系列报告（二）：AI+金融大模型的两条技术路线

证券研究报告【AI金融新纪元】系列报告（二）——AI+金融大模型的两条技术路线

核心观点：

1. AI与金融的结合：当前AI与金融的结合主要有两条技术路径：

   • 通用模型+金融语料训练：金融大模型。
   • 金融垂类大模型。

2. 技术路径对比：

   • 通用大模型的优势在于泛用性强、灵活性高、可迁移性好，但存在特定领域深度浅、模型复杂度高、训练时间长等劣势。
   • 金融垂类模型具有领域专业性、针对性解决方案、高精度和合规性等优势，但面临适应性限制、更新维护复杂度和数据利用率低的问题。

3. 通用大模型的局限：通用大模型在行业数据量、性价比、精确性、适用性、实时性、推理速度、合规性和风险控制等方面表现不如金融垂类模型。

国内外通用大模型在金融领域应用表现：

• 国外进展：GPT4-Turbo、Claude、LaMDA、Titan等头部模型领先，显示出强大的技术实力。
• 国内发展：百度文心、阿里通义千问、vivo BlueLM、月之暗面Moonshot等模型展现竞争优势，特别是在中文处理上表现出色。
• 金融应用：GPT系列、文心一言、通义千问等在金融新闻分类、问答系统、智能写作等领域展现出较好的应用效果。

国内外金融垂类模型发展进程：

• 国外：彭博BloombergGPT、FinGPT等模型引领发展，展示了在金融任务上的卓越性能。
• 国内：奇富科技、度小满、腾讯云、恒生电子、蚂蚁集团等企业纷纷推出金融垂类模型，形成明显的技术流派。
• 应用案例：BloombergGPT、FinGPT、腾讯云TI-OCR、恒生电子LightGPT、蚂蚁集团金融大模型等在金融领域展现出显著优势。

投资建议：

• 预计2024年金融垂类模型产品将有较多落地，推荐关注具备AI模型技术领先优势、较大金融交易数据基础、较好应用场景入口、积极推进AI模型构建的金融科技企业，特别是东方财富、同花顺，以及恒生电子。

风险提示：

• 监管环境趋严可能抑制行业创新。
• 行业竞争加剧。
• 权益市场大幅波动对金融业务的影响。