计算机金融GPT系列二：挖掘垂直场景数据，2B金融GPT是一片新蓝海

行业报告 | 行业专题研究 请务必阅读正文之后的信息披露和免责申明 1 计算机 证券研究报告 2023 年 04 月 17 日 投资评级 行业评级 强于大市(维持评级) 上次评级 强于大市 作者 缪欣君 分析师 SAC 执业证书编号：S1110517080003 miaoxinjun@tfzq.com 资料来源：聚源数据 相关报告 1 《计算机-行业专题研究:AI 应用：SAM 实现 CV 底层技术颠覆式创新，或将赋能多场景应用》 2023-04-12 2 《计算机-行业深度研究:以昇思为基 ， 盘古 生态 引 领中 国 AI 未 来 》 2023-04-11 3 《计算机-行业点评:硬核的大模型最为稀缺，真实数据的呈现》 2023-04- 11 行业走势图 金融 GPT 系列二：挖掘垂直场景数据，2B 金融 GPT是一片新蓝海 当前市场大家普遍认为，大模型基于其通用性，会在 C 端市场攫取更多发展空间。但结合论文《GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models》中的观点，大模型的能力或在未来引起行业层面对人力资源的需求降低。产业的变革，由产业的软件触发。据此我们判断，当前时点大模型在 B 端的发展机会或被低估。 从落地角度看，GPT 在金融业推广的两个基础已经具备。1）看需求，客服与销售人力成本高昂有望为 AI 替代提供广阔空间。金融行业人力支出高企，以保险为例，代理人薪酬开支达万亿，IT 支出仅为其的 1%。考虑保险代理人数量持续下滑，我们判断保险公司或有意愿探索更高效的业务拓展方式。2）看场景，AI 在金融行业多领域已具备使用基础，落地场景丰富。根据产品分类，现有金融+AI 应用的包括 AI 风控、智能客服、智能营销、智能保险、智能投顾、智能投研等。过于由于技术能力限制，AI 相关的交互往往体验不佳。而大语言模型卓越的情感分析、意图识别与学习能力有望有效解决这一问题。 从技术角度看，预训练模型调优与自研大模型有望为金融业 AI 应用再赋能。在优质语料库的预训练下，LLM 可以获得基本的语言理解和生成技能。指令调优可以提升大模型在金融领域对专业性问题的理解能力。对齐调优有望保证金融行业大模型落地的合规性。 对于金融 IT 公司，业务理解与训练数据构成 AI 核心竞争力。我们认为，1）服务于准确性，训练数据的质量与数量构建成为金融领域大模型应用的核心竞争力。2）服务于可用性，基于对业务的理解基础，对产品进行AI 赋能，保证了应用软件最终的可用性。 在数据+业务理解能力双重占优的背景下，我们判断头部金融 IT 厂商有望受益于本轮技术革新，构筑新一轮的成长。 彭博社发布的 BloombergGPT 显示出金融界大模型的应用潜力。而受益于金融 IT 基于 AI 的应用基础，以及明确的市场需求潜力，金融领域的 GPT革命或刚刚开始。 建议关注金融 IT 相关标的： ToB： 保险 IT：中科软、恒生电子、新致软件等。 证券 IT：恒生电子、顶点软件、金证股份等。 银行 IT：长亮科技、京北方、宇信科技、软通动力、神州信息等。 ToC：同花顺、东方财富（海外&传媒组覆盖）、指南针、财富趋势等。 风险提示：AI 应用落地不及预期；金融 GPT 进展不及预期；大模型进展不及预期。 -16%-8%0%8%16%24%32%40%2022-042022-082022-12计算机沪深300 行业报告 | 行业专题研究 请务必阅读正文之后的信息披露和免责申明 2 内容目录 前言：由 OpenAI 论文看 B 端金融 GPT 的潜力 .......................................................................... 3 1. GPT 在金融业推广的两个基础已经具备 ................................................................................... 4 1.1. 看需求，客服与销售人力成本高昂有望为 AI 替代提供广阔空间 ................................. 4 1.2. 看场景，AI 在金融行业多领域已具备使用基础，落地场景丰富 .................................. 5 2. 预训练模型调优与自研大模型有望为金融业 AI 应用再赋能 ................................................ 8 2.1. 数据是预训练与模型调优的基石 ............................................................................................... 8 3. 金融 IT 公司：业务理解与训练数据构成 AI 核心竞争力 ..................................................... 10 4. 风险提示 ........................................................................................................................................ 13 图表目录 图 1：2019 年以来大语言模型数量高速增加 ........................................................................................ 3 图 2：金融行业暴露率最高，即 AI 对现有金融行业工作替代率最高 .......................................... 3 图 3：金融行业客服+销售员工占比位于全 A 股上市公司所属 33 个行业中的 1、2、5、7名 ............................................................................................................................................................................ 4 图 4：2022 年，中国人寿从事销售、核保、赔付与客服的员工人数占比达 68% ................... 4 图 5：保险 IT 解决方案市场规模目前为百亿左右，而仅保险代理人薪酬开支则达到万亿 5 图 6：保险代理人数量持续下滑，验证保险公司有意探索更高效率的业务拓展形势 ........... 5 图 7：金融业已经有 AI 在营销、资管、风控领域的落地应用 ............................