨界創新生態。金智維是金證股份打造的國內領先的RPA廠商。作為一家專注于提供企業級RPA（機器人流程自動化）平臺的人工智能公司，公司在國內率先推出了擁有自主知識產權的企業級RPA軟件并以“RPA+AI+大數據”為核心技術，打造了“RPA+X”產品矩陣，為企業和組織提供一站式數字員工整體解決方案。截至2022年底，金智維已在金融行業累計服務超過100家證券公司客戶，同時與國有六大行的銀行客戶已經達成簽約，這顯示了金智維在RPA領域的強大實力和成功業績。GPT+RPA是金微藍在復刻海外AutoGPT成功路徑上的新舉措。Au

42、toGPT是由GPT-4推動的一個開源實驗性應用程序，它通過THOUGHTS（思考）、REASONING（推理）、PLAN（規劃）、CRITICISM（評估）四個模塊來分析用戶需求或任務，并提供執行目標和具體任務。AutoGPT還能在項目執行過程中自主調整和優化，回答新的問題。由于AutoGPT在Github上的熱度不斷上升，截至2023年中旬，已獲得125k星，金微藍決定引入GPT技術，并開拓智能運維藍海市場。為此，金微藍推出了基于GPT多模態模型的智能助手金微藍Al運維專家。這個智能助手能夠在運維管理系統中自動化處理客戶咨詢、智能故障排除、自動化流程管理、自動態模型的支持，增強了平臺問題定

43、位和故障自動化處理能力，從而進一步提升運維自動化作業整體效率，為數字化RPA運維服務提供了更可靠的能力保障。北工興專生維限與科為的留帶2023年上半年，金證股份聯合參股公司金證優智合作開發金融AI大模型及配套應用，開展優化模型訓練，進一步完善AI產品。與恒生電子技術路線的不同之處在于，金證股份研發的專用大模型并不是基于ChatGPT等通用大模型底座，而是直接自主研發的專用大模型，然后基于專用大模上匯“海器興中女出型劃與科提票“出不十生生礎成熟，因此還未公開發布。3.C端：大語言模型賦能自身提升流量變現效率AI大模型賦能有望顯著提升產品功能與用戶體驗，擴大流量的同時也有望提升流量水平與付費轉化率

44、。依靠AI賦能炒股軟件或投顧產品并不稀奇，如同花順的i問財、通達信的問小達、Wind的Alice，但是基于傳統NLP（自然語言處理）等傳統AI技術的人工智能機器人，其帶來的用戶體驗有限，難以真正降低炒股軟件或投顧產品的使用門檻，也難以真正提升用戶的炒股體驗有關分析師的申明見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。11#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間或改善投顧產品的功能，更遍論改變用戶的使用習慣或增加粘性，因此也難以改變當前固化的流量分發格局。因此，在AI大

45、模型頻起AI新篇章之際，市場便開始懂慢AI大模型或有望改變這一局面，并真正顛覆AI智能投顧業務的模式與競爭格局。傳統證券APP市場競爭激烈，AI大模型賦能自身成局關鍵。在當前激烈競爭的傳統證券APP市場中，A大模型的引入正在成為打破個局的關鍵要素。隨著科技的不斷發展，傳統證券APP已經逐漸達到了功能和體驗的瓶頸，用戶對于更智能、更個性化的服務需求也日益增長。AI大模型的賦能為傳統證券APP帶來了新的活力和創新，使其能夠更好地滿足用戶的需求，突破市場局。1）AI大模型可以通過分析海量的市場數據和用戶行為，為用戶提供更加精準的投資建議；2）AI大模型可以實現智能化的風險管理和監控。傳統證券APP在

46、風險管理方面往往受限于固定的規則和算法，難以應對復雜多變的市場情況。而Al大模型可以通過對大量數據的分析，實時監測市場風險，預測可能的風險事件，并及時向用戶發出預警，幫助用戶降低風險，保護投資；3）AI大模型還可以通過自然語言處理和情感分析等技術，實現更加智能的客戶服務。傳統證券APP的客戶服務往往局限于機械的回答和操作，難以滿足用戶多樣化的溝通需求。通過Al大模型，傳統證券APP可以實現更加智能的對話交互，能夠理解用戶的語義和情感，提供更加人性化的服務，提升用戶滿意度和忠誠度。圖5：證券App月平均用戶數排名（截止2023/6/30）月活躍用戶數（萬人）數據來源：易觀干帆，東方證券研究所3.

