《非银行金融行业买方投顾转型专题报告：AIGC大模型赋能买方投顾转型或打开全新市场空间-230919（23页）.pdf》由会员分享，可在线阅读，更多相关《非银行金融行业买方投顾转型专题报告：AIGC大模型赋能买方投顾转型或打开全新市场空间-230919（23页）.pdf（23页珍藏版）》请在三个皮匠报告上搜索。

1、行业研究|深度报告东方证券非银行金融行业ORIENTSE行业评级看好（维持）AIGC大模型赋能买方投顾转型，或打开全国家地区中国新市场空间行业非银行金融行业报告发布日期2023年09月19日买方投顾转型专题报告一沪深300非银行金融核心观点买方投顾转型大势所趋，AIGC赋能或加速这一过程。卖方模式向买方模式转型已经是我国财富管理领域的大势所趋，无论从政策端还是业务端考量，转型都追在盾睫，而AIGC大模型的日臻成熟有望加速这一转型过程：1）此前多家基金公司包括易方达、华夏、嘉实、兴证全球、中欧在内的多家头部基金公司率先发布公告，自7月10日起部分产品管理费率和托管费率分别降至1.2%、0.2%以

2、下。传统卖方代销与资管模式因此可收取的管理费与托管费率大大降低，因此买方投顾或将从这次公募降费中获益；2）传统业务缺乏活力，目前国内投顾类业务平衡有待优化，重投轻证券分析师-顾的不平衡给各大客户带来不愉快的售后体验，同时当下的投顾人员缺乏一定专业孙嘉废*7041性，大模型不仅将加速买方投顾团队的培训与进化，也将显著赋能投顾的开展业务过程，显著提升其专业度与客户需求响应速度，进而大幅改善买方投顾客户体验，执业证书编号：S0860520080006减少利益冲突同时也起到降本增效的效果。香港证监会牌照：BSW114B端：大语言赋能机构实现降本增效。在不同的市场假设之下，AI大

3、模型赋能买方（区能理霜应）组书动在10年后带来相当可观的年度收入增量，若未来随着基金市场规模的不断提升、买方投顾模式的不断成熟以及AI大模型日趋成熟后供应商议价能力持续拾升，这一TAM还是相当可观的。1）恒生电子：财富管理领域先驱，推出WarrenQ智能投研相关报告。平台、“光子”智能投资助手及LightGPT；2）金证股份：1H2023金证股份联合参“政策底”已现叠加“经济底”预期，把2023-09-10股公司金证优智合作开发金融Al大模型及配套应用，开展优化模型训练，进一步完摇板块低估值配置机遇：一非银金融行善AI产品。与恒生电子的不同之处在于，金证股份研发的专用大模型并不是基于业周观点C

4、hatGPT等通用大模型底座，而是直接自主研发的专用大模型，然后基于专用大模2023-09-04监管呵护资本市场健康发展，把握非银板型开发适用于买方投顾业务等特定场景的应用，当前AI大模型与应用正处于研发储块配置机遇：非银金融行业周观点备阶段，尚不成熟，因此还未公开发布。强“政策底”加持下保持底线思维，不过2023-08-27C端：大语言模型赋能自身实现流量加速。1）同花顺：活跃用户同业之首，高客户一非银金融行业周观分乐观亦不悲观：粘性+问财推出，加速流量变现。当前阶段同花顺app已经内置问财的智能生成式投点资助手，依托目前第三方投资App高用户占比的优势配以问财聊天机器人的推出，同花顺在AI

5、大语言模型赋能自身的投顾业务竞争中处于有利地势；2）财富趋势：当前公司主要致力于持续提升存量产品问小达NLP方面的表现与优化用户体验，在此基础上公司持续深入生成式AI、语言模型等领域的研究，选代人工智能技术路径，丰富证券金融科技产品矩阵，积极探索AIGC在金融科技应用新场景，保持研发资源的投入；3）老虎证券：全球首家推出AIGC投资助手的经纪商。老虎证券于5月30日业绩会宣布正式推出TigerGPT，在经过今年4月以来的beta测试，TigerGPT被认为是当前券商行业首个人工智能投资助手，冒在为投资者提供智能决策支持及一定程度上的专业知识解答与风险管理。展望：三核心要素决胜AIGC，两路径可

6、行性探究。1）数据、人才和技术的决胜AI的三大核心要素，其中数据从早期关注的数量转变为对质量和结构的重视，竞争性的激励机制和成熟的发展路径才可吸引与留住稀缺高质量人才，优异的IT技术推动AI大模型落地；2）未来存在两条发展路径，一是自主研发专用大模型，可有效降低成本与卡脖子风险、提升效率，但可能存在模型不成熟风险；二是在通用大模型上开发，丰富的底层架构使得理解与推演能力更强，但训练与维护成本较高，且复杂国际形势下存在一定政治风险投资建议与投资标的多条路径或殊途同归，当前难以判定熟优熟劣，仍待时日检验。商业模式方面，无论是通过研发专用AI大模型赋能金融机构以期瓜分投顾费收入“蛋糕”，亦或是通过专

7、用大模型赋能自身的投顾或炒股软件产品以期获得更高的流量市场份额与付费转化率，都有望打开可观的新收入增长极；AIGC技术路径方面，无论是自主研发金融投顾领域的专用大模型，亦或是以成熟的通用大模型为底座打磨专用大模型，最终或殊途同归，成为买方投顾模式重要的展业基础，带动我国投顾模式的转型与升级。推荐有望依靠AIGC实现C端业务弯道超车的券商系统供应商财富趋势（688318，买入），以及全球经纪商中首家推出AIGC投资助手的中资海外科技经纪商龙头老虎证券（TIGR.0，买入）。风险提示：买方投顾转型进度不及预期；国内大模型研发进度不及预期；国际地缘政治冲突带来关键技术卡脖子的风险；监管合规风险；假设

8、条件变化影响测算结果有关分析师的申明，见本报告最后部分。其他垂要信息披露见分析师申明之后部分，或请与您的投资代表联系。井请阅读本证券研究报告最#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间目录买方投顾转型大势所趋，AIGC或加速这一进程.1.1.ChatGPT引燃AI大模型市场，买方投顾业务成为重要试验田1.2.业务转型彰显必要性，政策业务指明道路.1.2.1.政策端：基金投顾业务未来可期，公募基金降费买方优势彰显1.2.2.业务端：买方投顾转型非一日之功，AIGC或是重要赋能.2.B端：大语言模型赋能机构实现降本增效，以期瓜分投顾费新“蛋糕”.7

