报告制作人：东 吴**
以下是原始报告的摘录。
2024年以来，AIGC发展如火如荼，产业生态趋于改善。 2024年8月15日，国家互联网信息办公室（网信办）联合其他部委联合发布《生成式人工智能服务管理暂行办法》，首次填补了AIGC研发和服务的监管空白。 2024年8月31日和11月4日，首批、第二批11款大模型产品相继备案获批，标志着AIGC技术、法规和应用模式阶段性成熟，AI大模型渗透到各个垂直领域并大规模推广的前景也极为精彩。
在AIGC技术及相关应用呈现指数级发展的同时，中国资本市场也在积极的政策基调下开启了高质量发展的新起点。 7月的政治局会议定下了“激活资本市场，提振投资者信心”的基调，10月的**金融工作会议旨在加快金融强国建设，为资本市场长期健康发展指明了方向。 同时，考虑到资本市场主要参与者拥有较为扎实的信息基础，我们坚信AIGC与资本市场将产生充分共鸣，金融，尤其是财富管理领域，将成为AI垂直模式大规模落地的理想土壤。
1.财富管理领域已成为垂直模型的理想应用方向。
1.1.在政策方面，监管促进了金融的数字化转型。
监管持续推动金融数字化转型，利好政策频出台。 2024年，中国人民银行印发《金融科技发展规划（2019-2024年）》，指出了金融科技发展的重要性和方向。
此后，中国人民银行等监管主体出台了一系列扶持政策，从金融科技标准制定、数据治理与应用、科技与金融场景深度融合等方向进一步推动我国金融科技发展。 在政策的鼓励下，我国金融业数字化转型升级得到进一步推进，财富管理行业随着多维度客户数据的沉淀，逐渐成为金融数字化转型的主阵地。 2024年6月，中国证券业协会和基金业协会分别发布了《**公司网络与信息安全三年提升规划（2023-2024年）》和《管理公司网络与信息安全三年提升规划（2023-2024年）》，为财富管理机构提升信息化投入提供了针对性指导。
1.2.供给侧：海外垂直模式率先突破，产业生态逐步完善。
在海外金融模型进展方面，彭博凭借自身在金融数据源方面的优势，率先实现了金融行业大模型与垂直知识的深度融合。 2023 年 3 月 30 日，Bloomberg 率先发布了 Bloombergpt，这是一个为金融领域构建的 500 亿参数大型语言模型。 依托财经数据源优势，彭博社构建了最大的财经数据集Finpile（包括3635亿个代币的金融场数据和3454亿个代币的通用数据），通过通识文本+财经知识的混合训练（其中财经数据涵盖多种财经文件，如新闻、报告、评论、财务报表、 等），使得彭博GPT在金融领域有着广泛的应用，如财经新闻生成、**Marketplace**等。
彭博GPT在执行金融任务方面的表现明显超过现有的通用模型，展示了基于自身专业领域的金融垂直模型的强大竞争力。 据彭博社**报道，BloombergGPT 与其他三个类似规模的通用模型进行了比较：金融和一般领域的 GPT-NEOX、OPT 和 Bloom。 结果表明，BloombergGPT在执行金融任务方面优于现有的通用LLM模型，在一般场景下的表现与现有的通用LLM模型相当。
Finchat以直观和互动的方式提供全面的财务信息。 2023 年 4 月，Stratosphere 开发并推出了 Finchat。 Finchat通过互动聊天界面为用户提供和分析来自750多家公司和100多家超级投资者的重要财务数据，使用户能够快速访问他们需要的信息，包括最新的财务数据、财务报告**会议纪要、机构投资者持仓报告、投资账簿等。 目前Finchat的主要功能包括数据查询、数据过滤、可视化图表生成、投资价值评估等。
1.3.需求端：理财机构接入大模型意愿较强，垂直模式机会凸显。
财富管理行业面临变革机遇，财富管理机构对信息技术的投入持续增长。 随着资本市场各项重大改革向实质性阶段的深化，财富管理机构作为资本市场与投资者之间的纽带，责任日益凸显。 随着居民财富管理需求的大幅增长，财富管理行业作为新兴技术最敏感的领域之一，正在积极拥抱数字化，期待通过金融科技提质增效。 以行业为例，截至2024年，303家55亿元，2012-2024年复合年增长率为2169%，其中2024年IT投资同比增长约26%51%。