47、1.同花順：期待AIGC關鍵突破，打開多年流量天花板活躍用戶同業之首，依托豐富產品鏈及AI技術增加客需粘性。同花順作為目前國內證券服務app之首，注冊用戶與月活躍用戶均遠超同業，截止2022年末，同花順金融網注冊用戶高達6.1億人，周活躍用戶高達1942萬人，超過同業第二名與第三名周用戶數量總和。同花順通過豐富的產品鏈一定程度上保證了一定的客戶粘性，同時公司利用語音合成、自然語言處理、機器翻譯、圖像識別等領域的核心技術構建AI開放平臺，為各行各業提供AI解決方案，打開第二成長曲線。我請與您的投資代表聯系。并請閱讀本證券研究報告最后變報告城后部分。的免責電明12#page#東方證券非銀行金融行業

48、深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間圖6：同花順注冊用戶數量走勢口注冊用戶數：同花順（萬人）70.00060,00050,00040.00030.00020.00010.000iFind差異化功能造就高性價比，打造AI特色的2B業務功能。與Wind終端相比，iFind在長尾市場數據完整性方面存在不足，但在主流市場如A股、港股、美股、臺股等方面，數據差別非常小。盡管如此，iFind的定價明顯低于Wind終端，僅為其定價的25-75%，盡管規模差距較大。而差異化功能縮短iFind與Wind終端之間差距主要體現在：1）AI預測：iFind不僅提供市場分析師的預測，還使用自身模型

49、生成公司營收、利潤等預測，以及宏觀經濟預測等；2）貨幣政策獨立系統：iFind包含一個獨立系統，追蹤全球央行政策的變化，清晰展示美聯儲鷹派和鴿派發言歷史、發言官員分類，以及加息點陣圖的變化；3）合作券商分析師明星團隊構建產業鏈圖譜：iFind與各行業知名券商分析師團隊合作，共同構建產業鏈圖譜和相關標的呈現，幫助團隊積累知名度，同時提供全面的產業鏈信息；4）并提供歷史事件與行情回測功能：iFind打造每周熱點事件標簽，并提供相關事件在過去時對股價表現的回測，例如GDP發布后整體大盤走勢回測，某上市公司奧論事件后股價走勢等。依托客戶粘性與技術儲備，基于BloombergGPT大力開發中國版Bloo

50、mbergGPT。2023年3月30日，Bloomberg推出首個專門用于金融領域的LLM（大語言模型）。該模型主要依托于彭博本身積累的大量金融數據，通過這些數據創建了一個包含3630億詞例（token）的金融數據集FinPile，又與公共數據集疊加成為了包含超7000億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，訓練出包含500億個參數的大規模生成式人工智能模型BloombergGPT。針對金融專業領域的提問，Bloomberg展現出超越GPT的專業回答能力。例如BloombergGPT更加容易根據輸入的英語金融新聞和社交媒體理解特定情緒，并分為積極、

51、中性和消極三類。而同花順與彭博在金融數據領域都有多年的深耕，并擁有大量專業級金融數據資源。通過整合同花順自有數據和市場公開數據，公司可以形成獨有的知識圖譜。結合語音合成、自然語言處理、機器翻譯、圖像識別等核心技術，加上行業領先的用戶規模，同花順有望打造自主的AI大模型，并發展成為MaaS（ModelasaSenice）服務平臺。高客戶粘性+i問財推出，加速流量變現。i問財作為同花順旗下的AI投顧平臺，是我國財經領域落地最為成功的自然語言、語音問答系統。2008年i問財成立，組建了AI領域的頂尖團隊，專注于使用AI技術改進財經數據的提取、處理、分析、沉淀以及展現，同時致力于為每個用戶構建可持續屬

52、于自己的AI投顧機器人。當前階段同花順app已經內置i問財的智能生成式投資助手，依托目前第三方投資App高用戶占比的優勢配以問財聊天機器人的推出，同花順在AI大語言模型賦能自身的投顧業務競爭中處于有利地勢。目前i問財問題處理能力處于初期階段，缺乏一定程度的深度學習與訓練，當前僅能回答處理簡單基礎問題（多輪問答能力仍欠成熟），但依托同花順有關分析師的申明見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。13#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間擁有的業內領先、規模龐大、歷

