金融科技系列一：看好两类财富管理机构在AI大模型落地中的受益机会

大模型赋予AIGC产业化空间，金融行业是最佳落地领域之一：ChatGPT的火爆引发市场对于AIGC技术的关注，AI大模型“预训练+微调”的开发范式有望推动AIGC在各行业的大规模产业化进程。金融行业是数字化、智能化的先行者，有望成为大模型落地的最佳领域之一，一方面，监管大力鼓励金融机构推动数字化转型，券商等金融机构接入大模型具备良好政策环境，另一方面，金融机构持续增加信息技术投入，具备雄厚的财力支撑，为行业数字化转型奠定坚实物质基础。 BloombergGPT依托海量金融数据训练在金融领域超越通用大模型：彭博社推出专为金融行业打造的500亿参数大语言模型BloombergGPT，依托其四十多年来积累的大量金融数据源，基于通用和金融业务的场景进行混合模型训练，使得BloombergGPT在执行金融任务上的表现远超同等参数量级的通用大语言模型，有效实现了GPT+垂直知识的深度融合，证明其基于垂直领域数据打造的大语言模型在金融专业领域的强大竞争力，为国内金融行业大模型的落地与使用提供了借鉴路径。 金融科技公司或可凭借自身海量金融数据复制BloombergGPT路径：Bloomberg GPT的核心突破在于构建海量的金融训练数据集，通过预训练阶段学习掌握大量金融知识后，在后续的微调任务中能够更快适应金融领域特定场景；国内头部金融IT机构在B端或C端掌握丰富的一手金融数据，为大模型预训练奠定了坚实的数据基础，借助开源大模型和金融领域垂直数据的积累，或可复制BloombergGPT路径，打造国内金融领域专业大模型，实现金融大模型在大财富管理行业内的赋能与重塑。 传统财富管理机构有望通过接入大模型重塑财富管理行业生态：多家券商已宣布接入百度“文心一言”大模型，加速推动人工智能在财富管理场景落地，我们认为大模型的接入将从以下方面重塑财富管理业态：1）改革传统人机交互方式，依托海量专业知识库和自我学习迭代能力，大幅优化当前智能投顾下的客户体验；2）大模型在自动化生成营销材料的同时，基于客户背景、收入情况、风险偏好满足客户个性化需求，实现个性化精准营销；3）提升数据提炼和处理能力，提高展业效率和风控水平。 投资建议：关注两类财富管理机构在大模型技术落地中的受益机会： 1）头部金融科技公司凭借领先的技术水平和金融领域垂直数据积累，有望复制BloombergGPT路径，建议关注同花顺、东方财富；2）传统财富管理机构有望受益于大模型落地带来的业务模式重塑，建议关注数字化战略践行彻底、客户基础规模较大、金融科技实力领先的华泰证券。 风险提示：技术落地不及预期；金融科技监管趋紧；研发投入周期过长 1AI大模型快速发展赋予AIGC产业化应用空间 大模型是“大数据+大算力+强算法”相结合的产物，以“大规模预训练+微调”范式满足多元化需求。其在大数据的支持下进行训练，学习出一些特征和规则，经过微调后即可应用在各场景任务中，目前其主要在自然语言处理、计算机视觉、语音识别等领域得到广泛应用。从参数规模看，AI大模型先后经历了预训练模型、大规模预训练模型、超大规模预训练模型三个阶段，参数量实现数量级的突破，从模态支持上看，AI大模型从支持图片、图像、文本、语音单一模态下的单一任务，逐渐发展为支持多种模态下的多种任务。 多模态大模型的突破赋予AIGC广阔的产业化应用空间。2022年底OpenAI发布人工智能聊天机器人ChatGPT，在具有庞大参数量的大型语言模型训练下，ChatGPT展示出强大的人机交互体验，其强大的信息搜集整理与总结归纳能力、高质量的持续对话能力、较好的逻辑推理能力引发了全球关注与热议，带动市场关注以ChatGPT为代表的AIGC（AI Generated Content）技术在产业的应用前景与发展趋势。人工智能算法的不断迭代是AIGC发展进步的源动力，多模态大模型的突破赋予AIGC广阔的产业应用空间，根据中国信通院的研究，超级深度学习近年来的快速发展带动了深度神经网络技术在大模型和多模态两个方向上的不断突破，为AIGC技术的升级提供了强力的支撑。 