“文心一彦”模式在年初问世，理财机构获取意愿强烈。 2024年3月，“文心亿言”车型正式亮相，开放邀请测试。 基于自身金融科技应用的需要，GF**等10家证券公司及汇添财富等多家**公司率先成为文信亿言首批生态合作伙伴。
基于财富管理的重要场景，各机构相互合作，包括智能客服、智能投顾、投研协助等，借助大模型能力为用户打造全场景AI解决方案和服务。
结合应用的定性分析，金融垂直模式可能成为理财机构的主流选择。 1）通用模型是“通用但不精确”。然而，由于在训练过程中没有考虑特定行业的培训需求，通用大模型的训练集所包含的财务数据质量有限，导致在处理特定领域的任务时缺乏行业深度。 在问答方面，比较文心一燕（一般大模型）和恒生电子旗下华伦克（基于大语言模型技术的智能投研平台）在金融领域的表现，恒生电子在回答的准确性和细节方面均优于文心一燕。
2）一般大规模模型思维的逻辑并不完全适用于金融领域。在互动过程中，由于金融领域专业术语数量多、复杂度高，很多词语在金融语境中都会有特殊的含义，所有子问题都会有独特的理解方式。 而且，金融部门衡量NLP处理结果的方式也很特殊，比如对于市场舆情来说，金融NLP需要判断利好还是消极，并对后续的市场走势做出决策。 综上所述，与一般的大模型相比，金融垂直模型更像是解决金融领域特定需求的更好解决方案。
2.垂直模式有望深度赋能金融行业数智化升级。
随着人工智能技术的发展，人工智能的应用已经广泛渗透到金融行业，在与金融业务相结合的过程中，衍生出许多智能金融场景。 未来，AI大模型能力将迎来进一步突破，为金融行业数智化转型带来新一轮的变革与创新，包括智能营销、智能投顾、智能投研等，都是大模型可以深度赋能的领域。
2.1.智能营销：快速生成丰富的营销素材，支持千人个性化营销。
智能营销是指利用人工智能、物联网、计算机和互联网通信等技术，通过简历客户画像、地图构建，包括个性化推荐、智能决策、精准触达、营销效果评估等环节的数字化智能营销模式。
现阶段，人工智能已经渗透到智能营销场景中，从多个环节提升金融机构的营销效果。
1）客户画像建立和潜在客户**：人工智能利用机器学习习算法，基于海量客户信息，为客户建立个性化标签，帮助识别最潜在客户，并根据其个性特征进行对话2）客户需求管理与精准营销：在客户需求管理方面，人工智能可以更高效地进行智能分析和决策，为金融机构提供全面的客户管理视角，提高客户沟通能力，为客户提供个性化的建议、洞察和提升客户体验，更全面地满足客户需求。以阿里云为例，为行业开发智能营销平台，整合分析客户内外部数据，建立客户标签，勾勒客户画像，基于客户全生命周期构建各阶段服务场景，制定产品和服务运营策略，向客户推荐产品、服务和活动， 实现对客户的精细化运营和服务。
相较于传统人工智能技术局限于简单文本或NLP，大模型可以实现多模态混合训练，有望解决营销过程中处理海量非结构化数据、客户画像刻画困难、智能推荐不准确等问题，为AI驱动的智能营销升级提供更大的想象空间。
2.2.智能投顾：全方位分析客户需求，自动定制投资建议。
机器人顾问是指利用云计算、大数据、人工智能等技术，以资产组合等金融投资理论为框架，构建数据模型和算法，再将投资者的金融需求、资产状况、风险承受能力、风险偏好等变量作为输入到模型中，从而自动为客户生成个性化的投资建议， 并继续跟踪和动态调整投资组合。
智能投顾在一定程度上克服了传统模式的痛点，具有门槛低、普惠性、个性化等优势。 传统投资顾问依靠投资顾问的个人能力，成本高，导致业务门槛高，无法满足市场需求。 机器人顾问引入人工智能和大数据技术，建立集投资算法和投后自动化管理于一体的模型，在获取客户投资偏好等信息后，可以帮助客户定制个性化的投资策略，实现投资管理自动化，从而大大提高效率，降低投资顾问的门槛，使投资顾问业务成为投资顾问的真正的普惠金融。