53、史數據豐富的數據庫資源，為公司人工智能算法訓練、AI大模型預訓練提供了數據基礎，重點加大AIGC大模型相關的技術與公司現有的產品和服務體系之間的融合，為用戶提供更好的產品及服務質量，進一步提升公司產品的競爭力。圖7：i問財發展歷程20152021語音語義全面升級，問財3.發換20122020義解析系統升201120192009201820082017搜緊引式金融81能外數據來源：公司官網，東方證券研究所圖8：i問財研究成果詳解對話算法資多輪對話知識圖譜以及傳統機器學習金融知識融智能搜索合百億級全網文整合另類居為千萬用領服務數據來源：公司官網，東方證券研究所有關分析師的申明14#page#pag

54、e#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間3.2.財富趨勢：C端業務起步較晚，AI大模型或將助力彎道超車C端起步較晚但增速較快，App端仍需持續發力。財富超勢22年實現C端證券信息服務收入0.67億元，+23.0%yoy，毛利率從39.5%提升至41.3%，不難看出C端相對薄弱，但增長潛力和空間更大。當前C端仍以PC端為主，App端起步較晚，基礎相對薄弱，業績貢獻度低，未來仍需發力。問小達的誕生為公司A打響頭炮。通達信AI問小達是一款操作簡單，輸入檢索語句即可實現用戶智能選股、資訊檢索、答疑解惑等需求的投資系統，讓投資成為一句話的事。問小達通過人工智能

55、技術，匯集行情、資訊、數據庫以及各大功能組件于一體，具備語義解析、信息聚合以及機器學習在內的多項功能的智能服務產品，支持自有內容的服務對接。問小達功能包含：智能選股（用戶可以在檢索欄輸入選股條件，多個條件用逗號分開，檢索想要的股票）、股海神搜（可多方面添加選股條件）、全文檢索等。表7：問小達的智能選股功能詳解選股內容功能說明基本行情實時/歷史行情：高開低收成交量成交額等行生統計行情：強弱度、活躍度、攻擊波、回頭波、貝塔系數、自由換手率、漲停分析等；行生行情主力監控精靈：主力買入/賣出、加速拉升下跌，競價試買/試買、單筆沖漲沖跌、大單托壓鎖盤、低位反彈、高位回落、撐桿跳高、平臺跳水、區間放量等資

56、金主力資金流向、資金博棄、資金驅動力等板塊指數行業板塊、風格板塊、概念板塊、地區板塊等跟蹤市場熱點，挖掘對經濟變遷具有大范圍影響，將驅動經濟體長期發展趨勢的因素作為“主題”，1700+個子熱門主題投資主題投資技術選股類：經典技術分析模型生成；精選選股指標形態特征類：經典形態特征分析模型生成；財務選股模型類：經典財務分析模型生成；階段表現類：階段表現數據合計等800+選股指標全面的公司財報數據：資產負債表、利潤表、現金流量表等詳細指標；專業財務數據系統的財務分析體系：償債能力、經營能力、發展能力、獲利能力、資本結構、現金流量結構；其他特色財務數據：財務重要指標、單季度財務指標、股本股東、機構持股

57、等重點關注、財經日歷、強弱分析、基準分析、一致預期、龍虎榜單、融資融券、大宗交易、增發配送、股東增精選價值發現減持、財報披露、并購重組、股權質押、持股分析、投資參股、調研互動、證券變更、事件驅動、資訊精選等詳盡公司明細主營業務、經營范圍、實控人、法人代表、股權變動、股權分置、高管明細、城市省份等公司概況、最新提示、高管管理、股本結構、股本變動、限售解禁、參股控股、控股關系、機構持股、十大流深度個股信息通股東、熱點題材、持股變動、大宗交易、資金流向、股權投資、項目投資、關聯交易、行業排名、盈利預測、機構評級、龍虎榜、主營收入構成等豐富量化數據特色數據、宏觀數據、統計數據等KDJ、MACD、BOL

58、L、CCI、RSI、WR、BIAS、SKDJ、VR、MTM、OBV等系統技術指標數據來源：公司官網，東方證券研究所有關分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后的免責電明16#page#東方證券非銀行金融行業深度報告-AIGC大模型賦能買方投顧轉型，或打開全新市場空間表8：問小達的股海神搜功能詳解選股分類功能說明KDJ、MACD、BOLL、CCI、RSI、WR、BIAS、SKDJ、VR、MTM、OBV、均技術指標線、形態特征、走勢特征、量能特征等現價、漲跌幅、實體漲幅、漲速、振幅、量比、成交量、成交額、委比、委量行情