国内外大模型获得快速发展，将加速产业智能化变革。2018年来大模型发展提速，OpenAI、Google、Stability AI、百度等国内外科技公司开发迭代多版AI大模型，大模型的通用性以及基于“预训练+微调”等新开发范式，让AI场景应用的模型定制流程变得更标准化、效果优化更简单，有望大幅加速人工智能大规模产业化进程，推动AIGC在各行各业的渗透与落地。 表1.国内外代表性AI大模型概况 2非银机构接入大模型有望重塑财富管理行业生态 2.1金融机构数字化转型具备良好政策环境 监管大力鼓励金融机构推动数字化转型，金融机构接入大模型具备良好政策环境。“十四五”规划提出加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革，数字金融是数字经济的重要组成部分，大数据、区块链、人工智能等创新技术在金融行业内的发展如火如荼。 近年来央行、证监会、证券业协会等监管部门不断推出推动券商等金融机构数字化转型政策措施，当前AIGC大发展背景下券商等金融机构接入AI大模型具备良好的政策环境。 表2.近年来政策大力鼓励金融机构推进数字化转型 2.2海外金融大模型落地，金融行业AI蓄势待发 彭博社推出专为金融行业打造的500亿参数大语言模型BloombergGPT，标志着金融领域的专业大模型正式落地。2023年3月30日美国彭博社正式发布大型语言模型BloombergGPT，其具有500亿参数，在保证大语言模型通用性能的基础上，更加聚焦金融场景，更加适应金融术语的复杂性与独特性，有效实现了GPT+垂直知识的深度融合。 BloombergGPT在金融领域的表现亮眼。根据彭博社发布的论文 ， 其将BloombergGPT与其他两个参数量级相近的模型GPT-NeoX、OPT66B和一个参数量级更大的模型BLOOM176B在金融领域和通用领域分别进行了比较评估，结果发现BloombergGPT模型在金融任务上的表现远超同等参数量级的开放模型，在通用任务上优于其他同等参数量级的模型，并在某些任务上甚至超过了参数量更大的模型，证明其基于垂直领域数据打造的大语言模型在专业领域的强大竞争力。 图1.BloombergGPT在外部金融任务的表现显著领先其他对比模型 图2.BloombergGPT在情绪三分类测试结果中的表现显著领先其他对比模型 依托海量金融数据集强化训练是BloombergGPT在专业领域超越通用模型的核心因素。彭博社依托其四十多年来积累的大量金融数据源，创建了一个包含3,630亿词例（token）的金融数据集FinPile，又与公共数据集叠加成为了包含超7,000亿词例的大型训练语料库，利用庞大的数据集，并基于通用和金融业务的场景进行混合模型训练，使得BloombergGPT在执行金融任务上的表现超过现有的通用大语言模型。 摩根士丹利成为海外首家正式接入GPT-4的金融机构。据澎湃新闻报道，北京时间3月15日凌晨，OpenAI正式推出了GPT-4文本生成AI系统，在其官网上罗列的多个使用GPT-4的实际案例中，包含了华尔街知名投行摩根士丹利，其成为首家正式接入GPT-4的金融机构，未来将运用AI技术优化财富管理咨询流程。 2.3金融数据是核心要素，金融IT机构或可复制BloombergGPT路径 Bloomberg GPT在预训练阶段使用了大量金融领域和通用领域的数据，以便让模型更好地理解和处理金融相关问题，预训练数据主要包括各类金融新闻、各类研究报告与研究论文、公司财报、宏观经济数据、市场交易数据等，通过使用这些丰富的预训练数据，BloombergGPT在金融领域的相关任务中表现出较高的性能和专业性，在预训练阶段学习掌握大量金融知识后，其在后续的微调任务中能够更快地适应特定场景。 