计算机行业专题研究：金融+AI发展路径与商业落地探索.pdfVIP

证券研究报告|行业专题研究 计算机 行业评级 强于大市 （维持评级） 2023年4月20日 金融+AI发展路径与商业落地探索 证券分析师： 请务必阅读报告末页的重要声明 钱劲宇 执业证书编号：S0210522050004 投资要点 核心观点： ➢ 金融+AI的落地形态：底层为通用大模型+行业数据集+智算中心的行业底座，中间层为经过训练和微调 的行业大模型，上层为基于行业大模型的各类行业应用。 ➢ 金融+AI的应用场景：可应用于智能客服、投顾、营销、风控、运营、投研、投行、量化交易、低码研 发等多个场景。 ➢ 金融信息化企业+AI的结合形式：基于大模型的深度学习框架、算力云、硬件部分由合作伙伴提供；金 融信息化企业负责行业模型、标准层、插件层、应用层等相关生态建设。 ➢ 海外来看，金融行业大模型已在Morgan Stanley、Stripe、Bloomberg等多家企业应用；国内来看，同 花顺I问财、iFind等产品已有相关行业模型赋能。 建议关注： 证券IT：恒生电子、同花顺 银行IT：长亮科技、宇信科技 保险IT：中科软 风险提示： 国内大模型及金融行业模型推进不及预期；细分场景应用研发不及预期等。 2 国内外大模型发展路径及商业模式落地现状 ➢ AI发展路径的变化：小模型时期：判别式AI→大模型初期：以Transformer为代表的预训练生 成式AI→大模型商业化时期：Chatgpt、文心一言等商业化产品推出。 商业模式 ➢ Open AI：订阅、生态嵌入、API调用 ➢ Google：MaaS、生态嵌入 ➢ 文心一言：生态嵌入、API调用 （文心千帆） 图表：国内外大模型发展路径及商业模式落地现状 资料来源：艾瑞咨询，华福证券研究所 3 金融行业大模型落地形态及IT建设方法变革 ➢ 构建以通用大模型+行业数据集+智算中心的行业底座，通过数据清洗、标注等过程，对预训练模型进行训练和 微调，形成行业大模型，最终结合行业模型的能力对外输出各类细分场景应用。 ➢ 开发侧仅需对大模型进行微调，由大模型进行数据处理，模型设计、参数调优等过程，显著降低人力成本，相 对传统研发范式复用性更高。以大模型为核心，效率及效能业务不受业务增多影响。 图表：金融行业大模型落地形态及IT建设方法 开发团队 应用A 应用B 应用C 应用D 应用层 场景 大模型 工程 金融行业大模型 中间层 微调 模型 其他定 1-N 制开发 通用大模型 （预训练）+行业数据 行业 （语料）+智算中心 （算力集群） 底座 AI服务 资料来源：华福证券研究所整理 4 大模型在金融领域的核心能力与应用场景（以证券为例） ➢ 能力构建：问答/助手 （外呼/质检/陪练）、文档处理 （生