推動數(shù)智化轉(zhuǎn)型 券商瞄準AI大模型應(yīng)用
券商越來越重視業(yè)務(wù)數(shù)智化，AI大模型無疑為其轉(zhuǎn)型升級帶來了機遇。目前，包括中信證券、國泰君安、國金證券在內(nèi)的多家券商正加快推動AI大模型的應(yīng)用探索，涉及經(jīng)紀、研究、投行、合規(guī)等多個場景，為業(yè)務(wù)開展和管理模式優(yōu)化提供技術(shù)支持。
在接受采訪的多家券商看來，AI的未來是星辰大海，AI大模型將直接推動券商數(shù)智化轉(zhuǎn)型、提質(zhì)增效，為證券行業(yè)高質(zhì)量發(fā)展注入強勁動能，后續(xù)將繼續(xù)重視科技賦能，持續(xù)加大金融科技研究投入，加強AI大模型在核心場景的深度拓展。
賦能證券行業(yè)高質(zhì)量發(fā)展
目前，各行各業(yè)都在拓展AI大模型應(yīng)用，證券行業(yè)因其行業(yè)數(shù)據(jù)積累豐富及較高的專業(yè)壁壘，與AI大模型的適配度較高，兩者的賦能與融合被市場給予較高期待，業(yè)內(nèi)人士普遍認為AI大模型將助力證券行業(yè)高質(zhì)量發(fā)展。
“證券行業(yè)是數(shù)據(jù)密集、技術(shù)密集、場景多元的行業(yè)，在資本市場完善與升級過程中，積累了大量的金融數(shù)據(jù)?！眹┚脖硎?，豐富的數(shù)據(jù)可為AI大模型訓(xùn)練提供充足的“燃料”，促進其迭代進化，掌握更多的數(shù)據(jù)與規(guī)律。同時，AI大模型的機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)，能在投資策略、風險管理、產(chǎn)品設(shè)計等方面滿足行業(yè)的各類需求，不僅能自動化處理和分析數(shù)據(jù)，更能為決策者提供準確且及時的建議。
國金證券研究所計算機行業(yè)首席分析師孟燦表示，對證券公司來說，AI大模型在降低成本、控制風險、優(yōu)化體驗和增加收益等方面的應(yīng)用前景廣闊。具體到營銷、風控、投研、研發(fā)等業(yè)務(wù)場景，AI大模型可以有效提高企業(yè)生產(chǎn)效率，降低經(jīng)營成本。以智能投顧為例，AI大模型可以在一定程度上替代人工客服，通過與客戶進行交互式溝通交流，深刻理解客戶的個性化需求和資產(chǎn)狀況，幫助金融機構(gòu)為客戶提供專業(yè)的投資建議和服務(wù)，讓客戶識別和規(guī)避潛在的投資風險，并將投資收益最大化。
AI大模型在異常交易監(jiān)控、場外配資監(jiān)控、反洗錢、財務(wù)造假等方面也可發(fā)揮巨大作用。孟燦認為，可以利用AI大模型多維度挖掘風險事件，并結(jié)合AI大模型歸因與關(guān)聯(lián)分析的能力，判斷風險的類型與傳導(dǎo)鏈路，做到多類型資產(chǎn)的風險管控。
“2024年將是金融垂類AI大模型百花齊放的一年?！睎|吳證券非銀首席分析師胡翔表示，金融AI大模型的繼續(xù)推出和不斷完善，有望催生金融領(lǐng)域新的業(yè)務(wù)場景和應(yīng)用，推動金融行業(yè)新業(yè)務(wù)產(chǎn)生，推動金融行業(yè)不斷向前發(fā)展。
在技術(shù)落地方面，國泰君安表示，證券行業(yè)涵蓋了財富管理投顧服務(wù)、機構(gòu)服務(wù)智能投研、數(shù)字職場智能辦公、研發(fā)運維代碼開發(fā)等諸多業(yè)務(wù)場景，這些場景都是AI大模型落地實踐的潛在場景。建議初期從簡單的場景著手，通過MVP建設(shè)案例并協(xié)同業(yè)務(wù)部門等多方力量推進后續(xù)建設(shè)，通過以點帶面、快速突破以調(diào)動更多資源。
“相信隨著模型能力的進步，AI大模型能夠處理更加復(fù)雜、細致的任務(wù)，幫助投資者更全面、更具體、更精準了解市場動態(tài)和公司情況，從而做出更加明智的投資決策。”國泰君安表示。
各家券商積極布局AI大模型
經(jīng)歷多輪技術(shù)變革的證券行業(yè)，早已關(guān)注到AI技術(shù)帶來的機遇，包括中信證券、國泰君安、國金證券在內(nèi)的多家券商正加快推動AI大模型等領(lǐng)先技術(shù)及應(yīng)用的探索，推動數(shù)智化轉(zhuǎn)型提速見效。
國金證券是行業(yè)內(nèi)最早探索AI大模型的機構(gòu)之一，國金證券首席信息官王洪濤表示，公司通過調(diào)動AI算法、開發(fā)、業(yè)務(wù)人員共同探索應(yīng)用場景，匯聚AI能力，構(gòu)建了多模態(tài)AI大模型中臺，充分利用AIGC（生成式人工智能）挖掘數(shù)據(jù)中的知識和信息，并以“AI友好”的經(jīng)營理念為推動力，構(gòu)建敏捷高效、標準規(guī)范、開放共享、安全可靠的智能金融服務(wù)能力。
