金融GPT系列二：挖掘垂直场景数据，2B金融GPT是一片新蓝海

计算机证券研究报告 2023年04月17日 金融GPT系列二：挖掘垂直场景数据，2B金融GPT 是一片新蓝海 当前市场大家普遍认为，大模型基于其通用性，会在C端市场攫取更多发展空间。但结合论文《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》中的观点，大模型的能力或 在未来引起行业层面对人力资源的需求降低。产业的变革，由产业的软件触发。据此我们判断，当前时点大模型在B端的发展机会或被低估。 从落地角度看，GPT在金融业推广的两个基础已经具备。1）看需求，客服与销售人力成本高昂有望为AI替代提供广阔空间。金融行业人力支出高企，以保险为例，代理人薪酬开支达万亿，IT支出仅为其的1%。考虑保 险代理人数量持续下滑，我们判断保险公司或有意愿探索更高效的业务拓展方式。2）看场景，AI在金融行业多领域已具备使用基础，落地场景丰富。根据产品分类，现有金融+AI应用的包括AI风控、智能客服、智能营销、智能保险、智能投顾、智能投研等。过于由于技术能力限制，AI相关 的交互往往体验不佳。而大语言模型卓越的情感分析、意图识别与学习能 投资评级 行业评级强于大市(维持评级) 上次评级强于大市 作者缪欣君分析师 SAC执业证书编号：S1110517080003 miaoxinjun@tfzq.com 行业走势图 计算机沪深300 40% 32% 24% 16% 8% 0% -8% 力有望有效解决这一问题。 -16% 2022-04 2022-082022-12 从技术角度看，预训练模型调优与自研大模型有望为金融业AI应用再赋能。在优质语料库的预训练下，LLM可以获得基本的语言理解和生成技能。指令调优可以提升大模型在金融领域对专业性问题的理解能力。对齐 调优有望保证金融行业大模型落地的合规性。 对于金融IT公司，业务理解与训练数据构成AI核心竞争力。我们认为，1）服务于准确性，训练数据的质量与数量构建成为金融领域大模型应用的核心竞争力。2）服务于可用性，基于对业务的理解基础，对产品进行AI赋能，保证了应用软件最终的可用性。 在数据+业务理解能力双重占优的背景下，我们判断头部金融IT厂商有望受益于本轮技术革新，构筑新一轮的成长。 彭博社发布的BloombergGPT显示出金融界大模型的应用潜力。而受益于金融IT基于AI的应用基础，以及明确的市场需求潜力，金融领域的GPT革命或刚刚开始。 建议关注金融IT相关标的： ToB： 保险IT：中科软、恒生电子、新致软件等。证券IT：恒生电子、顶点软件、金证股份等。 银行IT：长亮科技、京北方、宇信科技、软通动力、神州信息等。 ToC：同花顺、东方财富（海外&传媒组覆盖）、指南针、财富趋势等。 风险提示：AI应用落地不及预期；金融GPT进展不及预期；大模型进展不及预期。 资料来源：聚源数据 相关报告 1《计算机-行业专题研究:AI应用： SAM实现CV底层技术颠覆式创新，或将赋能多场景应用》2023-04-12 2《计算机-行业深度研究:以昇思为基，盘古生态引领中国AI未来》2023-04-11 3《计算机-行业点评:硬核的大模型最为稀缺，真实数据的呈现》2023-04-11 请务必阅读正文之后的信息披露和免责申明1 内容目录 前言：由OpenAI论文看B端金融GPT的潜力3 1.GPT在金融业推广的两个基础已经具备4 1.1.看需求，客服与销售人力成本高昂有望为AI替代提供广阔空间4 1.2.看场景，AI在金融行业多领域已具备使用基础，落地场景丰富5 2.预训练模型调优与自研大模型有望为金融业AI应用再赋能8 2.1.数据是预训练与模型调优的基石8 3.金融IT公司：业务理解与训练数据构成AI核心竞争力10 4.风险提示13 图表目录 图1：2019年以来大语言模型数量高速增加3 图2：金融行业暴露率最高，即AI对现有金融行业工作替代率最高3 图3：金融行业客服+销售员工占比位于全A股上市公司所属33个行业中的1、2、5、7 名4 图4：2022年，中国人寿从事销售、核保、赔付与客服的员工人数占比达68%4 图5：保险IT解决方案市场规模目前为百亿左右，而仅保险代理人薪酬开支则达到万亿5 图6：保险代理人数量持续下滑，验证保险公司有意探索更高效率的业务拓展形势5 图7：金融业已经有AI在营销、资管、风控领域的落地应用5 图8：2021年AI+金融产品应用情况6 图9：平安人寿19年已推出“智慧客服”服务体系6 图10：人民日报22年5月发文《智能客服不“智能”问题亟待解决》7 图11：Bloomberg推出BloombergGPT，计划把GPT类AI能力整合到彭博机中7 图12：金融一账通智能风控解决方案8 图13：各主要大模型的预训练语料库主要来源于网页、对话数据、书籍和新闻、科学数据、代码等9 图14：指令调优，提升大模型在金融领域对专业性问题的理解能力9 图15：根据人类反馈数据对预训练模型进行对齐调优，有望保证金融行业大模型落地的合理合规9 图16：测试表明，BloombergGPT在金融问答、金融新闻情感分析等专业领域均取得了最好的表现11 图17：以Excel为例，基于过去的数据处理功能强化交互，最终得到生产力提升11 表1：23年4月2日，我们组织调研结果显示，对现有金融AI软件仍有更高期待10 前言：由OpenAI论文看B端金融GPT的潜力 2019年以来，大语言模型能力加速提升，入局厂商与模型涌现。据WayneXinZhao等人论文《ASurveyofLargeLanguageModels》统计，2019年以来，参数量超过10B的大模型有47个，其中开源大模型20个，闭源大模型27个，大语言模型迅速发展。 