9、2.1恒生电子：率先发布AI专用大模型，抢占先发优势2.2.C端：大语言模型赋能自身提升流量变现效率.3.1.12同花顺：期待AIGC关键突破，打开多年流量天花板.3.2.财富趋势：C端业务起步较晚，AI大模型或将助力弯道超车.3.3老虎证券：全球首推TigerGPT以期AI提升自身产品力4.展望：三核心要素决胜AIGC，两路径可行性探究.194.1.AI三大核心要素：数据、人才、技术。4.2.20路径探究：自主研发专用大模型or依托通用大模型.5.投资建议.6.风险提示.212#page#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间1.买方投顾转

10、型大势所趋，AIGC或加速这一进程1.1.ChatGPT引燃AI大模型市场，买方投顾业务成为重要试验田Web3.0及A大模型成为未来超势。随着2022年12月中旬ChatGPT的试用推出，A生成性大语言模型成为未来整体市场的风向标。更为透明开放民主的Web3.0将用户从平台的中心化控制解放出来，使用户能够更好地掌控自我数据与数字身份。其对未来市场整体发展超势主要体现在以下影响：1）去中心化金融（DEFi）：Web3.0技术赋子去中心化金融的能力，通过智能合约和区块链技术一定程度上削弱传统金融中介的市场地位。这种去中心化的金融体系可以为用户提供更为开放、透明及高效的金融服务。如无需信用评级的借贷

11、、去中心化交易所和流动性池等一定程度降低交易成本，提高科技金融服务的普惠性。2）自动化金融与智能合约：大语言模型的进步为智能合约与自动化金融带来了新的机遇。智能合约是在区块链上执行的可编程合约，可以自动执行特定条件下的金融交易和协议。借助大语言模型，开发成员可以更轻松地编写复杂的智能合约，增加金融交易的自动化程度，这将为金融机构提供更为高效、可靠及安全的金融服务。3）风险管理与合规性：随着大语言模型的开发与各券商之间对Al类业务的抢占，金融机构也面临着一定的新型风险管控与合规性挑战。4）买方投顾业务将是AI大模型的重要场景与试验田：大模型不仅将加速买方投顾团队的培训与进化，也将显著赋能投顾的开

12、展业务过程，显著提升其专业度与客户需求响应速度，进而大幅改善买方投顾客户体验。表1：Web1.0、Web2.0与Web3.0对比Web1.0Web2.0Web3.0大多数为只读特点用户可进行编辑私密化与个性化用户重心以公司为重心以社区为重心以个人为重心内容特性只读内容分享内容合井内容网页应用特征网页表格网络应用智能应用Web行为目录标记用户行为流量形式页面浏览量每次点击费用用户参与度广告形式横幅广告互动广告行为广告谷歌例子新华网币安HTML门户网络涉及技术XMLRSSRDF/RDFS/OWL数据来源：Forbes，东方证券研究所1.2.业务转型彰显必要性，政策业务指明道路1.2.1.政策端：基

13、金投顾业务未来可期，公募基金降费买方优势彰显基金投顾业务未来可期，公募降费大势所趋之下买方投顾优势彰显。此前不久，证监会发布公开招募证券投资基金投资顾问业务管理规定（征求意见稿），明确了基金投顾业务的市场定位、运作细则与管理要求。经过前期试点与充分论证，市场各方对基金投顾业务已经形成诸多共识。推动财富管理转型，从客户角度思考解决问题，从卖方代销领导的格局转向买方投顾的模式。2019年10月，证监会启动基金投资顾问业务试点。据投顾业务的全球实践与中国展望有关分析师的申明见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。#pa

14、ge#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间截止今年6月底，共有60家机构参与试点包括29家券商、25家基金公司及子公司、3家第三方独立销售机构和3家银行，其中54家试点机构已经展业，涉及440万个账户，服务资产规模近1200亿元。同时，近日证监会宣布指定公募基金行业费率改革工作方案，全面优化公募基金费率模式，稳步降低行业综合费率水平，与此同时，近目多家基金公司包括易方达、华夏、嘉实、兴证全球、中欧在内的多家头部基金公司率先发布公告，自7月10日起部分产品管理费率和托管费率分别降至1.2%、0.2%以下。传统卖方代销与资管模式因此可收取的管理费与托管费

15、率大大降低，因此买方投顾在这次公募降费中获益颜深，各大机构转变卖方投顾展业逻辑逐步建立，并开始逐步转向买方投顾为主的业务战略。表2：基金投顾试点机构名单（截至2023年9月）机构类型基金投顾试点机构华泰证券中信建投中金公司国泰君安申万宏源兴业证券招商证券东方证券中信证券国信证券光大证券平安证券中银证券山西证券东兴证券证券公司财通证券东方财富华安证券国金证券华宝证券潮海证券南京证券华西证券银河证券浙商证券国联证券安信证券中泰证券华创证券嘉实财富中欧财富易方达南方基金华夏财富招商基金兴业全球广发基金鹏华基金汇添富基金公司及其子公司华泰柏瑞景顺长城交银施罗德民生加银富国基金国海富兰克林国泰基金农银汇

16、理工银瑞信申万菱信华安基金万家基金博时基金银华基金建信基金商业银行工商银行招商银行平安银行蚂蚁基金腾安基金盈米基金三方独立销售机构数据来源：证监会、东方证券研究所图1：公募基金平均管理费率（%）明细（2020-2021）1.数据来源：中基协，东方证券研究所传统卖方投顾模式的转变是财富管理行业的一个重要趋势。在过去，卖方投顾模式以产品为中心，注重产品销售和推广，以及投资运作，而客户的需求和个性化服务则相对较少关注。同时，产品和投顾之间也存在一种捆绑关系，即客户购买某一产品就默认接受该产品的投顾服务。然而，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证

17、券研究报告最后一页的免责申明。5#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间随着市场的发展和投资者需求的变化，传统卖方投顾模式逐渐不再适应当前的市场环境。越来越多的投资者对于财富管理的需求不仅仅停留在产品选择和投资收益上，更注重个性化的财富规划、全面的投资建议和专业的服务体验。因此，财富管理行业的趋势开始向以客户为中心的模式转变。在以客户为中心的买方投顾模式中，投顾服务被看作是与客户长期绑定的关系，重视提供全方位注重与客户建立深入的沟通和理解，以满足其特定的需求和目标。这种模式下，客户和投顾之间的关系更加紧密，投顾顾问会持续关注客户的财务状况和变

18、化，并根据其需求进行相应的调整和建议。此外，买方投顾模式也强调投资者教育和风险管理。投顾顾问会向客户提供更多的投资知识和专业建议，帮助他们更好地理解市场和投资风险，并制定合适的投资策略。这种模式下，投资者不再只是简单地接受投顾的建议，而是更加积极参与决策过程，从中学习和成长。图2：卖方投顾模式图3：买方投顾模式资产管理机构资产管理机构个全市场女财富管理机构渠道销售面女投资顾问产品销售人员V客户客户商业模式：销售额销售费率数据来源：东方证券研究所数据来源：东方证券研究所三地推出大力发展人工智能相关政策，全力挖掘通用人工智能价值潜能。5月30日，北京市发布北京市加快建设具有全球影响力的人工智能创新