“國金證券FinGPTAI大模型落地應(yīng)用場景涵蓋助手類、財富類、投資管理類等12大應(yīng)用場景。”王洪濤表示，助手類具體包括AI代碼、AI辦公、AI輔助設(shè)計、AI招聘助手等，財富類包括財富業(yè)務(wù)風控等，投資管理類包括AI大模型投研、AI大模型資管、AI大模型投顧、AI大模型研報助手等。
從2022年開始探索研究，國泰君安的AI大模型應(yīng)用是多點開花、全面啟動。國泰君安表示，從理論研究、調(diào)研論證、場景篩選、方案設(shè)計到最終的落地實踐，公司成功以1個行業(yè)AI大模型在N個證券業(yè)務(wù)場景落地應(yīng)用，并在2023年12月發(fā)布了“靈犀布道”應(yīng)用成果集，N類業(yè)務(wù)場景包括財富管理、機構(gòu)服務(wù)、企業(yè)投行、數(shù)字職場、風控合規(guī)、研發(fā)運維等，其下有諸多更細分的子場景，如聚焦財富管理的君弘靈犀AI大模型，聚焦投顧賦能的AI投顧助手、聚焦投行賦能的ChatIBD等。
“我們在AI大模型上的技術(shù)應(yīng)用是與業(yè)務(wù)場景相融合的，并結(jié)合領(lǐng)先的數(shù)字科技探索，進一步構(gòu)建了多層次的優(yōu)勢和特色。”國泰君安表示，公司建立了從L基礎(chǔ)AI大模型到L1行業(yè)AI大模型、再到L2場景AI大模型的整體框架，便于迅速將AI大模型的能力與證券業(yè)務(wù)相結(jié)合并落地應(yīng)用。技術(shù)應(yīng)用優(yōu)勢和特色的基礎(chǔ)，是公司過往在人工智能長期探索的沉淀。
此外，中信證券此前在2024世界人工智能大會上發(fā)布了行業(yè)領(lǐng)先的“人工智能+”平臺CAP（CITICS AI PLUS），通過人工智能、AI大模型技術(shù)在證券行業(yè)的實際應(yīng)用，以應(yīng)用帶技術(shù)，加快實現(xiàn)技術(shù)迭代升級，賦能證券各項業(yè)務(wù)發(fā)展；長江證券重點投入AIGC領(lǐng)域，發(fā)布“靈曦”AI平臺，提升服務(wù)質(zhì)量。
持續(xù)加大金融科技投入
在金融科技支持政策陸續(xù)出臺、海外金融垂類模型加速落地的背景下，國內(nèi)多家券商正積極進行相關(guān)籌劃和布局，聚焦單點或多點進行建設(shè)，加速AI大模型的應(yīng)用落地和場景升級。
“我們相信AI的未來是星辰大海，證券行業(yè)將在AI驅(qū)動下將自身的數(shù)智化能力突破并實現(xiàn)行業(yè)服務(wù)模式的升級與變革，從而進一步促進行業(yè)高質(zhì)量發(fā)展?！眹┚脖硎?，“要想實現(xiàn)從‘能用’到‘好用’‘易用’，再到‘規(guī)模化應(yīng)用’的轉(zhuǎn)變并不容易，我們結(jié)合長期能力積累的長坡厚雪，進一步加速了整體技術(shù)落地，我們也在探索各類先進技術(shù)，目標是能將其應(yīng)用在更多場景上?！?/p>
針對AI大模型的落地場景，國金證券通過對照監(jiān)管條例、審視自身資源稟賦和業(yè)務(wù)場景，以及對投入產(chǎn)出比的初步評估，制定了AI大模型探索路徑，聚焦效率和體驗提升，為客戶提供更高效和個性化的服務(wù)。王洪濤表示，在智能投研方面，國金證券利用AI算法對大量數(shù)據(jù)進行深入分析和模型訓(xùn)練，以生成更準確的市場分析和預(yù)測結(jié)果，幫助研究人員更深入地了解市場趨勢、板塊輪動和指數(shù)周期，做出明智的投資決策、制定風險策略，并提供優(yōu)質(zhì)的投資組合配置。
基于AI大模型的交互式輔助應(yīng)用，王洪濤表示，國金證券正在研究多種開源語言AI大模型的本地化部署和模型能力的集成整合，并積極探索商業(yè)化AI大模型的應(yīng)用，包括AI辦公助手、AI編程助手、數(shù)字人智能交互和AI繪畫等，顯著提升員工的辦公效率，降低企業(yè)運營成本。
國信證券表示，關(guān)于AI大模型的運用，公司在ChatGTP推出后高度重視，開展了深入研究，并與各大廠進行深度合作，目前已有應(yīng)用在公司內(nèi)部落地，主要是賦能員工工作效率提升。從趨勢上來看，AI大模型未來會成為包括證券行業(yè)在內(nèi)的眾多行業(yè)的重要基礎(chǔ)設(shè)施，公司正在開展持續(xù)的研究和實踐。
