AI赋能资产配置：海内外资管机构AI大模型应用探索.pptx

AI大模型技术日新月异，赋能金融资产管理行业。在技术供给端方面，近几年AI大模型大规模集中发布，对改变当下社会生产生活具有强大的潜力；在业务需求端方面，全球资产管理规模发展趋势乐观，但利润下行等压力并存，亟需寻求降本增效创新方案。而资产管理行业需要处理庞大复杂、获取门槛低的数据信息，极其适合在业务端发挥AI大模型的优势促进提效降本，增添强大的发展新动力，因而许多资管机构都重视AI大模型的战略意义并且推进投资布局。

国外资产机构依托三大优势迅速推进AI大模型应用。国外依托数据生态成熟、金融科技基建完善、技术起步早等优势，加速开展在资产管理领域的AI大模型实践应用。贝莱德（BlackRock）和摩根资管（J.P.MorganAssetManagement）等全球知名的资产管理机构将大模型应用到已有的AI集成平台或系统当中，在自研平台中确保数据安全，并定制行业专属的数据集训练方案。Vanguard提出大模型应用的创新解决方案，在实践方案与应用方法论层面实现突破。

DeepSeek助推国内资管机构加速智能化转型。DeepSeek在发布后，因其高效、安全和开源等特点，与国内各行业各机构快速实现合作部署，其中包括金融资管领域。易方达基金、富国基金等国内资管机构已经部署了DeepSeek大模型，推进应用于多个业务场景。DeepSeek短时间内能实现大规模部署，强力推动了国内资管机构积极探索大语言模型应用，加速智能化转型。

“AI+HI”的人机协同模式是资产管理行业应用AI大模型的趋势，明确AI大模型的“协助者”本位。AI大模型在技术上存在“幻觉”问题，存在提供虚假或误导性信息的可能，要凭HI（HumanIntelligence）辅以人工的信息筛选以及决策把关，明确资管主体的“主驾驶”定位和AI大模型工具的“副驾驶”定位，规避数据泄露等风险的同时，将AI大模型工具应用于资管业务价值链各个环节，提高AI大模型应用广度和深度以实现降本增效，增强资管机构的行业竞争力。

风险提示：(1)AI大模型落地进程出现波折；(2)技术算法模型存在偏差；(3)文中所提及公司仅做客观事件汇总，不涉及主观投资建议。;AI大模型赋能金融资管行业;;;?随着??模型及生成式AI的快速发展，资管机构纷纷将AI视为战略重点。根据BCG的调查，多数资管机构认为GenAI将对业务产生显著影响，并积极投入资源进行应用探索。调查数据显示，54%的资管机构预期GenAI在未来三至五年内将对业务产生重大影响，仅有2%的机构认为其影响微乎其微。这表明大多数资管机构已经认识到GenAI在提升投资决策效率、优化风险管理以及改善客户服务体验等方面的巨大潜力。同时，55%的资管机构已将GenAI视为战略优先级，并开始试点应用，显示出其在行业战略规划中的重要地位。;AI大模型赋能金融资管行业;? 国外资管机构依托“技术先发+基建完善+数据成熟”三大优势，加速推动AI大模型的应用：第一，成熟的金融市场与数据生态。美国上市公司信息披露的制度较为完善，信息披露的标准化程度高，为大模型训练提供了高质量、低噪声的数据训练集，而国内机构常受数据碎片化与标注成本制约。第二，金融科技基础设施建设的早期建设与未来扩建。早期的金融科技基建（如标准化API接口、云原生架构）能大幅降低模型部署门槛，避免重复造轮子，而基建投资规模还在扩大，贝莱德投资研究院估计到2030年数据中心和AI芯片的投资每年可能超过7000亿美元，相当于美国GDP的2%以上。第三，技术先发优势。国外头部资管机构早在AI大模型爆发式发布前就已构建了专属AI平台与系统，如贝莱德（BlackRock）的Aladdin平台，不断迭代和集成AI，天然适配AI大模型，而2024年初该公司称正在开发AladdinAICopilot（“副驾驶”），将大模型进一步应用到Aladdin平台，加速AI创新迭代。

图6：国外推动大模型应用的优势;;;?贝莱德SAE团队自成立以来不断引入前沿技术，在大模型和机器学习等AI领域持续迭代深耕。从1985年利用计算机分析财务报表进行基本面选股，到2008年在硅谷组建专注于大数据和机器学习的数据科学团队，SAE不断推动AI领域的创新。随着ChatGPT等通用AI大模型的出现，SAE自主研发的大语言模型已发展至第六代，在预测财报发布后的股价变动等金融应用中，其精确度超越了通用模型。;?贝莱德推出的“主题机器人”是一种结合了大型语言模型优势和专有数据的创新工具，旨在快速、灵活地构建股票篮子，以应对市场关注的议题。凭借这一快速、灵活构建股票篮子的流程，能够更加高效透明地构建长仓/短仓或仅长仓股票篮子，而传统方法(机器耗时