图1：2019年以来大语言模型数量高速增加 资料来源：WayneXinZhao等《ASurveyofLargeLanguageModels》，天风证券研究所 大语言模型对各个行业均有影响，对金融行业的潜在冲击最大。根据OpenAI论文 《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》统计，ChatGPT和使用该程序构建的未来应用可能影响美国大约19%的工作岗位至少50%的工作任务。同时，OpenAI还统计了各个职业相对于大语言模型的暴露率， 证券、保险等金融行业暴露率排名靠前，表明AI或将对现有金融行业工作的潜在替代率最高。 图2：金融行业暴露率最高，即AI对现有金融行业工作替代率最高 资料来源：TynaEloundou等《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》，天风证券研究所 当前市场大家普遍认为，大模型基于其通用性，会在C端市场攫取更多发展空间。但结合OpenAI论文《GPTsareGPTs:AnEarlyLookattheLaborMarketImpactPotentialofLargeLanguageModels》中的观点，大模型的能力或在未来引起行业层面对人力资 源的需求降低。产业的变革，由B端的软件触发。因此我们认为，当前时点大模型在B 端的发展机会或被低估。 在此背景下我们展开思考，对toB金融IT行业需求与变局进行结构性梳理。 1.GPT在金融业推广的两个基础已经具备 1.1.看需求，客服与销售人力成本高昂有望为AI替代提供广阔空间 金融行业客服和销售员工占比大。截止2021年12月31日，银行、保险、非银行金融和证券行业A股上市公司客服和销售员工占比分别为86%、75%、50%和42%，位于全A股上市公司所属33个行业中的1、2、5、7名。 图3：金融行业客服+销售员工占比位于全A股上市公司所属33个行业中的1、2、5、7名 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 86% 75% 71% 51% 50% 47% 42% 银行保险商贸零售传媒非银行金融消费者服务证券 资料来源：Wind，天风证券研究所 2022年，中国人寿102238名员工中，从事销售的员工人数占比达45%；核保、赔付与客服员工人数占比达23%。即公司68%的员工为客服和销售员工。 图4：2022年，中国人寿从事销售、核保、赔付与客服的员工人数占比达68% 销售与销售管理人员核保人员、赔付专业人员和客户服务人员 管理与行政人员其他专业和技术人员 财务与审计人员其他 5%4% 5% 19% 45% 23% 资料来源：Wind，天风证券研究所 金融行业人力支出高企，以保险为例，代理人薪酬开支达万亿，IT支出仅为其的1%。保险行业人力成本高昂。根据银保监会数据显示，截止22年H1，保险经纪人数量达到 521.7万人，假设人均薪酬在2万/月，仅保险代理人薪酬开支则就到了万亿。对比之下，保险IT解决方案市场规模仅101.2亿元，即使17~21年间CAGR达14%，仍为保险公司支出的一小部分。我们认为，高昂的人力成本有望促使金融行业有动力通过AI进行部 分人力替代。 图5：保险IT解决方案市场规模目前为百亿左右，而仅保险代理人薪酬开支则达到万亿 120 23% 23% 100 90.03 84.62 101.2 20% 25% 20% 80 73.02 59.34 60 40 20 -6% 15% 10% 5% 0% -5% 0 -10% 20172018201920202021 保险IT解决方案市场规模（亿元） 增速 资料来源：华经产业研究院公众号，天风证券研究所 考虑保险代理人数量持续下滑，我们判断保险公司或有意愿探索更高效的业务拓展方式。近年来，保险代理人数量持续下滑，2022H1，中国保险代理人数量为521.7万人，2019- 2021年呈持续下降趋势。我们认为，保险代理人数量下滑，也反映了当前保险公司有意改变通过堆积人力渠道触达客户的方式。在此背景下，技术或成为补充人力销售的重要手段。 图6：保险代理人数量持续下滑，验证保险公司有意探索更高效率的业务拓展形势 912 842.8 590.7 521.7 1000 900 800 700 600 500 400 300 200 100 0 2019202020212022H1 资料来源：新华财经、中国银保监会、天风证券研究所 1.2.看场景，AI在金融行业多领域已具备使用基础，落地场景丰富 AI在金融行业多领域已具备使用基础，通过大模型优化现有技术值得期待。在营销领域， AI赋能智能营销、智能投顾、智能客服、智能培训等场景；在资管领域，AI赋能智能尽调、智能审批、智能放款、智能投研等场景；在风控领域，AI赋能反洗钱、反欺诈、智能征信、智能风控等场景。我们认为，未来随着大语言模型的发展，有望出现更多应用场景落地。 图7：金融业已经有AI在营销、资管、风控领域的落地应用 资料来源：科创板日报，天风证券研究所 根据产品分类，现有金融+AI应用的包括AI风控、智能客服、智能营销、智能保险、智能投顾、智能投研等。根据艾瑞咨询研究，回顾2020年，AI已经被广泛应用于上述领域。但过去AI能提供的能力有限，在大模型带来的变革下，其通用性、逻辑推演能力、内容 生成的能力有望为这些环节能力带来跨越式发展。 图8：2021年AI+金融产品应用情况 资料来源：艾瑞咨询公众号、天风证券研究所 场景一：智能客服 2019年，平安人寿智慧客服以开始以科技赋能全渠道服务，实现APP、柜面、电话体验升级。智能客服中包含1）平安AI视频回访机器人，作为多模拟态合成机器人应用，可以与客户进行拟真形象视频交互，解决相应问题；2）平安AskBob小桂圆，是平安人寿推出的多轮对话客服机器人，主要提供咨询应答