59、信息差、內外比、換手率、自由換手率、強弱度聞、活躍度、攻擊波、回頭波、貝塔系數、漲停相關總股本、總市值、流通市值、流通股本、自由流通股本、自由流通市值、流通基本分析比、自由流通比、十大股東持股比例、十大流通股東持股比例、上市天數、股東人數、人均持股、人均市值價值類，成長類、價值成長類、市盈率、市凈率、市銷率、市現率、凈利潤、凈利潤率、資凈利潤增長率、營業收入增長率、每股收益、每股收益增長率、每股財務指標凈資產、每股現金流、每股未分配利潤、每股資本公積、銷售毛利率、三費比重、資產負債率、凈資產收益率、權益比、投資收益率、總資產報酬率、股息率階段表現階段放量、階段縮量、平臺整理、平臺突破、階段換手

60、、階段振幅資金主力主力異動、凈流入額、大宗凈流入額、相對流量%、競買率%、大單買入%等股東增減持、近期關注、價值關注、強勢資金、一致預期、龍虎榜單、融資融價值發現券、增發送配、小盤成長、并購重組、機構重倉、國家隊持股、持股分析、投資參股、盤中精選、關注度市場范圍滬深A股、主板、上證A股、上證主板、科創板、深證A股、深證主板、創業板數據來源：公司官網，東方證券研究所AI方面兼顧傳統NLP優化與新興AIGC深入研究。當前公司主要致力于持續提升存量產品問小達NLP方面的表現與優化用戶體驗，在此基礎上也將陸續將研發資源投向AIGC、大語言?；啬啃┤A不磷罩“日日880（?。撼鲂蛈oou多重的Y1“海嶺參

61、面小達現階段已經初步具備一句話選股等能力，并在持續優化和升級中，利用公司現階段的積累的人工智能、大數據、云計算能力來進行AI大語言模型的自身賦能，同時公司后期將加大智能金融問答、公司圖譜等一系列特色Al功能研發的投入，加速發展小達AI系列大語言模型成長。公司2023上半年不斷送代升級語義解析設置引|等（LPSE）、語義解析（NLP）、智能云計算（TCI）等系統模塊，提升了語義解析的準確率；同時也覆蓋了行情、資金、資訊、指標等數據源，提高了數據聚合效率和查詢效率，從而滿足用戶在選股、資訊、指令、客服等場景的快速響應需求?；谀壳皢栃∵_現階段的問答體驗，問小達金融聊天機器人目前具有很大的提升空間，

62、現階段具備一定的基礎金融問答和良好的選股能力。2）此外，公司持續關注AI業界發展革新，繼續深入生成式AI語言模型等領域的研究，選代人工智能技術路徑，豐富證券金融科技產品矩陣，積極探索AIGC在金融科技應用新場景，保持研發資源的投入。有關分析師17#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間圖13：問小達金融機器人金融知識問答圖14：問小達金融機器人公司公告問答東方證券的公告QPEratio是什么為您檢索到以下資訊數據：流動資產比率東方證券（600958）：H股公告流動資產比率=流動資產/總資產*100%東方證券（600958）件。C上交所08-0

63、2小達猜您還想問1、什么是割肉東方證券（600958）：關于召開2023年第一重要內容提示：股東大會召開日期：2023年8月18日本2、什么是三板次股東大會采用的網絡投票系統：上海證券交易所股東3、什么是多邊凈額結算上交所數據來源：通信達app，東方證券研究所數據來源：通信達東方證券研究所3.3.老虎證券：全球首推TigerGPT以期AI提升自身產品力全球首家推出AIGC投資助手的經紀商。老虎經紀于5月30日業績會宣布正式推出TigerGPT，在經過今年4月以來的beta測試，TigerGPT被認為是當前券商行業首個AIGC投資助手，旨在為投資者提供智能決策支持及一定程度上的專業知識解答與風險

64、管理。TigerGPT基于OpenAI將被內置為TigerTrade應用程序中的一項應用功能。通過此次發布，TigerGPT推出一系列旨在簡化投資前準備流程的新功能。這些創新包括進行個性化股票研究、個性化風險提示、個性化金融知識解答，是投資者能夠根據自己的風險偏好來快速篩選股票。此外，TigerGPT還能夠展示市場熱點話題，讓投資者能夠更為準確把握最新的市場趨勢。圖15：TigerGPT模擬京東最新Q4財報問答圖16：TigerGPT模擬市盈率金融知識問答TgerGPTJDsLalys1高客戶粘性+高效A投顧業務搶占海外市場。截止2023，老虎證券入金客戶達到84.09萬，老虎證券作為中資海外