“买方投资顾问”的转型和金融模式的加速实施，有望迎来智能投顾的快速发展。 2024年，中国智能投顾元年，华泰收购Assetmark，广发推出Beta Bull，招商银行推出Capricorn Intelligent Investment，传统金融机构纷纷入市。 2024年，投资顾问试点进入快速扩张期，智能投顾作为财富管理市场的一个细分市场，进一步开拓了业务空间。 2024年7月，将实施公募**行业费率改革，将进一步推动理财行业向“买方投资咨询”转型。 同时，随着AI大模型技术的快速发展，垂直大模型在金融领域的应用加速，为智能投顾业务的发展提供了潜在的技术支撑。
2.3.智能招研：协助提炼信息，自动生成调研报告。
智能投研是指通过深度学习习、自然语言处理等人工智能技术，对宏观经济和资本市场中的海量信息进行收集、整理和解读，利用算法找出数据中隐藏的规则，自动生成报告。
与传统投研相比，人工智能技术在一定程度上解放了大量的基础投研和收集工作，有效避免了信息收集耗时、不完整的缺陷。
智能投研有利于提高调研效率，优化投管流程，典型应用场景包括文本解析、智能搜索答疑、智能投管、智能风险预警等。 金融业拥有大量的数据和信息，但其中大部分是以计算机无法理解的半结构化、非结构化形式分布的。 智能投研通过文本分析对这些信息进行汇总、清理和解构，可为前端应用场景提供基础的结构化信息支撑。 在此基础上，语义搜索、智能推荐等工具的出现，进一步提高了研究过程中信息分析的效率。 对于传统金融机构来说，他们更倾向于利用智能投研来提高投资效率，通过内部自研系统优化投资管理流程，通过实时监控分析对潜在金融风险进行预警。
随着AI大模型技术的快速发展，其生成分析能力、逻辑推理能力将有效推动投研体系智能化转型，金融机构有望加强布局。 在具体实践方面，国内厂商中科文格推出了“多投资”一站式智能投研平台，基于金融领域大模型，无需繁琐的人工操作和复杂的分析流程，用户可以在短时间内生成高质量的研究报告。
3.在最佳品牌的竞争中，领先的金融科技品牌有望脱颖而出。
3.1.垂直模式勾勒财富管理新时代，数据基础和技术能力成为发展的关键。
垂直模式可能会打开财富管理新时代的大门。 回顾历史，在市场的催化下，理财市场的阶段性扩张往往伴随着金融科技的跨越式进步，二者相辅相成。 1）2024年代初，互联网在国内开始迅速发展，金融门户**也应运而生，一些知名的金融门户**如新浪财经、东方财富网等开始涌现。2007-2024年的牛市带动了财富管理市场的增长，也带动了金融门户的访问量和用户活跃度**的大幅增加。 2）2024年代初，随着智能手机的快速普及和移动互联网的快速发展，金融手机应用开始出现。加上 2014 年市场**的上升，金融应用的用户群迅速增长。 3）2024年代后半期，金融手机APP逐渐摆脱单一的信息服务，开始提供理财、投资等多元化服务，转型为互联网综合财富管理平台。再加上2024年代初“**热”带动的财富管理市场快速扩张，金融科技和财富管理再次经历了一轮明显的共鸣。 4）ChatGPT在2024年引发广泛讨论，大规模模型开发如火如荼。目前，虽然基于大模型的理财场景多处于实验探索和点性尝试中，理财产业链尚未形成对大模型系统应用的共识，但理财垂直模式的技术基础已经相对扎实，理财垂直模式的市场规模具有爆发式增长的潜力。 在宏观经济加速复苏、理财市场进行资金大迁移的大势下，理财垂直模式蕴含着无限的遐想。
报告摘录完 欲了解更多信息，请阅读报告原文
报告集中的主题列表 x 由 [Report School] 定期编译和更新。
（特别说明：本文**为公开资料，摘录仅供参考，不构成任何投资建议，如需使用请以报告原文为准。 ）
金融房地产
金融科技 |消费金融 |普惠金融 |绿色金融 |汽车金融 |房地产金融 |连锁金融 |财务 IT |银行 |城市商业银行 |银行与金融 |不良资产 |房地产 |上海地产 |广州地产 |北京地产 |天津置业 |杭州置业 |长沙置业 |青岛置业 |商业地产 |办公楼 |融资租赁 |非银行金融。