表3.BloombergGPT在预训练阶段使用了大量金融领域数据 掌握丰富金融数据的头部金融IT类机构或可复制BloombergGPT路径。国内头部金融IT机构在B端或C端掌握丰富的一手金融数据，借助开源大模型和金融领域垂直数据积累，或可复制BloombergGPT路径，打造国内金融领域专业大模型，实现金融大模型在大财富管理行业内的赋能与重塑。 2.4券商积极接入大模型，打造财富管理人工智能解决方案 多家券商宣布接入百度“文心一言”大模型，加速推动人工智能在财富管理场景落地。据中国经营报报道，目前已有海通证券、申万宏源、广发证券、兴业证券、长江证券、西南证券、国海证券、国盛证券、华福证券、财达证券等10家券商宣布成为百度“文心一言”首批生态合作伙伴，各家券商与“文心一言”的合作集中于财富管理领域，应用场景包括智能投研等数字内容生成，基于客户个性化需求的问题解答、服务陪伴及特定任务处理等智能化客户服务，乃至“数字人”、“元宇宙”应用场景及内部运营管理效能提升等，为客户提供更趋智能、更有温度的财富管理服务。 表4.多家财富管理机构宣布接入百度“文心一言”大模型 对于券商等财富管理机构而言，大模型的接入有望从以下方面重塑行业生态： 1）重塑客户服务流程、提高客户体验。大模型的接入将改革传统人机交互方式，大幅优化人工智能服务下的客户体验。传统聊天机器人是一种基于规则或预定义脚本的自动化程序，只能执行特定的任务，客户需求超过其预设能力范围后便无法给出解决方案；大模型依托海量专业知识库，为客户提供24小时不间断的实时服务，并且可以自主生成创造性的内容，同时基于客户反馈不断迭代和提升生成内容的质量，其持续的学习能力能不断增进对客户的了解，提高客户使用体验。 2）提升内容生产效率与创意。大模型可以一键生成文字、图像、视频等广告创意内容，大幅提高营销效率；在自动化生成营销材料的同时，能实现个性化精准营销，基于客户背景、收入情况、风险偏好、知识水平满足客户个性化需求。 3）提升风控水平。在风控全流程中引入大模型可以提升数据提炼和处理能力，能够进行新特征规则发现，结合因果学习可以探索智能风控策略制定与追因的更多可能性。 表5.大模型在财富管理机构中的应用场景 3相关标的梳理 3.1同花顺 同花顺拥有金融领域海量数据资源，为大模型预训练奠定了坚实基础。公司拥有业内领先、规模庞大、历史数据丰富的数据库资源，涵盖了互联网用户数据、新闻资讯、宏观经济数据、行业经济数据、企业研究报告、企业信息、上市公司信息披露、招投标等结构化和非结构化数据，以及交易所、信息公司、政府部门、科研机构、高等院校、宏观经济研究机构和专业行业数据公司等机构提供的授权数据。这些数据不仅满足了客户多样化的需求，亦为公司人工智能算法训练、AI大模型训练提供了数据基础。 B端+C端庞大的客户群体打造出优质的互联网金融信息服务生态圈。个人客户方面，截至2022年末同花顺金融服务网累计注册用户6.1亿人，2022年同花顺网上行情免费客户端周度活跃用户数近两千万人；机构客户方面，公司的产品和服务覆盖了国内90%以上的证券公司，此外还覆盖了大量的公募基金公司、私募基金公司、银行、保险公司、政府、科研院所、上市公司等机构客户。种类繁多的机构投资者及庞大而活跃的个人投资者，有利于公司打造互联网金融信息服务生态圈，促进公司产品及服务的推出、升级、更新换代，能被市场快速接受，客户资源优势明显。 图3.截至2022年末同花顺拥有6.1亿注册客户 图4.同花顺网上行情免费客户端周活人数近2000万 AI大模型的落地有望从B、C两端赋能公司业务增长。 1）B端方面，经过多年积累打造同花顺AI开放平台，为多行业提供多品种智能解决方案，伴随技术持续落地有望打开新的业绩增长点。公司目前可面向客户提供智能语音、智能客服、智能金融问答、智能投顾、智能质检机、会议转写系统、虚拟数字人、智能医疗辅助系统等多项AI产品及服务，可为银行、证券、保险、基金、私募、高校、运营商、政府等行业提供智能化解决方案。 表6.同