65、科技券商龍頭，主要開展港美股交易，本身具有一定程度的客戶粘性。疊加上當前推出首個券商人工智能投資助手，在海外AI投顧市場方面搶占一定先機。同時，TigerGPT另外一個相對關鍵功能是能夠提供財報電話會議和新聞稿的簡單會議紀要讓投資者對公司業績一目了然。通過利用TigerGPT獲得優質數據與研究，TigerGPT整合了支撐和阻力指標、見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。18#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間（新加坡）首席財務官HenryToh表示：“我們

66、認識到人工智能在當今投資行業中發揮的關鍵作用及其未來增長的潛力，這就是我們開發TigerGPT的原因一在更大范圍內徹底改變投資者體驗。過往用戶需要通過關鍵詞搜索或篩選，要在海量信息中找到相關且簡潔的內容井不容易，還可能非常耗時。但有了TigerGPT作為人工智能投資助手，用戶現在可以享受全新維度的互動體驗，使他們能夠做出更明智、更直觀的投資決策?！盩igerGPT允許提供多輪對話，同時允許聊天機器人保留之前的用戶輸入并根據正在進行的對話提供有意義的響應。TigerGPT無縫集成到TigerTrade的個人股票頁面中，當檢測到異常股票活動或重大事件時，會以彈出通知的形式呈現。根據其對創新的承諾，

67、TigerGPT團隊每周都會持續增強聊天機器人，以確保無縫且優化的用戶體驗。利用先進的機器學習技術，隨著TigerBrokers的工程師不斷用最新的金融數據更新其數據庫，TigerGPT能夠吸收新信息并不斷發展圖17：TigerGPT模擬問答（蘋果）IsApple IAPPLla good investment？3Basedontheinformationprovided.38analystshavegiven theirtargetpriceestimatesforAppleAAPLstocks，withmean estimateof169.39andalowestimate of118.0

68、andahighestimate of210.0.Outoftherecommendatonsprovided.4.展望：三核心要素決勝AIGC，兩路徑可行性探究4.1.AI三大核心要素：數據、人才、技術數據：早期關注數據數量，現如今更注重數據的質量和結構。早期市場關注數據的數量，通過使用大量的數據進行訓練，使模型更好地適應各種陌生的輸入，并在不同的情況下保持穩定的性能；但現階段隨著場景的逐步推廣與參與群體的廣泛擴容，市場更注重數據的質量和結構。一方面，豐富的數據集可以幫助模型更好地理解和捕捉不同的概念、語義和語法結構；另一方面，多樣化的數據也可以使模型在各種任務和領域中表現出更好的泛化能力，

69、從而使機器學習模型更具有實用性和可靠性。人才：需要具備良好的數據分析和業務理解能力，以專業度和教授能力提升AI模型效能。Al大模型的應用往往需要對數據進行挖掘、分析和處理，需要能夠快速理解和掌握業務需求。這就需要人才具備敏銳的業務嘎覺和深刻的理解能力，同時具備豐富的數據知識和分析技能，而現階段市場復合型人才市場存在稀缺的現狀，既懂技術又懂業務的人才供給尚不充分。同時，人才也需要不斷學習和跟進最新技術，在實踐中不斷積累經驗，不斷優化和改進應用方案，提高自己的實踐能力和創新能力。因此，提供明確的職業發展路徑，形成完善的人才梯度，提高人才儲備的見本報告最后部分。其他重要信息披露見分析師申明之后部分，

70、或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。19#page#東方證券非銀行金融行業深度報告AIGC大模型賦能買方投顧轉型，或打開全新市場空間數量和質量，通過合理化考核與具有競爭性的激勵機制吸引和留住高質量人才，以推動其全面提升A模型效能?？简濱T技術能力，即數字化建設能力。特別是在當前復雜的國際政治形勢大環境下，未來可能存在一定的政治風險，打造基于自主底層架構的AI模型顯得尤為重要。若整個技術平臺搭建完成，日后的數據積累與技術沉淀便可持續推進，也可一定程度上降低人員流失的風險。4.2.路徑探究：自主研發專用大模型Or依托通用大模型路徑一：自主研發專用大模型。與通用模型千億