19、策源地实施方案（2023-2025）和北京市促进通用人工智能创新发展的若干措施；上海市发布上海市加大力度支持民间投资发展若干政策措施。5月31日，深圳市发布深圳市加快推动人工智能高质量发展高水平应用行动方案（2023-2024年）。相关政策指出，针对算力资源和数据要素供给能力的提升提出了具体的措施，如加强与云厂商的合作、加快算力中心的数据训练基地的规划建设等。充分发挥人工智能创新发展专项等引导作用，支持民营企业广泛参与数据、算力等人工智能基础设施建设。同时明确“到2025年，人工智能算力布局初步形成，国产人工智能芯片和深度学习框架等基础软硬件产品市场占比显著提升，算力芯片等基本实现自主可控”的

20、目标。以ChatGPT为代表的AICG技术的不断演进，人工智能目前发展到强调“通用性”阶段。券商IT投入增速，中证协下发网络和信息安全三年提升计划（2023-2025）。2023年初，中证协向券商下发了网络和信息安全三年提升计划（2023-2025）征求意见稿，该计划鼓励有条件的券商在未来三年信息技术平均投入金额不少于平均利润的8%或平均营业收入的6%。随着券商客户对信息技术投入的增加，公司有望获得发展的良机。另外，公司在信息技术领域表年提升计划对核心系统升级的要求，为公司进一步拓展业务打下了坚实的基础。这些举措将有助于推动公司业务的持续发展与创新。S#page#东方证券非银行金融行业深度报告

21、AIGC大模型赋能买方投顾转型，或打开全新市场空间1.2.2.业务端：买方投顾转型非一日之功，AIGC或是重要赋能传统业务缺乏活力，针对买方投顾业务的专用大模型研发抢占AI投顾业务“蛋糕”。传统业务模式如资管及代销等传统卖方业务在财富管理领域面临着市场需求个性化、定制化和综合化方向发展的压力，市场缺乏一定活力。与此同时伴随着ChatGPT引燃的Al市场，各大券商将目光转向Al类买方业务，争先加大对买方投顾业务专用大模型研发投入来抢占AI投顾业务市场，未来各券商如能推出更加智能化、个性化和高效的AI大语言模型来服务于投顾业务，可以帮助券商降本增效从而从当下传统业务的困境中脱颖而出，在竞争激烈的买

22、方业务市场占据一定份额。目前国内基金投顾仍处在早期，“投”与“顾”仍需找到平衡点。基金投顾业务试点已经三年有余，但规模刚过千亿元大关，发展的速度相对缓慢，究其原因，投资顾问在销售基金投顾产品时仍未摆脱传统卖方的推销模式，且产品销售之后往往忽略对客户的持续跟踪与关注，这就是所谓的“重投轻顾”的状态，且当前基金投顾产品仍是标准化组合，难以客户个性化或多样化需求。另一普遍存在的问题就是如何平衡好客户收益目标与风险承受能力，做到二者兼顾，并持续进行投资者适当性评估与改进。因此对于国内买方投顾模式转型来说，仍然是任重道远。投资顾问多为原营业部经纪人转型而来，培训仍是漫长的过程。目前国内基金投顾经纪人员大

23、部分是从过去各大券商营业部转行进入基金投顾行业，擅于推销产品，但是资本市场知识储备、不科业“一需不身基对投顾人员素质提出的更高要求。此外，培养一批成熟的投顾团队成本高昂费时费力，而AIGC对投顾业务以及投顾人员的赋能确是值得期待，为客户提供更加个性化专业服务并能一定程度降低投顾培养成本，降本增效的同时基于客户的投资目标和风险承受能力，制定更科学的资产配置方案，避免因风险错配给客户带来不必要的损失。另外，AI投顾的决策过程通常可以被解释和追潮，提高投资决策的透明度，有助于客户更好地理解和信任投资建议。2.B端：大语言模型赋能机构实现降本增效，以期瓜分投顾费新“蛋糕址器接科禁业子“一只经应终是“热

24、果解出与照名代就带来整体投顾业务的降本增效。截至2023年9月15日，我国场外基金保有量为27.56万亿元，非货币基金保有量为16.08万亿元，我们假设年底的规模与当前持平。考虑到基金投顾乃至买方投顾模式仍处于早期阶段而买方投顾转型是一个漫长的过程，我们假设10年之后也就是2033年买方投顾模式开始成熟起来，我们以非货币基金保有量CAGR（货币基金难以带来投顾费）以及买方投顾模式渗透率（买方投顾模式保有量占基金保有量的比重）两个指标为计算基础进行敏感性分析测算，非货基金保有量CAGR取值分别为12.5%/15%/17.5%（2015年以来CAGR为19.87%），买方投顾模式渗透率取值分别为2

25、5%/40%/55%，则在情景一/情景二/情景三之下，买方投顾模式基金保有量分别为13.05/26.02/44.35万亿元。表3：2033年买方投顾模式保有量（万亿元）测算25%40%55%非货保有量CAGR/买方投顾渗透率12.5%13.0520.8828.7126.02357715.0%16.26见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。7#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间17.5%20.1632.2644.35数据来源：Wind，东方证券研究所在情景一

26、/情景二/情景三之下，我们再以投顾费率与大模型供应商投顾费收入分成比例两个指标为基础进行进一步的测算，市场平均投顾费率取值分别为0.4%/0.7%/1.0%（当前基金投顾的投顾费率区间为0.3%-1.5%，且我们预计未来投顾费率中枢将下行），大模型供应商分成比例取值为30%/40%/50%（假设买方投顾业务AI大模型成熟之后，供应商将有较高的议价分成能力我们参考当前卖方投顾模式下代销渠道的分成比例），在情景一下，大模型供应商一年投顾费收入分成约为157-653亿元；在情景二下，一年投顾费收入分成约为312-1301亿元；在情景三下，一年投顾费收入分成约为532-2218亿元。不难看出，在不同的

27、市场假设之下，Al大模型赋能买方投顾模式或将为供应商（供应商也可能是券商或金融机构本身及其金融科技子公司）在10年后带来相当可观的年度收入增量，若未来随着基金市场规模的不断提升、买方投顾模式的不断成熟以及AI大模型日趋成熟后供应商议价能力持续拾升，这一TAM（TotalAddressableMarket潜在市场空间）还是相当可观的。表4：2033年买方投顾业务AI大模型供应商投顾费收人分成（亿元）测算-情景一投顾费率/分成比例30%40%50%0.40%156.62208.83261.03274.08456.810.70%365.45652.581.00%391.55522.07数据来源：Wi