71、量級參數相比，單獨培育專用大模型所需參數在量級上大幅降低，大約只采用200-300億量級參數，在模型訓練與建設過程中僅用資本市場和金融的數據，成本與效率上相對更優，未來可根據市場需求進一步擴容，后續培訓也可更加專業化，例如金證股份和同花順均為自主研發專用模型，未來在選股、資產組合、投資策略搭建上可能更具競爭力。路徑二：以通用大模型為底座研發專用大模型?，F階段ChatGPT架構已相對成熟并領先于市場其他模型，理解能力和推演能力相對更強，但沒有針對資本市場做適配訓練，因此恒生電子的LightGPT和WarrenQ基于通用模型進行訓練，開發金融大模型。此路徑擁有豐富的底層架構，但由于底層代碼不自主可

72、控，未來可能有卡脖子風險，此外產品升級與改良均需要底層供應商支持，響應速度不如自主研發產品。同時，由于底層平臺的使用，費用相對較高且后期維護或較自主研發產生更多后續費用。表9：AI大模型兩種路徑可行性探索自主研發專用大模型通用大模型上開發較輕底層架構更豐富較少且后續費用持續較少成本費用較多且后續費用持續較多較少較多所需數據量模型表現更針對金融市場對全市場理解和推演能力更強自主程度自主可控非自主可控未來風險模型不成熟風險卡脖子風險、政治風險數據來源：東方證券研究所5.投資建議多條路徑或殊途同歸，當前難以判定熟優熟劣，仍待時日檢驗。商業模式方面，無論是通過研發專用AI大模型賦能金融機構以期瓜分投顧

73、費收入“蛋糕”，亦或是通過專用大模型賦能自身的投顧或炒股軟件產品以期獲得更高的流量市場份額與付費轉化率，都有望打開可觀的新收入增長極；AIGC技術路徑方面，無論是自主研發金融投顧領域的專用大模型，亦或是以成熟的通用大模型為底座打磨專用大模型，最終或殊途同歸，成為買方投顧模式重要的展業基礎，帶動我國投顧模式的轉型與升級?，F階段AIGC賦能投顧業務仍處于早期階段，無論選擇哪一發展路徑都無必勝把握，依據現有理論與事實依據不足以判斷熟優熟劣，仍然需要行業的多個玩家共同探索、見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明。20#p

74、age#page#東方證券AIGC大模型賦能買方投顧轉型，或打開全新市場空間非銀行金融行業深度報告分析師申明每位負責撰寫本研究報告全部或部分內容的研究分析師在此作以下聲明：分析師在本報告中對所提及的證券或發行人發表的任何建議和觀點均準確地反映了其個人對該證券或發行人的看法和判斷；分析師薪酬的任何組成部分無論是在過去、現在及將來，均與其在本研究報告中所表述的具體建議或觀點無任何直接或間接的關系。投資評級和相關定義報告發布日后的12個月內行業或公司的漲跌幅相對同期相關證券市場代表性指數的漲跌幅為基準（A股市場基準為滬深300指數，香港市場基準為恒生指數，美國市場基準為標普500指數）；公司投資評級

75、的量化標準買入：相對強于市場基準指數收益率15%以上；增持：相對強于市場基準指數收益率5%15%；中性：相對于市場基準指數收益率在-5%+5%之間波動；減持：相對弱于市場基準指數收益率在-5%以下。未評級一由于在報告發出之時該股票不在本公司研究覆蓋范圍內，分析師基于當時對該股票的研究狀況，未給予投資評級相關信息。暫停評級根據監管制度及本公司相關規定，研究報告發布之時該投資對象可能與本公司存在潛在的利益沖突情形；亦或是研究報告發布當時該股票的價值和價格分析存在重大不確定性，缺乏足夠的研究依據支持分析師給出明確投資評級；分析師在上述情況下暫停對該股票給予投資評級等信息，投資者需要注意在此報告發布之

76、前曾給予該股票的投資評級、盈利預測及目標價格等信息不再有效。行業投資評級的量化標準：看好：相對強于市場基準指數收益率5%以上；中性：相對于市場基準指數收益率在-5%+5%之間波動；看淡：相對于市場基準指數收益率在-5%以下。未評級：由于在報告發出之時該行業不在本公司研究覆蓋范圍內，分析師基于當時對該行業的研究狀況，未給予投資評級等相關信息暫停評級：由于研究報告發布當時該行業的投資價值分析存在重大不確定性，缺乏足夠的研究依據支持分析師給出明確行業投資評級；分析師在上述情況下暫停對該行業給予投資評級信息，投資者需要注意在此報告發布之前曾給予該行業的投資評級信息不再有效。重要信息披露見分析師申明之后部分，或請與您的投資代表聯系。并請閱讀本證券研究報告最后一頁的免責申明李報告城后部分。22#page#page#