28、nd，东方赢家App，东方证券研究所注：假设非货保有量CAGR为12.5%，买方投顾渗透率为25%6表5：2033年买方投顾业务AI大模型供应商投顾费收人分成（亿元）测算-情景二50%投顾费率/分成比例30%40%0.40%312.19416.25520.320.70%546.33728.44910.561300.791.00%780.481040.64数据来源：Wind，东方赢家App，东方证券研究所注：假设非货保有量CAGR为15%，买方投顾渗透率为40%表6：2033年买方投顾业务AI大模型供应商投顾费收人分成（亿元）测算-情景三投顾费率/分成比例30%40%50%0.40%887.10

29、532.26709.681552.420.70%931.451241.942217.751.00%1330.651774.20数据来源：Wind，东方赢家App，东方证券研究所注：假设非货保有量CAGR为17.5%，买方投顾渗透率为55%2.1.恒生电子：率先发布AI专用大模型，抢占先发优势恒生电子在财富管理领域建立大模型直接赋能机构的B端投顾业务加速机构转型。恒生电子是国内聚焦于财富资产管理领域的金融科技先驱，多年来公司以技术服务为核心，凭借多年金融IT建设经验，以及对互联网的深刻洞察和理解，用优质的产品与服务，驱动金融机构创新发展，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或

30、请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。8#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间N上用#口路“明森量出不是我于到一森想是N用我回提票工具服务于客户：LightGPT基于ChatGPT但优于ChatGPT。在金融行业中，由于其特殊性，对于训练数据质量、模型生成效果和数据安全合规等方面有着更高的要求。在发布会上，恒生电子首次展示了专为金融行业打造的大模型一一一金融行业大模型LightGPT。LightGPT相较于通用大模型更专业、理和大模型训练方面更为专业和高效稳定。该模型使用超过4000亿tokens的金融领域数据（包

31、括资讯、公告、研报、结构化数据等）和超过400亿tokens的语种强化数据（包括金融教材、金融百科、政府报告、法规条例等）进行二次预训练，支持80+金融专属任务指令微调，使LightGPT具备了准确理解金融领域内容的能力。目前，LightGPT在金融大模型能力评测中表现出色，包括金融专业问答、逻辑推理、超长文本处理、多模态交互和代码能力等方面，并保证了内容和指令的合规安全，处于业内领先水平。它可以为投顾、客服、投研、运营、风控、合规和研发等金融业务场景提供底层AI能力支持。此外，LightGPT具备更丰富、轻量化的部署方式，支持私有化/云部署和灵活的API调用，仅需一台机器和两张显卡进行推理端

32、部署。金融机构可以基于LightGPT通过私有任务数据进行定制化和精细调整，创建专属于机构的大模型，满足个性化需求。据白硕介绍，LightGPT将于9月底完成新一轮的金融能力升级，并正式开放试用接口“光子”大模型时代金融智能助手。随着大模型技术的成熟和应用，金融业务流程中的自动化和智能化逐渐成为现实。然而，由于金融垂直领域数据的训练和保护需求，通用大模型在中文金融场景中的应用仍面临全面、精准和即时性的挑战。针对金融业务应用大模型的实际需求，恒生电子率先推出了金融智能助手“光子”，以解决大模型在实际应用中存在的技术连接、应用连接、数据安全合规等问题，实现业务系统的智能化升级和重构。恒生电子的CT

33、O乐识非在发布会上表示，“光子”是串联了“通用工具链+金融插件工具+金融数据+金融业务场景“的智能应用服务，在恒生的大模型技术生态布局中起到了关键作用。基于金融行业的大模型LightGPT能力，“光子”可以为金融机构的投顾、客服、运营、合规、投研和交易等业务系统注入AI能力，成为金融一旅水如照“旅复温题品旅累征界答实小米，“十服紧征#“小品经吗x生成合规设置，并提供投资合规要求的咨询问答。在运营场景中，“光子”是运营系统的智能帮手，通过强大的语言处理能力，在参数提取和非标文件智能解析方面发挥作用，自动筛选与估值系统或TA系统相匹配的文件，并智能提取关键参数。“光子”不仅提供“模型+工具”，还集

34、聚了各类金融数据，包括聚源金融数据库（行情、公告、研报等）、应用系统生成的数据以及特色数据，通过统一的“标准“进行数据加工、存储、开放和使用。同时，“光子”在数据保护、访问控制、法律遵从和操作审计等方面实现了数据的脱敏、合规、授权和追湖。据乐识非透露，恒生电66腐+智能投研平台WarrenQ推出。6月28日，恒生电子和旗下子公司恒生聚源正式发布基于大语言模型技术打造的数智金融新品，金融智能助手“光子”和全新升级的智能投研平台WarrenQWarrenQ是恒生聚源推出的面向投研投资场景打造的专业一体化投研工具平台，赋能搜、读、算、写“投研全流程场景，提升投研效率，同时一体化的协作平台，打破了传统

35、投研信息孤岛，有效助力投研数字化生态建设。发布会上，恒生聚源副总经理白雪对外发布了基于大模型技术全新升级的WarrenQ。根据投研场景对于数据分析和智能处理的实际需求，WarrenQ推出两款AI工具产品WarenQ-chat和ChatMiner，将之前的搜读算写“升级为Chat读算写”，通过智能对话的方式，帮助分析师和投资经理提高工作效率。WarrenQ-Chat是一款金融垂直领域的Chat产品，利用大模型叠加搜索和聚源金融数据库，通过对话指令，轻松获得金融行情、资讯和数据，且每见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责

36、申明。S#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间一句生成的对话均支持原文湖源，确保消息出处可追湖，还可以生成金融专业报表，轻松实现“语控万数”。图4：恒生电子新品发布会的三大AIGC新产品APEGQwarrenoUSCPT。进子新一代投研打开方式金融行业大模型金融智能助手实现“厚书资难手大模型和向量胶据6月28日正式发布6月28日正式发28日正式发布数据来源：公司公众号，东方证券研究所参编通信院大模型应用，助力大模型技术金融行业应用落地。2023年5月31日，由中国通信院、中国人工智能产业发展联盟主办，人工智能关键技术和应用评测工业和信息化部

37、重点实验与上审书“体带细国业“水面，“模型应用”标准的编制工作，并积极探索大模型技术在金融核心业务场景的应用融合。在本次分论坛上，中国信通院正式发布了由恒生电子等40余家企业共同参与编写的大规模预训练模型技术和应用评估方法第4部分：模型应用标准，并为恒生电子等参编企业颁发标准参编证书。中国信通院联合业界标杆企业对大模型的工程化路径进行了深入研究和探讨，共同编制大规模预训练模型技术和应用评估方法系列标准，包含模型开发、模型能力、模型运营、模型应用安全可信五部分。本次发布的“模型应用”标准，从应用丰富度和应用成熟度两个维度进行评价，围绕行业覆盖度、场景适配度、任务支持度、效果优越性、服务可靠性、定

38、制满足度等评估大模型应用阶段的各项能力。目前，国内大语言模型不断涌现，但大模型想要真正落地金融等行业，还需要对接结合垂直领域知识能力，并充分考虑涉及到数据安全、信息安全、供应链安全、权益保障和算力成本承担能力等各方面的诉求。恒生电子自2014年正式启动AI研究工作，已发布20多款人工智能产品，打造了NLP、OCR、CV、知识图谱等能力。如今，大语言模型已成为恒生电子AI技术的重要方向，公司整合行业生态优势资源，积极对接和引入外部大模型技术，并充分利用自身在金融领域积累的领域知识能力，共同完成语言模型训练，打造面向投研、投顾、营销、客服、运营、风控等金融各类业务场景的人工智能解决方案及产品服务，

39、基于工程化能力保障AI相关应用落地的“最后一公里”。2.2.金证股份：专注自研专用大模型及配套应用有关分析师的申明见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后页的免责申明10#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间金证股份深耕AI产业，着力打造B端大模型赋能机构产品。金证股份作为国内龙头金融科新业务领域研发投入：1）金证子公司金智维是当下国内最为领先的RPA（自动化流程软件机器人）厂商，在金融等领域实现了众多场景的落地，实现RPA与GPT的集合来实现场景覆盖的跃升；2）金证子公司金

40、微蓝开发的基于GPT多模型的AI运维专家来优化业务开展前期的业务咨询、流程优化咨询和系统建设方案咨询等辅助服务，协助证券公司、基金公司、期货公司、信托公司等金融机构快速拓展互联网金融服务。3）金证股份公司本身拥有广泛的智能化产业线，从客户立场出发，在监管科技、智能客服、智能投行、RPA（机器人流程自动化）、金融云、交易所业务等领域“坚守beta、创造alpha“，在数字产业化（软件服务&数字新基建）、产业数字化（产业互联网&数字供应链金融）、数字化治理（新型智慧城市&数字政府）、数据价值化等数字经济“四化框架”下均有业务布局，以“平台共享、技术赋能、创新孵化、产业加速、资本链接”为发展策略，融

41、合技术、产业、金融、资本等多方力量，着力打造一个“科技+产业+金融”的开放式跨界创新生态。金智维是金证股份打造的国内领先的RPA厂商。作为一家专注于提供企业级RPA（机器人流程自动化）平台的人工智能公司，公司在国内率先推出了拥有自主知识产权的企业级RPA软件并以“RPA+AI+大数据”为核心技术，打造了“RPA+X”产品矩阵，为企业和组织提供一站式数字员工整体解决方案。截至2022年底，金智维已在金融行业累计服务超过100家证券公司客户，同时与国有六大行的银行客户已经达成签约，这显示了金智维在RPA领域的强大实力和成功业绩。GPT+RPA是金微蓝在复刻海外AutoGPT成功路径上的新举措。Au

42、toGPT是由GPT-4推动的一个开源实验性应用程序，它通过THOUGHTS（思考）、REASONING（推理）、PLAN（规划）、CRITICISM（评估）四个模块来分析用户需求或任务，并提供执行目标和具体任务。AutoGPT还能在项目执行过程中自主调整和优化，回答新的问题。由于AutoGPT在Github上的热度不断上升，截至2023年中旬，已获得125k星，金微蓝决定引入GPT技术，并开拓智能运维蓝海市场。为此，金微蓝推出了基于GPT多模态模型的智能助手金微蓝Al运维专家。这个智能助手能够在运维管理系统中自动化处理客户咨询、智能故障排除、自动化流程管理、自动态模型的支持，增强了平台问题定

43、位和故障自动化处理能力，从而进一步提升运维自动化作业整体效率，为数字化RPA运维服务提供了更可靠的能力保障。北工兴专生维限与科为的留带2023年上半年，金证股份联合参股公司金证优智合作开发金融AI大模型及配套应用，开展优化模型训练，进一步完善AI产品。与恒生电子技术路线的不同之处在于，金证股份研发的专用大模型并不是基于ChatGPT等通用大模型底座，而是直接自主研发的专用大模型，然后基于专用大模上汇“海器兴中女出型划与科提票“出不十生生础成熟，因此还未公开发布。3.C端：大语言模型赋能自身提升流量变现效率AI大模型赋能有望显著提升产品功能与用户体验，扩大流量的同时也有望提升流量水平与付费转化率

44、。依靠AI赋能炒股软件或投顾产品并不稀奇，如同花顺的i问财、通达信的问小达、Wind的Alice，但是基于传统NLP（自然语言处理）等传统AI技术的人工智能机器人，其带来的用户体验有限，难以真正降低炒股软件或投顾产品的使用门槛，也难以真正提升用户的炒股体验有关分析师的申明见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。11#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间或改善投顾产品的功能，更遍论改变用户的使用习惯或增加粘性，因此也难以改变当前固化的流量分发格局。因此，在AI大

45、模型频起AI新篇章之际，市场便开始懂慢AI大模型或有望改变这一局面，并真正颠覆AI智能投顾业务的模式与竞争格局。传统证券APP市场竞争激烈，AI大模型赋能自身成局关键。在当前激烈竞争的传统证券APP市场中，A大模型的引入正在成为打破個局的关键要素。随着科技的不断发展，传统证券APP已经逐渐达到了功能和体验的瓶颈，用户对于更智能、更个性化的服务需求也日益增长。AI大模型的赋能为传统证券APP带来了新的活力和创新，使其能够更好地满足用户的需求，突破市场局。1）AI大模型可以通过分析海量的市场数据和用户行为，为用户提供更加精准的投资建议；2）AI大模型可以实现智能化的风险管理和监控。传统证券APP在

46、风险管理方面往往受限于固定的规则和算法，难以应对复杂多变的市场情况。而Al大模型可以通过对大量数据的分析，实时监测市场风险，预测可能的风险事件，并及时向用户发出预警，帮助用户降低风险，保护投资；3）AI大模型还可以通过自然语言处理和情感分析等技术，实现更加智能的客户服务。传统证券APP的客户服务往往局限于机械的回答和操作，难以满足用户多样化的沟通需求。通过Al大模型，传统证券APP可以实现更加智能的对话交互，能够理解用户的语义和情感，提供更加人性化的服务，提升用户满意度和忠诚度。图5：证券App月平均用户数排名（截止2023/6/30）月活跃用户数（万人）数据来源：易观干帆，东方证券研究所3.

47、1.同花顺：期待AIGC关键突破，打开多年流量天花板活跃用户同业之首，依托丰富产品链及AI技术增加客需粘性。同花顺作为目前国内证券服务app之首，注册用户与月活跃用户均远超同业，截止2022年末，同花顺金融网注册用户高达6.1亿人，周活跃用户高达1942万人，超过同业第二名与第三名周用户数量总和。同花顺通过丰富的产品链一定程度上保证了一定的客户粘性，同时公司利用语音合成、自然语言处理、机器翻译、图像识别等领域的核心技术构建AI开放平台，为各行各业提供AI解决方案，打开第二成长曲线。我请与您的投资代表联系。并请阅读本证券研究报告最后变报告城后部分。的免责电明12#page#东方证券非银行金融行业

48、深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间图6：同花顺注册用户数量走势口注册用户数：同花顺（万人）70.00060,00050,00040.00030.00020.00010.000iFind差异化功能造就高性价比，打造AI特色的2B业务功能。与Wind终端相比，iFind在长尾市场数据完整性方面存在不足，但在主流市场如A股、港股、美股、台股等方面，数据差别非常小。尽管如此，iFind的定价明显低于Wind终端，仅为其定价的25-75%，尽管规模差距较大。而差异化功能缩短iFind与Wind终端之间差距主要体现在：1）AI预测：iFind不仅提供市场分析师的预测，还使用自身模型

49、生成公司营收、利润等预测，以及宏观经济预测等；2）货币政策独立系统：iFind包含一个独立系统，追踪全球央行政策的变化，清晰展示美联储鹰派和鸽派发言历史、发言官员分类，以及加息点阵图的变化；3）合作券商分析师明星团队构建产业链图谱：iFind与各行业知名券商分析师团队合作，共同构建产业链图谱和相关标的呈现，帮助团队积累知名度，同时提供全面的产业链信息；4）并提供历史事件与行情回测功能：iFind打造每周热点事件标签，并提供相关事件在过去时对股价表现的回测，例如GDP发布后整体大盘走势回测，某上市公司奥论事件后股价走势等。依托客户粘性与技术储备，基于BloombergGPT大力开发中国版Bloo

50、mbergGPT。2023年3月30日，Bloomberg推出首个专门用于金融领域的LLM（大语言模型）。该模型主要依托于彭博本身积累的大量金融数据，通过这些数据创建了一个包含3630亿词例（token）的金融数据集FinPile，又与公共数据集叠加成为了包含超7000亿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，训练出包含500亿个参数的大规模生成式人工智能模型BloombergGPT。针对金融专业领域的提问，Bloomberg展现出超越GPT的专业回答能力。例如BloombergGPT更加容易根据输入的英语金融新闻和社交媒体理解特定情绪，并分为积极、

51、中性和消极三类。而同花顺与彭博在金融数据领域都有多年的深耕，并拥有大量专业级金融数据资源。通过整合同花顺自有数据和市场公开数据，公司可以形成独有的知识图谱。结合语音合成、自然语言处理、机器翻译、图像识别等核心技术，加上行业领先的用户规模，同花顺有望打造自主的AI大模型，并发展成为MaaS（ModelasaSenice）服务平台。高客户粘性+i问财推出，加速流量变现。i问财作为同花顺旗下的AI投顾平台，是我国财经领域落地最为成功的自然语言、语音问答系统。2008年i问财成立，组建了AI领域的顶尖团队，专注于使用AI技术改进财经数据的提取、处理、分析、沉淀以及展现，同时致力于为每个用户构建可持续属

52、于自己的AI投顾机器人。当前阶段同花顺app已经内置i问财的智能生成式投资助手，依托目前第三方投资App高用户占比的优势配以问财聊天机器人的推出，同花顺在AI大语言模型赋能自身的投顾业务竞争中处于有利地势。目前i问财问题处理能力处于初期阶段，缺乏一定程度的深度学习与训练，当前仅能回答处理简单基础问题（多轮问答能力仍欠成熟），但依托同花顺有关分析师的申明见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。13#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间拥有的业内领先、规模庞大、历

53、史数据丰富的数据库资源，为公司人工智能算法训练、AI大模型预训练提供了数据基础，重点加大AIGC大模型相关的技术与公司现有的产品和服务体系之间的融合，为用户提供更好的产品及服务质量，进一步提升公司产品的竞争力。图7：i问财发展历程20152021语音语义全面升级，问财3.发换20122020义解析系统升2001820082017搜紧引式金融81能外数据来源：公司官网，东方证券研究所图8：i问财研究成果详解对话算法资多轮对话知识图谱以及传统机器学习金融知识融智能搜索合百亿级全网文整合另类居为千万用领服务数据来源：公司官网，东方证券研究所有关分析师的申明14#page#pag

54、e#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间3.2.财富趋势：C端业务起步较晚，AI大模型或将助力弯道超车C端起步较晚但增速较快，App端仍需持续发力。财富超势22年实现C端证券信息服务收入0.67亿元，+23.0%yoy，毛利率从39.5%提升至41.3%，不难看出C端相对薄弱，但增长潜力和空间更大。当前C端仍以PC端为主，App端起步较晚，基础相对薄弱，业绩贡献度低，未来仍需发力。问小达的诞生为公司A打响头炮。通达信AI问小达是一款操作简单，输入检索语句即可实现用户智能选股、资讯检索、答疑解惑等需求的投资系统，让投资成为一句话的事。问小达通过人工智能

55、技术，汇集行情、资讯、数据库以及各大功能组件于一体，具备语义解析、信息聚合以及机器学习在内的多项功能的智能服务产品，支持自有内容的服务对接。问小达功能包含：智能选股（用户可以在检索栏输入选股条件，多个条件用逗号分开，检索想要的股票）、股海神搜（可多方面添加选股条件）、全文检索等。表7：问小达的智能选股功能详解选股内容功能说明基本行情实时/历史行情：高开低收成交量成交额等行生统计行情：强弱度、活跃度、攻击波、回头波、贝塔系数、自由换手率、涨停分析等；行生行情主力监控精灵：主力买入/卖出、加速拉升下跌，竞价试买/试买、单笔冲涨冲跌、大单托压锁盘、低位反弹、高位回落、撑杆跳高、平台跳水、区间放量等资

56、金主力资金流向、资金博弃、资金驱动力等板块指数行业板块、风格板块、概念板块、地区板块等跟踪市场热点，挖掘对经济变迁具有大范围影响，将驱动经济体长期发展趋势的因素作为“主题”，1700+个子热门主题投资主题投资技术选股类：经典技术分析模型生成；精选选股指标形态特征类：经典形态特征分析模型生成；财务选股模型类：经典财务分析模型生成；阶段表现类：阶段表现数据合计等800+选股指标全面的公司财报数据：资产负债表、利润表、现金流量表等详细指标；专业财务数据系统的财务分析体系：偿债能力、经营能力、发展能力、获利能力、资本结构、现金流量结构；其他特色财务数据：财务重要指标、单季度财务指标、股本股东、机构持股

57、等重点关注、财经日历、强弱分析、基准分析、一致预期、龙虎榜单、融资融券、大宗交易、增发配送、股东增精选价值发现减持、财报披露、并购重组、股权质押、持股分析、投资参股、调研互动、证券变更、事件驱动、资讯精选等详尽公司明细主营业务、经营范围、实控人、法人代表、股权变动、股权分置、高管明细、城市省份等公司概况、最新提示、高管管理、股本结构、股本变动、限售解禁、参股控股、控股关系、机构持股、十大流深度个股信息通股东、热点题材、持股变动、大宗交易、资金流向、股权投资、项目投资、关联交易、行业排名、盈利预测、机构评级、龙虎榜、主营收入构成等丰富量化数据特色数据、宏观数据、统计数据等KDJ、MACD、BOL

58、L、CCI、RSI、WR、BIAS、SKDJ、VR、MTM、OBV等系统技术指标数据来源：公司官网，东方证券研究所有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后的免责电明16#page#东方证券非银行金融行业深度报告-AIGC大模型赋能买方投顾转型，或打开全新市场空间表8：问小达的股海神搜功能详解选股分类功能说明KDJ、MACD、BOLL、CCI、RSI、WR、BIAS、SKDJ、VR、MTM、OBV、均技术指标线、形态特征、走势特征、量能特征等现价、涨跌幅、实体涨幅、涨速、振幅、量比、成交量、成交额、委比、委量行情

59、信息差、内外比、换手率、自由换手率、强弱度闻、活跃度、攻击波、回头波、贝塔系数、涨停相关总股本、总市值、流通市值、流通股本、自由流通股本、自由流通市值、流通基本分析比、自由流通比、十大股东持股比例、十大流通股东持股比例、上市天数、股东人数、人均持股、人均市值价值类，成长类、价值成长类、市盈率、市净率、市销率、市现率、净利润、净利润率、资净利润增长率、营业收入增长率、每股收益、每股收益增长率、每股财务指标净资产、每股现金流、每股未分配利润、每股资本公积、销售毛利率、三费比重、资产负债率、净资产收益率、权益比、投资收益率、总资产报酬率、股息率阶段表现阶段放量、阶段缩量、平台整理、平台突破、阶段换手

60、、阶段振幅资金主力主力异动、净流入额、大宗净流入额、相对流量%、竞买率%、大单买入%等股东增减持、近期关注、价值关注、强势资金、一致预期、龙虎榜单、融资融价值发现券、增发送配、小盘成长、并购重组、机构重仓、国家队持股、持股分析、投资参股、盘中精选、关注度市场范围沪深A股、主板、上证A股、上证主板、科创板、深证A股、深证主板、创业板数据来源：公司官网，东方证券研究所AI方面兼顾传统NLP优化与新兴AIGC深入研究。当前公司主要致力于持续提升存量产品问小达NLP方面的表现与优化用户体验，在此基础上也将陆续将研发资源投向AIGC、大语言模回目些华不磷罩“日日880（！：出型uoou多重的Y1“海岭参

61、面小达现阶段已经初步具备一句话选股等能力，并在持续优化和升级中，利用公司现阶段的积累的人工智能、大数据、云计算能力来进行AI大语言模型的自身赋能，同时公司后期将加大智能金融问答、公司图谱等一系列特色Al功能研发的投入，加速发展小达AI系列大语言模型成长。公司2023上半年不断送代升级语义解析设置引|等（LPSE）、语义解析（NLP）、智能云计算（TCI）等系统模块，提升了语义解析的准确率；同时也覆盖了行情、资金、资讯、指标等数据源，提高了数据聚合效率和查询效率，从而满足用户在选股、资讯、指令、客服等场景的快速响应需求。基于目前问小达现阶段的问答体验，问小达金融聊天机器人目前具有很大的提升空间，

62、现阶段具备一定的基础金融问答和良好的选股能力。2）此外，公司持续关注AI业界发展革新，继续深入生成式AI语言模型等领域的研究，选代人工智能技术路径，丰富证券金融科技产品矩阵，积极探索AIGC在金融科技应用新场景，保持研发资源的投入。有关分析师17#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间图13：问小达金融机器人金融知识问答图14：问小达金融机器人公司公告问答东方证券的公告QPEratio是什么为您检索到以下资讯数据：流动资产比率东方证券（600958）：H股公告流动资产比率=流动资产/总资产*100%东方证券（600958）件。C上交所08-0

63、2小达猜您还想问1、什么是割肉东方证券（600958）：关于召开2023年第一重要内容提示：股东大会召开日期：2023年8月18日本2、什么是三板次股东大会采用的网络投票系统：上海证券交易所股东3、什么是多边净额结算上交所数据来源：通信达app，东方证券研究所数据来源：通信达东方证券研究所3.3.老虎证券：全球首推TigerGPT以期AI提升自身产品力全球首家推出AIGC投资助手的经纪商。老虎经纪于5月30日业绩会宣布正式推出TigerGPT，在经过今年4月以来的beta测试，TigerGPT被认为是当前券商行业首个AIGC投资助手，旨在为投资者提供智能决策支持及一定程度上的专业知识解答与风险

64、管理。TigerGPT基于OpenAI将被内置为TigerTrade应用程序中的一项应用功能。通过此次发布，TigerGPT推出一系列旨在简化投资前准备流程的新功能。这些创新包括进行个性化股票研究、个性化风险提示、个性化金融知识解答，是投资者能够根据自己的风险偏好来快速筛选股票。此外，TigerGPT还能够展示市场热点话题，让投资者能够更为准确把握最新的市场趋势。图15：TigerGPT模拟京东最新Q4财报问答图16：TigerGPT模拟市盈率金融知识问答TgerGPTJDsLalys1高客户粘性+高效A投顾业务抢占海外市场。截止2023，老虎证券入金客户达到84.09万，老虎证券作为中资海外

65、科技券商龙头，主要开展港美股交易，本身具有一定程度的客户粘性。叠加上当前推出首个券商人工智能投资助手，在海外AI投顾市场方面抢占一定先机。同时，TigerGPT另外一个相对关键功能是能够提供财报电话会议和新闻稿的简单会议纪要让投资者对公司业绩一目了然。通过利用TigerGPT获得优质数据与研究，TigerGPT整合了支撑和阻力指标、见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。18#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间（新加坡）首席财务官HenryToh表示：“我们

66、认识到人工智能在当今投资行业中发挥的关键作用及其未来增长的潜力，这就是我们开发TigerGPT的原因一在更大范围内彻底改变投资者体验。过往用户需要通过关键词搜索或筛选，要在海量信息中找到相关且简洁的内容井不容易，还可能非常耗时。但有了TigerGPT作为人工智能投资助手，用户现在可以享受全新维度的互动体验，使他们能够做出更明智、更直观的投资决策。”TigerGPT允许提供多轮对话，同时允许聊天机器人保留之前的用户输入并根据正在进行的对话提供有意义的响应。TigerGPT无缝集成到TigerTrade的个人股票页面中，当检测到异常股票活动或重大事件时，会以弹出通知的形式呈现。根据其对创新的承诺，

67、TigerGPT团队每周都会持续增强聊天机器人，以确保无缝且优化的用户体验。利用先进的机器学习技术，随着TigerBrokers的工程师不断用最新的金融数据更新其数据库，TigerGPT能够吸收新信息并不断发展图17：TigerGPT模拟问答（苹果）IsApple IAPPLla good investment？3Basedontheinformationprovided.38analystshavegiven theirtargetpriceestimatesforAppleAAPLstocks，withmean estimateof169.39andalowestimate of118.0

68、andahighestimate of210.0.Outoftherecommendatonsprovided.4.展望：三核心要素决胜AIGC，两路径可行性探究4.1.AI三大核心要素：数据、人才、技术数据：早期关注数据数量，现如今更注重数据的质量和结构。早期市场关注数据的数量，通过使用大量的数据进行训练，使模型更好地适应各种陌生的输入，并在不同的情况下保持稳定的性能；但现阶段随着场景的逐步推广与参与群体的广泛扩容，市场更注重数据的质量和结构。一方面，丰富的数据集可以帮助模型更好地理解和捕捉不同的概念、语义和语法结构；另一方面，多样化的数据也可以使模型在各种任务和领域中表现出更好的泛化能力，

69、从而使机器学习模型更具有实用性和可靠性。人才：需要具备良好的数据分析和业务理解能力，以专业度和教授能力提升AI模型效能。Al大模型的应用往往需要对数据进行挖掘、分析和处理，需要能够快速理解和掌握业务需求。这就需要人才具备敏锐的业务嘎觉和深刻的理解能力，同时具备丰富的数据知识和分析技能，而现阶段市场复合型人才市场存在稀缺的现状，既懂技术又懂业务的人才供给尚不充分。同时，人才也需要不断学习和跟进最新技术，在实践中不断积累经验，不断优化和改进应用方案，提高自己的实践能力和创新能力。因此，提供明确的职业发展路径，形成完善的人才梯度，提高人才储备的见本报告最后部分。其他重要信息披露见分析师申明之后部分，

70、或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。19#page#东方证券非银行金融行业深度报告AIGC大模型赋能买方投顾转型，或打开全新市场空间数量和质量，通过合理化考核与具有竞争性的激励机制吸引和留住高质量人才，以推动其全面提升A模型效能。考验IT技术能力，即数字化建设能力。特别是在当前复杂的国际政治形势大环境下，未来可能存在一定的政治风险，打造基于自主底层架构的AI模型显得尤为重要。若整个技术平台搭建完成，日后的数据积累与技术沉淀便可持续推进，也可一定程度上降低人员流失的风险。4.2.路径探究：自主研发专用大模型Or依托通用大模型路径一：自主研发专用大模型。与通用模型千亿

71、量级参数相比，单独培育专用大模型所需参数在量级上大幅降低，大约只采用200-300亿量级参数，在模型训练与建设过程中仅用资本市场和金融的数据，成本与效率上相对更优，未来可根据市场需求进一步扩容，后续培训也可更加专业化，例如金证股份和同花顺均为自主研发专用模型，未来在选股、资产组合、投资策略搭建上可能更具竞争力。路径二：以通用大模型为底座研发专用大模型。现阶段ChatGPT架构已相对成熟并领先于市场其他模型，理解能力和推演能力相对更强，但没有针对资本市场做适配训练，因此恒生电子的LightGPT和WarrenQ基于通用模型进行训练，开发金融大模型。此路径拥有丰富的底层架构，但由于底层代码不自主可

72、控，未来可能有卡脖子风险，此外产品升级与改良均需要底层供应商支持，响应速度不如自主研发产品。同时，由于底层平台的使用，费用相对较高且后期维护或较自主研发产生更多后续费用。表9：AI大模型两种路径可行性探索自主研发专用大模型通用大模型上开发较轻底层架构更丰富较少且后续费用持续较少成本费用较多且后续费用持续较多较少较多所需数据量模型表现更针对金融市场对全市场理解和推演能力更强自主程度自主可控非自主可控未来风险模型不成熟风险卡脖子风险、政治风险数据来源：东方证券研究所5.投资建议多条路径或殊途同归，当前难以判定熟优熟劣，仍待时日检验。商业模式方面，无论是通过研发专用AI大模型赋能金融机构以期瓜分投顾

73、费收入“蛋糕”，亦或是通过专用大模型赋能自身的投顾或炒股软件产品以期获得更高的流量市场份额与付费转化率，都有望打开可观的新收入增长极；AIGC技术路径方面，无论是自主研发金融投顾领域的专用大模型，亦或是以成熟的通用大模型为底座打磨专用大模型，最终或殊途同归，成为买方投顾模式重要的展业基础，带动我国投顾模式的转型与升级。现阶段AIGC赋能投顾业务仍处于早期阶段，无论选择哪一发展路径都无必胜把握，依据现有理论与事实依据不足以判断熟优熟劣，仍然需要行业的多个玩家共同探索、见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。20#p

74、age#page#东方证券AIGC大模型赋能买方投顾转型，或打开全新市场空间非银行金融行业深度报告分析师申明每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研究报告中所表述的具体建议或观点无任何直接或间接的关系。投资评级和相关定义报告发布日后的12个月内行业或公司的涨跌幅相对同期相关证券市场代表性指数的涨跌幅为基准（A股市场基准为沪深300指数，香港市场基准为恒生指数，美国市场基准为标普500指数）；公司投资评级

75、的量化标准买入：相对强于市场基准指数收益率15%以上；增持：相对强于市场基准指数收益率5%15%；中性：相对于市场基准指数收益率在-5%+5%之间波动；减持：相对弱于市场基准指数收益率在-5%以下。未评级一由于在报告发出之时该股票不在本公司研究覆盖范围内，分析师基于当时对该股票的研究状况，未给予投资评级相关信息。暂停评级根据监管制度及本公司相关规定，研究报告发布之时该投资对象可能与本公司存在潜在的利益冲突情形；亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确投资评级；分析师在上述情况下暂停对该股票给予投资评级等信息，投资者需要注意在此报告发布之

76、前曾给予该股票的投资评级、盈利预测及目标价格等信息不再有效。行业投资评级的量化标准：看好：相对强于市场基准指数收益率5%以上；中性：相对于市场基准指数收益率在-5%+5%之间波动；看淡：相对于市场基准指数收益率在-5%以下。未评级：由于在报告发出之时该行业不在本公司研究覆盖范围内，分析师基于当时对该行业的研究状况，未给予投资评级等相关信息暂停评级：由于研究报告发布当时该行业的投资价值分析存在重大不确定性，缺乏足够的研究依据支持分析师给出明确行业投资评级；分析师在上述情况下暂停对该行业给予投资评级信息，投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效。重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明李报告城后部分。22#page#page#